JP2010098731A - ２点間および多点間の電話／テレビ会議中に動的な発信者アイデンティティを表示する方法およびテレビ会議システム - Google Patents

Abstract

【課題】複数の入力から決定される直接関係のある情報と、テレビ電話会議に関連した計算されたパラメータとを効果的に決定し表示する。
【解決手段】個人情報を効果的に決定し表示する方法は、現在話している人の個人情報をすべての参加者に提示するために、エンドポイントにおけるユーザからの入力と、テレビ会議中に計算される情報とを用いて実行される。テレビ会議システムは、典型的に、多地点で複数の人々によって用いられる。本方法は、より多くのユーザ相互作用および参加者間の知識の移転を可能にする。異なる場所において情報を共有することにより、参加者は、いつでも誰が話しているかと、その特定の人が言っていることに適用すべき重要性とをより意識する。
【選択図】図１

Description

本開示は一般的にテレビ会議の分野に関する。より詳細には、本開示は、限定するものではないが、テレビ会議環境内の現在の話者を識別し、情報ボックス内の現在の話者の情報を提示する方法に関する。

現代の企業組織では、対面会議の代わりに、テレビ会議に参加することは、地理的に分散した個人にとって珍しいことではない。会社や組織は、旅費を削減し、時間をセーブするために、益々テレビ会議を利用している。しかしながら、参加者が他の参加者との典型的な対面会議中に期待するものを完全にまねようとするために、金銭的および時間的節約は、テレビ会議システムの能力の欠如により相殺されてしまう。対面会議の参加者には当然のことである重要な感覚情報は、テレビ会議中には著しく欠如してしまい、効率的で有効なコミュニケーションが抑制される可能性がある。

テレビ会議システムの本質のために、テレビ会議を介してリンクした異なる会議場は通常複数の参加者を含んでいる。そのような状況では、話している参加者を識別し、受信している聴覚情報を関連付けて筋道を通すことができることは、傾聴している参加者にとって有益である。会話は話者に応じて異なる意味や重要性を持ち得る。不運にも、参加者による話者の識別が遅延し、あるいは、使用中のテレビ会議技術の制限により不可能になる場合がしばしばある。例えば、ビデオスクリーンがあまりにも小さかったり、その質が悪かったりするために、参加者が遠隔の参加者の唇や身振り（ボディランゲージ）の動きを知覚できないかもしれない。また、遠隔の場所で再生されるために、音の指向特性を聞き損なってしまうかもしれない。

一実施形態では、本開示は、多団・多地点のテレビ会議あるいは混合音声のみの会議およびテレビ会議において他の参加者を助けるために、個人情報を決定して表示する方法を提供する。会議中、異なる人々が異なる時間で話すが、誰が現在話しているかを識別するために、テレビ会議の或るエンドポイント（endpoint: テレビ会議に組み込まれている個々の場所若しくは端末点又は端末装置）で音声入力を検出し、検出した音声入力を用いることにより現在話している参加者を識別すればよい。識別された人に関連して一度識別された個人情報は、該テレビ会議の他のエンドポイントにおいて、参加者達の助けとして、これらの他の各エンドポイントに提供されてもよい。例えば、その人を識別する特徴について個人的知識を持っていない場合に備えて、それらエンドポイントでは現在話している参加者の名前と肩書を提示されるであろう。

別の実施形態では、現在話している参加者の自動識別の正確性（精度）を高める目的で複数のタイプの識別情報が格納される。本実施形態では、異なるタイプの識別情報のそれぞれは独立して処理され、個人情報を提供する前に矛盾のない結果が見付けられたか否かを決定するために、それらの各独立した処理の結果が比較される。したがって、矛盾した結果を取得する場合には、電話モデレータは、識別情報を入力することができ、その後、この更新された識別情報は将来の自動識別の精度を向上させるために用いられればよい。

テレビ会議のために位置するように、多地点および複数の参加者を有する会社の構成例を示す概念図である。

多党・多地点のテレビ会議の１箇所以上の場所における会議参加者を定義する処理を示すフローチャートである。

テレビ会議の現在話している参加者を識別する処理を示すフローチャートである。

テレビ会議の現在話している参加者を識別する処理の代わりの実施形態を示すフローチャートである。

テレビ会議システムの一実施形態を示すブロック図である。

典型的な対面会議では、どの参加者が現在話しているかを、傾聴している参加者が判定することは、通常即座に行え、たやすいことである。テレビ会議システムにおいても、テレビ会議の流れの中で、このありふれた識別作業に匹敵することを行う必要がある。しかしながら、どの人が話しているかを傾聴している参加者が識別することができるとしても、その話者の名前と肩書（タイトル）を知らないかもしれない。また、テレビ会議環境における現在の話者の個人識別情報を提示するシステムも必要である。

これらの必要性を満たし、他の有益な特徴を含む方法およびシステムを開示する。特定の実施形態では、計算された識別パラメータと併せてユーザ定義の入力パラメータに基づいて、現在の話者の個人情報を提示するテレビ会議装置を記述する。計算された識別パラメータは、限定するものではないが、音声認証（音声を識別するソフトウェア）もしくは顔認証ソフトウェア（顔を識別するソフトウェア）、指向性マイクロフォン、および他の環境検出技術により取得されるパラメータを含む。

さらに、以下の開示は、テレビ会議システムとの関連で現在の話者についての個人情報を識別して提示するための方法およびシステムを示す。当業者は、本開示の発明的本質が共有ワークスペース、仮想会議室、およびオンラインコミュニティなどのコミュニティまたは企業組織の至る所で共有される他のタイプのマルチユーザ通信技術にも拡張され得ることを認識するであろう。なお、本開示の発明的本質がテレビ会議に関して記述されるが、音声のみの会議、テレプレゼンス、インスタントメッセージなどにも適用可能である。

現代の企業組織では、同時に起こる音声会議、テレビ会議、あるいはその両方の組み合わせに参加することは、地理的に分散した個人のグループにとって珍しいことではない。例えば、図１において、ニューヨーク（１０５）、ヒューストン（１１０）、およびデラウェア（１１５）のオフィスを有する会社Ａの構成１００を示す。会社Ａは、ネットワーク１７０を通して接続するテレビ会議を介して、毎月の全社的なステータス会議を行う。各場所は、話者電話（１８５）と、カメラ（１８１）と、表示装置（１８０、１８０ａ）とを備えている。そのような会議中、現在のテレビ会議システムにより、地理的に分散した参加者は、遠隔の同僚を見たり、彼らの話を聞いたりすることができるが、いくつかの制限が経験の有効性のじゃまをし得る。

第１に、遠隔部で誰が話しているかを決定することは、参加者にとって困難であり得る。現在のシステムは、しばしば、話者がいる場所の名前を自動的に表示し、その場所からビデオフィードを拡張する。しかしながら、ビデオ（映像）および音声再生の制限のため、遠隔の参加者は、未だに話者のアイデンティティを識別することができないかもしれない。それとして、ヒューストンの会計士（１５０）は、彼が傾聴している声がニューヨークの会社本社内の人間からのものであると警告され得るが、誰に属した者であるかを知り得ない。ＣＥＯ（１２０）と会計士（１３０）がともに同じ場所にいるので、この情報なしに、ＣＥＯ（１２０）による声明（ステートメント）は、会計士（１３０）によるステートメントから遠隔の参加者にとって、潜在的に区別がつかない。そのようなシナリオは明らかに最適ではない。

第２に、より大きい会社では、参加者は話者を識別することができるとしても、話者の名前と肩書を知らないかもしれない。再び、その会議に最適に参加するために、各参加者は、ニューヨークで話している人の未知の顔が同僚または上司（例えば、副社長１２５）に属するか否かを知ることにより利益を得るであろう。話している参加者の「個人情報」を自動的に表示することにより、上記欠点は重要視され得ず、テレビ会議は、より効果的に対面会議をまねればよく、おそらく、技術援助なしには利用可能ではないいくつかの追加の情報を提供さえしてもよい。表示された「個人情報」は、これに限定するものではないが、名前、肩書（タイトル）、場所（物理的場所、参加者に固有のデータ項目の一例）、およびその会議に直接関係する他の情報を含むことができる。

２点間および多点間テレビ会議中の話者アイデンティティの表示を様々な方法で実行することができる。一実施形態では、多数の装置および技術は、話者識別を適時に達成するために協力して働く。例えば、ビデオキャプチャ装置および指向性マイクロフォンは、参加者情報のレジストリに対して音声認証ソフトウェアおよび顔認証ソフトウェアを起動する処理システムに環境データを送信する。また、１箇所以上の場所におけるモデレータ（調整係）は、表示される個人情報の正確性（精度）を監視し、間違いがある場合には、処理システムで取得された結果を訂正してもよい。また、学習アルゴリズムはこれらの訂正を解析してもよく、これにより、将来の正確性を高めることができる。

本明細書で用いられるように、「テレビ会議」は、１グループの人々の間で同時に起こる通信を容易にするように構成された１箇所以上のエンドポイント（endpoint: テレビ会議に組み込まれている個々の場所若しくは端末点又は端末装置）のどのような組み合わせであってもよい。これは、他の参加者の場所が音声結合とビデオ結合の両方を通して接続しつつ、数人の参加者の場所が音声結合を通してのみ接続する会議を含む。そのような例では、話しているとき、音声のみの参加者の個人情報がビデオ能力を装備する場所に表示されるものと想定される。一実施形態では、音声認証ソフトウェアは、音声のみの参加者の個性を決定するであろう。

図２において、処理２００は、現在の話者の個人識別情報を表示する能力を持つテレビ会議システムが多地点・多参加者会議のためにどのように構成されるかを描写する。図２が多くの会議場の一つのみにおける設定処理を描写するが、描写されるステップがテレビ会議の前に多くのあるいはすべての会議場で実行されてもよいことを理解されたい。会議の開始の前に、参加者が会議場に到着すると、モデレータ（１４５）は、テレビ会議システムに各参加者を参加させることを課せられてもよい。代わりの実施形態では、一人のモデレータは１箇所からすべての会議場を管理し、テレビ会議設定は参加者自身により実行される。また、１箇所以上におけるモデレータ（１４５）はテレビ会議の参加者であってもよい。

ブロック２１０で開始して、参加者が自分の席を取ると、モデレータ（１４５）は、その参加者に向けてビデオカメラをズームし、参加者およびその場所に関連してカメラプリセットを作成すればよい。また、ブロック２１０では、ビデオカメラは、次の参加者の顔認証で必要とされる視覚情報（参加者に固有のデータ項目の一例）をキャプチャすればよい。

ブロック２２０に移行して、参加者は、彼自身を口頭で識別すればよく、会議に適切な直接関係のある個人情報をモデレータに提供すればよい。一実施形態では、話された個人情報は、マイクロフォンで記録され、テレビ会議システム上のスピーチ−テキスト（音声テキスト）ソフトウェアによってテキストに変換されればよい。また、録音された音声情報（参加者に固有のデータ項目の一例）は、会議中の参加者を識別するために、音声認証ソフトウェアにより後で用いられてもよい。別の実施形態では、参加者の個人情報は、キーボードやタッチスクリーンなどの入力装置を用いて、モデレータ１４５または参加者により手動で入力されてもよい。そして、モデレータ１４５は、参加者により提供される個人情報と、ブロック２３０で描写する参加者およびその場所とを関連付ければよい。また、このタスクは、顔認証のためにキャプチャされる視覚情報および音声認証のためにキャプチャされる音声情報を参加者の個人情報に関連付けるステップを含めばよい。

ブロック２４０では、会議場における追加の参加者をテレビ会議システムに参加させる必要があるか否かを決定する。参加させる必要があれば（ブロック２４０において「ＹＥＳ」に分岐）、処理フローはブロック２１０に戻り、モデレータ１４５は、次の参加者に向けてカメラをズームし、それ以降の処理を再度開始する。会議場のすべての参加者がテレビ会議システムに入力された場合には（ブロック２４０において「ＮＯ」に分岐）、テレビ会議通信がブロック２５０に描写するように、遠隔の場所で確立すると、会議が始まる。

処理２００にて収集された各参加者の個人情報は、各会議場にあるテレビ会議システムのエンドポイントにおいて格納されてもよく、あるいは、テレビ会議を制御する会議ブリッジ（カンファレンスブリッジ）内に格納されてもよい。一実施形態では、会議ブリッジは多点間（マルチポイント）制御ユニット（ＭＣＵ）である。また、収集される個人情報は、限定するものではないが、ＳＩＰ ＩＤ、Ｈ３２３ ＩＤ、端末ＩＤ、および遠隔カメラ制御（ＦＥＣＣ：Far End Camera Control）ＩＤなどのいくつかのプロトコルを用いて、他の会議場であるエンドポイントまたはＭＣＵに伝えられればよい。

代わりの実施形態では、会議室のための電話設定処理は、会議識別（例えば、タイピング、話し、メニューからの選択）を提供する第１の参加者を含めばよい。次に、この第１の参加者および同じ場所のいずれかの追加の参加者は、入力手段を介して個人情報を任意に供給する。ブリッジ／ＭＣＵネットワーク管理部は、どの情報が各参加者から取得されるかを設定すればよく、冗長でない情報を入力するために、オプションが同じ部屋の複数の参加者に提供されてもよい。その代わりに、各参加者は、名札読み取り装置（外部源の一例。例えば、スマートカード読み取り装置）に自分の会社名札を通してもよく、参加者の個人情報は企業サーバ（外部源の一例）から自動的に取得されてもよい。各参加者が名札（バッジ）を装置に通すと、信号がシステムに送信されればよく、参加者の場所は、カメラプリセットとして自動的に記録されればよい。また、データ収集処理は、上述の組み合わせを含むことができ、参加者は自分の名前を話し、ブリッジ／ＭＣＵは、企業サーバから個人情報を取得し、その参加者の個人情報を任意に確認する。

図３において、処理３００は、テレビ会議システムが現在話している参加者を識別し、その参加者の個人情報を表示した後の処理を描写する。処理３００に記述する実施形態は、話している参加者が図２のブロック２２０において参加者に関連したプリセット位置でそうする状況（すなわち、参加者が動き回らない）に言及する。参加者が自分のプリセット位置で話すと、処理３００はブロック３０５で開始する。ブロック３１０において、マイクロフォンは、参加者のプリセット位置においてスピーチを検出する。一実施形態では、マイクロフォンは、ある場所における指向性マイクロフォンであればよく、別の実施形態では、マイクロフォンは、個別の参加者の場所に専用のものであってもよい。スピーチの検出に応答して、ビデオカメラは、ブロック３１５で描写されるように、プリセットされた話者の場所にズームする。これは、「音声源の位置決め」と題し、２００３年７月１５日に発行されたスティーヴンＬ．ポッツ他による米国特許第６，５９３，９５６号公報に開示される主題を通して達成されればよい。

そして、処理フローはブロック３２０および３２５に移行し、話者アイデンティティは２つの異なる方法を介して計算されればよい。第１に、話者アイデンティティは、スピーチが発せられるプリセット位置に関連したアイデンティティに基づいて決定されればよい。第２に、話者アイデンティティは、テレビ会議システムのプロセッサあるいはテレビ会議システムと通信可能に接続される別のプロセッサ上で起動する音声認証ソフトウェアにより決定されればよい。検出されたスピーチは、図２のブロック２２０において取得された音声サンプルと比較されればよい。そして、２つの話者アイデンティティ結果は、ブロック３３０において比較されればよい。２つの結果がどちらも同じ参加者にマッチ（一致）する場合には（ブロック３３０において「ＹＥＳ」に分岐）、その参加者に関連した個人情報は、ブロック３６０において描写するように、適用可能な会議場に対するテレビ会議ビデオフィード上で表示される。一実施形態では、その情報は、現在の話者のイメージを曖昧にしないように構成される情報ボックスに含まれる。

しかしながら、プリセット位置対応から取得されるアイデンティティ結果と、音声認証ソフトウェアから取得されるアイデンティティ結果とがマッチしない場合には（ブロック３３０において「ＮＯ」に分岐）、処理フローはブロック３３５に移行し、顔認証ソフトウェアは話者のアイデンティティを計算するように試みる。現在の話者のイメージ（画像）は、図２のブロック２１０においてプレ会議設定中にキャプチャされる参加者のビデオ（映像）と比較されればよい。そして、そのシステムは、プリセット位置対応から取得されるアイデンティティ結果と音声認証ソフトウェアから取得されるアイデンティティ結果の両方と、顔認証ソフトウェアからの話者アイデンティティ結果とを比較すればよい（ブロック３４０）。顔認証結果がプリセット位置結果と音声認証結果のいずれにもマッチ（一致）しない場合には（ブロック３４０において「ＹＥＳ」に分岐）、システムは、参加者アイデンティティ情報を更新し、ブロック３５５において上述のように、将来の話者識別の正確性（精度）を高めればよい。

一実施形態では、テレビ会議システム上で起動している学習アルゴリズムは、相反する話者アイデンティティ結果を生成した特定のアイデンティティ検出要素（アイデンティティ検出手段）の正確性を向上させる（改良する）動作を実行する。しかしながら、顔認証ソフトウェアにより計算される話者アイデンティティ結果が２つの前の結果のいずれにもマッチしない場合には（ブロック３４０において「ＮＯ」に分岐）、処理フローはブロック３４５に移行し、会議モデレータ１４５は、相反するアイデンティティ結果であることを警告されてもよい。そして、モデレータ１４５は、ブロック３５０に描写するように、正しい話者アイデンティティを選択すればよい。モデレータ１４５が選択した後、システムは、上述のように、現在の話者と参加者アイデンティティ情報との間の正しい対応を反映するために更新される。最終的に、話している参加者に関連する正しい個人情報は、ブロック３６０に描写するように、テレビ会議ビデオフィード上に表示されればよい。

図４において、処理４００は、テレビ会議システムが現在話している参加者を識別し、その参加者の個人情報を表示した後の処理の代わりの実施形態を描写する。本実施形態は、話している参加者が図２のブロック２２０においてその参加者に関連したプリセット位置にいない状況を扱う。例えば、この代わりの識別処理は、参加者が彼の席を去り、ホワイトボードで資料を提示しているときに実施されればよい。

参加者がプレ会議設定中に関連付けられた場所以外のある場所から話すと、処理４００はブロック４０５においてスタートする。ブロック４１０において、マイクロフォンは、参加者からのスピーチを検出する。一実施形態では、マイクロフォンは、スピーチが生じている方向を検出する能力を有する。スピーチの検出に応答して、ビデオカメラは、ブロック４１５に描写するように、現在の話者の方向を狙ってズームする。処理フローはブロック３３５および３２５に移行し、話者アイデンティティは、２つの異なる方法を介して計算されればよい。

第１に、話者アイデンティティは、テレビ会議システム上で起動する顔認証ソフトウェアによって決定されればよい。現在の話者のイメージは、図２のブロック２１０においてプレ会議設定中にキャプチャされた参加者のビデオに対して比較およびマッチングされればよい。第２に、話者アイデンティティは、テレビ会議システム上で起動している音声認証ソフトウェアによって決定されればよい。検出されたスピーチは、図２のブロック２２０において取得される音声サンプルに対して比較されればよい。そして、２つの話者アイデンティティ結果がブロック４２０において比較されればよい。２つの結果がともに同じ参加者にマッチする場合には（ブロック４２０において「ＹＥＳ」に分岐）、参加者に関連した個人情報は、ブロック３６０に描写するように、テレビ会議ビデオフィードに表示されればよい。しかしながら、顔認証ソフトウェアから取得されるアイデンティティ結果と音声認証ソフトウェアから取得されるアイデンティティ結果とがマッチしない場合には（ブロック４２０において「ＮＯ」に分岐）、処理フローはブロック３４５に移行し、モデレータ１４５は、相反するアイデンティティ結果であることを警告されてもよい。そして、モデレータ１４５は、ブロック３５０に描写するように、正しい話者アイデンティティを選択すればよい。モデレータが選択した後、システムは、上述のように、現在の話者と参加者アイデンティティ情報との間の正しい対応を反映するために更新される。最終的に、話している参加者に関連した正しい個人情報は、ブロック３６０によって描写されるように、テレビ会議のビデオフィード（提供画像）に表示されればよい。

図５は、一実施形態におけるテレビ会議システム５００のブロック図を示す。テレビ会議ユニット（５１０）はプロセッサ（５２０）を含む。種々のデータ操作および収集機能を実行するために、プロセッサ（５２０）をプログラムすることができる。また、テレビ会議ユニット（５１０）は、非同期転送モード（ＡＴＭ：Asynchronous Transfer Mode）、イーサネット（Ethernet：登録商標）、トークンリング（token ring）、あるいは当業者に公知のあらゆる他のネットワークインタフェースもしくはテレビ会議プロトコルを用いて、他のネットワーク装置と通信することができるネットワークインタフェース（５３０）を含む。例示の入力装置（ユーザ入力装置：キーボード５４０およびマウス５５０）はテレビ会議ユニットに接続され、テレビ会議システムとのユーザ相互作用を提供する。なお、ユーザ入力装置は、キーボード５４０やマウス５５０の他、スマートカード読み取り装置、磁気ストリップ読み取り装置および無線ＩＣタグトランシーバなどを含んでもよい。ディスプレイ５６０は出力装置の一例である。出力装置は、ユーザメニューの形式でイメージとテキスト情報の両方を表示するためのタッチスクリーン入力能力、あるいは、本開示を通して説明するような入力スクリーンも備えていてもよい。種々の表示装置は当業者にとって公知であり、限定するものではないが、ＨＤモニタ、コンピュータスクリーン、携帯電話、およびテレビモニタを含む。

代わりの実施形態では、ある参加者が会議に加わると、他のすべての会議参加者は、その新しい参加者の詳細および個人情報を通知されればよい。各エンドポイント（音声かビデオのいずれか）は、ユーザ選択に基づいて、進行している会議中にこの情報を表示すべきか否か、またどのように表示すべきかを決定することができる。同様に、ある参加者が話し、その参加者が識別されると、話している参加者の詳細がすべてのエンドポイントに送信されてもよい。各エンドポイントは、会議中にこの情報を表示すべきか否か、またどのように表示すべきかを設定することができる。

上述した操作方法の詳細と同様に、図示における種々の変更は、以下の特許請求の範囲の請求項に記載の範囲から逸脱することなく可能である。例えば、例証となる処理（処理方法）２００、３００および４００は、上述とは異なる順序で識別ステップを実行してもよい。その代わりに、いくつかの実施形態は、別のステップであるものとして上述した行動を組み合わせてもよい。同様に、この方法が実行される特定の操作環境に応じて、上述のステップの１つ以上が省略されてもよい。さらに、本開示の方法に従った行動は、１つ以上のプログラムモジュールに統合される命令を実行するプログラム可能な制御装置により実行されてもよい。プログラム可能な制御装置は、１つのコンピュータプロセッサ、専用プロセッサ（例えば、デジタルシグナルプロセッサ、「ＤＳＰ：digital signal processor」）、通信リンクにより接続される複数のプロセッサ、あるいは特注の状態機械であればよい。特注の状態機械は、限定するものではないが、特定用途向け集積回路（「ＡＳＩＣ：application specific integrated circuit」）やフィールドプログラム可能ゲートアレイ（「ＦＰＧＡ：field programmable gate array」）を含む集積回路などのハードウェア装置内で具現化されてもよい。プログラム命令を実体的に具現化するのに適した記憶装置は、限定するものではないが、磁気ディスク（固定、フレキシブル磁気ディスク、および着脱可能なもの）やテープ、ＣＤ−ＲＯＭおよびデジタルビデオディスク（「ＤＶＤ：digital video disk」）などの光学式媒体、並びに、電気的プログラム可能リードオンリーメモリ（「ＥＰＲＯＭ：Electrically Programmable Read-Only Memory」）、電気的消去可能プログラム可能リードオンリーメモリ（「ＥＥＰＲＯＭ：Electrically Erasable Programmable Read-Only Memory」）、プログラム可能ゲートアレイおよびフラッシュ装置（フラッシュメモリ）などの半導体メモリ装置を含む。なお、本発明は、テレビ会議に限らず、電話会議にも適用可能である。

１００ 会社の構成
１３０、１５０ 会計士
１４５ モデレータ
１７０ ネットワーク
１８０、１８０ａ 表示装置
１８１ カメラ
５００ テレビ会議システム
５１０ テレビ会議ユニット
５２０ プロセッサ
５３０ ネットワークインタフェース
５４０ キーボード
５５０ マウス
５６０ ディスプレイ

Claims (25)

1. 電話／テレビ会議の現在話している参加者についての個人情報を決定して表示する方法であって、
   現在話している参加者からの音声入力を検出するステップと、
   前記現在話している参加者を識別するステップと、
   前記電話／テレビ会議の１箇所以上のエンドポイントにおいて表示するために、決定したアイデンティティに関連した個人情報を提供するステップと
   を含むことを特徴とする方法。
2. 前記現在話している参加者に向けてカメラを位置決めするステップをさらに含むことを特徴とする請求項１に記載の方法。
3. 前記現在話している参加者を識別するステップは顔認証ソフトウェアを用いるステップを含むことを特徴とする請求項２に記載の方法。
4. 前記カメラを位置決めするステップは、前記検出された音声入力に基づき前記現在話している参加者に対して前記カメラを位置決めするために、指向性マイクロフォンを用いるステップを含むことを特徴とする請求項２に記載の方法。
5. 前記現在話している参加者を識別するステップは、音声認証ソフトウェアを用いるステップを含むことを特徴とする請求項１に記載の方法。
6. 前記現在話している参加者を識別するステップは、自動的に決定された正しくないアイデンティティを手動で修正するステップと、前記話している参加者のアイデンティティの将来の自動的な決定のために前記手動で修正された情報を用いるステップとを含み、
   前記自動的な決定は、前記話している参加者のその後の識別のために改良されることを特徴とする請求項１に記載の方法。
7. 前記決定されたアイデンティティに関連した個人情報を表示するステップは、正式名、肩書および場所からなるグループから選択された情報を表示するステップを含むことを特徴とする請求項１に記載の方法。
8. テレビ電話会議の参加者を識別する方法であって、
   現在話している参加者としてある参加者を自動的に識別する際に後に用いるために、前記参加者に固有の１つ以上の識別データ項目を格納するステップと、
   他の参加者にとって前記現在話している参加者を識別するために用いられる前記参加者の個人情報を取得するステップと、
   現在話している参加者を識別するために、前記１つ以上の格納された識別データ項目の１つ以上を用いるステップと、
   現在話している参加者が前記テレビ電話会議中に識別される毎に、前記参加者のために対応する取得された個人情報を提供するステップと
   を含むことを特徴とする方法。
9. 前記参加者に固有の１つ以上のデータ項目は、会議室内の参加者の以前格納された物理的場所、音声認証のための音声サンプルおよび顔認証のための画像からなるグループから選択されることを特徴とする請求項８に記載の方法。
10. 前記１つ以上の格納されたデータ項目の１つ以上を用いるステップは、
    前記１つ以上の格納された識別データ項目から２つ以上のデータ項目を独立して処理するステップと、
    前記参加者の個人情報を提供するステップの前に、前記２つ以上のデータ項目のそれぞれの処理が前記現在話している参加者を矛盾なく識別することを証明するステップと
    を含むことを特徴とする請求項８に記載の方法。
11. 前記参加者の個人情報を取得するステップは、スピーチ−テキスト能力を用いて、一人以上の参加者が要求される自らの個人情報を話すステップを含むことを特徴とする請求項８に記載の方法。
12. 前記参加者の個人情報を取得するステップは、外部源から回収された予め定義された個人情報と前記参加者とを関連付けるステップを含むことを特徴とする請求項８に記載の方法。
13. 前記参加者に固有の１つ以上のデータ項目を格納するステップは、前記参加者の場所および個人情報を識別するために、スマートカード読み取り装置を用いるステップを含むことを特徴とする請求項８に記載の方法。
14. 前記外部源はスマートカード読み取り装置であることを特徴とする請求項１２に記載の方法。
15. 前記外部源はコンピュータサーバであることを特徴とする請求項１２に記載の方法。
16. プログラム可能な処理装置と、
    前記プログラム可能な処理装置に接続される１つ以上のカメラと、
    前記プログラム可能な処理装置に通信可能に接続されるネットワーク通信装置と、
    前記プログラム可能な処理装置に接続されるユーザ入力装置とを備え、
    前記プログラム可能な処理装置は、
    音声入力を検出し、
    前記検出された音声入力に向かって前記１つ以上のカメラを位置決めし、
    話している参加者のアイデンティティを決定し、
    遠隔のテレビ会議装置において前記話している参加者に対応する個人情報を表示するときに用いるために、前記決定されたアイデンティティを前記遠隔のテレビ会議装置に提供する
    ように構成されることを特徴とするテレビ会議システム。
17. 前記プログラム可能な処理装置は、前記検出された音声入力を処理し、前記話している参加者のアイデンティティを決定するために、音声認証ソフトウェアを用いて、１つ以上の音声サンプルと前記音声入力とを比較するようにさらに構成されることを特徴とする請求項１６に記載のテレビ会議システム。
18. 前記プログラム可能な処理装置は、前記検出された音声入力に向かって位置決めされた前記１つ以上のカメラからのビデオ入力を処理し、前記話している参加者のアイデンティティを決定するために、顔認証ソフトウェアを用いて、１つ以上の画像サンプルと前記ビデオ入力とを比較するようにさらに構成されることを特徴とする請求項１６に記載のテレビ会議システム。
19. 前記検出された音声入力に向かって前記カメラを位置決めするのを助けるために、前記プログラム可能な処理装置に接続される１つ以上のマイクロフォンをさらに備えることを特徴とする請求項１６に記載のテレビ会議システム。
20. 前記ユーザ入力装置は、キーボード、マウス、スマートカード読み取り装置、磁気ストリップ読み取り装置および無線ＩＣタグトランシーバからなるグループから選択されることを特徴とする請求項１６に記載のテレビ会議システム。
21. プログラム可能な処理装置と、
    前記プログラム可能な処理装置に接続される１つ以上のカメラおよび表示装置と、
    前記プログラム可能な処理装置に通信可能に接続されるネットワーク通信装置と、
    前記プログラム可能な処理装置に接続されるユーザ入力装置とを備え、
    前記プログラム可能な処理装置は、
    テレビ会議の一人以上の参加者のために識別情報の１つ以上のデータ項目を格納し、
    前記一人以上の参加者の個人情報を取得し、
    前記格納された識別情報のデータ項目の１つ以上を用いて、現在話している参加者のアイデンティティを決定し、
    前記現在話している参加者についての対応する個人情報を１つ以上の遠隔のテレビ会議装置に提供する
    ように構成されることを特徴とするテレビ会議システム。
22. 前記識別情報の１つ以上のデータ項目は、会議室内の参加者の物理的場所、音声サンプル、および画像サンプルから構成されるグループから選択されることを特徴とする請求項２１に記載のテレビ会議システム。
23. 前記プログラム可能な処理装置は、前記検出された音声入力を処理し、前記話している参加者のアイデンティティを決定するために、音声認証ソフトウェアを用いて、１つ以上の音声サンプルと前記音声入力とを比較するようにさらに構成されることを特徴とする請求項２１に記載のテレビ会議システム。
24. 前記プログラム可能な処理装置は、前記検出された音声入力に向かって位置決めされた前記１つ以上のカメラからのビデオ入力を処理し、前記話している参加者のアイデンティティを決定するために、顔認証ソフトウェアを用いて、１つ以上の画像サンプルと前記ビデオ入力とを比較するようにさらに構成されることを特徴とする請求項２１に記載のテレビ会議システム。
25. 前記検出された音声入力に向かって前記カメラを位置決めするのを助けるために、前記プログラム可能な処理装置に接続される１つ以上のマイクロフォンをさらに備えることを特徴とする請求項２１に記載のテレビ会議システム。

Images