JP6687032B2 - 耳形状解析方法、頭部伝達関数生成方法、耳形状解析装置および頭部伝達関数生成装置 - Google Patents

耳形状解析方法、頭部伝達関数生成方法、耳形状解析装置および頭部伝達関数生成装置 Download PDF

Info

Publication number
JP6687032B2
JP6687032B2 JP2017539786A JP2017539786A JP6687032B2 JP 6687032 B2 JP6687032 B2 JP 6687032B2 JP 2017539786 A JP2017539786 A JP 2017539786A JP 2017539786 A JP2017539786 A JP 2017539786A JP 6687032 B2 JP6687032 B2 JP 6687032B2
Authority
JP
Japan
Prior art keywords
ear
shape
target
candidate
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2017539786A
Other languages
English (en)
Other versions
JPWO2017047309A1 (ja
Inventor
昌賢 金子
昌賢 金子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yamaha Corp
Original Assignee
Yamaha Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yamaha Corp filed Critical Yamaha Corp
Publication of JPWO2017047309A1 publication Critical patent/JPWO2017047309A1/ja
Application granted granted Critical
Publication of JP6687032B2 publication Critical patent/JP6687032B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/01—Enhancing the perception of the sound image or of the spatial distribution using head related transfer functions [HRTF's] or equivalents thereof, e.g. interaural time difference [ITD] or interaural level difference [ILD]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/302—Electronic adaptation of stereophonic sound system to listener position or orientation
    • H04S7/303—Tracking of listener position or orientation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Generation (AREA)

Description

本発明は、頭部伝達関数の解析に利用される耳形状を解析する技術に関する。
音響を表す音響信号に頭部伝達関数を畳込んで再生（バイノーラル再生）することで、音像の位置を明瞭に認識可能な臨場感のある音場を受聴者に知覚させることが可能である。頭部伝達関数は、例えば、特定形状のダミーヘッドまたは受聴者本人の頭部における耳孔の位置で収録された音響から解析され得る。しかし、ダミーヘッドを利用した方法では、受聴者の頭部とダミーヘッドとで形状が相違する場合に受聴者が音像の位置を適切に知覚できないという問題があり、受聴者本人の頭部から頭部伝達関数を実測する方法では、測定時の受聴者の肉体的および精神的な負担が大きいという問題がある。
以上の事情を背景として、例えば非特許文献１には、複数の方向から撮影された受聴者の頭部の画像を利用して当該受聴者の頭部伝達関数を解析する技術が提案されている。具体的には、事前に用意された標準的な頭部形状を撮影画像の受聴者の頭部形状に近付けるモーフィングにより受聴者の頭部形状を推定し、推定結果から受聴者の頭部伝達関数が解析される。
Dellepiane Matteo, et al. "Reconstructing head models from photographs for individualized 3D audio processing," Computer Graphics Forum. Vol.27 NO.7, Blackwell Publishing Ltd., 2008.
しかし、非特許文献１の技術では、受聴者の頭部の画像から抽出される特徴点の移動（モーフィング）により受聴者の頭部形状を推定するから、特徴点の抽出等の画像処理が適切に実現されないと、現実にはあり得ない破綻した頭部形状が推定される（すなわち、画像処理が適切でない場合に耳形状を高精度に推定できない）という問題がある。以上の事情を考慮して、本発明は、頭部伝達関数の解析に利用される耳形状の誤推定の可能性を低減することを目的とする。
以上の課題を解決するために、本発明の好適な態様に係る耳形状解析方法は、コンピュータが、耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで耳形状データを生成し、画像データが表す目標耳画像に対応する目標耳の推定立体形状を、耳形状データ生成部が生成した耳形状データから特定する。以上の態様では、耳形状データと主成分重みベクトルとの関係を示す耳形状モデルに対する主成分重みベクトルの付与で生成される耳形状データから、目標耳の推定立体形状が特定される。したがって、特定の形状を変形（モーフィング）することで目標耳の立体形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。
本発明の好適な態様に係る耳形状解析装置は、耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで耳形状データを生成する耳形状データ生成部と、画像データが表す目標耳画像に対応する目標耳の推定立体形状を、耳形状データ生成部が生成した耳形状データから特定する耳形状特定部とを具備する。以上の態様では、耳形状データと主成分重みベクトルとの関係を示す耳形状モデルに対する主成分重みベクトルの付与で生成される耳形状データから目標耳の推定立体形状が特定される。したがって、特定の形状を変形することで目標耳の立体形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。
本発明の好適な態様に係る耳形状モデル生成方法は、画像データが表す目標耳画像と比較される候補耳画像の生成に利用される耳形状モデルを生成する方法であって、コンピュータが、標本耳の立体形状を表現する点群と基準耳の立体形状を表現する点群との差分を表す耳形状データを複数の標本耳の各々について生成し、各主成分の重みを表す主成分重みベクトルに耳形状データを変換するための変換行列を、生成した複数の耳形状データに対する主成分分析で算定し、変換行列またはその逆行列を含む耳形状モデルを生成する。以上の態様では、目標耳の立体形状の推定に利用される耳形状モデルに複数の標本耳の立体形状の統計的な傾向が反映される。したがって、目標耳の立体形状を高精度に推定できるという利点がある。
本発明の第１実施形態に係る音響処理装置の構成図である。 耳形状モデル生成部の構成図である。 標本耳解析処理のフローチャートである。 標本耳解析処理の説明図である。 統計処理のフローチャートである。 耳形状モデル生成処理のフローチャートである。 耳形状解析部の構成図である。 耳形状データ生成部の動作の説明図である。 画像生成処理のフローチャートである。 関数算定処理のフローチャートである。 頭部伝達関数の算定に利用される目標形状の説明図である。 耳形状解析処理のフローチャートである。 音響処理部の構成図である。 第２実施形態の耳形状データ生成部の動作のフローチャートである。 第２実施形態の耳形状データ生成部の動作の説明図である。 第４実施形態における音響処理システムの構成図である。 第５実施形態における耳形状解析部の構成図である。 第５実施形態で使用されるニューラルネットワークの説明図である。 第５実施形態における耳形状解析処理のフローチャートである。 第５実施形態における耳形状モデル生成部の構成図である。 変形例における音響処理部の構成図である。 変形例における音響処理部の構成図である。
＜第１実施形態＞
図１は、本発明の第１実施形態に係る音響処理装置１００の構成を例示する構成図である。図１に例示される通り、第１実施形態の音響処理装置１００には信号供給装置１２と放音装置１４とが接続される。信号供給装置１２は、音声および楽音等の音響を表す音響信号ＸAを音響処理装置１００に供給する。具体的には、周囲の音響を収音して音響信号ＸAを生成する収音装置、または、可搬型もしくは内蔵型の記録媒体から音響信号ＸAを取得して音響処理装置１００に供給する再生装置が信号供給装置１２として採用され得る。
音響処理装置１００は、信号供給装置１２から供給される音響信号ＸAに対する音響処理で音響信号ＸBを生成する信号処理装置である。音響信号ＸBは、左右２チャネルのステレオ信号である。具体的には、音響処理装置１００は、特定の利用者（以下「対象者」という）の頭部伝達関数（ＨＲＴＦ：Head Related Transfer Function）Ｆを音響信号ＸAに畳込むことで音響信号ＸBを生成する。放音装置１４（例えばヘッドホンまたはイヤホン）は、受聴者の両耳に装着される音響機器であり、音響処理装置１００が生成した音響信号ＸBに応じた音響を放音する。放音装置１４からの再生音を受聴した利用者は、音響成分の音源の位置を明確に知覚することが可能である。なお、音響処理装置１００が生成した音響信号ＸBをデジタルからアナログに変換するＤ/Ａ変換器の図示は便宜的に省略した。また、信号供給装置１２および放音装置１４の一方または双方を音響処理装置１００に搭載することも可能である。
図１に例示される通り、音響処理装置１００は、制御装置２２と記憶装置２４とを具備するコンピュータシステムで実現される。記憶装置２４は、制御装置２２が実行するプログラムと制御装置２２が使用する各種のデータとを記憶する。半導体記録媒体および磁気記録媒体等の公知の記録媒体、または、複数種の記録媒体の組合せが記憶装置２４として任意に採用され得る。音響信号ＸAを記憶装置２４に記憶した構成（したがって信号供給装置１２は省略され得る）も好適である。
制御装置２２は、ＣＰＵ（Central Processing Unit）等の演算装置であり、記憶装置２４に記憶されたプログラムを実行することで複数の機能（耳形状モデル生成部３０，耳形状解析部４０および音響処理部５０）を実現する。なお、制御装置２２の機能を複数の装置に分散した構成、または、専用の電子回路が制御装置２２の一部の機能を分担する構成も採用され得る。
耳形状モデル生成部３０は、標本（サンプル）として事前に用意された多数の耳（以下「標本耳」という）の形状の統計的な傾向が反映された統計モデル（以下「耳形状モデル」という）Ｅを生成する。第１実施形態では、右耳を標本耳として耳形状モデルＥを生成する場合を想定する。耳形状解析部４０は、耳形状モデル生成部３０が生成した耳形状モデルＥを利用して対象者自身の耳（以下「目標耳」という）の形状を推定することで、特定の方向から対象者の各耳孔までの頭部伝達関数Ｆを生成する。音響処理部５０は、耳形状解析部４０が生成した頭部伝達関数Ｆを音響信号ＸAに畳込むことで音響信号ＸBを生成する。制御装置２２が実現する各要素の詳細を以下に説明する。
＜耳形状モデル生成部３０＞
図２は、耳形状モデル生成部３０の構成を例示する構成図である。図２に例示される通り、第１実施形態の記憶装置２４は、Ｎ個（Ｎは２以上の自然数）の標本耳の各々と事前に用意された１個の耳（以下「基準耳」という）とについて立体形状データＤ0を記憶する。例えば事前に不特定多数の人間について立体形状が測定された多数の耳（例えば右耳）のうち特定の１個を基準耳として選択するとともに残余を標本耳として選択したうえで各々について立体形状データＤ0が生成される。各立体形状データＤ0は、標本耳および基準耳の各々の立体形状を表現するデータである。具体的には、例えば耳形状を多角形の集合体で表現したポリゴンメッシュデータが立体形状データＤ0として好適に利用される。図２に例示される通り、第１実施形態の耳形状モデル生成部３０は、点群特定部３２と標本耳解析部３４と統計処理部３６とを具備する。
点群特定部３２は、各標本耳および基準耳の立体形状を表現する複数点の集合（以下「点群」という）を特定する。第１実施形態の点群特定部３２は、Ｎ個の標本耳の各々の立体形状データＤ0から当該標本耳の点群ＰS(n)（ｎ＝１〜Ｎ）を特定するとともに、基準耳の立体形状データＤ0から基準耳の点群ＰRを特定する。具体的には、点群特定部３２は、Ｎ個のうち第ｎ番目の標本耳の立体形状データＤ0で指定されるポリゴンの各頂点の集合を点群ＰS(n)として特定するとともに、基準耳の立体形状データＤ0で指定されるポリゴンの各頂点の集合を点群ＰRとして特定する。
標本耳解析部３４は、点群特定部３２が特定した標本耳の点群ＰS(n)と基準耳の点群ＰRとの差分を表す耳形状データｖ(n)（ｖ(1)〜ｖ(N)）をＮ個の標本耳の各々について生成する。図３は、標本耳解析部３４が任意の１個の標本耳の耳形状データｖ(n)を生成する処理（以下「標本耳解析処理」という）ＳA2のフローチャートである。図３の標本耳解析処理ＳA2がＮ個の標本耳の各々について実行されることでＮ個の耳形状データｖ(1)〜ｖ(N)が生成される。
標本耳解析処理ＳA2を開始すると、標本耳解析部３４は、処理対象の１個の標本耳の点群ＰS(n)と基準耳の点群ＰRとの間で立体空間内における位置合わせ（対応付け）を実行する（ＳA21）。具体的には、標本耳解析部３４は、図４に例示される通り、基準耳の点群ＰRに含まれる複数の点ｐR（ｐR1，ｐR2，……）の各々について、当該点ｐRに対応する点群ＰS(n)内の１個の点ｐS（ｐS1，ｐS2，……）を特定する。点群ＰS(n)と点群ＰRとの位置合わせには公知の方法が任意に採用され得るが、例えばChui,Halil, and Anand Rangarajan, "A new point matching algorithm for non-rigid registration," Computer Vision and Image Understanding 89.2 (2003); 114-141、または、Jian, Bing, and Baba C. Vemuri, "Robust point set registration using Gaussian mixture models," Pattern Analysis and Machine Intelligence, IEEE Transaction on 33.8(2011);1633-1645に開示された方法が好適である。
標本耳解析部３４は、図４に例示される通り、基準耳の点群ＰRを構成するｍA個（ｍAは２以上の自然数）の点ｐRの各々について、標本耳の点群ＰS(n)のうち当該点ｐRに対応する点ｐSとの差分を表現するベクトル（以下「変換ベクトル」という）φを生成する（ＳA22）。任意の１個の変換ベクトルφは、立体空間内に設定された各軸の座標値を要素とする３次元ベクトルである。具体的には、点群ＰR内の１個の点ｐRの変換ベクトルφは、当該点ｐRを起点として点群ＰS(n)内の１個の点ｐSの立体空間内での位置を表現する。すなわち、点群ＰR内の１個の点ｐRに当該点ｐRの変換ベクトルφを付加することで、当該点ｐRに対応する点群ＰS(n)内の１個の点ｐSが再現される。したがって、基準耳の点群ＰR内の１個の点ｐRに対応する変換ベクトルφは、当該点ｐRに対応する他点（点群ＰS(n)の１個の点ｐS）に当該点ｐRを移動ないし変換するためのベクトル（ワーピングベクトル）と表現され得る。
標本耳解析部３４は、以上の手順で生成したｍA個の変換ベクトルφを含む標本耳の耳形状データｖ(n)を生成する（ＳA23）。具体的には、耳形状データｖ(n)は、変換ベクトルφの３個の要素をｍA個の変換ベクトルφについて配列したＭ次元（Ｍ＝ｍA×３）のベクトルである。以上の説明から理解される通り、任意の１個の標本耳の立体形状を表す点群ＰS(n)と基準耳の立体形状を表す点群ＰRとの差分を表す耳形状データｖ(n)がＮ個の標本耳の各々について生成される。
図２の統計処理部３６は、以上に例示した標本耳解析処理ＳA2で標本耳解析部３４が生成したＮ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で変換行列Ｗを算定する。変換行列Ｗは、以下の数式(1)で表現される通り、耳形状データｖ(n)を主成分重みベクトルｗ(n)に変換するためのＭ行Ｍ列の正方行列である。主成分重みベクトルｗ(n)は、Ｍ個の主成分の各々の重みを要素とするＭ次元ベクトルである。また、数式(1)の記号μは、Ｎ個の耳形状データｖ(1)〜ｖ(N)の平均ベクトルを意味する。第１実施形態の統計処理部３６は、変換行列Ｗと平均ベクトルμとを含む耳形状モデルＥを生成する。
Figure 0006687032
図５は、第１実施形態の統計処理部３６がＮ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で変換行列Ｗを算定する処理（以下「統計処理」という）ＳA3のフローチャートである。標本耳解析部３４によるＮ個の耳形状データｖ(1)〜ｖ(N)の生成を契機として図５の統計処理ＳA3が開始される。
統計処理部３６は、標本耳解析部３４が生成したＮ個の耳形状データｖ(1)〜ｖ(N)を横方向に配列したＭ行Ｎ列の行列（以下「耳形状行列」という）Ｖの共分散行列Ｃを以下の数式(2)の演算で算定する（ＳA31）。なお、数式(2)の記号Ｔは行列の転置を意味する。
Figure 0006687032
統計処理部３６は、以下の数式(3)で表現される固有値分解を耳形状行列Ｖの共分散行列Ｃに対して実行することで行列Ｌおよび行列Ｕを算定する（ＳA32）。
Figure 0006687032
統計処理部３６は、数式(3)の演算で算定した行列Ｌおよび行列Ｕを利用した以下の数式(4)の演算により変換行列Ｗを算定する（ＳA33）。
Figure 0006687032
また、統計処理部３６は、Ｎ個の耳形状データｖ(1)〜ｖ(N)の平均ベクトルμを算定する（ＳA34）。統計処理部３６がＮ個の耳形状データｖ(1)〜ｖ(N)（耳形状行列Ｖ）に対する主成分分析で変換行列Ｗを算定する統計処理ＳA3の具体例は以上の通りである。
図６は、以上に説明した第１実施形態の耳形状モデル生成部３０が耳形状モデルＥを生成する処理（以下「耳形状モデル生成処理」という）ＳAのフローチャートである。例えば耳形状モデルＥの生成が利用者から指示された場合に図６の耳形状モデル生成処理ＳAが実行される。
耳形状モデル生成処理ＳAを開始すると、点群特定部３２は、Ｎ個の標本耳の各々の点群ＰS(n)（ＰS(1)〜ＰS(N)）と基準耳の点群ＰRとを立体形状データＤ0から特定する（ＳA1）。標本耳解析部３４は、図３の標本耳解析処理ＳA2（ＳA21〜ＳA23）により、点群特定部３２が特定した標本耳の点群ＰS(n)と基準耳の点群ＰRとから、相異なる標本耳に対応するＮ個の耳形状データｖ(1)〜ｖ(N)を生成する。そして、統計処理部３６は、標本耳解析部３４が生成したＮ個の耳形状データｖ(1)〜ｖ(N)の主成分分析（ＳA31〜ＳA33）を含む図５の統計処理ＳA3により、変換行列Ｗと平均ベクトルμとを含む耳形状モデルＥを生成する。統計処理ＳA3で生成された耳形状モデルＥは記憶装置２４に格納される（ＳA4）。以上に例示した耳形状モデル生成処理ＳAの結果、Ｎ個の標本耳の形状の統計的な傾向を反映した耳形状モデルＥが生成される。数式（1）から理解される通り、耳形状モデルＥは、耳形状データｖ(n)と主成分重みベクトルｗ(n)との関係を示す統計モデルである。
＜耳形状解析部４０＞
図１の耳形状解析部４０は、耳形状モデル生成部３０が生成した耳形状モデルＥを利用して対象者の目標耳の立体形状を推定し、特定の方向から対象者の各耳孔までの頭部伝達関数Ｆを立体形状の推定結果から生成する。図７は、耳形状解析部４０の構成を例示する構成図である。図７に例示される通り、第１実施形態の記憶装置２４は、対象者の目標耳の外観を表す画像データＤGを記憶する。具体的には、対象者（または対象者の近傍の補助者）は、携帯電話機およびスマートフォン等の情報端末に搭載された撮影装置、または、デジタルスチルカメラ等の専用の撮影装置を利用して所定の撮影条件（例えば撮影の方向または画角）のもとで目標耳を撮影する。また、撮影倍率の指標（例えば所定の寸法のシール）が付加された状態で目標耳は撮影される。以上の方法で撮影された対象者の目標耳の画像（以下「目標耳画像」という）ＧUを表す画像データＤGが記憶装置２４に記憶される。図７に例示される通り、第１実施形態の耳形状解析部４０は、耳形状データ生成部４２と耳形状特定部４４と関数算定部４８とを具備する。
耳形状データ生成部４２は、目標耳の候補となる耳（以下「候補耳」という）の耳形状データｖ(k)（ｖ(1)〜ｖ(K)）を相異なるＫ個の候補耳の各々について生成する（Ｋは２以上の自然数）。図８に例示される通り、任意の１個の候補耳の耳形状データｖ(k)は、前述の標本耳の耳形状データｖ(n)と同様に、当該候補耳の立体形状を表す点群ＰC(k)と基準耳の点群ＰRとの差分を表現する。具体的には、候補耳の耳形状データｖ(k)は、基準耳の点群ＰR内の点ｐR（ｐR1，ｐR2，……）と候補耳の点群ＰC(k)の点ｐC（ｐC1，ｐC2，……）との差分に相当する変換ベクトルφを、基準耳の点群ＰRを構成するｍA個の点ｐRについて配列したＭ次元のベクトルである。
第１実施形態の耳形状データ生成部４２は、耳形状モデル生成部３０が生成した耳形状モデルＥ（変換行列Ｗ，平均ベクトルμ）と、相異なるＫ個の主成分重みベクトルｗ(1)〜ｗ(K)とを用いて、Ｋ個の候補耳の耳形状データｖ(1)〜ｖ(K)を生成する。主成分重みベクトルｗ(k)は、前掲の数式(1)の主成分重みベクトルｗ(n)と同様に、Ｍ個の主成分の各々の重みを要素とするＭ次元ベクトルである。候補耳の主成分重みベクトルｗ(k)の各要素は、例えば所定の範囲内の乱数に設定される。なお、主成分重みベクトルｗ(k)の設定の方法は以上の例示（乱数）に限定されない。例えば、所定の範囲内に等間隔に分布する数値を主成分重みベクトルｗ(k)として採用することも可能である。
具体的には、耳形状データ生成部４２は、前掲の数式(1)を変形した以下の数式(5)の演算（数式(1)の逆操作）で候補耳の耳形状データｖ(k)を算定する。すなわち、耳形状データ生成部４２は、任意の１個の主成分重みベクトルｗ(k)に変換行列Ｗの逆行列Ｗ-1を乗算して平均ベクトルμを加算することで候補耳の耳形状データｖ(k)を算定する。以上の説明から理解される通り、数式(5)は、数式(1)と同様に、耳形状データｖ(n)と主成分重みベクトルｗ(n)との関係を示す耳形状モデルＥである。すなわち、数式(1)は、耳形状データｖ(n)から主成分重みベクトルｗ(n)を生成するための耳形状モデルＥであり、数式(5)は、主成分重みベクトルｗ(n)から耳形状データｖ(n)を生成するための耳形状モデルＥである。
Figure 0006687032
図７の耳形状特定部４４は、画像データＤGが表す目標耳画像ＧUに対応する目標耳の立体形状（以下「推定立体形状」という）ＺAを、耳形状データ生成部４２が生成した耳形状データｖ(k)から特定する。図７に例示される通り、第１実施形態の耳形状特定部４４は、画像生成部４４１と画像探索部４４２とを具備する。
図７の画像生成部４４１は、耳形状データ生成部４２が生成した候補耳の耳形状データｖ(k)と基準耳の点群ＰRとに基づいて、候補耳を表す候補耳画像ＧC(k)（ＧC(1)〜ＧC(K)）をＫ個の候補耳の各々について生成する。図９は、画像生成部４４１が任意の１個の候補耳について候補耳画像ＧC(k)を生成する処理（以下「画像生成処理」という）ＳB2のフローチャートである。図９の画像生成処理ＳB2がＫ個の候補耳の各々について実行されることでＫ個の候補耳画像ＧC(1)〜ＧC(K)が生成される。
図８を参照して説明した通り、任意の１個の候補耳の耳形状データｖ(k)は、基準耳の点群ＰRの各点ｐRに対応するｍA個の変換ベクトルφを包含する。画像生成処理ＳB2を開始すると、画像生成部４４１は、基準耳の立体形状データＤ0で規定されるｍA個の点ｐRの各々の座標に、耳形状データｖ(k)のうち当該点ｐRに対応する変換ベクトルφを加算することで、候補耳の立体形状を表す立体形状データＤC(k)を生成する（ＳB21）。
画像生成部４４１は、候補耳の立体形状データＤC(k)のレンダリングで当該候補耳の候補耳画像ＧC(k)を生成する（ＳB22）。具体的には、候補耳画像ＧC(k)は、立体形状データＤC(k)で立体空間内に規定される候補耳を、画像データＤGが表す目標耳画像ＧUにおける目標耳の撮影条件に近似する条件（方向および画角）の視点で観察したときの画像である。以上に例示した画像生成処理ＳB2がＫ個の候補耳の各々について実行されることで、相異なる主成分重みベクトルｗ(k)に対応する（すなわち相異なる形状の候補耳に対応する）Ｋ個の候補耳画像ＧC(1)〜ＧC(K)が生成される。
図７の画像探索部４４２は、画像データＤGが表す目標耳の目標耳画像ＧUを、画像生成部４４１が生成したＫ個の候補耳画像ＧC(1)〜ＧC(K)の各々と比較する。そして、画像探索部４４２は、Ｋ個の候補耳画像ＧC(1)〜ＧC(K)のうち、目標耳画像ＧUとの差異ε(k)が最小となる候補耳画像ＧC(k)の候補耳に対応する耳形状を目標耳の推定立体形状ＺAとして特定する。具体的には、第１実施形態の画像探索部４４２は、目標耳画像ＧUとの差異ε(k)が最小となる候補耳を例えばベイズ的最適化（Bayesian Optimization）等の公知の最適化技術により探索し、画像生成部４４１が当該候補耳について画像生成処理ＳB2（ステップSB21）で生成した立体形状データＤC(k)を、目標耳の推定立体形状ＺAを表す立体形状データＤZとして特定する。
なお、目標耳画像ＧUと候補耳画像ＧC(k)との比較では、目標耳画像ＧUに含まれる撮影倍率の指標が所定のサイズとなるように目標耳画像ＧUを拡大または縮小することで、目標耳画像ＧUの目標耳と候補耳画像ＧC(k)の候補耳とが同等のサイズに調整される。目標耳画像ＧUと候補耳画像ＧC(k)との比較には公知の画像比較技術が任意に利用され得る。なお、目標耳画像ＧUのうち目標耳が存在する領域を抽出するとともに候補耳画像ＧC(k)のうち候補耳が存在する領域を抽出して両者を比較する処理が好適である。
図７の関数算定部４８は、画像探索部４４２が特定した目標耳の推定立体形状ＺAに対応する対象者の頭部伝達関数Ｆを算定する。なお、頭部伝達関数Ｆを時間領域の頭部インパルス応答（ＨＲＩＲ：Head-Related Impulse Response）として表現することも可能である。図１０は、関数算定部４８が頭部伝達関数Ｆを算定する処理（以下「関数算定処理」という）ＳB4のフローチャートである。画像探索部４４２による目標耳の推定立体形状ＺAの特定を契機として関数算定処理ＳB4が実行される。
関数算定処理ＳB4を開始すると、関数算定部４８は、図１１に例示される通り、画像探索部４４２が特定した目標耳（右耳）の推定立体形状ＺAから対象者の左耳の推定立体形状ＺBを特定する（ＳB41）。具体的には、関数算定部４８は、目標耳の立体形状データＤZで表現される推定立体形状ＺAに対して対称関係にある耳形状を左耳の推定立体形状ＺBとして特定する。そして、関数算定部４８は、図１１に例示される通り、頭部形状ＺHに推定立体形状ＺAと推定立体形状ＺBとを連結することで、頭部と両耳とを含む頭部全体の形状（以下「目標形状」という）Ｚを特定する（ＳB42）。頭部形状ＺHは、例えば、特定のダミーヘッドの形状または不特定多数の人間の頭部の平均的な形状である。
関数算定部４８は、目標形状Ｚに対する音響解析で頭部伝達関数Ｆを算定する（ＳB43）。具体的には、第１実施形態の関数算定部４８は、目標形状Ｚに対する音響の到来方向（方位角，仰角）を相違させた複数の頭部伝達関数を右耳および左耳の各々について算定する。頭部伝達関数Ｆの算定には境界要素法および有限要素法等の公知の解析技術が利用され得る。例えば、Katz, Brian FG. "Boundary element method calculation of individual head-related transfer function. I. Rigid model calculation." The Journal of the Acoustical Society of America 110.5 (2001): 2440-2448.等に開示された技術を利用して、目標形状Ｚに対応する頭部伝達関数Ｆを算定することが可能である。
図１２は、第１実施形態の耳形状解析部４０が頭部伝達関数Ｆを生成する処理（以下「耳形状解析処理」という）ＳBのフローチャートである。例えば耳形状モデル生成部３０による耳形状モデルＥの生成後に頭部伝達関数Ｆの生成が利用者から指示された場合に図１２の耳形状解析処理ＳBが実行される。
耳形状解析処理ＳBを開始すると、耳形状データ生成部４２は、相異なるＫ個の主成分重みベクトルｗ(1)〜ｗ(K)と耳形状モデルＥとを用いてＫ個の候補耳の耳形状データｖ(1)〜ｖ(K)を生成する（ＳB1）。画像生成部４４１は、耳形状データ生成部４２が生成した候補耳の耳形状データｖ(k)と基準耳の点群ＰRとを用いて、候補耳を表す候補耳画像ＧC(k)（ＧC(1)〜ＧC(K)）の立体形状データＤC(k)をＫ個の候補耳の各々について生成する（ＳB2）。そして、画像探索部４４２は、画像データＤGが表す目標耳画像ＧUとの差異ε(k)が最小となる候補耳画像ＧC(k)の耳形状を目標耳の推定立体形状ＺAとして特定する（ＳB3）。また、関数算定部４８は、図１０に例示した関数算定処理ＳB4（ＳB41〜ＳB43）により、画像探索部４４２が特定した推定立体形状ＺAを含む頭部全体の目標形状Ｚの頭部伝達関数Ｆを算定する。以上に例示した耳形状解析処理ＳBの結果、対象者に固有の耳形状を反映した頭部伝達関数Ｆが生成されて記憶装置２４に格納される。
＜音響処理部５０＞
図１の音響処理部５０は、耳形状解析部４０が生成した頭部伝達関数Ｆを音響信号ＸAに畳込むことで音響信号ＸBを生成する。図１３は、音響処理部５０の構成を例示する構成図である。図１３に例示される通り、第１実施形態の音響処理部５０は、音場制御部５２と畳込演算部５４Rと畳込演算部５４Lとを具備する。
利用者は、仮想的な音響空間内の音源位置および受聴位置を含む音場条件を音響処理装置１００に対して指示することが可能である。音場制御部５２は、音響空間内における受聴位置に対する音響の到来方向を音源位置と受聴位置との関係から算定し、耳形状解析部４０が算定した複数の頭部伝達関数Ｆのうち当該到来方向に対応する右耳および左耳の頭部伝達関数Ｆを記憶装置２４から選択する。畳込演算部５４Rは、音場制御部５２が選択した右耳の頭部伝達関数Ｆを音響信号ＸAに畳込むことで右チャネルの音響信号ＸB_Rを生成する。畳込演算部５４Lは、音場制御部５２が選択した左耳の頭部伝達関数Ｆを音響信号ＸAに畳込むことで左チャネルの音響信号ＸB_Lを生成する。なお、時間領域での頭部伝達関数Ｆ（頭部インパルス応答）の畳込みは周波数領域での乗算に置換され得る。
以上に説明した通り、第１実施形態では、Ｋ個の主成分重みベクトルｗ(1)〜ｗ(K)の各々を耳形状モデルＥに付与することでＫ個の候補耳の耳形状データｖ(1)〜ｖ(K)が生成され、基準耳の点群ＰRと各候補耳の耳形状データｖ(k)とに応じてＫ個の候補耳画像ＧC(1)〜ＧC(K)が生成される。そして、Ｋ個の候補耳画像ＧC(1)〜ＧC(K)のうち、画像データＤGが表す目標耳画像ＧUに類似する候補耳画像ＧC(k)が探索される。ここで探索された候補耳画像ＧC(k)が表す候補耳の形状が、目標耳の推定立体形状ＺAとして特定される。したがって、特定の形状を変形（モーフィング）することで目標耳の形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。また、第１実施形態では、画像探索部４４２が特定した推定立体形状ＺAに対応する頭部伝達関数Ｆが算定されるから、対象者が音像の適切な位置を知覚可能な頭部伝達関数Ｆを特定できるという利点がある。
第１実施形態では、目標耳画像ＧUの撮影条件に近似する条件の視点で観察された候補耳の候補耳画像ＧC(k)が生成される。したがって、目標耳画像ＧUの撮影条件と候補耳画像ＧC(k)の観察条件とが乖離する場合と比較して、目標耳に形状が近似する候補耳を適切に選択できるという利点がある。
第１実施形態では、目標耳の形状推定に利用される耳形状モデルＥに複数の標本耳の立体形状の統計的な傾向が反映されるから、目標耳の立体形状（推定立体形状ＺA）を高精度に推定できるという利点がある。しかも、第１実施形態では、変換行列Ｗに加えて平均ベクトルμを含む耳形状モデルＥが生成されるから、耳形状モデルＥを利用して候補耳画像ＧC(k)を適切に生成することが可能である。また、標本耳および基準耳の立体形状を表す立体形状データＤ0から各々の点群（ＰR，ＰS(n)）が特定されるから、例えばポリゴンメッシュデータ等の既存の立体形状データＤ0を利用して耳形状モデルＥを生成できるという利点もある。
＜第２実施形態＞
本発明の第２実施形態を以下に説明する。なお、以下に例示する各形態において作用または機能が第１実施形態と同様である要素については、第１実施形態の説明で使用した符号を流用して各々の詳細な説明を適宜に省略する。
第１実施形態の標本耳解析処理ＳA2（ＳA22）では、基準耳の点群ＰRを構成する全部の点ｐRの各々について標本耳の各点ｐSとの間で変換ベクトルφを算定した。第２実施形態では、基準耳の点群ＰRの一部（以下「第１群」という）を構成するｍA個の点ｐRの各々について標本耳の各点ｐSとの間で変換ベクトルφが算定される。すなわち、第１実施形態では基準耳の点群ＰRを構成する点ｐRの総数をｍA個と表記したが、第２実施形態の個数ｍAは、基準耳の点群ＰRのうち第１群の点ｐRの個数を意味する。以上の説明から理解される通り、第２実施形態の標本耳の耳形状データｖ(n)は、基準耳の点群ＰRのうち第１群の各点ｐRに対応するｍA個の変換ベクトルφを包含する。
図１４は、第２実施形態の耳形状データ生成部４２の動作のフローチャートであり、図１５は、耳形状データ生成部４２の動作の説明図である。図１２に例示した耳形状解析処理ＳBのステップＳB1で図１４の処理が実行される。
耳形状データ生成部４２は、第１実施形態と同様に、候補耳の主成分重みベクトルｗ(k)を耳形状モデルＥに付与することで当該候補耳の耳形状データｖ(k)を生成する（ＳB11）。第２実施形態では、前述の通り、基準耳の点群ＰRのうち第１群の各点ｐRに対応するｍA個の変換ベクトルφを含む標本耳の耳形状データｖ(n)を利用した耳形状モデル生成処理ＳAで耳形状モデルＥ（変換行列Ｗ，平均ベクトルμ）が生成される。したがって、主成分重みベクトルｗ(k)を耳形状モデルＥに付与することで生成される候補耳の耳形状データｖ(k)は、図１５に例示される通り、基準耳の点群ＰRのうち第１群の各点ｐRに対応するｍA個の変換ベクトルφで構成される。すなわち、基準耳の点群ＰRのうち第１群以外の部分集合（以下「第２群」という）の各点ｐRの変換ベクトルφは、耳形状モデルＥに対する主成分重みベクトルｗ(k)の付与では生成されず、候補耳の耳形状データｖ(k)には包含されない。
そこで、第２実施形態の耳形状データ生成部４２は、基準耳の点群ＰRのうち第２群の各点ｐRに対応するｍB個の変換ベクトルφを、候補耳の耳形状データｖ(k)に含まれるｍA個の変換ベクトルφを利用した補間（具体的には内挿）により生成する（ＳB12）。具体的には、基準耳の点群ＰRのうち第２群の任意の１個の点（以下「特定点」という）ｐRの変換ベクトルφは、以下の数式(6)で表現される通り、第１群のｍA個の点ｐRのうち当該特定点ｐRの近傍に位置するＱ個（Ｑは２以上の自然数）の点ｐR(1)〜ｐR(Q)の各々の変換ベクトルφ(q)（ｑ＝１〜Ｑ）の加重和により算定される。
Figure 0006687032
数式(6)の記号ｅは自然対数の底であり、記号αは所定の定数（正数）である。また、記号ｄ(q)は、第１群の１個の点ｐR(q)と特定点ｐRとの距離（例えばユークリッド距離）を意味する。数式(6)から理解される通り、特定点ｐRと点ｐR(q)との距離ｄ(q)に応じた加重値を使用したＱ個の変換ベクトルφ(1)〜φ(Q)の加重和が、特定点ｐRの変換ベクトルφとして算定される。耳形状データ生成部４２による以上の処理により、基準耳の全部（(ｍA＋ｍB)個）の点ｐRについて変換ベクトルφが算定される。なお、第１群のうち特定点ｐRの変換ベクトルφの算定に加味される点ｐR(q)の個数Ｑは、典型的には第１群の点ｐRの個数ｍAを下回る数値に設定される。ただし、点ｐR(q)の個数Ｑを個数ｍAと同等の数値に設定する（すなわち、第１群に属する全部の点ｐRの変換ベクトルφの補間で特定点ｐRの変換ベクトルφを算定する）ことも可能である。
耳形状データ生成部４２が生成した変換ベクトルφを利用して画像生成部４４１が候補耳画像ＧC(k)を生成する処理は第１実施形態と同様である。図９の画像生成処理ＳB2のステップＳB21では、耳形状データ生成部４２は、基準耳の点群ＰRのうち第１群のｍA個の各点ｐRの座標を候補耳の耳形状データｖ(k)のｍA個の変換ベクトルφの各々により変換する。また、耳形状データ生成部４２は、基準耳の点群ＰRのうち第２群のｍB個の各点ｐRの座標を、数式(6)による補間後のｍB個の変換ベクトルφの各々により変換する（具体的には補間後の変換ベクトルφを各点ｐRの座標に加算する）ことで、候補耳の立体形状データＤC(k)を生成する。以降の動作は第１実施形態と同様である。
第２実施形態においても第１実施形態と同様の効果が実現される。また、第２実施形態では、基準耳の点群ＰRのうち第２群の各点ｐRに対応する変換ベクトルφが、候補耳の耳形状データｖ(k)に含まれるＱ個の変換ベクトルφ(1)〜φ(Q)の補間（内挿）により生成される。したがって、基準耳の点群ＰRの全部の点ｐRにわたり耳形状モデルＥを利用して変換ベクトルφを生成する必要はない。以上の構成によれば、主成分重みベクトルｗ(k)を耳形状モデルＥに付与することで耳形状データ生成部４２が候補耳の耳形状データｖ(k)を生成する処理、または、耳形状モデル生成部３０が耳形状モデルＥを生成する処理の負荷が軽減されるという利点がある。
＜第３実施形態＞
第１実施形態では、統計処理部３６がＭ行Ｍ列の変換行列Ｗを生成した。第３実施形態の統計処理部３６は、Ｎ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で生成されるＭ行Ｍ列の変換行列Ｗのうち後段側の所定行（すなわち小さい固有値に対応する所定行）を除去し、除去後のＭ'行Ｍ列（Ｍ'＜Ｍ）の変換行列Ｗ'を含む耳形状モデルＥを生成する。具体的には、統計処理部３６は、主成分分析で生成したＭ行Ｍ列の行列のうち第(Ｍ'＋１)行から第Ｍ行までの(Ｍ−Ｍ')行を削除することでＭ'行Ｍ列の変換行列Ｗ'を生成する。第１行から第Ｍ'行までの各要素は変換行列Ｗと変換行列Ｗ'とで共通する。
他方、第３実施形態の耳形状データ生成部４２は、耳形状モデルＥの変換行列Ｗ'を利用してＫ個の候補耳の耳形状データｖ(1)〜ｖ(K)を生成する。具体的には、耳形状データ生成部４２は、所定値（例えばゼロ）を要素とする(Ｍ−Ｍ')行を変換行列Ｗ'に付加することでＭ行Ｍ列の変換行列Ｗを生成し、付加後の変換行列Ｗを利用した数式(5)の演算で候補耳の耳形状データｖ(k)を生成する。
第３実施形態においても第１実施形態と同様の効果が実現される。また、第３実施形態では、標本耳のＮ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で生成されるＭ行Ｍ列の変換行列Ｗから後段側の所定行を除去した変換行列Ｗ'が耳形状モデルＥとして生成される。したがって、耳形状モデルＥのデータ量を削減することが可能である。なお、第３実施形態において第２実施形態の構成を採用することも可能である。
＜第４実施形態＞
図１６は、第４実施形態における音響処理システム２００の構成を例示する構成図である。図１６に例示される通り、第４実施形態の音響処理システム２００は、端末装置６２と解析処理装置６４とを具備するコンピュータシステムである。端末装置６２は、携帯電話機，スマートフォン，タブレット端末およびパーソナルコンピュータ等の情報処理装置であり、解析処理装置６４は、例えばウェブサーバ等のサーバ装置である。なお、実際には複数の端末装置６２が音響処理システム２００に包含されるが、以下の説明では任意の１個の端末装置６２に便宜的に着目する。
端末装置６２は、音響処理部５０と放音装置１４と通信装置７２（通信部）とを具備する。第１実施形態と同様に、音響処理部５０は、音響信号ＸAに対する頭部伝達関数Ｆの畳込みで音響信号ＸBを生成し、放音装置１４は、音響処理部５０が生成した音響信号ＸBに応じた音響を放音する。通信装置７２は、移動体通信網およびインターネット等を含む通信網１６を介して解析処理装置６４と通信する。例えば、通信装置７２は、頭部伝達関数Ｆの配信要求Ｙを解析処理装置６４に送信する。配信要求Ｙは、端末装置６２の利用者（対象者）の目標耳を撮影した目標耳画像ＧUの画像データＤGを包含する。例えば、端末装置６２の撮影機能で撮影された目標耳画像ＧUまたは撮影装置（例えばデジタルカメラ）から端末装置６２に転送された目標耳画像ＧUの画像データＤGが端末装置６２から解析処理装置６４に送信される。また、配信要求Ｙは、音響空間内における音源位置および受聴位置を指定する音場条件を包含する。
解析処理装置６４は、図１６に例示される通り、耳形状モデル生成部３０と耳形状解析部４０と記憶装置２４と通信装置７４とを具備する。通信装置７４は、通信網１６を介して端末装置６２と通信する。例えば通信装置７４は、端末装置６２から送信された配信要求Ｙを受信する。記憶装置２４は、第１実施形態と同様の複数の立体形状データＤ0を記憶する。
耳形状モデル生成部３０は、第１実施形態と同様に、複数の立体形状データＤ0を利用した耳形状モデル生成処理ＳA（図６）により耳形状モデルＥを生成する。耳形状解析部４０は、耳形状モデル生成部３０が生成した耳形状モデルＥと通信装置７４が端末装置６２から受信した画像データＤGとを利用した耳形状解析処理ＳB（図１２）により、配信要求Ｙで指定された音場条件に対応する頭部伝達関数Ｆを生成する。通信装置７４は、耳形状解析部４０が生成した頭部伝達関数Ｆを要求元の端末装置６２に送信する。具体的には、配信要求Ｙで指定される音場条件に対応する右耳および左耳の頭部伝達関数Ｆが解析処理装置６４から端末装置６２に送信される。
端末装置６２の通信装置７２は、解析処理装置６４から送信された頭部伝達関数Ｆを受信する。音響処理装置１００は、通信装置７２が受信した頭部伝達関数Ｆを音響信号ＸAに畳込むことで音響信号ＸBを生成する。したがって、端末装置６２の利用者（対象者）は、放音装置１４から再生される音響の音像の適切な位置を知覚可能である。
第４実施形態においても第１実施形態と同様の効果が実現される。また、第４実施形態では、端末装置６２から受信した画像データＤGから目標耳の推定立体形状ＺAが特定され、当該推定立体形状ＺAを含む目標形状Ｚに対応する頭部伝達関数Ｆが算定されて端末装置６２に配信される。したがって、耳形状モデル生成処理ＳAまたは耳形状解析処理ＳB（目標耳の推定立体形状ＺAの特定または当該推定立体形状ＺAに対する頭部伝達関数Ｆの算定）を個々の端末装置６２で実行する必要がないという利点がある。なお、第４実施形態において第２実施形態または第３実施形態の構成を採用することも可能である。
＜第５実施形態＞
図１７は、第５実施形態における耳形状解析部４０の構成を例示する構成図である。第５実施形態の耳形状解析部４０は、推定処理部４６と耳形状データ生成部４２と耳形状特定部４４と関数算定部４８とを具備する。第１実施形態と同様に、目標耳画像ＧUを表す画像データＤGと、耳形状モデルＥ（変換行列Ｗおよび平均ベクトルμ）と、基準耳の立体形状データＤ0とが記憶装置２４に記憶される。第１実施形態の画像データＤGは、相異なる角度から共通の目標耳を撮影した複数の目標耳画像ＧUを表す。
推定処理部４６は、画像データＤGが表す目標耳画像ＧUをニューラルネットワークνに付与することで目標耳の主成分重みベクトルｗを生成する。ニューラルネットワークνは、耳画像と主成分重みベクトルｗとの関係を示す数理モデルであり、標本耳の耳画像と当該標本耳の主成分重みベクトルとを含む多数の学習データを利用した機械学習で生成される。
図１８は、推定処理部４６が使用するニューラルネットワークνの説明図である。相異なる角度から耳を撮影した複数の耳画像Ｇに対する演算処理Ｃ1で複数の特徴マップλ1が生成される。演算処理Ｃ1は以下の数式(7a)で表現される。数式(7a)の記号Conv(G,K1)は、畳込カーネルＫ1を耳画像Ｇに畳込んだ結果を複数の耳画像Ｇにわたり加算する演算を意味する。記号ｂ1は補正項（バイアス）を意味するベクトルであり、記号tanhは双曲線正接関数である。数式(7a)の記号Poolは、演算対象を区分した各矩形領域内の複数の画素値の最大値を選択することで演算対象を縮小する最大値プーリング関数である。相異なる畳込カーネルＫ1を利用した数式(7a)の演算処理Ｃ1により複数（図１８の例示では３個）の特徴マップλ1が生成される。なお、以上の説明では、相異なる角度から撮影された複数の耳画像Ｇについて演算処理Ｃ1を実行したが、特定の角度から耳を撮影した１個の耳画像について演算処理Ｃ1を実行することも可能である。
Figure 0006687032
演算処理Ｃ1で生成された複数の特徴マップλ1に対する演算処理Ｃ2で複数の特徴マップλ2が生成される。演算処理Ｃ2は以下の数式(7b)で表現される。数式(7b)の記号Conv(λ1,K2)は、畳込カーネルＫ2を特徴マップλ1に畳込んだ結果を複数の特徴マップλ1にわたり加算する演算を意味する。記号ｂ2は補正項を意味するベクトルである。相異なる畳込カーネルＫ2を利用した数式(7b)の演算処理Ｃ2により複数（図１８の例示では６個）の特徴マップλ2が生成される。
Figure 0006687032
演算処理Ｃ2で生成された複数の特徴マップλ2に対する演算処理Ｃ3で結合ベクトルλ3が生成される。演算処理Ｃ3は、以下の数式(7c)で表現される全結合処理である。数式(7c)の記号Ω3は結合係数行列（具体的には複数の結合ベクトルλ3の加重値を要素とする行列）であり、記号ｂ3は補正項を意味するベクトルである。
Figure 0006687032
演算処理Ｃ3で生成された結合ベクトルλ3に対する演算処理Ｃ4で主成分重みベクトルｖが生成される。演算処理Ｃ4は、以下の数式(7d)で表現される。記号Ω4は結合係数行列である。
Figure 0006687032
 以上の処理に利用される複数の変数（ｂ1，ｂ2，ｂ3，Ｋ1，Ｋ2，Ω3，Ω4）でニューラルネットワークνは規定される。ニューラルネットワークνを規定する複数の変数の数値が機械学習により事前に設定されて記憶装置２４に格納される。第５実施形態の推定処理部４６は、記憶装置２４に記憶された各数値を利用した演算処理Ｃ1から演算処理Ｃ4を目標耳画像ＧUについて実行することで、目標耳の主成分重みベクトルｖを生成する。なお、機械学習によるニューラルネットワークνの生成については後述する。
図１７の耳形状データ生成部４２は、推定処理部４６が生成した目標耳の主成分重みベクトルｗを耳形状モデルＥに付与することで目標耳の耳形状データｖを生成する。具体的には、耳形状データ生成部４２は、前掲の数式(5)と同様に、推定処理部４６が推定した主成分重みベクトルｗに変換行列Ｗの逆行列Ｗ-1を乗算して平均ベクトルμを加算することで目標耳の耳形状データｖを算定する。目標耳の耳形状データｖは、目標耳の立体形状を表す点群と基準耳の点群ＰRとの差分を表すＭ次元のベクトルである。以上の説明から理解される通り、第１実施形態では、相異なる候補耳に対応するＫ個の耳形状データｖ(1)〜ｖ(K)が算定されるのに対し、第５実施形態では、目標耳画像ＧUから生成された主成分重みベクトルｗに対応する１個の耳形状データｖが算定される。
耳形状特定部４４は、耳形状データ生成部４２が生成した耳形状データｖから目標耳の推定立体形状ＺAを特定する。具体的には、耳形状特定部４４は、基準耳の立体形状データＤ0で規定される点群ＰRの各点ｐRを目標耳の耳形状データｖに応じて移動することで、目標耳の立体形状を表す立体形状データＤZを特定する。すなわち、基準耳の点群ＰRのｍA個の点ｐRの各々の座標に、目標耳の耳形状データｖのうち当該点ｐRに対応する変換ベクトルφを加算することで、目標耳の立体形状データＤZが生成される。
図１７の関数算定部４８は、耳形状特定部４４が特定した目標耳の推定立体形状ＺAに対応する対象者の頭部伝達関数Ｆを算定する。推定立体形状ＺAから頭部伝達関数Ｆを算定する方法、および、頭部伝達関数Ｆを利用して音響信号ＸAから音響信号ＸBを生成する方法は、第１実施形態と同様である。
図１９は、第５実施形態の耳形状解析部４０が頭部伝達関数Ｆを生成する耳形状解析処理ＳCのフローチャートである。例えば頭部伝達関数Ｆの生成が利用者から指示された場合に図１９の耳形状解析処理ＳCが実行される。
耳形状解析処理ＳCを開始すると、推定処理部４６は、画像データＤGが表す目標耳画像ＧUをニューラルネットワークνに付与することで目標耳の主成分重みベクトルｗを生成する（ＳC1）。耳形状データ生成部４２は、推定処理部４６が生成した目標耳の主成分重みベクトルｗを耳形状モデルＥに付与することで目標耳の耳形状データｖを生成する（ＳC2）。耳形状特定部４４は、耳形状データ生成部４２が生成した耳形状データｖから目標耳の推定立体形状ＺAを特定する（ＳC3）。関数算定部４８は、図１０に例示した関数算定処理ＳB4（ＳB41〜ＳB43）により、耳形状特定部４４が特定した目標耳の推定立体形状ＺAを含む頭部全体の目標形状Ｚの頭部伝達関数Ｆを算定する（ＳB4）。
以上に説明した通り、第５実施形態では、耳形状モデルＥに主成分重みベクトルｗを付与することで目標耳の耳形状データｖが生成され、当該耳形状データｖから目標耳の推定立体形状ＺAが特定される。したがって、第１実施形態と同様に、特定の形状を変形（モーフィング）することで目標耳の形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。
なお、第１実施形態では、Ｋ個の候補耳のうち候補耳画像ＧC(k)と目標耳画像ＧUとの差異ε(k)が最小となる候補耳の耳形状が目標耳の推定立体形状ＺAとして探索される。したがって、第１実施形態では、候補耳画像ＧC(k)の生成（画像生成処理Ｓｂ2）と目標耳画像ＧUとの比較（差異ε(k)の算定）とを、Ｋ個の候補耳について反復する必要がある。他方、第５実施形態では、目標耳画像ＧUから特定された目標耳の主成分重みベクトルｗを耳形状モデルＥに付与することで目標耳の耳形状データｖが生成される。したがって、候補耳画像ＧC(k)の生成と目標耳画像ＧUとの比較を反復する必要がない。以上の説明から理解される通り、第５実施形態によれば、耳形状解析部４０が目標耳の推定立体形状ＺAを特定するために必要な演算量が第１実施形態と比較して削減されるという利点がある。
なお、前述のステップＳC1の処理で生成された目標耳の主成分重みベクトルｗを正規化する処理（以下「正規化処理」という）をニューラルネットワークνに含ませることも可能である。すなわち、ニューラルネットワークνの最上層に正規化層が追加され得る。正規化処理は、主成分重みベクトルｗを構成するＭ個の要素の標準偏差によりＭ個の要素の各々を除算する処理である。正規化処理後の主成分重みベクトルｗ（すなわち、ニューラルネットワークνにより生成された主成分重みベクトルｗ）が、前述の例示と同様に耳形状モデルＥに付与される（ＳC2）。以上に例示した正規化処理を実行することで、極端に突飛な主成分重みベクトルｗ（ひいては目標耳の推定立体形状ＺA）が推定される可能性を低減できるという利点がある。
図２０は、第５実施形態における耳形状モデル生成部３０の構成を例示する構成図である。図２０に例示される通り、第５実施形態の耳形状モデル生成部３０は、耳形状モデルＥを生成するための第１実施形態と同様の要素（点群特定部３２，標本耳解析部３４および統計処理部３６）に加えて学習処理部３８を具備する。学習処理部３８は、推定処理部４６が主成分重みベクトルｗの生成に使用するニューラルネットワークνの各変数の数値を機械学習により決定する。
学習処理部３８による機械学習には、記憶装置２４に記憶された複数の学習データＤTが利用される。各学習データＤTは、標本耳の耳画像Ｇと当該耳画像Ｇの既知の主成分重みベクトルｗとを含む。学習処理部３８は、標本耳の耳画像Ｇをニューラルネットワークνに付与することで算定されるベクトルが当該耳画像Ｇの既知の主成分重みベクトルｗに近付くように、ニューラルネットワークνを規定する各変数（ｂ1，ｂ2，ｂ3，Ｋ1，Ｋ2，Ω3およびΩ4）の数値を決定する。学習処理部３８が決定した各変数の数値は、記憶装置２４に記憶され、前述の通り、推定処理部４６による主成分重みベクトルｗの生成（演算処理Ｃ1〜Ｃ4）に使用される。
具体的には、学習処理部３８は、以下の数式(8)で定義される誤差関数δが最小化されるように、ニューラルネットワークνの各変数の数値を決定する。
Figure 0006687032
 数式(8)の記号| |2は、２-ノルム（ユークリッドノルム）を意味する。記号ｗ_estは、標本耳の耳画像Ｇをニューラルネットワークνに付与することで算定される主成分重みベクトルｗであり、記号ｗ_truthは、学習データＤTに含まれる主成分重みベクトルｗ（正解）である。数式(8)から理解される通り、学習データＤTの耳画像Ｇからニューラルネットワークνにより算定される主成分重みベクトルｗ_estと、当該学習データＤTに含まれる主成分重みベクトルｗ_truthとの相違が最小化されるように、ニューラルネットワークνの各変数の数値が決定される。
数式(8)の記号δ_regは、機械学習の精度を向上させるための正則化項であり、例えば以下の数式(9)で定義される。
Figure 0006687032
 数式(9)のmean(x)は、ベクトルｘの複数の要素の平均を意味し、記号ｘ**2は、ベクトルｘの各要素を２乗したベクトルを意味する。記号β1〜β4は、所定の実数である。
なお、第２実施形態と同様の構成を第５実施形態に採用することも可能である。具体的には、第５実施形態において、基準耳の点群ＰRのうち第２群の各点ｐRに対応する変換ベクトルφを、耳形状データ生成部４２が生成した目標耳の耳形状データｖ(k)に含まれるＱ個の変換ベクトルφ(1)〜φ(Q)の補間（内挿）により生成することも可能である。また、Ｍ行Ｍ列の変換行列Ｗから後段側の所定行を除去した変換行列Ｗ'を耳形状モデルＥとして生成する第３実施形態の構成も第５実施形態に採用され得る。第５実施形態に第４実施形態を採用することも可能である。具体的には、端末装置６２から受信した画像データＤGから第５実施形態の構成および処理により目標耳の推定立体形状ＺAが特定され、当該推定立体形状ＺAを含む目標形状Ｚに対応する頭部伝達関数Ｆが端末装置６２に配信される。
＜変形例＞
以上に例示した各態様は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２個以上の態様は、相互に矛盾しない範囲で適宜に併合され得る。
（１）前掲の数式(5)から理解される通り、耳形状データ生成部４２は、主成分重みベクトルｗ(k)に変換行列Ｗの逆行列Ｗ-1を乗算することで候補耳の耳形状データｖ(k)を算定する。したがって、変換行列Ｗに代えて逆行列Ｗ-1を耳形状モデルＥに含ませることも可能である。
また、第１実施形態から第４実施形態では、変換行列Ｗと平均ベクトルμとを利用した数式(5)の演算で耳形状データ生成部４２が候補耳の耳形状データｖ(k)を算定したが、平均ベクトルμの利用は省略され得る。例えば、Ｎ個の耳形状データｖ(1)〜ｖ(N)のうち代表的な１個の耳形状データｖ(n)を数式(5)の平均ベクトルμの代わりに利用することも可能である。第５実施形態における目標耳の耳形状データｖの算定でも同様に平均ベクトルμの利用は省略され得る。すなわち、平均ベクトルμは耳形状モデルＥに必須の要素ではない。以上の説明から理解される通り、統計処理部３６は、標本耳のＮ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で算定された変換行列Ｗまたはその逆行列Ｗ-1を含む耳形状モデルＥを生成する要素として包括的に表現される。
（２）前述の各形態では、対象者の右耳である目標耳の推定立体形状ＺAから左耳の推定立体形状ＺBを特定し、推定立体形状ＺAと推定立体形状ＺBとを頭部形状ＺHに連結することで目標形状Ｚを生成したが、目標形状Ｚの生成方法は以上の例示に限定されない。例えば、第１実施形態と同様の耳形状モデル生成処理ＳAで耳形状モデル生成部３０が右耳および左耳の各々の耳形状モデルＥを生成することも可能である。右耳の耳形状モデルＥを利用して特定される右耳の推定立体形状ＺAと左耳の耳形状モデルを利用して特定される左耳の推定立体形状ＺBとを頭部形状ＺHに連結することで目標形状Ｚが生成される。すなわち、耳形状モデル生成処理ＳAまたは耳形状解析処理ＳBは右耳および左耳の各々について個別に実行され得る。また、前述の各形態では、特定のダミーヘッドの形状または不特定多数の人間の頭部の平均的な形状を頭部形状ＺHとして目標形状Ｚを生成したが、個々の対象者の頭部の形状を反映した頭部形状ＺHを利用することも可能である。対象者の頭部形状ＺHの特定には、前述の各形態で例示した耳形状モデル生成処理ＳAと同様の方法が利用され得る。
（３）音響処理部５０の構成は前述の各形態の例示に限定されず、例えば図２１または図２２に例示された構成も採用され得る。図２１に例示された音響処理部５０は、音場制御部５２と畳込演算部５４Rと畳込演算部５４Lと残響生成部５６と信号加算部５８とを具備する。畳込演算部５４Rおよび畳込演算部５４Lの動作は第１実施形態と同様である。残響生成部５６は、仮想的な音響空間内で発生する後部（後期）残響音を音響信号ＸAから生成する。残響生成部５６が生成する後部残響音の音響特性は音場制御部５２により制御される。信号加算部５８は、残響生成部５６が生成した後部残響音を畳込演算部５４Rによる処理後の信号に付加することで右チャネルの音響信号ＸB_Rを生成する。また、信号加算部５８は、残響生成部５６が生成した後部残響音を畳込演算部５４Lによる処理後の信号に付加することで左チャネルの音響信号ＸB_Lを生成する。
図２２に例示された音響処理部５０は、音場制御部５２と複数の調整処理部５１と信号加算部５８とを具備する。複数の調整処理部５１の各々は、仮想的な音響空間内で音源位置から発音された音響が受聴位置に到達するまでの相異なる伝播経路を模擬する。具体的には、任意の１個の調整処理部５１は、音響特性付与部５３と畳込演算部５４Rと畳込演算部５４Lとを包含する。音響特性付与部５３は、音響信号ＸAの振幅または位相の調整により、音響空間内の１個の伝播経路における距離差による遅延および距離減衰と壁面反射とを模擬する。各音響特性付与部５３が音響信号ＸAに付与する特性は、音響空間の変数（例えば音響空間のサイズ，形状，壁面の反射率，音源位置，または受聴位置）に応じて音場制御部５２が可変に制御する。
畳込演算部５４Rは、音場制御部５２が選択した右耳の頭部伝達関数Ｆを音響信号ＸAに畳込み、畳込演算部５４Lは、音場制御部５２が選択した左耳の頭部伝達関数Ｆを音響信号ＸAに畳込む。音場制御部５２は、音響空間内の伝播経路上の鏡像音源の位置から右耳までの頭部伝達関数Ｆを畳込演算部５４Rに指示し、当該鏡像音源の位置から左耳までの頭部伝達関数Ｆを畳込演算部５４Lに指示する。信号加算部５８は、複数の調整処理部５１（畳込演算部５４R）がそれぞれ生成した信号を加算することで右チャネルの音響信号ＸB_Rを生成する。また、信号加算部５８は、複数の調整処理部５１（畳込演算部５４L）がそれぞれ生成した信号を加算することで左チャネルの音響信号ＸB_Lを生成する。
図２１の構成と図２２の構成とを併合することも可能である。例えば、図２２の複数の調整処理部５１が生成した初期反射音と図２１の残響生成部５６が生成した後部残響音とを含む音響信号ＸBを生成することも可能である。
（４）第１実施形態から第４実施形態では、画像生成部４４１が生成したＫ個の立体形状データＤC(1)〜ＤC(K)のうち、目標耳画像ＧUとの差異ε(k)が最小となる候補耳画像ＧC(k)の候補耳の立体形状データＤC(k)を、目標耳の立体形状データＤZとして画像探索部４４２が選択した。他の態様における画像探索部４４２は、Ｋ個の主成分重みベクトルｗ(1)〜ｗ(K)のうち目標耳画像ＧUとの差異ε(k)が最小となる候補耳に対応する主成分重みベクトルｗ(k)を探索する。以上の構成では、画像探索部４４２が探索した主成分重みベクトルｗ(k)を耳形状モデルＥに付与することで、目標耳の推定立体形状ＺAが特定される。
（５）画像データＤGの形式は任意である。具体的には、前述の各形態の例示のように目標耳を撮影した平面画像を目標耳画像ＧUとして表すデータのほか、例えば、目標耳の立体形状を２次元平面に変換したデータを画像データＤGとして利用することが可能である。また、目標耳の形状に関するパラメータを表すデータ（例えば目標耳の画像から抽出された特徴点のデータ）を画像データＤGとして利用してもよい。以上の例示から理解される通り、候補耳画像ＧC(k)と比較され得る目標耳画像ＧUを特定可能な任意の形式のデータが画像データＤGの概念に包含される。
（６）第１実施形態から第３実施形態では、耳形状モデル生成部３０と耳形状解析部４０と音響処理部５０とを具備する音響処理装置１００を例示したが、耳形状モデル生成部３０を具備する耳形状モデル生成装置、または、耳形状解析部４０を具備する耳形状解析装置としても本発明は表現され得る。第５実施形態についても同様である。耳形状モデル生成装置における耳形状解析部４０または音響処理部５０の有無は不問であり、耳形状解析装置における耳形状モデル生成部３０または音響処理部５０の有無は不問である。
（７）耳形状モデル生成装置または耳形状解析装置は、前述の各形態で例示した通り、ＣＰＵ等の制御装置２２とプログラムとの協働で実現される。例えば、第１実施形態における耳形状モデル生成用のプログラムは、画像データＤGが表す目標耳画像ＧUと比較される候補耳画像ＧC(k)の生成に利用される耳形状モデルＥを生成するために、標本耳の立体形状を表現する点群ＰS(n)と基準耳の立体形状を表現する点群ＰRとの差分を表す耳形状データｖ(n)をＮ個の標本耳の各々について生成する標本耳解析部３４、および、各主成分の重みを表す主成分重みベクトルｗ(n)に耳形状データｖ(n)を変換するための変換行列Ｗ（第３実施形態の変換行列Ｗ'を含む）を、標本耳解析部３４が生成したＮ個の耳形状データｖ(1)〜ｖ(N)に対する主成分分析で算定し、変換行列Ｗまたはその逆行列Ｗ-1を含む耳形状モデルＥを生成する統計処理部３６とをコンピュータに実現させる。
また、例えば第１実施形態における耳形状解析用のプログラムは、Ｎ個の標本耳の各々の立体形状を表現する点群ＰS(n)と基準耳の立体形状を表現する点群ＰRとの差分を表す標本耳毎の耳形状データｖ(n)に対する主成分分析で生成され、各主成分の重みを表す主成分重みベクトルｗ(n)を耳形状データｖ(n)に変換するための耳形状モデルＥに、Ｋ個の主成分重みベクトルｗ(1)〜ｗ(K)の各々を付与することで、候補耳の立体形状を表現する点群ＰC(k)と基準耳の立体形状を表現する点群ＰRとの差分を表す耳形状データｖ(k)をＫ個の候補耳について生成する耳形状データ生成部４２と、基準耳の立体形状を表現する点群ＰRと耳形状データｖ(k)とに基づいて、候補耳を表す候補耳画像ＧC(k)をＫ個の候補耳の各々について生成する画像生成部４４１と、画像データＤGが表す目標耳の目標耳画像ＧUをＫ個の候補耳画像ＧC(1)〜ＧC(K)の各々と比較して、目標耳画像ＧUとの差異ε(k)が最小となる候補耳画像ＧC(k)の候補耳に対応する耳形状を目標耳の推定立体形状ＺAとして特定する画像探索部４４２とをコンピュータに実現させる。
以上に例示した各態様のプログラムは、コンピュータが読取可能な記録媒体に格納された形態で提供されてコンピュータにインストールされ得る。記録媒体は、例えば非一過性（non-transitory）の記録媒体であり、ＣＤ-ＲＯＭ等の光学式記録媒体（光ディスク）が好例であるが、半導体記録媒体および磁気記録媒体等の公知の任意の形式の記録媒体を包含し得る。なお、「非一過性の記録媒体」とは、一過性の伝搬信号（transitory, propagating signal）を除く全てのコンピュータ読み取り可能な記録媒体を含み、揮発性の記録媒体を除外するものではない。また、以上に例示したプログラムは、通信網を介した配信の形態で提供されてコンピュータにインストールされ得る。耳形状モデル生成装置の動作方法（耳形状モデル生成方法）または耳形状解析装置の動作方法（耳形状解析方法）として本発明を表現することも可能である。
（８）以上に例示した具体的な形態から把握される本発明の好適な態様を以下に例示する。
＜態様１＞
本発明の好適な態様（態様１）に係る耳形状解析方法は、コンピュータが、耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで耳形状データを生成し、画像データが表す目標耳画像に対応する目標耳の推定立体形状を、耳形状データ生成部が生成した耳形状データから特定する。態様１では、耳形状データと主成分重みベクトルとの関係を示す耳形状モデルに対する主成分重みベクトルの付与で生成される耳形状データから、目標耳の推定立体形状が特定される。したがって、特定の形状を変形（モーフィング）することで目標耳の立体形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。
＜態様２＞
態様１の好適例（態様２）では、前記耳形状データは、複数の候補耳にそれぞれ対応する複数の耳形状データのひとつであり、耳形状データの生成において、前記主成分重みベクトルを含む複数の主成分重みベクトルの各々を耳形状モデルに付与することで、複数の候補耳の各々について耳形状データを生成し、推定立体形状の特定において、複数の候補耳の各々について、基準耳の立体形状を表現する点群と当該候補耳の耳形状データとに応じて、当該候補耳を表す候補耳画像を生成し、画像データが表す目標耳画像を、複数の候補耳についてそれぞれ生成された複数の候補耳画像の各々と比較して、複数の候補耳画像のうち、目標耳画像との差異が最小となる候補耳画像の候補耳に対応する耳形状を目標耳の推定立体形状として特定する。態様２では、耳形状モデルを利用して生成された複数の候補耳画像の各々と目標耳画像とを比較して、目標耳画像との差異が最小となる候補耳画像の候補耳に対応する耳形状が目標耳の推定立体形状として特定される。したがって、画像の比較という簡便な処理で目標耳の推定立体形状を特定できるという利点がある。
＜態様３＞
態様２の好適例（態様３）では、候補耳画像の生成において、画像データにおける目標耳の撮影条件に近似する条件の視点で観察された候補耳の候補耳画像を生成する。態様３では、目標耳画像における目標耳の撮影方向に近似する方向からみた候補耳を表す候補耳画像が生成される。したがって、目標耳画像の撮影条件と候補耳画像における候補耳の観察条件とが乖離する場合と比較して、目標耳に立体形状が近似する適切な候補耳を選択できるという利点がある。
＜態様４＞
態様２または態様３の好適例（態様４）では、耳形状データの生成において、基準耳の点群の一部である第１群の各点に対応する複数の変換ベクトルを含む候補耳の耳形状データを、耳形状モデルに主成分重みベクトルを付与することで生成する一方、基準耳の点群のうち第１群以外の第２群の各点に対応する変換ベクトルを、候補耳の耳形状データに含まれる複数の変換ベクトルの補間により生成し、候補耳画像の生成において、基準耳の点群のうち第１群の各点を候補耳の耳形状データの各変換ベクトルに応じて移動するとともに、基準耳の点群のうち第２群の各点を補間後の各変換ベクトルに応じて移動することで、候補耳画像を生成する。態様４では、基準耳の点群のうち第２群の各点に対応する変換ベクトルが、候補耳の耳形状データに含まれる複数の変換ベクトルの補間により生成されるから、基準耳の点群の全部にわたり耳形状モデルを利用して変換ベクトルを生成する必要はない。したがって、耳形状モデルに対する主成分重みベクトルの付与で候補耳の耳形状データを生成する処理または耳形状モデルを生成する処理の負荷が軽減されるという利点がある。
＜態様５＞
態様１の好適例（態様５）では、耳画像と主成分重みベクトルとの関係を示すニューラルネットワークに、画像データが表す目標耳画像を付与することで主成分重みベクトルを生成し、耳形状データの生成において、ニューラルネットワークにより生成した主成分重みベクトルを耳形状モデルに付与することで目標耳の耳形状データを生成し、推定立体形状の特定において、基準耳の立体形状を表す点群と当該目標耳の耳形状データとに応じて目標耳の推定立体形状を特定する。態様５では、目標耳画像をニューラルネットワークに付与することで生成された主成分重みベクトルが耳形状モデルに付与されるから、候補耳画像の生成と目標耳画像との比較を反復する必要がない。したがって、候補耳画像の生成と目標耳画像との比較とが複数回にわたり反復される前述の態様２と比較して、目標耳の推定立体形状を特定するために必要な演算量が削減されるという利点がある。
＜態様６＞
態様１から態様５の何れかの好適例（態様６）では、推定立体形状に対応する頭部伝達関数を算定する。態様１から態様５によれば、前述の通り、耳形状の誤推定の可能性が低減されるから、目標耳を持つ受聴者が音像の適切な位置を知覚可能な頭部伝達関数を特定できるという利点がある。
＜態様７＞
態様６の好適例（態様７）では、画像データを端末装置から受信し、当該画像データから算定された頭部伝達関数を端末装置に送信する。態様７では、端末装置から受信した画像データから目標耳の推定立体形状が特定され、当該推定立体形状に対応する頭部伝達関数が端末装置に送信される。したがって、目標耳の推定立体形状の特定または当該推定立体形状に対する頭部伝達関数の算定を個々の端末装置で実行する必要がないという利点がある。
＜態様８＞
本発明の好適な態様（態様８）に係る耳形状解析装置は、耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで耳形状データを生成する耳形状データ生成部と、画像データが表す目標耳画像に対応する目標耳の推定立体形状を、耳形状データ生成部が生成した耳形状データから特定する耳形状特定部とを具備する。態様８では、耳形状データと主成分重みベクトルとの関係を示す耳形状モデルに対する主成分重みベクトルの付与で生成される耳形状データから目標耳の推定立体形状が特定される。したがって、特定の形状を変形することで目標耳の立体形状を推定する構成と比較して、耳形状の誤推定の可能性を低減することが可能である。
＜態様９＞
態様８の好適例（態様９）において、前記耳形状データは、複数の候補耳にそれぞれ対応する複数の耳形状データのひとつであり、耳形状データ生成部は、前記主成分重みベクトルを含む複数の主成分重みベクトルの各々を耳形状モデルに付与することで、複数の候補耳の各々について耳形状データを生成し、耳形状特定部は、複数の候補耳の各々について、基準耳の立体形状を表現する点群と当該候補耳の耳形状データとに応じて、当該候補耳を表す候補耳画像を生成する画像生成部と、画像データが表す目標耳画像を、複数の候補耳についてそれぞれ生成された複数の候補耳画像の各々と比較して、前記複数の候補耳画像のうち、目標耳画像との差異が最小となる候補耳画像の候補耳に対応する耳形状を目標耳の推定立体形状として特定する画像探索部とを含む。態様９では、耳形状モデルを利用して生成された複数の候補耳画像の各々と目標耳画像とを比較して、目標耳画像との差異が最小となる候補耳画像の候補耳に対応する耳形状が目標耳の推定立体形状として特定される。したがって、画像の比較という簡便な処理で目標耳の推定立体形状を特定できるという利点がある。
＜態様１０＞
態様８の好適例（態様１０）に係る耳形状解析装置は、耳画像と主成分重みベクトルとの関係を示すニューラルネットワークに、画像データが表す目標耳画像を付与することで主成分重みベクトルを生成する推定処理部を具備し、耳形状データ生成部は、ニューラルネットワークにより生成した主成分重みベクトルを耳形状モデルに付与することで目標耳の耳形状データを生成し、耳形状特定部は、基準耳の立体形状を表す点群と当該目標耳の耳形状データとに応じて目標耳の推定立体形状を特定する。態様１０では、目標耳画像をニューラルネットワークに付与することで生成された主成分重みベクトルが耳形状モデルに付与されるから、候補耳画像の生成と目標耳画像との比較を反復する必要がない。したがって、候補耳画像の生成と目標耳画像との比較とが複数回にわたり反復される前述の態様９と比較して、目標耳の推定立体形状を特定するために必要な演算量が削減されるという利点がある。
＜態様１１＞
本発明の好適な態様（態様１１）は、画像データが表す目標耳画像と比較される候補耳画像の生成に利用される耳形状モデルを生成する方法であって、コンピュータが、標本耳の立体形状を表現する点群と基準耳の立体形状を表現する点群との差分を表す耳形状データを複数の標本耳の各々について生成し、各主成分の重みを表す主成分重みベクトルに耳形状データを変換するための変換行列を、生成した複数の耳形状データに対する主成分分析で算定し、変換行列またはその逆行列を含む耳形状モデルを生成する。態様１１では、目標耳の立体形状の推定に利用される耳形状モデルに複数の標本耳の立体形状の統計的な傾向が反映される。したがって、目標耳の立体形状を高精度に推定できるという利点がある。
＜態様１２＞
態様１１の好適例（態様１２）では、耳形状モデルの生成において、複数の標本耳について耳形状データの平均ベクトルを算定し、当該平均ベクトルを含む耳形状モデルを生成する。態様１２では、耳形状データを主成分重みベクトルに変換するための変換行列またはその逆行列に加えて複数の耳形状データの平均ベクトルを含む耳形状モデルが生成される。したがって、耳形状モデルを利用して適切な候補耳画像を生成できるという利点がある。
＜態様１３＞
態様１１または態様１２の好適例（態様１３）では、耳形状モデルの生成において、主成分分析で算定された変換行列のうち後段の所定行を除去し、当該除去後の変換行列を表す耳形状モデルを生成する。態様１３では、主成分分析で算定された変換行列のうち後段の所定行が除去されるから、耳形状モデルのデータ量を削減することが可能である。
１００……音響処理装置、２００……音響処理システム、１２……信号供給装置、１４……放音装置、１６……通信網、２２……制御装置、２４……記憶装置、３０……耳形状モデル生成部、３２……点群特定部、３４……標本耳解析部、３６……統計処理部、４０……耳形状解析部、４２……耳形状データ生成部、４４１……画像生成部、４４２……画像探索部、４８……関数算定部、５０……音響処理部、５１……調整処理部、５２……音場制御部、５３……音響特性付与部、５４R，５４L……畳込演算部、５６……残響生成部、５８……信号加算部、７２，７４……通信装置。

Claims (13)

  1. コンピュータが、
    耳の立体形状の統計的な傾向が反映された耳形状モデルを利用して、目標耳の候補となる候補耳の立体形状と基準耳の立体形状との差分を示す耳形状データを生成し、
    目標耳画像に対応する前記目標耳の推定立体形状を、前記候補耳の耳形状データと前記基準耳の立体形状とから特定する
    耳形状解析方法。
  2. コンピュータが、
    標本として用意された標本耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、前記耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで、目標耳の候補となる候補耳の耳形状データを生成し、
    目標耳画像に対応する前記目標耳の推定立体形状を、前記候補耳の耳形状データから特定する
    耳形状解析方法。
  3. 前記耳形状データの生成において、複数の主成分重みベクトルの各々を前記耳形状モデルに付与することで、前記目標耳の候補となる複数の候補耳にそれぞれ対応する複数の耳形状データを生成し、
    前記推定立体形状の特定において、
    前記複数の候補耳の各々について、前記基準耳の立体形状を表現する点群と当該候補耳の耳形状データとに応じて、当該候補耳を表す候補耳画像を生成し、
    前記目標耳画像を、前記複数の候補耳についてそれぞれ生成された複数の候補耳画像の各々と比較して、前記複数の候補耳画像のうち、前記目標耳画像との差異が最小となる候補耳画像の候補耳に対応する耳形状を、前記目標耳の推定立体形状として特定する
    請求項２の耳形状解析方法。
  4. コンピュータが、
    標本として用意された標本耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、前記耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、目標耳画像に対応する目標耳の主成分重みベクトルを付与することで、当該目標耳の耳形状データを生成し、
    前記目標耳の推定立体形状を、前記目標耳の耳形状データと前記基準耳の立体形状とから特定する
    耳形状解析方法。
  5. 耳を表す画像と主成分重みベクトルとの関係を示すニューラルネットワークに、前記目標耳画像を付与することで、前記目標耳の主成分重みベクトルを生成し、
    前記耳形状データの生成において、前記ニューラルネットワークにより生成した前記目標耳の主成分重みベクトルを前記耳形状モデルに付与することで前記目標耳の耳形状データを生成し、
    前記推定立体形状の特定において、前記基準耳の立体形状を表す点群と当該目標耳の耳形状データとに応じて前記目標耳の推定立体形状を特定する
    請求項４の耳形状解析方法。
  6. 前記推定立体形状に対応する頭部伝達関数を算定する
    請求項１から請求項５の何れかの耳形状解析方法。
  7. コンピュータが、
    耳の立体形状の統計的な傾向が反映された耳形状モデルを利用して、目標耳の候補となる複数の候補耳の各々について、当該候補耳の立体形状を表す立体形状データを生成し、
    前記複数の候補耳の各々について生成された立体形状データから、当該候補耳を表す候補耳画像を生成し、
    前記複数の候補耳についてそれぞれ生成された複数の候補耳画像のうち、前記目標耳を表す目標耳画像に類似する候補耳画像に対応する立体形状を特定し、
    前記特定した立体形状から頭部伝達関数を生成する
    頭部伝達関数生成方法。
  8. 前記頭部伝達関数の生成においては、前記特定した立体形状に対する音響解析により、前記頭部伝達関数を生成する
    請求項７の頭部伝達関数生成方法。
  9. 前記目標耳画像を表す画像データを端末装置から受信し、当該画像データから生成された前記頭部伝達関数を前記端末装置に送信する
    請求項７または請求項８の頭部伝達関数生成方法。
  10. 耳の立体形状の統計的な傾向が反映された耳形状モデルを利用して、目標耳の候補となる候補耳の立体形状と基準耳の立体形状との差分を示す耳形状データを生成する耳形状データ生成部と、
    目標耳画像に対応する前記目標耳の推定立体形状を、前記候補耳の耳形状データと前記基準耳の立体形状とから特定する耳形状特定部と
    を具備する耳形状解析装置。
  11. 標本として用意された標本耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、前記耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、主成分重みベクトルを付与することで、目標耳の候補となる候補耳の耳形状データを生成する耳形状データ生成部と、
    目標耳画像に対応する前記目標耳の推定立体形状を、前記耳形状データ生成部が生成した前記候補耳の耳形状データから特定する耳形状特定部と
    を具備する耳形状解析装置。
  12. 標本として用意された標本耳の立体形状を表す点群と基準耳の立体形状を表す点群との差分を示す耳形状データと、前記耳形状データの各主成分の重みを示す主成分重みベクトルとの関係を示す耳形状モデルに、目標耳画像に対応する目標耳の主成分重みベクトルを付与することで、当該目標耳の耳形状データを生成する耳形状データ生成部と、
    前記目標耳の推定立体形状を、前記耳形状データ生成部が生成した前記目標耳の耳形状データと前記基準耳の立体形状とから特定する耳形状特定部と
    を具備する耳形状解析装置。
  13. 耳の立体形状の統計的な傾向が反映された耳形状モデルを利用して、目標耳の候補となる複数の候補耳の各々について、当該候補耳の立体形状を表す立体形状データを生成する機能と、
    前記複数の候補耳の各々について生成された立体形状データから、当該候補耳を表す候補耳画像を生成する機能と、
    前記複数の候補耳についてそれぞれ生成された複数の候補耳画像のうち、前記目標耳を表す目標耳画像に類似する候補耳画像に対応する立体形状を特定する機能と、
    前記特定した立体形状から頭部伝達関数を生成する機能と
    を具備する頭部伝達関数生成装置。
JP2017539786A 2015-09-14 2016-08-15 耳形状解析方法、頭部伝達関数生成方法、耳形状解析装置および頭部伝達関数生成装置 Active JP6687032B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015180993 2015-09-14
JP2015180993 2015-09-14
PCT/JP2016/073829 WO2017047309A1 (ja) 2015-09-14 2016-08-15 耳形状解析方法、耳形状解析装置および耳形状モデル生成方法

Publications (2)

Publication Number Publication Date
JPWO2017047309A1 JPWO2017047309A1 (ja) 2018-06-28
JP6687032B2 true JP6687032B2 (ja) 2020-04-22

Family

ID=58288958

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017539786A Active JP6687032B2 (ja) 2015-09-14 2016-08-15 耳形状解析方法、頭部伝達関数生成方法、耳形状解析装置および頭部伝達関数生成装置

Country Status (5)

Country Link
US (1) US10607358B2 (ja)
EP (1) EP3351172B1 (ja)
JP (1) JP6687032B2 (ja)
CN (1) CN108024762B (ja)
WO (1) WO2017047309A1 (ja)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI20165211A (fi) 2016-03-15 2017-09-16 Ownsurround Ltd Järjestely HRTF-suodattimien valmistamiseksi
FR3057981B1 (fr) * 2016-10-24 2019-07-26 Mimi Hearing Technologies GmbH Procede d'elaboration d'un nuage de points 3d representatif d'une oreille 3d d'un individu, et systeme associe
US10701506B2 (en) 2016-11-13 2020-06-30 EmbodyVR, Inc. Personalized head related transfer function (HRTF) based on video capture
US10104491B2 (en) 2016-11-13 2018-10-16 EmbodyVR, Inc. Audio based characterization of a human auditory system for personalized audio reproduction
WO2019094114A1 (en) * 2017-11-13 2019-05-16 EmbodyVR, Inc. Personalized head related transfer function (hrtf) based on video capture
CN107944117B (zh) * 2017-11-17 2019-03-05 华中科技大学 一种基于流动特征获取注塑制品类型的方法
US11049331B2 (en) * 2017-12-01 2021-06-29 Hearables 3D Pty Ltd Customization method and apparatus
FI20185300A1 (fi) 2018-03-29 2019-09-30 Ownsurround Ltd Järjestely päähän liittyvien siirtofunktiosuodattimien muodostamiseksi
US10917735B2 (en) * 2018-05-11 2021-02-09 Facebook Technologies, Llc Head-related transfer function personalization using simulation
CN108966083A (zh) * 2018-08-09 2018-12-07 联想(北京)有限公司 一种控制方法及电子设备
US11026039B2 (en) 2018-08-13 2021-06-01 Ownsurround Oy Arrangement for distributing head related transfer function filters
KR20210068409A (ko) 2018-10-10 2021-06-09 소니그룹주식회사 정보 처리 장치, 정보 처리 방법 및 정보 처리 프로그램
KR102274581B1 (ko) * 2018-10-16 2021-07-07 광주과학기술원 개인화된 hrtf 생성 방법
DE202019000718U1 (de) 2019-02-14 2019-02-26 WERRTA GmbH Düsen- und Zerstäubungstechnik Inhalator
JP7055762B2 (ja) * 2019-03-05 2022-04-18 アルパイン株式会社 顔特徴部検出装置、顔特徴部検出方法
KR102249389B1 (ko) * 2019-04-30 2021-05-07 전수진 아기 두상 성장 관리 시스템
JP7358010B2 (ja) * 2019-07-29 2023-10-10 アルパイン株式会社 頭部伝達関数の推定モデル生成装置、頭部伝達関数の推定装置および頭部伝達関数の推定用プログラム
DE112020003687T5 (de) 2019-08-02 2022-06-09 Sony Group Corporation Audioausgabevorrichtung und diese verwendendes audioausgabesystem
JP7344149B2 (ja) 2020-02-07 2023-09-13 キオクシア株式会社 最適化装置及び最適化方法
WO2022036238A1 (en) * 2020-08-14 2022-02-17 VisiSonics Corporation Systems and methods for head related transfer function personalization
US11778408B2 (en) 2021-01-26 2023-10-03 EmbodyVR, Inc. System and method to virtually mix and audition audio content for vehicles
CN114495171B (zh) * 2022-01-28 2024-05-14 杭州师范大学 一种基于aam的耳像识别方法
CN117291979B (zh) * 2023-09-26 2024-04-26 北京鹰之眼智能健康科技有限公司 一种耳洞定位方法、电子设备及存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3521900B2 (ja) * 2002-02-04 2004-04-26 ヤマハ株式会社 バーチャルスピーカアンプ
WO2005025270A1 (ja) * 2003-09-08 2005-03-17 Matsushita Electric Industrial Co., Ltd. 音像制御装置の設計ツールおよび音像制御装置
JP2008512760A (ja) * 2004-09-08 2008-04-24 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 自動的な耳の再構成のための特徴抽出アルゴリズム
JP2007299070A (ja) 2006-04-27 2007-11-15 Toshiba Corp 顔形状モデル生成装置及びその方法
CN101369309B (zh) * 2008-09-26 2011-08-24 北京科技大学 基于主动表观模型和外耳长轴的人耳图像归一化方法
US20120183161A1 (en) * 2010-09-03 2012-07-19 Sony Ericsson Mobile Communications Ab Determining individualized head-related transfer functions
JP5754595B2 (ja) * 2011-11-22 2015-07-29 日本電信電話株式会社 トランスオーラルシステム
US9030545B2 (en) * 2011-12-30 2015-05-12 GNR Resound A/S Systems and methods for determining head related transfer functions
WO2013149645A1 (en) * 2012-04-02 2013-10-10 Phonak Ag Method for estimating the shape of an individual ear
CN102831390A (zh) * 2012-07-02 2012-12-19 北京科技大学 一种人耳认证***及方法
FR3040807B1 (fr) * 2015-09-07 2022-10-14 3D Sound Labs Procede et systeme d'elaboration d'une fonction de transfert relative a la tete adaptee a un individu

Also Published As

Publication number Publication date
EP3351172A1 (en) 2018-07-25
US10607358B2 (en) 2020-03-31
EP3351172A4 (en) 2019-04-17
CN108024762B (zh) 2020-09-22
US20180204341A1 (en) 2018-07-19
JPWO2017047309A1 (ja) 2018-06-28
EP3351172B1 (en) 2021-05-19
CN108024762A (zh) 2018-05-11
WO2017047309A1 (ja) 2017-03-23

Similar Documents

Publication Publication Date Title
JP6687032B2 (ja) 耳形状解析方法、頭部伝達関数生成方法、耳形状解析装置および頭部伝達関数生成装置
EP3509327B1 (en) Method for generating customized spatial audio with head tracking
US11778400B2 (en) Methods and systems for audio signal filtering
US9681250B2 (en) Statistical modelling, interpolation, measurement and anthropometry based prediction of head-related transfer functions
Meshram et al. P-HRTF: Efficient personalized HRTF computation for high-fidelity spatial sound
US10917735B2 (en) Head-related transfer function personalization using simulation
JPWO2020075622A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US10818100B2 (en) Method for producing a 3D scatter plot representing a 3D ear of an individual, and associated system
US10390167B2 (en) Ear shape analysis device and ear shape analysis method
US20240089689A1 (en) Method for determining a personalized head-related transfer function
Zhao et al. Efficient prediction of individual head-related transfer functions based on 3D meshes
Duraiswami et al. Capturing and recreating auditory virtual reality
JP7493411B2 (ja) バイノーラル再生装置およびプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170823

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180625

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190625

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20190822

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191017

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180625

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200303

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200316

R151 Written notification of patent or utility model registration

Ref document number: 6687032

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151