WO2012086485A1 - 音声制御装置および撮像装置 - Google Patents

音声制御装置および撮像装置 Download PDF

Info

Publication number
WO2012086485A1
WO2012086485A1 PCT/JP2011/078878 JP2011078878W WO2012086485A1 WO 2012086485 A1 WO2012086485 A1 WO 2012086485A1 JP 2011078878 W JP2011078878 W JP 2011078878W WO 2012086485 A1 WO2012086485 A1 WO 2012086485A1
Authority
WO
WIPO (PCT)
Prior art keywords
voice
control
unit
gain
situation
Prior art date
Application number
PCT/JP2011/078878
Other languages
English (en)
French (fr)
Inventor
吉松　栄二
Original Assignee
株式会社ニコン
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 株式会社ニコン filed Critical 株式会社ニコン
Priority to EP11851995.8A priority Critical patent/EP2658281A1/en
Priority to US13/996,306 priority patent/US20130311174A1/en
Priority to CN2011800614807A priority patent/CN103270773A/zh
Priority to JP2012549747A priority patent/JP5510559B2/ja
Publication of WO2012086485A1 publication Critical patent/WO2012086485A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03G—CONTROL OF AMPLIFICATION
    • H03G3/00—Gain control in amplifiers or frequency changers
    • H03G3/20—Automatic control
    • H03G3/30—Automatic control in amplifiers having semiconductor devices
    • H03G3/32—Automatic control in amplifiers having semiconductor devices the control being dependent upon ambient noise level or sound level
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03G—CONTROL OF AMPLIFICATION
    • H03G3/00—Gain control in amplifiers or frequency changers
    • H03G3/20—Automatic control
    • H03G3/30—Automatic control in amplifiers having semiconductor devices
    • H03G3/3005—Automatic control in amplifiers having semiconductor devices in amplifiers suitable for low-frequencies, e.g. audio amplifiers
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03G—CONTROL OF AMPLIFICATION
    • H03G3/00—Gain control in amplifiers or frequency changers
    • H03G3/20—Automatic control
    • H03G3/30—Automatic control in amplifiers having semiconductor devices
    • H03G3/3089—Control of digital or coded signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
    • H04R2499/10—General applications
    • H04R2499/11—Transducers incorporated or for use in hand-held devices, e.g. mobile phones, PDA's, camera's
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/13—Aspects of volume control, not necessarily automatic, in stereophonic sound systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/15—Aspects of sound capture and related signal processing for recording or reproduction

Definitions

  • the present invention relates to a voice control device and an imaging device.
  • An audio signal processing apparatus that performs automatic level control (ALC) for automatically adjusting a recording gain according to an audio input level is known as a recording level adjustment during audio recording.
  • ALC is effective when the content of a person's conversation is important (for example, recording a conference).
  • ALC is effective to fix the gain so that the recording gain is fixed to a constant value without using ALC.
  • the voice control device includes a status discrimination unit that discriminates a surrounding situation at the time of voice acquisition, and a discrimination result obtained by the status discrimination unit for the voice acquired by the voice acquisition unit. And a control unit that applies either automatic level control that automatically controls the gain so that the sound level becomes constant or gain fixed control that fixes the gain to a constant value.
  • the voice acquisition unit is different from the direction of the user and the first acquisition unit having directivity in the direction of the user.
  • a second acquisition unit having directivity and the control unit applies automatic level control to the voice acquired by the first acquisition unit regardless of the determination result by the situation determination unit, and the second acquisition unit
  • One of automatic level control that automatically controls the gain so that the sound level is constant based on the determination result by the situation determination unit and gain fixed control that fixes the gain to a constant value for the acquired sound Is preferably applied.
  • the voice control device further includes a voice discrimination unit that discriminates whether or not the voice acquired by the voice acquisition unit is a voice of a predetermined person, When the voice discriminating unit determines that the voice is not the predetermined person, the gain is automatically adjusted so that the voice level is constant based on the discrimination result by the situation discriminating unit with respect to the voice acquired by the voice acquiring unit. Is acquired by the voice acquisition unit when it is determined that the voice of the predetermined person is determined by the voice determination unit by applying either automatic level control for controlling automatically or gain fixing control for fixing the gain to a constant value. It is preferable to apply the automatic level control to the voice regardless of the determination result by the situation determination unit.
  • the situation determination unit detects a change between the situation at the time of the previous recording and the situation at the time of the current recording, When the situation discriminating unit determines that the situation during the previous recording and the situation during the current recording are not changed, the control unit preferably applies the control during the previous recording as the control during the current recording.
  • the control unit when the situation judgment unit determines that the voice content should be emphasized, the control unit automatically It is preferable to apply level control.
  • the control unit when the situation determination unit determines that the situation should emphasize the presence, the control unit It is preferable to apply fixed control.
  • an instruction for instructing either automatic level control or gain fixing control according to an operation by a user.
  • the control unit gives priority to the instruction from the instruction unit and performs either automatic level control or gain fixed control. It is preferable to apply.
  • the control unit preferably uses a gain corresponding to the sound level when applying the gain fixing control.
  • the voice control apparatus further includes a recording control unit that records the voice acquired by the voice acquisition unit on the recording medium.
  • an imaging device includes the audio control device according to any one of the first to ninth aspects, and an imaging unit that images a subject, and the situation determination unit captures an image by the imaging unit. Determine the status based on the results.
  • the situation determination unit detects a human face from the image captured by the imaging unit, and the control unit detects the person's face by the situation determination unit. It is preferable that automatic level control is applied when a face is detected, and in-fix control is applied when a human face is not detected by the situation determination unit.
  • the situation determination unit when the situation determination unit detects a plurality of human faces, the situation determination unit determines whether the plurality of persons are moving objects, The control unit applies automatic level control when the situation determination unit determines that a plurality of persons are moving objects, and controls the gain fixing control when the situation determination unit determines that the plurality of persons are not movement objects. Is preferably applied.
  • a digital camera 100 will be described as an example of an imaging apparatus according to an embodiment.
  • the imaging device includes all devices capable of shooting moving images with voice recording, and examples include a camcorder, a digital camera, and a mobile phone.
  • FIG. 1 is a schematic block diagram of a digital camera 100 according to the first embodiment.
  • the subject light flux that has passed through the photographing lens 1 is imaged by the image sensor 2.
  • the image pickup device 2 that picks up the subject luminous flux outputs an image pickup signal.
  • the image signal is subjected to various processes by the image processing circuit 3 and converted into image data.
  • image pickup by the image pickup device 2 is repeatedly performed, and image data obtained by the image processing circuit 3 is sequentially updated and displayed on the display device 7 such as a liquid crystal monitor each time.
  • a recording start operation for example, a recording button pressing operation
  • a recording stop operation for example, the recording button is released
  • moving image recording is performed.
  • the image signal output from the image sensor 2 is converted into moving image data by the image processing circuit 3.
  • sound is input through the microphone 9 and output as a sound signal.
  • the audio signal is subjected to processing such as amplification by the audio processing circuit 8 and converted into predetermined audio data.
  • the generated moving image data and audio data are combined with each other to form a moving image file, and the moving image file is recorded on the recording medium 50 such as a memory card via the recording circuit 13.
  • a moving image file recorded on the recording medium 50 is read, and the read moving image file is output to the display device 7 via the image processing circuit 3.
  • a moving image corresponding to the moving image file is reproduced on the display device 7.
  • the audio data constituting the moving image file is output to the speaker 6 via the speaker driving circuit 5.
  • sound corresponding to the sound data is output from the speaker 6.
  • the CPU 11 controls each of the above circuits and a circuit (not shown) in response to an input from the operation unit 12, and performs various processes such as moving image shooting and reproduction.
  • the CPU 11 functionally includes a situation determination unit 111 that determines a situation around the digital camera 100 when sound is input from the microphone 9.
  • the operation unit 12 includes a recording button, a power button, a recording level setting button, a recording method setting button for performing a manual recording method setting operation, which will be described later, and various operation members used for reproduction operation and information input.
  • the audio processing circuit 8 has a known auto level control (hereinafter, ALC) function.
  • the ALC function is a function for automatically adjusting the recording gain according to the audio input level of the audio signal output from the microphone 9 so that the recording level at the time of moving image shooting is substantially constant.
  • the audio processing circuit 8 uses the ALC function to lower the recording gain when the audio input level is high and increase the recording gain when the audio input level is low. For example, in a meeting place, the distance from the microphone 9 differs depending on the person, and the level of the voice differs depending on the person. In such a case, the voice processing circuit 8 can make the voices of all the members have almost the same recording level by using the ALC function. As a result, all the voices can be reproduced at substantially the same level in the reproduction mode.
  • the audio processing circuit 8 can cancel the ALC function and fix the recording gain to a constant value (fixed value) (hereinafter, gain fixed).
  • gain fixed a constant value
  • the CPU 11 automatically selects the ALC function or the gain fixed depending on the situation. In addition, when the fixed gain is selected, the CPU 11 automatically determines the fixed value.
  • FIGS. 2 to 4 are flowcharts showing a procedure at the time of moving image shooting.
  • the processing in FIGS. 2 to 4 is performed by the CPU 11 executing a program.
  • This program is stored in a memory (not shown), and when a recording start operation is performed, the CPU 11 starts and executes the program.
  • the CPU 11 causes the image sensor 2 to start moving image shooting.
  • the CPU 11 selects a recording method for moving image shooting.
  • AAC gain fixed (gain high)”
  • gain fixed (gain low) is selected, and the recording method is used thereafter. Acquisition of audio data is performed in synchronization with video shooting. Note that the recording method may be selected prior to the start of moving image shooting.
  • step S3 the CPU 11 determines whether or not a recording stop operation has been performed. If the recording stop operation is not performed, the CPU 11 denies step S3, and determines whether or not the recording method is manually set by the photographer using the operation unit 12 in step S5. If the manual recording method setting operation has not been performed, the CPU 11 denies step S5 and returns to step S4.
  • the CPU 11 affirms step S5, and in step S6, sets the recording system based on the recording system setting operation. To do. That is, the setting of the recording method by manual operation of the photographer has priority over the automatic selection in step S2.
  • manual recording method setting is any one of “ALC”, “Fixed gain (high gain)”, “Fixed gain (during gain)”, “Fixed gain (low gain)”, “No recording”, for example. This is done by selecting.
  • step S3 When the recording stop operation is performed, the CPU 11 affirms step S3, stops the moving image shooting of the image sensor 2 in step S4, and ends the process.
  • a moving image file (including audio data) obtained by moving image shooting is recorded in the recording medium 50.
  • FIG. 3 is a flowchart showing details of the recording method selection process (step S2).
  • the CPU 11 instructs the image processing circuit 3 to perform face recognition processing on the moving image data after starting moving image shooting.
  • This is a function for recognizing a human face in an image by a known algorithm, and is originally used for automatic control of focus and exposure.
  • the face recognition result is also used for selecting a recording method.
  • step S22 the CPU 11 determines whether or not a face has been detected by the face recognition process. When the face is detected, the CPU 11 affirms step S22 and proceeds to step S23.
  • step S23 the CPU 11 instructs the image processing circuit 3 to perform musical instrument detection using an image recognition technique in order to determine whether or not the shooting is for a music concert. This is to determine whether or not a musical instrument is present in the image by a technique such as template mung.
  • a technique such as template mung.
  • the CPU 11 performs a gain fixing process in step S27. The details of the gain fixing process will be described later with reference to FIG.
  • step S23 the CPU 11 determines whether or not a plurality of faces are detected by the face recognition process in step S22. If a plurality of faces are detected, the CPU 11 affirms step S25 and proceeds to step S26.
  • step S26 the CPU 11 instructs the image processing circuit 3 to perform known moving object detection, and determines whether or not the subject (that is, a person corresponding to a plurality of detected faces) has a certain degree of movement. To do.
  • step S26 is affirmed, that is, when a plurality of persons are moving greatly, the situation determination unit 111 determines that some sport shooting is performed. In this case, since the presence should be emphasized, the CPU 11 performs a gain fixing process described later in step S27.
  • step S26 determines that the conference is being shot.
  • the CPU 11 selects the ALC function in step S28.
  • the CPU 11 periodically checks the audio input level until the end of recording, and the audio processing circuit 8 automatically adjusts the recording gain so that the recording level becomes substantially constant.
  • step S25 is negative (if there is only one person), there is a high possibility that the photographer and the subject person will have a conversation. In this case as well, the conversation content is important, and the CPU 11 selects ALC in step S28.
  • the situation determination unit 111 determines whether or not the scene is photographed in step S24. In this case, the situation determination unit 111 makes a determination based on the focal length and subject distance of the photographing lens 1, the luminance distribution of the image, color information, and the like. Alternatively, when the photographer selects the “landscape mode”, the situation determination unit 111 may determine that it is landscape photography.
  • step S24 If it is determined in step S24 that landscape photography is to be performed, the reality should be emphasized, so the CPU 11 performs a gain fixing process in step S27. If step S24 is negative, that is, if the person is neither photographed nor landscape photographed, the determination unit 111 may determine that there is no person conversation, but the surrounding audio content is often important. To do. Therefore, the CPU 11 selects the ALC function in step S28.
  • FIG. 4 is a flowchart showing details of the gain fixing process.
  • the CPU 11 determines whether or not the input level of the audio signal is equal to or higher than a predetermined value. If the input level of the audio signal is greater than or equal to the predetermined value, the CPU 11 affirms step S271 and proceeds to step S272 to set the fixed value of the recording gain to “low”. If the input level of the audio signal is less than the predetermined value, the CPU 11 negates step S271, proceeds to step S273, and sets the fixed value of the recording gain to “high”. As described above, since the recording gain is set in accordance with the voice input level, it is possible to avoid inconveniences such that it is difficult to hear the reproduced voice or sound is broken.
  • the fixed value of the recording gain is one of two alternatives, three or more options may be provided, and the fixed value of the recording level may be set lower as the audio input level is higher. Conversely, the gain fixed value may be one type (no room for selection).
  • the angle of view may be taken into account when selecting a fixed value for the recording gain. For example, when photographing on the telephoto side, the recording gain is increased because there is a high possibility that the subject, that is, the sound source is at a far position.
  • the digital camera 100 includes a microphone 9, a situation determination unit 111, and a CPU 11.
  • the microphone 9 acquires surrounding sound
  • the situation determination unit 111 determines the surrounding situation when the microphone 9 acquires sound.
  • the CPU 11 applies either automatic level control for automatically controlling the gain or gain fixing control for fixing the gain to a constant value for the sound acquired by the microphone 9.
  • the CPU 11 automatically controls the gain based on the determination result by the situation determination unit 111 so that the sound level becomes constant. Accordingly, since the apparatus automatically selects whether the ALC function or the gain is fixed when recording, it is possible to perform recording with an optimal recording method even if the photographer is not particularly conscious.
  • the CPU 111 applies automatic level control. As a result, for example, even when the distance from the microphone 9 is different depending on the person and the voice is different depending on the person as in a meeting place, the voices of all the members can be set to the same recording level. As a result, all the voices can be reproduced at substantially the same level in the reproduction mode.
  • the CPU 11 applies the gain fixing control. Therefore, for example, it is suitable for recording when it is desired to drain the sense of reality and the connection of sounds, such as landscapes, music concerts, and sports photography.
  • the operation unit 12 instructs either automatic level control or gain fixing control according to an operation by the photographer.
  • the CPU 11 gives priority to the instruction from the instruction unit and applies either the automatic level control or the gain fixing control. I made it. Therefore, recording can be performed with a gain desired by the photographer among automatic level control and gain fixing control.
  • FIG. 5 shows a processing procedure (corresponding to FIG. 2) at the time of moving image shooting in the second embodiment. Steps similar to those in FIG. 2 are denoted by the same step numbers.
  • the CPU 11 causes the image sensor 2 to start moving image shooting in step S1, and the CPU 11 acquires the current date and time T1 from the built-in clock in step S51.
  • the CPU 11 reads the previous recording end date and time T2 from the memory 10, and in step S53, compares T1-T2, that is, the time from the previous recording stop to the current recording start with a predetermined time T (for example, 30 minutes). To do.
  • a predetermined time T for example, 30 minutes
  • step S53 the CPU 11 affirms step S53, proceeds to step S54, and acquires the current white balance setting W1.
  • the white balance is automatically set based on the output of the ambient light sensor or the like, and in the case of “manual”, the white balance is selected and set by the photographer.
  • step S55 the CPU 11 reads the white balance setting W2 at the time of the previous recording from the memory 10, and compares W1-W2 with a predetermined value W in step S56. If W1-W2 is less than the predetermined value W, the situation determination unit 111 determines that the same scene is shot as before, affirms step S56, and proceeds to step S57.
  • step S57 the CPU 11 reads the previous recording method from the memory 10, and sets the recording method as the current recording method.
  • step S53 or S56 is negative, the process proceeds to step S2, and the CPU 11 selects a recording method according to the procedure described in FIG.
  • step S3 the CPU 11 affirms step S3 and proceeds to step S58.
  • step S58 the CPU 11 stores the current time as T2 and the current white balance as W2, and stores the current recording method, and proceeds to step S4.
  • the time and white balance from the end of the previous recording are used to determine whether or not the scene is the same as the previous one.
  • the luminance distribution and color information are used instead of or in addition to the white balance.
  • a similar scene may be determined when the distance between the previous shooting position and the current shooting position is less than a predetermined value.
  • the situation discriminating unit 111 detects a change between the situation at the previous recording and the situation at the current recording, and the situation discriminating unit 111 discriminates that the situation at the previous recording and the situation at the current recording are not changed.
  • the CPU 11 applies the control during the previous recording as the control during the current recording. Therefore, for example, in the case of shifting from landscape photography to conference photography continuously, the gain is automatically switched from the ALC function to the ALC function, so that a troublesome manual switching operation by the photographer can be omitted.
  • a third embodiment of the present invention will be described.
  • the same components as those in the first embodiment are denoted by the same reference numerals, and different points will be mainly described. Points that are not particularly described are the same as those in the first embodiment.
  • the present embodiment is different from the first embodiment in that a microphone is provided on each of the front and back of the camera, and a recording method selection process.
  • FIG. 6 is a front view and a rear view of the digital camera 100 according to the third embodiment
  • FIG. 7 is a block diagram of a control system of the digital camera 100 according to the third embodiment.
  • a photographing lens 1 is provided on the front surface of the camera body, and a microphone hole MH1 is provided on the upper right.
  • a display device 7 such as a liquid crystal monitor is provided on the back of the camera body, and a microphone hole MH2 is provided in the lower left.
  • image pickup by the image pickup device 2 is performed along with the release operation, and an image pickup signal is output from the image pickup device 2.
  • Image data generated by the image processing circuit 3 using the imaging signal is recorded on a recording medium 50 such as a memory card by the recording circuit 13 as a still image file that can be handled by a computer.
  • moving image shooting by the image sensor 2 is started with the recording start operation, and moving image shooting is stopped by the recording stop operation. During this time, the image signal output from the image sensor 2 is converted into moving image data by the image processing circuit 3.
  • sound is input through the front microphone 9a and the back microphone 9b (see FIG. 7), and a sound signal is output.
  • the audio signal is subjected to processing such as amplification by the audio processing circuit 8 and converted into predetermined audio data.
  • the front microphone 9a is arranged opposite to the microphone hole MH1 on the front surface of the camera, and this is mainly used for audio input on the subject side.
  • the back microphone 9b is disposed to face the microphone hole MH2 on the back of the camera, and this is mainly used for voice input on the photographer side.
  • the voice on the photographer side is, for example, a voice such as a situation explanation issued by the photographer himself.
  • the photographer can select a microphone usage mode at the time of moving image shooting, for example, on a menu screen or the like. Options include “use both front / rear microphones 9a and 9b”, “use only front microphone 9a”, “use only rear microphone 9b”, and “use neither microphone”.
  • Using (not using) a microphone means recording (not) recording a voice input from the microphone.
  • the generated moving image data and audio data are combined with each other to form a moving image file, and the moving image file is recorded on the recording medium 50 via the recording circuit 13.
  • the CPU 11 controls the above circuits and circuits (not shown) in the same manner as in the first embodiment, and performs various operations including still image shooting, moving image shooting, and reproduction thereof. Perform the process.
  • a procedure at the time of moving image shooting by the digital camera 100 in the third embodiment will be described.
  • the CPU 11 executes the process shown in the flowchart of FIG.
  • the recording method selection processing in step S2 is different from the digital camera 100 of the first embodiment.
  • the gain fixing process is the same as the process shown in FIG.
  • the recording method selection process in the third embodiment will be described.
  • FIG. 8 is a flowchart showing details of the recording method selection process (step S2).
  • step S31 the CPU 11 determines whether to use the back microphone 9b. Use / nonuse of the microphone is determined based on the above-described setting by the photographer.
  • the CPU 11 affirms Step S31 and proceeds to Step S32, and selects the ALC function for the input sound from the rear microphone 9b. That is, the audio signal input from the rear microphone 9b mainly corresponds to a voice such as a situation explanation uttered by the photographer, and the content of the utterance is important. Therefore, the CPU 11 selects the ALC function so that it can be reproduced at a constant level even when the voice of the photographer fluctuates.
  • the CPU 11 periodically checks the audio input level until the end of recording, and the audio processing circuit 8 automatically adjusts the recording gain so that the recording level becomes substantially constant.
  • step S31 the CPU 11 proceeds to step S33 not to record the input voice from the rear microphone 9b, and determines whether or not to use the front microphone 9a.
  • the CPU 11 denies step S33 and returns that the input voice from the front microphone 9a is not recorded.
  • Step S21 Step S21 and subsequent steps are processing related to the recording method selection for the audio signal input from the front microphone 9a, and the CPU 11 performs the same processing as described with reference to the flowchart of FIG.
  • the microphone 9 includes a front microphone 9a having directivity in the direction of the photographer and a back microphone 9b having directivity in a direction different from the direction of the photographer.
  • the CPU 11 performs automatic level control for automatically controlling the gain so that the sound level is constant based on the determination result by the situation determination unit 111 for the sound acquired by the front microphone 9a, and the gain is a constant value. Select either of the fixed gain control to be fixed to. Furthermore, the CPU 11 controls the voice acquired by the back microphone 9b by automatic level control regardless of the determination result by the situation determination unit 111. Therefore, the content of the situation, such as the explanation of the situation mainly issued by the photographer, can be reproduced at a certain level even when the voice of the photographer fluctuates.
  • FIGS. A fourth embodiment according to the present invention will be described with reference to FIGS.
  • the same components as those in the third embodiment are denoted by the same reference numerals, and different points will be mainly described. Points that are not particularly described are the same as those in the third embodiment.
  • the point that a microphone is provided on the upper surface of the camera and the recording method selection process are different from those in the third embodiment.
  • FIG. 9 is a top view of the digital camera 100 according to the fourth embodiment, and FIG. 10 is a control block diagram thereof.
  • This digital camera 100 has only a single microphone 9, and the microphone 9 is provided facing the microphone hole MH3 provided on the upper surface of the camera in order to efficiently pick up the sound on both the subject side and the photographer side. It is done.
  • the ALC function when recording the voice of the photographer, the ALC function is used as in the third embodiment.
  • either the ALC function or the gain is fixed. Select according to the situation.
  • the present embodiment since the present embodiment has only a single microphone 9, it is necessary to determine whether or not the input sound is a photographer's voice by sound analysis.
  • a voice print analysis function is incorporated into the digital camera 100 and a registration mode for registering the photographer's voice is provided. That is, the CPU 11 functionally includes a voice determination unit 112 that determines whether the voice acquired by the microphone 9 is the voice of a predetermined person. When the registration mode is set, the CPU 11 displays a message for requesting the photographer to speak out on the display device 7. When the photographer speaks, the voice discrimination unit 112 of the CPU 11 performs voiceprint analysis on the voice data corresponding to the voice signal output from the microphone 9 and stores the analysis result as a feature pattern of the photographer's voice. 10 to register. It should be noted that feature patterns of a plurality of people can be registered.
  • FIG. 11 shows details of the recording method selection processing in the fourth embodiment. This corresponds to FIG. 8 of the third embodiment, and the same steps as those in FIG. 8 are denoted by the same step numbers. Note that the control in FIGS. 2 and 4 is also applied in the fourth embodiment.
  • step S41 the voice discrimination unit 112 performs voiceprint analysis on voice data corresponding to a voice signal input via the microphone 9, and acquires a feature pattern of the input voice.
  • step S ⁇ b> 42 the voice discrimination unit 112 compares the acquired voice feature pattern with the same feature pattern registered in advance in the memory. If the difference between one of the registered feature patterns and the acquired feature pattern is less than a predetermined value, the voice discrimination unit 112 determines that the voice input from the microphone 9 is the voice of the photographer, and in step S43. Select the ALC function.
  • the voice discrimination unit 112 does not input voice from the microphone 9 (possibly the voice on the subject side) Is high), and the processing after step S21 described above is performed.
  • a voice discrimination unit 112 that discriminates whether or not the voice acquired by the microphone 9 is a voice of a predetermined person.
  • the gain is automatically set for the sound acquired by the microphone 9 so that the sound level becomes constant based on the determination result by the situation determination unit 111.
  • One of automatic level control for controlling the gain and fixed gain control for fixing the gain to a constant value is applied.
  • the CPU 11 applies automatic level control to the sound acquired by the microphone 9 regardless of the determination result by the situation determination unit 111. I made it. Therefore, the content of the situation, such as the explanation of the situation mainly issued by the photographer, can be reproduced at a certain level even when the voice of the photographer fluctuates.
  • the first to fourth embodiments described above can be modified as follows.
  • the selection procedure of whether the ALC function or the gain is fixed is not limited to FIGS.
  • the CPU 11 selects the ALC function in consideration of the conversation between the photographer and the subject person. You may make it do.
  • the control is changed for one or more people.
  • the CPU 11 may place importance on the sense of reality regardless of the number of people, and the CPU 11 may select fixed gain.
  • the CPU 11 may periodically perform the selection process between the ALC function and the fixed gain even during moving image shooting. According to this, for example, in the case of shifting from landscape photography to conference photography continuously, the gain is automatically switched from the fixed gain to the ALC function, and the photographer does not need to switch manually.
  • the microphone 9 may be configured to be detachable from the digital camera 100.
  • Japanese Patent Application No. 2010 282914 (filed on Dec. 20, 2010)
  • Japanese patent application 2010 No. 282915 (filed on December 20, 2010)

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Studio Devices (AREA)
  • Control Of Amplification And Gain Control (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

　音声制御装置は、音声取得時の周囲の状況を判別する状況判別部と、音声取得部により取得される音声に対して、状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用する制御部とを備える。

Description

音声制御装置および撮像装置
　本発明は、音声制御装置および撮像装置に関する。
　音声録音時の録音レベル調整として、音声入力レベルに応じて録音ゲインを自動調整する自動レベルコントロール（ＡＬＣ）を行う音声信号処理装置が知られている。ＡＬＣは、人の会話内容を重視するような場合（例えば、会議の録音）には有効である。これに対して、例えば音楽会のような臨場感や音のつながりが重視される場での録音は、ＡＬＣを使用せずに録音ゲインを一定値に固定するゲイン固定が効果的である。
日本国特開２００５－１６７３８０
　従来、ＡＬＣとゲイン固定を状況に応じて自動的に切換可能な録音装置はない。
　本発明の第１の態様によれば、音声制御装置は、音声取得時の周囲の状況を判別する状況判別部と、音声取得部により取得される音声に対して、状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用する制御部とを備える。
　本発明の第２の態様によれば、第１の態様による音声制御装置において、音声取得部は、使用者の方向に指向性を有する第１取得部と、使用者の方向とは異なる方向に指向性を有する第２取得部とを含み、制御部は、第１取得部により取得される音声に対して、状況判別部による判別結果によらず自動レベル制御を適用し、第２取得部により取得される音声に対して、状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御とゲインを一定値に固定するゲイン固定制御とのいずれかを適用することが好ましい。
　本発明の第３の態様によれば、第１の態様による音声制御装置において、音声取得部により取得された音声が、所定人物の音声か否かを判別する音声判別部をさらに備え、制御部は、音声判別部により所定人物の音声ではないと判別されたとき、音声取得部により取得される音声に対して、状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用し、音声判別部により所定人物の音声であると判別されたとき、音声取得部により取得される音声に対して、状況判別部による判別結果によらず自動レベル制御を適用することが好ましい。
　本発明の第４の態様によれば、第１乃至第３の態様のいずれかの音声制御装置において、状況判別部は、前回録音時の状況と今回録音時の状況との変化を検出し、前回録音時の状況と今回録音時の状況とが変化していないと状況判別部により判別されたとき、制御部は、今回録音時の制御として前回録音時の制御を適用することが好ましい。
　本発明の第５の態様によれば、第１乃至第４の態様のいずれかの音声制御装置において、音声内容を重視すべき状況であると状況判別部により判別されたとき、制御部は自動レベル制御を適用することが好ましい。
　本発明の第６の態様によれば、第１乃至第５の態様のいずれかの音声制御装置において、臨場感を重視すべき状況であると状況判別部により判別されたとき、制御部はゲイン固定制御を適用することが好ましい。
　本発明の第７の態様によれば、第１乃至第６の態様のいずれかの音声制御装置において、使用者による操作に応じて、自動レベル制御とゲイン固定制御とのいずれかを指示する指示部をさらに備え、指示部により自動レベル制御とゲイン固定制御とのいずれかが指示されているとき、制御部は、指示部による指示を優先して自動レベル制御とゲイン固定制御とのいずれかを適用することが好ましい。
　本発明の第８の態様によれば、第１乃至第７の態様のいずれかの音声制御装置において、制御部は、ゲイン固定制御を適用するとき、音声レベルに応じたゲインを用いることが好ましい。
　本発明の第９の態様によれば、第１乃至第８の態様のいずれかの音声制御装置において、音声取得部により取得された音声を記録媒体に記録する記録制御部をさらに備えることが好ましい。
　本発明の第１０の態様によれば、撮像装置は、第１乃至第９の態様のいずれかの音声制御装置と、被写体を撮像する撮像部とを備え、状況判別部は、撮像部による撮像結果に基づいて状況を判別する。
　本発明の第１１の態様によれば、第１０の態様による撮像装置において、状況判別部は、撮像部により撮像された画像から人物の顔を検出し、制御部は、状況判別部により人物の顔が検出された場合には、自動レベル制御を適用し、状況判別部により人物の顔が検出されない場合には、イン固定制御を適用することが好ましい。
　本発明の第１２の態様によれば、第１１の態様による撮像装置において、状況判別部は、複数の人物の顔を検出した場合には、当該複数の人物が動体か否かを判別し、制御部は、状況判別部により複数の人物が動体と判別された場合には、自動レベル制御を適用し、状況判別部により複数の人物が動体ではないと判別された場合には、ゲイン固定制御を適用することが好ましい。
　本発明によれば、取得する音声に対してユーザが特に意識しなくても適当な制御を実行することができる。
本発明の第１の実施形態における撮像装置の制御ブロック図である。 動画撮影時の処理手順を示すメインのフローチャートである。 録音方式選択処理の詳細を示すフローチャートである。 ゲイン固定処理の詳細を示すフローチャートである。 第２の実施形態における動画撮影時の処理手順を示すメインのフローチャートである。 第３の実施の形態における撮像装置の外観図であり、（ａ）は正面図、（ｂ）が背面図である。 第３の実施の形態における撮像装置の制御ブロック図である。 第３の実施の形態の録音選択処理の詳細を示すフローチャートである。 第４の実施の形態における撮像装置の上面外観図である。 第４の実施の形態における撮像装置の制御ブロック図である。 第４の実施の形態の録音選択処理の詳細を示すフローチャートである。
　図面を参照して、一実施形態の撮像装置としてデジタルカメラ１００を例に説明する。なお、撮像装置は、音声録音を伴う動画撮影が可能なあらゆる機器を含み、例としては、カムコーダ、デジタルカメラ、携帯電話機などが挙げられる。
－第１の実施の形態－
　図１は第１の実施形態におけるデジタルカメラ１００の概略ブロック図である。撮影レンズ１を透過した被写体光束は、撮像素子２で撮像される。被写体光束を撮像した撮像素子２は、撮像信号を出力する。その撮像信号は画像処理回路３で種々の処理が施され、画像データに変換される。撮影モード設定時には、撮像素子２による撮像が繰り返し行われ、その都度画像処理回路３で得られた画像データが液晶モニタ等の表示装置７に逐次更新表示される。
　上記の状況において、録画開始操作（例えば、録画ボタンの押圧操作）がなされると、撮像素子２は動画撮影を開始し、録画停止操作（例えば、録画ボタンの押圧解除）がなされると動画撮影を停止する。この間に撮像素子２から出力された撮像信号は、画像処理回路３で動画データに変換される。また動画撮影時には、マイク９を介して音声が入力され、音声信号として出力される。その音声信号は音声処理回路８で増幅等の処理が施され、所定の音声データに変換される。生成された動画データと音声データは、互いに組み合わされて動画ファイルを構成し、動画ファイルは記録回路１３を介してメモリカード等の記録媒体５０に記録される。
　再生モードでは、記録媒体５０に記録された動画ファイルが読み出され、読み出された動画ファイルは画像処理回路３を介して表示装置７へ出力される。その結果、表示装置７には、動画ファイルに対応する動画が再生される。またこのとき、動画ファイルを構成する音声データはスピーカ駆動回路５を介してスピーカ６へ出力される。その結果、音声データに対応する音声がスピーカ６から出力される。
　ＣＰＵ１１は、操作部１２からの入力に応答して上記各回路や不図示の回路を制御し、動画撮影や再生を始めとする種々の処理を行う。なお、ＣＰＵ１１は、マイク９により音声が入力された時のデジタルカメラ１００の周囲の状況を判別する状況判別部１１１を機能的に備える。操作部１２は、上記録画ボタンや電源ボタン、録音レベル設定ボタン、後述する手動による録音方式の設定操作を行うための録音方式設定ボタン、再生操作や情報入力等で用いる各種操作部材等を含む。
　次に、上記デジタルカメラ１００における録音制御について説明する。
　音声処理回路８は、公知のオートレベルコントロール（以下、ＡＬＣ）機能を備えている。ＡＬＣ機能は、動画撮影時の録音レベルがほぼ一定となるように、マイク９から出力された音声信号の音声入力レベルに応じて録音ゲインを自動調整する機能である。音声処理回路８は、ＡＬＣ機能により、音声入力レベルが大きいときは録音ゲインを低くし、音声入力レベルが小さいときは録音ゲインを高くする。例えば会議の場では、人によってマイク９からの距離が異なり、また声の大小も人によって異なる。このような場合には、音声処理回路８は、上記ＡＬＣ機能を用いることで、全員の声をほぼ同じ録音レベルとすることができる。その結果、再生モードにおいて、全員の声をほぼ同レベルの音量で再生することができる。
　一方、音声処理回路８は、ＡＬＣ機能をキャンセルして録音ゲインを一定値（固定値）に固定すること（以下、ゲイン固定）も可能である。ＡＬＣ機能をキャンセルする場合として、たとえば、風景や音楽会、スポーツの撮影といった、臨場感や音のつながりを大切にしたい場合がある。そして、本デジタルカメラ１００の大きな特徴は、上記ＡＬＣ機能かゲイン固定かをＣＰＵ１１が状況に応じて自動的に選択する点にある。しかも、ゲイン固定を選択した場合は、その固定値をもＣＰＵ１１が自動で決定する。
　図２～図４は動画撮影時の手順を示すフローチャートである。図２～図４の処理はＣＰＵ１１でプログラムを実行して行われる。このプログラムは、メモリ（不図示）に格納されており、録画開始操作がなされると、ＣＰＵ１１によってプログラムが起動され、実行される。
　ステップＳ１でＣＰＵ１１は撮像素子２に動画撮影を開始させる。ステップＳ２では、ＣＰＵ１１は、動画撮影における録音方式を選択する。その詳細は後述するが、ここでは上記「ＡＬＣ」、「ゲイン固定（ゲイン高）」、「ゲイン固定（ゲイン低）」の３つのうちのいずれかが選択され、以降、その録音方式を用いた音声データの取得が動画撮影に同期してなされる。なお、録音方式の選択は、動画撮影開始に先立って行うようにしてもよい。
　ステップＳ３では、ＣＰＵ１１は録画停止操作がなされたか否かを判定する。録画停止操作がなされていない場合には、ＣＰＵ１１はステップＳ３を否定し、ステップＳ５で、撮影者により操作部１２を用いて手動による録音方式の設定操作がなされたか否かを判定する。手動による録音方式の設定操作がなされていない場合には、ＣＰＵ１１はステップＳ５を否定しステップＳ４に戻る。手動による録音方式の設定操作がなされ、操作部１２から指示信号が入力されている場合には、ＣＰＵ１１はステップＳ５を肯定し、ステップＳ６において、上記録音方式の設定操作に基づいて録音方式を設定する。すなわち、撮影者の手動操作による録音方式の設定は、ステップＳ２の自動選択に優先される。ここで、手動による録音方式設定は、例えば、「ＡＬＣ」、「ゲイン固定（ゲイン高）」、「ゲイン固定（ゲイン中）」、「ゲイン固定（ゲイン低）」、「録音なし」からいずれかが選択されることにより行われる。
　なお、自動設定、手動設定に拘わらず、現在の設定内容を表示装置７の画面にアイコン等で表示することが望ましい。
　録画停止操作が行われた場合、ＣＰＵ１１はステップＳ３を肯定し、ステップＳ４で撮像素子２に動画撮影を停止させて処理を終了する。動画撮影によって得られた動画ファイル（音声データを含む）は、記録媒体５０に記録される。
　図３は録音方式選択処理（ステップＳ２）の詳細を示すフローチャートである。
　ステップＳ２１では、ＣＰＵ１１は画像処理回路３に指令して、動画撮影開始後の動画像データに対し、顔認識処理を行わせる。これは、公知のアルゴリズムによって画像中の人物の顔を認識する機能であり、本来は、フォーカスや露出の自動制御に用いられるものである。ここでは、顔認識結果を録音方式の選択にも用いる。
　ステップＳ２２では、ＣＰＵ１１は、顔認識処理により顔が検出されたか否かを判定する。顔が検出されると、ＣＰＵ１１はステップＳ２２を肯定してステップＳ２３に進む。ステップＳ２３では、音楽会の撮影か否かを判別するために、ＣＰＵ１１は画像処理回路３に指令して、画像認識技術を用いて楽器検出を行う。これは、例えばテンプレートマッング等の手法により、画像中に楽器が存在するか否かを判別するものである。一例として、画像処理回路３によって、人物の腰の辺りにギター形状の物体が認識された場合は、ＣＰＵ１１の状況判別部１１１は音楽会の撮影と判断する。この場合、臨場感を重視すべき状況なので、ＣＰＵ１１はステップＳ２７でゲイン固定処理を行う。なお、ゲイン固定処理の詳細については、図４を用いて後述する。
　ステップＳ２３で画像認識技術によって楽器が検出されなかった場合は、ＣＰＵ１１はステップＳ２３を否定して、ステップＳ２５へ進む。ステップＳ２５では、ＣＰＵ１１は、ステップＳ２２の顔認識処理によって複数の顔が検出されたか否かを判定する。複数の顔が検出されている場合には、ＣＰＵ１１はステップＳ２５を肯定してステップＳ２６に進む。ステップＳ２６では、ＣＰＵ１１は、画像処理回路３に指令して、公知の動体検出を行わせ、被写体（すなわち検出された複数の顔に対応する人物）にある程度以上の動きがあるか否かを判定する。ステップＳ２６が肯定された場合、つまり複数の人物が大きく動いている場合は、状況判別部１１１は何らかのスポーツの撮影と判断する。この場合、臨場感を重視すべき状況なので、ＣＰＵ１１はステップＳ２７で後述するゲイン固定処理を行う。
　一方、ステップＳ２６が否定された場合、つまり複数の人物が存在するが殆ど動きがない場合は、状況判別部１１１は会議の撮影と判断する。この場合、臨場感よりも人物の会話内容を重視すべき状況なので、ＣＰＵ１１はステップＳ２８でＡＬＣ機能を選択する。ＡＬＣ機能が選択された場合は、ＣＰＵ１１は録画終了まで定期的に音声入力レベルをチェックし、音声処理回路８は、録音レベルがほぼ一定となるように録音ゲインを自動調整する。
　ステップＳ２５が否定された場合（人物が一人の場合）は、撮影者と被写体人物とで会話がなされる可能性が高い。この場合も会話内容が重要であるとして、ＣＰＵ１１はステップＳ２８でＡＬＣを選択する。
　一方、ステップＳ２２で顔が検出されないと判断した場合は、状況判別部１１１はステップＳ２４で風景の撮影か否かを判定する。この場合、状況判別部１１１は、撮影レンズ１の焦点距離や被写体距離、画像の輝度分布や色情報等に基づいて判断する。あるいは、撮影者が「風景モード」を選択している場合に、状況判別部１１１は風景撮影と判断するようにしてもよい。
　ステップＳ２４で風景撮影と判断した場合は、臨場感を重視すべき状況なので、ＣＰＵ１１はステップＳ２７のゲイン固定処理を行う。ステップＳ２４が否定された場合、つまり人物の撮影でもなく風景の撮影でもない場合は、判別部１１１は人物の会話はないかも知れないが、周囲の音声の内容が重要となるケースが多いと判断する。したがって、ＣＰＵ１１はステップＳ２８でＡＬＣ機能を選択する。
　図４はゲイン固定処理の詳細を示すフローチャートである。ステップＳ２７１ではＣＰＵ１１は音声信号の入力レベルが所定値以上か否かを判定する。音声信号の入力レベルが所定値以上の場合、ＣＰＵ１１はステップＳ２７１を肯定してステップＳ２７２に進み、録音ゲインの固定値を「低」に設定する。音声信号の入力レベルが所定値未満の場合、ＣＰＵ１１はステップＳ２７１を否定してステップＳ２７３に進み、録音ゲインの固定値を「高」に設定する。このように、音声入力レベルに応じて録音ゲインを設定するようにしたので、再生音声が聞き取りにくかったり、音割れが発生するといった不都合が回避できる。
　なお、録音ゲインの固定値を２者択一としたが、３種類以上の選択肢を設け、音声入力レベルが高いほど録音レベルの固定値を低く設定するようにしてもよい。逆にゲイン固定値は１種類（選択の余地なし）としてもよい。
　また、録音ゲインの固定値の選択にあたって撮影画角を加味してもよい。例えば、望遠側で撮影しているときは、被写体すなわち音源が遠い位置にある可能性が高いため、録音ゲインを高くする。
　以上で説明した第１の実施の形態によれば、以下の作用効果が得られる。
（１）デジタルカメラ１００は、マイク９と、状況判別部１１１と、ＣＰＵ１１とを備える。マイク９は周囲の音声を取得し、状況判別部１１１は、マイク９による音声取得時の周囲の状況を判別する。そして、ＣＰＵ１１は、マイク９により取得される音声に対して、ゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用するようにした。自動レベル制御では、ＣＰＵ１１は、状況判別部１１１による判別結果に基づいて、音声レベルが一定となるようにゲインを自動的に制御する。したがって、録音にあたってＡＬＣ機能かゲイン固定かを装置が自動的に選択するようにしたので、撮影者が特に意識しなくても最適な録音方式で録音が行える。
（２）状況判別部１１１によって音声内容を重視すべき状況であると判別されたとき、ＣＰＵ１１１は自動レベル制御を適用するようにした。この結果、例えば会議の場のように人によってマイク９からの距離が異なり、また声の大小も人によって異なるときでも、全員の声をほぼ同じ録音レベルとすることができる。その結果、再生モードにおいて、全員の声をほぼ同レベルの音量で再生することができる。
（３）状況判別部１１１によって臨場感を重視すべき状況であると判別されたとき、ＣＰＵ１１はゲイン固定制御を適用するようにした。したがって、たとえば、風景や音楽会、スポーツの撮影といった、臨場感や音のつながりを大切にしたい場合の録音に好適となる。
（４）操作部１２は、撮影者による操作に応じて、自動レベル制御とゲイン固定制御とのいずれかを指示する。そして、操作部１２により自動レベル制御とゲイン固定制御とのいずれかが指示されているとき、ＣＰＵ１１は、指示部による指示を優先して自動レベル制御とゲイン固定制御とのいずれかを適用するようにした。したがって、自動レベル制御およびゲイン固定制御のうち、撮影者が所望するゲインによって録音を行うことができる。
－第２の実施の形態－
　図５を参照して、本発明による第２の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、次の点で、第１の実施の形態と異なる。すなわち、前回の動画撮影時と今回の動画撮影時との時間間隔が短く、かつ前回と今回とでホワイトバランスの差が小さい場合は、前回と同様のシーンを継続して撮影しているとの判断の下に、録音方式を無条件で前回と同じにする点である。これにより、同一シーンでありながら録音方式が異なることによる違和感をなくすことができる。
　図５は第２の実施形態における動画撮影時の処理手順（図２に相当）を示している。なお、図２と同様のステップには同一のステップ番号を付す。
　図５において、ステップＳ１でＣＰＵ１１が撮像素子２に動画撮影を開始させ、ステップＳ５１でＣＰＵ１１は内蔵時計から現在日時Ｔ１を取得する。ステップＳ５２では、ＣＰＵ１１はメモリ１０から前回の録画終了日時Ｔ２を読み出し、ステップＳ５３でＴ１－Ｔ２、すなわち前回の録画停止から今回の録画開始までの時間を所定時間Ｔ（例えば、３０分）と比較する。
　Ｔ１－Ｔ２が所定時間Ｔを下回る場合は、ＣＰＵ１１はステップＳ５３を肯定し、ステップＳ５４に進み、現在のホワイトバランス設定Ｗ１を取得する。ホワイトバランスは、「自動」の場合は環境光センサ等の出力に基づいて自動設定され、「手動」の場合は撮影者によって選択設定される。ステップＳ５５では、ＣＰＵ１１はメモリ１０から前回録画時のホワイトバランス設定Ｗ２を読み出し、ステップＳ５６ではＷ１－Ｗ２を所定値Ｗと比較する。Ｗ１－Ｗ２が所定値Ｗを下回る場合は、状況判別部１１１は前回と同様のシーンの撮影と判断し、ステップＳ５６を肯定してステップＳ５７へ進む。ステップＳ５７でＣＰＵ１１は、メモリ１０から前回の録音方式を読み出し、その録音方式を今回の録音方式として設定する。一方、ステップＳ５３またはＳ５６が否定された場合はステップＳ２に進み、ＣＰＵ１１は、図３で説明した手順により録音方式を選択する。
　ステップＳ３で録画停止操作が確認されると、ＣＰＵ１１はステップＳ３を肯定してステップＳ５８へ進む。ステップＳ５８で、ＣＰＵ１１は現在の時刻をＴ２として、現在のホワイトバランスをＷ２としてそれぞれ記憶するとともに、現在の録画方式を記憶してステップＳ４に進む。
　なお以上では、前回と同様のシーンか否かの判断に、前回録画終了時からの時間およびホワイトバランスを用いているが、ホワイトバランスに代えて、あるいは加えて、輝度分布や色情報を用いてもよい。また、ＧＰＳ受信機等により位置情報を取得可能な装置では、前回の撮影位置と今回の撮影位置との距離が所定値未満のときに同様のシーンと判断するようにしてもよい。
　以上で説明した第２の実施の形態によれば、第１の実施の形態により得られた（１）～（４）の作用効果に加えて、以下の作用効果が得られる。
　状況判別部１１１は、前回録音時の状況と今回録音時の状況との変化を検出し、前回録音時の状況と今回録音時の状況とが変化していないと状況判別部１１１により判別されたとき、ＣＰＵ１１は、今回録音時の制御として前回録音時の制御を適用するようにした。したがって、例えば風景の撮影から連続して会議の撮影に移行したような場合、自動的にゲイン固定からＡＬＣ機能に切換わるので、撮影者の手動による煩雑な切換操作を省くことができる。
－第３の実施の形態－
　図面を参照して、本発明による第３の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、カメラ前面と背面とにそれぞれマイクを有する点と、録音方式選択処理とが、第１の実施の形態と異なる。
　図６は第３の実施形態におけるデジタルカメラ１００の正面図および背面図であり、図７は第３の実施の形態のデジタルカメラ１００の制御系のブロック図である。カメラ本体の前面には、撮影レンズ１が設けられるとともに、右上にはマイク孔ＭＨ１が設けられている。カメラ本体の背面には、液晶モニタ等の表示装置７が設けられるとともに、左下にマイク孔ＭＨ２が設けられている。
　静止画撮影の場合は、レリーズ操作に伴って撮像素子２による撮像が行われ、撮像素子２から撮像信号が出力される。撮像信号を用いて画像処理回路３によって生成された画像データは、コンピュータで扱うことが可能な静止画像ファイルとして、記録回路１３によりメモリカード等の記録媒体５０に記録される。
　動画撮影の場合は、録画開始操作に伴って撮像素子２による動画撮影が開始され、録画停止操作で動画撮影が停止する。この間に撮像素子２から出力された撮像信号は、画像処理回路３で動画データに変換される。また動画撮影時には、前面マイク９ａ、背面マイク９ｂ（図７参照）を介して音声が入力され、音声信号が出力される。その音声信号は音声処理回路８で増幅等の処理が施され、所定の音声データに変換される。
　ここで、前面マイク９ａは、カメラ前面のマイク孔ＭＨ１に対向して配置され、これは主に被写体側の音声入力に用いられる。背面マイク９ｂは、カメラ背面のマイク孔ＭＨ２に対向して配置され、これは主に撮影者側の音声入力に用いられる。撮影者側の音声は、例えば撮影者自身が発した状況説明等の声である。撮影者は、例えばメニュー画面等において、動画撮影時のマイク使用形態を選択することができる。選択肢としては、「前面／背面マイク９ａ、９ｂの双方を使用する」、「前面マイク９ａのみを使用する」、「背面マイク９ｂのみを使用する」、「いずれのマイクも使用しない」がある。マイクの使用（不使用）とは、そのマイクから入力される音声を録音する（しない）ことを意味する。
　上記生成された動画データと音声データは、互いに組み合わされて動画ファイルを構成し、動画ファイルは記録回路１３を介して記録媒体５０に記録される。
　ＣＰＵ１１は、操作部１２からの入力に応答して、第１の実施の形態と同様に上記各回路や不図示の回路を制御し、静止画撮影や動画撮影、それらの再生を始めとする種々の処理を行う。
　第３の実施の形態におけるデジタルカメラ１００の動画撮影時の手順について説明する。録画開始操作が行われると、ＣＰＵ１１は、図２のフローチャートに示す処理を実行する。ただし、第１の実施の形態のデジタルカメラ１００とは、ステップＳ２の録音方式選択処理が異なる。なお、ゲイン固定処理については、図４に示す処理と同様である。以下、第３の実施の形態における録音方式選択処理について説明する。
　図８は録音方式選択処理（ステップＳ２）の詳細を示すフローチャートである。
　ステップＳ３１では、ＣＰＵ１１は、背面マイク９ｂを使用するか否かを判定する。マイクの使用／不使用は、上述した撮影者による設定の内容によって判断する。ＣＰＵ１１は、背面マイク９ｂを使用すると判断した場合、ステップＳ３１を肯定してステップＳ３２に進み、背面マイク９ｂからの入力音声に対してＡＬＣ機能を選択する。すなわち、背面マイク９ｂから入力される音声信号は、主に撮影者が発した状況説明等の声に対応するものであり、その発声内容は重要である。したがって、撮影者の声の大きさが変動した場合でも一定のレベルで再生できるように、ＣＰＵ１１はＡＬＣ機能を選択する。ＡＬＣ機能が選択された場合は、ＣＰＵ１１は録画終了まで定期的に音声入力レベルをチェックし、音声処理回路８は、録音レベルがほぼ一定となるように録音ゲインを自動調整する。
　ＣＰＵ１１は、ステップＳ３１を否定した場合は、背面マイク９ｂからの入力音声を録音しないこととしてステップＳ３３に進み、前面マイク９ａを使用するか否かを判断する。ＣＰＵ１１は、前面マイク９ａを使用しないと判断した場合、ステップＳ３３を否定して、前面マイク９ａからの入力音声を録音しないこととしてリターンする。ＣＰＵ１１は、ステップＳ３３を肯定した場合、すなわち前面マイク９ａを使用する場合はステップＳ２１に進む。ステップＳ２１以降は、前面マイク９ａから入力される音声信号に対する録音方式選択に係る処理であり、ＣＰＵ１１は、図３のフローチャートを用いて説明した内容と同様の処理を行う。
　以上で説明した第３の実施の形態によれば、第１の実施の形態により得られた（１）～（４）の作用効果に加えて、以下の作用効果が得られる。
　マイク９は、撮影者の方向に指向性を有する前面マイク９ａと、撮影者の方向とは異なる方向に指向性を有する背面マイク９ｂとを含む。ＣＰＵ１１は、前面マイク９ａにより取得される音声に対して、状況判別部１１１による判別結果に基づいて、音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを選択する。さらに、ＣＰＵ１１は、背面マイク９ｂにより取得される音声に対して、状況判別部１１１による判別結果によらず自動レベル制御により制御するようにした。したがって、主に撮影者が発した状況説明等の内容が重要と思われる発生内容については、撮影者の声の大きさが変動した場合でも一定のレベルで再生することができる。
－第４の実施の形態－
　図９～図１１を参照して、本発明による第４の実施の形態を説明する。以下の説明では、第３の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第３の実施の形態と同じである。本実施の形態では、カメラ上面にマイクを有する点と、録音方式選択処理とが、第３の実施の形態と異なる。
　図９は第４の実施形態におけるデジタルカメラ１００の上面図、図１０はその制御ブロック図である。このデジタルカメラ１００は単一のマイク９しか有しておらず、被写体側および撮影者側の双方の音声を効率よく拾うために、マイク９はカメラ上面に設けたマイク孔ＭＨ３に対向して設けられる。
　本実施形態においても、撮影者の発した声を録音する場合は第３の実施の形態と同様にＡＬＣ機能を用い、一方、被写体側の音声を録音する場合は、ＡＬＣ機能とゲイン固定のいずれかを状況に応じて選択する。ただし、本実施形態では単一のマイク９しか有していないため、入力音声が撮影者の声か否かを音声解析により判別する必要がある。
　音声判別を行うために、デジタルカメラ１００に声紋分析機能を組み込むとともに、撮影者の声を登録するための登録モードを設ける。すなわち、ＣＰＵ１１は、マイク９により取得された音声が、所定人物の音声か否かを判別する音声判別部１１２を機能的に備える。登録モードが設定されると、ＣＰＵ１１は、撮影者に声を発するよう要請するメッセージを表示装置７に表示する。撮影者が声を発すると、ＣＰＵ１１の音声判別部１１２は、マイク９から出力された音声信号に対応する音声データに対して声紋分析を行い、その分析結果を撮影者の声の特徴パターンとしてメモリ１０に登録する。なお、複数人の特徴パターンを登録することができる。
　図１１は第４の実施形態における録音方式選択処理の詳細を示している。これは第３の実施形態の図８に相当するもので、図８と同様のステップには同一のステップ番号を付してある。なお、図２、図４の制御は第４の実施形態でも適用される。
　図１１において、ステップＳ４１では、音声判別部１１２は、マイク９を介して入力された音声信号に対応する音声データに対して声紋分析を行い、入力音声の特徴パターンを取得する。ステップＳ４２では、音声判別部１１２は、取得した音声の特徴パターンと、予めメモリに登録された同特徴パターンとを比較する。そして、登録されたいずれかの特徴パターンと取得した特徴パターンの差が所定値未満の場合は、音声判別部１１２はマイク９からの入力音声は撮影者の声であると判断し、ステップＳ４３でＡＬＣ機能を選択する。一方、登録されている全ての特徴パターンに対し、上記差が所定値以上の場合は、音声判別部１１２はマイク９からの入力音声は撮影者の声ではない（被写体側の音声である可能性が高い）と判断し、上述したステップＳ２１以降の処理を行う。
　以上で説明した第４の実施の形態によれば、第１の実施の形態により得られた（１）～（４）の作用効果に加えて、以下の作用効果が得られる。
　マイク９により取得された音声が、所定人物の音声か否かを判別する音声判別部１１２を備える。音声判別部１１２により所定人物の音声ではないと判別されたとき、マイク９により取得される音声に対して、状況判別部１１１による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用する。さらに、音声判別部１１２により所定人物の音声であると判別されたとき、マイク９により取得される音声に対して、ＣＰＵ１１は、状況判別部１１１による判別結果によらず自動レベル制御を適用するようにした。したがって、主に撮影者が発した状況説明等の内容が重要と思われる発生内容については、撮影者の声の大きさが変動した場合でも一定のレベルで再生することができる。
　以上で説明した第１～第４の実施の形態を、以下のように変形できる。
（１）ＡＬＣ機能かゲイン固定かの選択手順は図３、図８、図１１に限定されない。例えば、事前にシーンモードを設定可能な装置では、シーンモードとして「ポートレートモード」が選択されている場合は、撮影者と被写体人物との間での会話を考慮し、ＣＰＵ１１はＡＬＣ機能を選択するようにしてもよい。また、人物の顔が検出された場合は、一人か複数人かで制御を変えるようにした。これに対して、人物の動きが検出された場合（スポーツである可能性が高いとき）は、人数に拘わらず臨場感を重要視し、ＣＰＵ１１はゲイン固定を選択するようにしてもよい。
（２）さらに、ＣＰＵ１１は、ＡＬＣ機能かゲイン固定かの選択処理を、動画撮影中も定期的に行うようにしてもよい。これによれば、例えば風景の撮影から連続して会議の撮影に移行したような場合、自動的にゲイン固定からＡＬＣ機能に切換わり、撮影者が手動によって切換える必要がなくなる。
（３）以上では動画撮影に伴う録音について説明したが、例えば静止画撮影時に一定時間だけ周囲の音声を録音可能なデジタルカメラがあり、その際の録音にも上述と同様の録音方式選択制御を用いることができる。また、撮像手段を備えたものであれば、動画や静止画の撮影を伴わない単なる録音時にも上記の制御を適用できる。
（４）デジタルカメラ１００がマイク９を備えるものに代えて、マイク９がデジタルカメラ１００に着脱可能に構成されていてもよい。
　上記では、種々の実施の形態および変形例を説明したが、本発明はこれらの内容に限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も本発明の範囲内に含まれる。
　次の優先権基礎出願の開示内容は引用文としてここに組み込まれる。
　日本国特許出願２０１０年第２８２９１４号（２０１０年１２月２０日出願）
　日本国特許出願２０１０年第２８２９１５号（２０１０年１２月２０日出願）
 

Claims (12)

  1. 　音声取得時の周囲の状況を判別する状況判別部と、
    　音声取得部により取得される音声に対して、前記状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用する制御部とを備える音声制御装置。
  2. 　請求項１に記載の音声制御装置において、
    　前記音声取得部は、使用者の方向に指向性を有する第１取得部と、前記使用者の方向とは異なる方向に指向性を有する第２取得部とを含み、
    　前記制御部は、前記第１取得部により取得される音声に対して、前記状況判別部による判別結果によらず前記自動レベル制御を適用し、前記第２取得部により取得される音声に対して、前記状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御とゲインを一定値に固定するゲイン固定制御とのいずれかを適用する音声制御装置。
  3. 　請求項１に記載の音声制御装置において、
    　前記音声取得部により取得された音声が、所定人物の音声か否かを判別する音声判別部をさらに備え、
    　前記制御部は、前記音声判別部により前記所定人物の音声ではないと判別されたとき、前記音声取得部により取得される音声に対して、前記状況判別部による判別結果に基づいて音声レベルが一定となるようにゲインを自動的に制御する自動レベル制御と、ゲインを一定値に固定するゲイン固定制御とのいずれかを適用し、前記音声判別部により前記所定人物の音声であると判別されたとき、前記音声取得部により取得される音声に対して、前記状況判別部による判別結果によらず前記自動レベル制御を適用する音声制御装置。
  4. 　請求項１乃至３のいずれか一項に記載の音声制御装置において、
    　前記状況判別部は、前回録音時の状況と今回録音時の状況との変化を検出し、
    　前記前回録音時の状況と前記今回録音時の状況とが変化していないと前記状況判別部により判別されたとき、前記制御部は、前記今回録音時の制御として前記前回録音時の制御を適用する音声制御装置。
  5. 　請求項１乃至４のいずれか一項に記載の音声制御装置において、
    　音声内容を重視すべき状況であると前記状況判別部により判別されたとき、前記制御部は前記自動レベル制御を適用する音声制御装置。
  6. 　請求項１乃至５のいずれか一項に記載の音声制御装置において、
    　臨場感を重視すべき状況であると前記状況判別部により判別されたとき、前記制御部は前記ゲイン固定制御を適用する音声制御装置。
  7. 　請求項１乃至６のいずれか一項に記載の音声制御装置において、
    　使用者による操作に応じて、前記自動レベル制御と前記ゲイン固定制御とのいずれかを指示する指示部をさらに備え、
    　前記指示部により前記自動レベル制御と前記ゲイン固定制御とのいずれかが指示されているとき、前記制御部は、前記指示部による指示を優先して前記自動レベル制御と前記ゲイン固定制御とのいずれかを適用する音声制御装置。
  8. 　請求項１乃至７のいずれか一項に記載の音声制御装置において、
    　前記制御部は、前記ゲイン固定制御を適用するとき、音声レベルに応じたゲインを用いる音声制御装置。
  9. 　請求項１乃至８のいずれか一項に記載の音声制御装置において、
    　前記音声取得部により取得された音声を記録媒体に記録する記録制御部をさらに備える音声制御装置。
  10. 　請求項１乃至９のいずれか一項に記載の音声制御装置と、
    　被写体を撮像する撮像部とを備え、
    　前記状況判別部は、前記撮像部による撮像結果に基づいて状況を判別する撮像装置。
  11. 　請求項１０に記載の撮像装置において、
    　前記状況判別部は、前記撮像部により撮像された画像から人物の顔を検出し、
    　前記制御部は、前記状況判別部により前記人物の顔が検出された場合には、前記自動レベル制御を適用し、前記状況判別部により前記人物の顔が検出されない場合には、前記ゲイン固定制御を適用する撮像装置。
  12. 　請求項１１に記載の撮像装置において、
    　前記状況判別部は、複数の前記人物の顔を検出した場合には、当該複数の人物が動体か否かを判別し、
    　前記制御部は、前記状況判別部により前記複数の人物が動体と判別された場合には、前記自動レベル制御を適用し、前記状況判別部により前記複数の人物が動体ではないと判別された場合には、前記ゲイン固定制御を適用する撮像装置。
     
PCT/JP2011/078878 2010-12-20 2011-12-14 音声制御装置および撮像装置 WO2012086485A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP11851995.8A EP2658281A1 (en) 2010-12-20 2011-12-14 Audio control device and image capture device
US13/996,306 US20130311174A1 (en) 2010-12-20 2011-12-14 Audio control device and imaging device
CN2011800614807A CN103270773A (zh) 2010-12-20 2011-12-14 声音控制装置及摄像装置
JP2012549747A JP5510559B2 (ja) 2010-12-20 2011-12-14 音声制御装置および撮像装置

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010282914 2010-12-20
JP2010-282915 2010-12-20
JP2010-282914 2010-12-20
JP2010282915 2010-12-20

Publications (1)

Publication Number Publication Date
WO2012086485A1 true WO2012086485A1 (ja) 2012-06-28

Family

ID=46313761

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/078878 WO2012086485A1 (ja) 2010-12-20 2011-12-14 音声制御装置および撮像装置

Country Status (5)

Country Link
US (1) US20130311174A1 (ja)
EP (1) EP2658281A1 (ja)
JP (1) JP5510559B2 (ja)
CN (1) CN103270773A (ja)
WO (1) WO2012086485A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014109601A (ja) * 2012-11-30 2014-06-12 Ntt Docomo Inc 音声処理システム、音声処理装置、音声処理方法及びプログラム

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI458362B (zh) * 2012-06-22 2014-10-21 Wistron Corp 自動調整音量的聲音播放方法及電子設備
CN104092932A (zh) * 2013-12-03 2014-10-08 腾讯科技（深圳）有限公司 一种声控拍摄方法及装置
JP2015130547A (ja) * 2014-01-06 2015-07-16 パナソニックＩｐマネジメント株式会社 記録装置
CN111050269B (zh) * 2018-10-15 2021-11-19 华为技术有限公司 音频处理方法和电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63309097A (ja) * 1987-06-11 1988-12-16 Matsushita Electric Ind Co Ltd 収音装置
JPH114289A (ja) * 1997-06-11 1999-01-06 Brother Ind Ltd Ｔａｄ装置
JP2003345395A (ja) * 2002-05-29 2003-12-03 Sanyo Electric Co Ltd 音声記録装置
JP2005167380A (ja) 2003-11-28 2005-06-23 Sony Corp 音声信号処理装置及び音声信号処理方法
JP2005210180A (ja) * 2004-01-20 2005-08-04 Sony Corp 入力信号処理装置、録音装置、録音方法
JP2010282915A (ja) 2009-06-08 2010-12-16 Sumitomo Wiring Syst Ltd 操作装置
JP2010282914A (ja) 2009-06-08 2010-12-16 Hitachi Automotive Systems Ltd ヒュージング方法、圧着接続端子及びそれを用いた回転電機

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0117854Y2 (ja) * 1980-11-04 1989-05-24
JPS6178216A (ja) * 1984-09-26 1986-04-21 Fujitsu Ltd 音声増幅器制御方式
JPH056926U (ja) * 1991-07-03 1993-01-29 株式会社ケンウツド 音声認識装置用音量調整回路
JP3289512B2 (ja) * 1994-09-19 2002-06-10 村田機械株式会社 無声音検出による自動利得制御装置
CA2190787C (en) * 1996-11-20 2000-02-01 Jeremy A. Agnew A gain compression amplifier providing a linear compression function
US6134518A (en) * 1997-03-04 2000-10-17 International Business Machines Corporation Digital audio signal coding using a CELP coder and a transform coder
DE69926821T2 (de) * 1998-01-22 2007-12-06 Deutsche Telekom Ag Verfahren zur signalgesteuerten Schaltung zwischen verschiedenen Audiokodierungssystemen
JPH11220346A (ja) * 1998-02-02 1999-08-10 Fujitsu Ltd 自動利得制御回路
US7131136B2 (en) * 2002-07-10 2006-10-31 E-Watch, Inc. Comprehensive multi-media surveillance and response system for aircraft, operations centers, airports and other commercial transports, centers and terminals
JP2001237920A (ja) * 2000-02-23 2001-08-31 Hitachi Kokusai Electric Inc 入力レベル調整回路
JP4548953B2 (ja) * 2001-03-02 2010-09-22 株式会社リコー 音声自動利得制御装置、音声自動利得制御方法、音声自動利得制御用のアルゴリズムを持つコンピュータプログラムを格納する記憶媒体及び音声自動利得制御用のアルゴリズムを持つコンピュータプログラム
JP3854833B2 (ja) * 2001-09-10 2006-12-06 キヤノン株式会社 撮像装置およびその信号処理方法およびプログラム及び記憶媒体
US7343283B2 (en) * 2002-10-23 2008-03-11 Motorola, Inc. Method and apparatus for coding a noise-suppressed audio signal
CA2457988A1 (en) * 2004-02-18 2005-08-18 Voiceage Corporation Methods and devices for audio compression based on acelp/tcx coding and multi-rate lattice vector quantization
DE602004004242T2 (de) * 2004-03-19 2008-06-05 Harman Becker Automotive Systems Gmbh System und Verfahren zur Verbesserung eines Audiosignals
US8290181B2 (en) * 2005-03-19 2012-10-16 Microsoft Corporation Automatic audio gain control for concurrent capture applications
US7987089B2 (en) * 2006-07-31 2011-07-26 Qualcomm Incorporated Systems and methods for modifying a zero pad region of a windowed frame of an audio signal
JP5036283B2 (ja) * 2006-11-17 2012-09-26 三洋電機株式会社 オートゲインコントロール装置、音響信号記録装置、映像・音響信号記録装置および通話装置
KR101513028B1 (ko) * 2007-07-02 2015-04-17 엘지전자 주식회사 방송 수신기 및 방송신호 처리방법
US8031062B2 (en) * 2008-01-04 2011-10-04 Smith Alexander E Method and apparatus to improve vehicle situational awareness at intersections
US8340379B2 (en) * 2008-03-07 2012-12-25 Inneroptic Technology, Inc. Systems and methods for displaying guidance data based on updated deformable imaging data
BR112012009032B1 (pt) * 2009-10-20 2021-09-21 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. Codificador de sinal de áudio, decodificador de sinal de áudio, método para prover uma representação codificada de um conteúdo de áudio, método para prover uma representação decodificada de um conteúdo de áudio para uso em aplicações de baixo retardamento
US8423355B2 (en) * 2010-03-05 2013-04-16 Motorola Mobility Llc Encoder for audio signal including generic audio and speech frames
US8428936B2 (en) * 2010-03-05 2013-04-23 Motorola Mobility Llc Decoder for audio signal including generic audio and speech frames

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63309097A (ja) * 1987-06-11 1988-12-16 Matsushita Electric Ind Co Ltd 収音装置
JPH114289A (ja) * 1997-06-11 1999-01-06 Brother Ind Ltd Ｔａｄ装置
JP2003345395A (ja) * 2002-05-29 2003-12-03 Sanyo Electric Co Ltd 音声記録装置
JP2005167380A (ja) 2003-11-28 2005-06-23 Sony Corp 音声信号処理装置及び音声信号処理方法
JP2005210180A (ja) * 2004-01-20 2005-08-04 Sony Corp 入力信号処理装置、録音装置、録音方法
JP2010282915A (ja) 2009-06-08 2010-12-16 Sumitomo Wiring Syst Ltd 操作装置
JP2010282914A (ja) 2009-06-08 2010-12-16 Hitachi Automotive Systems Ltd ヒュージング方法、圧着接続端子及びそれを用いた回転電機

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014109601A (ja) * 2012-11-30 2014-06-12 Ntt Docomo Inc 音声処理システム、音声処理装置、音声処理方法及びプログラム

Also Published As

Publication number Publication date
EP2658281A1 (en) 2013-10-30
US20130311174A1 (en) 2013-11-21
JP5510559B2 (ja) 2014-06-04
CN103270773A (zh) 2013-08-28
JPWO2012086485A1 (ja) 2014-05-22

Similar Documents

Publication Publication Date Title
JP5263767B2 (ja) 撮像装置及びモード適否判定方法
KR101710626B1 (ko) 디지털 촬영 장치 및 이의 제어 방법
JP5510559B2 (ja) 音声制御装置および撮像装置
JP2012100216A (ja) カメラおよび動画撮影プログラム
JP5299034B2 (ja) 撮影装置
JP5155092B2 (ja) カメラ、再生装置、および再生方法
WO2019244695A1 (ja) 撮像装置
JP5214394B2 (ja) カメラ
JP2009218900A (ja) 撮像装置、動画記録再生方法、および、プログラム
JP2014122978A (ja) 撮像装置、音声認識方法、及びプログラム
JP5037966B2 (ja) 撮像装置及びその制御方法
JP2011188374A (ja) 撮影機器
JP2008242714A (ja) 撮影装置、楽譜撮影方法、及び楽譜撮影プログラム
JP2019021966A (ja) 収音装置および収音方法
JP5638897B2 (ja) 撮像装置
KR101464532B1 (ko) 디지털 영상 처리 장치 및 이의 제어 방법
JP2009055448A (ja) 撮影装置
JP2011130134A (ja) 撮像装置、撮像システム
JP2010124039A (ja) 撮像装置
JP2018191023A (ja) 撮像システム
JP2016208200A (ja) 撮像装置
JP2005026889A (ja) 電子カメラ
JP7353797B2 (ja) 電子機器、その制御方法、およびそのプログラム
JP5804809B2 (ja) 撮像装置およびその制御方法
JP2010124034A (ja) 撮像装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11851995

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2012549747

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13996306

Country of ref document: US

Ref document number: 2011851995

Country of ref document: EP