音源方向推定装置
【課題】マイクロフォンの感度特性にばらつきがある場合であっても音源の方向を精度良く推定することができる音源方向推定装置を提供する。
【解決手段】音源方向推定装置２０では、各マイク１〜４から出力され各アンプ５〜８によって増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分を各ＢＰＦ２１〜２４により通過させ、音源方向演算部２７によって、各ＢＰＦ２１〜２４を通過した周波数成分に基づいて音源の方向を推定する。ここで、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度を増幅度調整部２６により互いに調整することで、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整を可能とし、各マイク１〜４ごとの感度特性のばらつきを低減した周波数成分を得、ばらつきを低減した周波数成分を用いて音源の方向を精度良く推定する。
【解決手段】音源方向推定装置２０では、各マイク１〜４から出力され各アンプ５〜８によって増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分を各ＢＰＦ２１〜２４により通過させ、音源方向演算部２７によって、各ＢＰＦ２１〜２４を通過した周波数成分に基づいて音源の方向を推定する。ここで、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度を増幅度調整部２６により互いに調整することで、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整を可能とし、各マイク１〜４ごとの感度特性のばらつきを低減した周波数成分を得、ばらつきを低減した周波数成分を用いて音源の方向を精度良く推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音源方向推定装置に関する。
【背景技術】
【０００２】
従来、下記特許文献１に示されるように、テレビ会議等に適用される制御システムであって、撮像装置と複数のマイクロフォンとが筺体に設けられ、各マイクロフォンにより話者の音声を集音して電気信号に変換し、変換された電気信号を用いて話者（音源）の方向を算出するシステムが知られている。このシステムでは、算出した方向に撮像装置が向けられるよう撮像装置の角度を制御することで、話者を撮像できるようにしている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−２１４７５３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記のように複数のマイクロフォンによって話者の方向を算出するシステムでは、通常、各マイクロフォンから出力される電気信号をアンプにより増幅し、増幅された電気信号の出力値を用いて音源の方向を算出する。ところが各マイクロフォンは、個体差により感度特性に多少のばらつきを有している。そこで、個々のマイクロフォンにおける感度特性のばらつきを低減するため、例えばシステムの工場出荷前において、基準音源に対する出力値を合わせるようにアンプの増幅度を調整するのが一般的である。
【０００５】
しかしながら、従来の技術では、アンプの増幅度の調整により一定の周波数に応じて出力値を合わせることはできたものの、個々のマイクロフォンの感度特性は周波数によってまちまちであるため、実際の使用時においてマイクロフォンに入力される音の周波数が調整時の基準音源の周波数とは異なる場合、結果的には各マイクロフォンにおける出力値に誤差が生じてしまっていた。そのため、音源の方向を精度良く算出することは難しかった。
【０００６】
本発明は、マイクロフォンの感度特性にばらつきがある場合であっても音源の方向を精度良く推定することができる音源方向推定装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本発明に係る音源方向推定装置は、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォンと、複数のマイクロフォンのそれぞれから出力された電気信号を増幅する増幅手段と、増幅手段によって増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分を通過させるバンドパスフィルタと、バンドパスフィルタを通過した周波数成分に基づいて音源の方向を推定する音源方向推定手段と、を備え、複数のマイクロフォンに対応して電気信号から周波数成分を生成する際の増幅度が互いに調整可能に構成されていることを特徴とする。
【０００８】
本発明に係る音源方向推定装置によれば、複数のマイクロフォンのそれぞれから出力された電気信号が増幅手段によって増幅され、増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分がバンドパスフィルタを通過する。そして、音源方向推定手段によって、バンドパスフィルタを通過した周波数成分に基づいて音源の方向が推定される。ここで、複数のマイクロフォンに対応して電気信号から周波数成分を生成する際の増幅度が互いに調整可能に構成されているので、個々のマイクロフォンの感度特性が周波数により異なっている場合でも、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。よって、マイクロフォンごとの感度特性のばらつきが低減された周波数成分が得られる。こうしてばらつきが低減された周波数成分を用いて、音源方向推定手段によって音源の方向が推定されるため、音源の方向を精度良く推定することができる。
【０００９】
ここで、バンドパスフィルタを通過した周波数成分のうち、少なくとも一つのマイクロフォンに対応した周波数成分の増幅度を調整する増幅度調整手段を備えると好適である。
【００１０】
このような構成によれば、バンドパスフィルタを通過した周波数成分のうち、少なくとも一つのマイクロフォンに対応した周波数成分の増幅度が増幅度調整手段によって調整されるので、バンドパスフィルタにより抽出された周波数成分における感度特性の相違を低減するように増幅度の調整を行うことができ、上記した方向推定精度の向上効果が好適に発揮される。
【００１１】
また、増幅手段は、複数のマイクロフォンから出力された電気信号のうち、少なくとも一つのマイクロフォンから出力された電気信号の増幅度を調整する増幅度調整手段を有すると好適である。
【００１２】
このような構成によれば、増幅手段では、複数のマイクロフォンから出力された電気信号のうち少なくとも一つのマイクロフォンから出力された電気信号の増幅度を増幅度調整手段によって調整することができ、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。そして、所定範囲の周波数成分をバンドパスフィルタにより抽出することでマイクロフォンごとの感度特性のばらつきが低減された周波数成分が得られ、上記した方向推定精度の向上効果が好適に発揮される。
【００１３】
ここで、複数のマイクロフォンは、音を取り込むための開口が形成された筺体の内部に埋設されており、開口を通って筺体内に伝搬する音を入力すると好適である。
【００１４】
このような構成によれば、開口とマイクロフォンとを結ぶ方向線に対してある角度だけずれた位置で生じた音は、開口付近で回折してマイクロフォンに達する。この回折によって音は減衰するが、音源の位置する角度と音の減衰量とは、音の周波数に応じた相関関係を有する。すなわち、周波数が低い音では、角度が大きくなっても減衰量は小さいが、周波数が高い音では、角度が大きくなるほど減衰量は増大する。増幅手段によって増幅されたそれぞれの電気信号における所定範囲の周波数成分がバンドパスフィルタを通過することで、音源の位置する角度との高い相関関係を有する帯域の周波数成分を抽出することができる。そして、バンドパスフィルタを通過した周波数成分を用いて音源の方向が推定されるため、それ自体は指向性を有しない無指向性のマイクロフォンを用いた場合であっても、音源の方向を精度良く推定することができる。
【発明の効果】
【００１５】
本発明によれば、マイクロフォンの感度特性にばらつきがある場合であっても音源の方向を精度良く推定することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明の一実施形態に係る音源方向推定装置が適用されたテレビ会議用カメラの斜視図である。
【図２】図２（ａ）は図１のテレビ会議用カメラにおける開口を含む位置の断面図であり、図２（ｂ）は図２（ａ）中の筒状体の軸線方向から見た側面図である。
【図３】図１のテレビ会議用カメラの機能構成を示すブロック図である。
【図４】図３中の増幅度調整部における増幅度の調整を説明するための図である。
【図５】筒状体の軸線に対して音源の方向がなす角度を示す模式図である。
【図６】図６（ａ）はテレビ会議用カメラに対する音源の位置を示す図であり、図６（ｂ）は図６（ａ）の場合のマイクロフォンの感度特性を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明の一実施形態に係る音源方向推定装置について図面を参照しながら説明する。以下の説明では、音源方向推定装置がテレビ会議用カメラに適用される場合について説明する。
【００１８】
図１〜図３に示すように、テレビ会議用カメラＡは、例えばテレビ会議に参加する複数の参加者により囲まれた位置に設置されて、発言する参加者（以下、「発言者」という）の方向を推定してその方向へカメラ３５を向けることにより、発言者の映像を取得するものである。テレビ会議用カメラＡは、ネットワークを介して相手方のテレビ会議システムと通信可能になっている。
【００１９】
テレビ会議用カメラＡは、テーブル等に載置される直径約１０ｃｍの略円筒形状で樹脂製の第１筺体１０ａと、第１筺体１０ａの軸線に沿って鉛直方向に配置された軸（図示せず）を介して第１筺体１０ａの上側に取り付けられ、その軸を中心として第１筺体１０ａに対して回転可能な略直方体形状で樹脂製の第２筺体１０ｂとを有している。カメラ３５は、第２筺体１０ｂ内に収納されている。
【００２０】
第１筺体１０ａの側面には、同じ高さで周方向に９０°ずつ離間する位置に４つの円形の開口１１〜１４が形成されている。各開口１１〜１４は、テレビ会議用カメラＡの周囲で発せられた発言者の音声を第１筺体１０ａ内に取り込むための穴であり、内径が約８ｍｍになっている。
【００２１】
第１筺体１０ａの内面側には、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に延びる円筒形状の４本の筒状体１６〜１９が固定されている。各筒状体１６〜１９の内径は約８ｍｍであり、各開口１１〜１４の内周面と各筒状体１６〜１９の内壁面とは略面一になっている。各筒状体１６〜１９は、これらの内部に直径約８ｍｍの円柱形上の伝搬路Ｂ１〜Ｂ４を形成している。すなわち、各伝搬路Ｂ１〜Ｂ４は、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に水平に延びるように形成されている。なお、各開口１１〜１４は、第１筺体１０ａの外壁に形成された穴を意味しており、各開口１１〜１４には、各筒状体１６〜１９及び各伝搬路Ｂ１〜Ｂ４は含まれない。
【００２２】
更に、第１筺体１０ａの中心側に位置する各筒状体１６〜１９の端部には、前面が各開口１１〜１４に平行になるようにして円柱形状の４個のマイクロフォン（以下、「マイク」という）１〜４が埋設されている。各マイク１〜４は、例えば直径約７ｍｍ、厚さ約４ｍｍの、前面側でのみ集音可能な無指向性のエレクトリックコンデンサマイクである。各マイク１〜４は、直径約５ｍｍの円形のダイヤフラムからなる振動板１ａ〜４ａを内蔵している。各開口１１〜１４から各マイク１〜４の前面までの最短距離は約１０ｍｍであり、各開口１１〜１４の内径よりも長くなっている。また、上記したように、伝搬路Ｂ１〜Ｂ４の内径（断面）は、振動板１ａ〜４ａよりも大きくなっている（図２参照）。これにより、伝搬路Ｂ１〜Ｂ４を通る音は振動板１ａ〜４ａに確実に伝達されるようになっている。各マイク１〜４と各筒状体１６〜１９の内壁面との間には、スペーサ（図示せず）が配設されている。
【００２３】
このような構成により、テレビ会議用カメラＡでは、会議における発言者の音声が開口１１〜１４及び伝搬路Ｂ１〜Ｂ４を通じてマイク１〜４に入力される仕組みとなっている。そして、マイク１〜４に入力される音声により振動板１ａ〜４ａが振動させられ、この振動に応じて音声が電気信号に変換され、電気信号がマイク１〜４からアンプ５〜８へ出力される（図３参照）。なお、マイク１〜４の背面側の内部空間Ｓには第１筺体１０ａの外部の音が伝搬しない構成になっている。
【００２４】
図３に示すように、テレビ会議用カメラＡは、マイク１〜４に入力された音声に基づいて所定の処理を施すことにより、発言者の方向を推定する機能を備えている。具体的には、テレビ会議用カメラＡは、各マイク１〜４から出力された電気信号を入力し、入力した電気信号を増幅させる４個のアンプ（増幅手段）５〜８と、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分を通過させるバンドパスフィルタ（以下、「ＢＰＦ」という）２１〜２４と、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ−デジタル（Analog−Digital）変換するＡＤ変換部２５と、ＡＤ変換部２５でデジタル変換された各周波数成分のうち、マイク１〜４の少なくとも一つに対応した周波数成分の増幅度を調整する増幅度調整部２６と、増幅度調整部２６から出力された周波数成分を用いて音源の方向を推定する音源方向演算部（音源方向推定手段）２７、ヒストグラム登録部２８、及び音源方向再演算部２９とを備えている。
【００２５】
アンプ５〜８は、マイク１〜４に各々接続されており、各マイク１〜４から出力された電気信号を増幅回路により増幅させる。各アンプ５〜８は、増幅させた電気信号を各ＢＰＦ２１〜２４に出力する。
【００２６】
各ＢＰＦ２１〜２４は、各アンプ５〜８から出力された電気信号を入力し、入力した電気信号のうち、例えば２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分を遮断することにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分を通過させる。各ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、可聴域内にある所定の範囲とされる。各ＢＰＦ２１〜２４は、２．５ｋＨｚ以下の周波数成分を遮断するハイパスフィルタと、６．５ｋＨｚ以上の周波数成分を遮断するローパスフィルタとを組み合わせることにより構成される。
【００２７】
ＡＤ変換部２５は、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ信号からデジタル信号に変換する。ＡＤ変換部２５は、ＢＰＦ２１〜２４のいずれから出力された周波数成分であるかを識別する機能を有してもよいし、各アンプ５〜８に対応して複数設けられてもよい。ＡＤ変換部２５は、デジタル信号に変換した周波数成分を生成し、その周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共にその周波数成分を増幅度調整部２６に出力する。
【００２８】
増幅度調整部２６は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。増幅度調整部２６は、ＡＤ変換部２５から出力された周波数成分を入力し、入力した周波数成分のうち、感度特性が他のマイクに対してずれたマイクに対応する周波数成分の増幅度を調整する。言い換えれば、増幅度調整部２６は、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度を互いに調整することができる。
【００２９】
より具体的に説明すると、マイク１〜４の感度特性は、個体差によりばらつきを有している。図４は、増幅度調整部２６における増幅度の調整を説明するための図である。図４において、横軸は周波数を示しており、縦軸は、ある基準音をマイクの正面の一定距離離れた位置から発生させた場合における、基準値に対するマイクの出力値の相対値（すなわち感度）を示している。図４に示す例では、マイク１とマイク２とでは周波数によって感度特性が異なっている。すなわち、マイク１では周波数が高くなるにつれて相対値が低下するのに対し、マイク２では周波数が高くなるにつれて相対値が上昇する。言い換えれば、マイク１は低い周波数で感度が高く、マイク２は高い周波数で感度が高くなっている。
【００３０】
この場合、増幅度調整部２６は、各ＢＰＦ２１〜２４によって通過させられる２．５ｋＨｚ〜６．５ｋＨｚの範囲における感度がマイク１とマイク２とで略等しくなるよう、マイク２の増幅度を調整する。増幅度調整部２６による増幅度の調整は、ＡＤ変換部２５から出力された周波数成分に対して感度特性の相違に応じた一定の係数を乗じることで行われる。より具体的には、増幅度を増加させる場合には１以上の係数が用いられ、増幅度を減少させる場合には１未満の係数が用いられる。この係数は、例えば工場出荷前において、基準音を用いた試験によって各マイク１〜４に応じて適宜設定され、増幅度調整部２６に格納される。このように、増幅度調整部２６による単純な演算によりマイク１〜４の感度特性を揃えることができるので、音源の方向の推定精度の向上が図られ、テレビ会議用カメラＡによる発言者の撮影が確実に行われる。
【００３１】
なお、増幅度調整部２６による増幅度の調整は、係数を乗じる場合に限られず、各ＢＰＦ２１〜２４によって通過させられる範囲の周波数において各マイク１〜４の感度のばらつきを低減し得る手法であれば、いずれの手法が用いられてもよい。また、図４ではマイク１及びマイク２がそれぞれ周波数に応じて一定の傾向で変化する感度特性を有する場合を例として示したが、実際にはマイクの感度特性は周波数に対して不規則にばらつくことが一般的であり、そのような場合でも、ＢＰＦ２１〜２４における所定範囲の周波数成分の抽出と増幅度調整部２６における増幅度の調整とによって、各マイク１〜４の感度特性のばらつきを低減することができる。
【００３２】
増幅度調整部２６は、増幅度が調整されたマイクに対応する周波数成分と、増幅度が調整されていないマイクに対応する周波数成分とを、各周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共に音源方向演算部２７に出力する。
【００３３】
音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、増幅度調整部２６から出力された周波数成分に基づいて発言者の方向を演算することにより、発言者の方向を推定する。
【００３４】
具体的には、音源方向演算部２７は、増幅度調整部２６から出力された各周波数成分に基づいて、各マイク１〜４に対応する周波数成分の出力値（音の大きさ）を比較することにより、音声が発せられた音源の方向を演算する。音源方向演算部２７での音源の方向の演算処理としては、公知の技術を用いることができる。テレビ会議用カメラＡにおける音源の方向は、第１筺体１０ａの周方向の所定位置（例えば開口１１の中心位置）を基準として、第１筺体１０ａの上方から見た場合に時計回りを正とした角度（０°〜３６０°）で表される。音源方向演算部２７による音源の方向の演算は、所定時間毎、例えば４０ミリ秒毎に実行される。
【００３５】
前述したように、マイク１〜４は、開口１１〜１４から第１筺体１０ａ内に所定長（例えば約１０ｍｍ）入り込んだ位置に埋設されているため、周波数が高い音ほど、マイク１〜４に達する音は回折により減衰する。例えば、図５に示すように、マイク１の中心と開口１１の中心とを結ぶ方向線（すなわち筒状体１６の軸線）に対して音源の位置する方向が角度θだけずれていると、周波数の高い音は、角度θずれている分減衰してマイク１に達する。そして、各ＢＰＦ２１〜２４により２．５ｋＨｚ以上の周波数成分が通過させられるため、角度の影響を受けた出力値が音源方向演算部２７に入力され、各マイク１〜４に対応する出力値の比較により、音源方向演算部２７における音源の方向の演算が精度良く行われる。音源方向演算部２７は、演算した所定時間毎の音源の方向をヒストグラム登録部２８に出力する。
【００３６】
ヒストグラム登録部２８は、音源方向演算部２７から出力された音源の方向を入力し、入力した音源の方向を逐次記憶する。ヒストグラム登録部２８による音源の方向の記憶では、常に、最も古いデータに最新のデータが上書きされる。そして、ヒストグラム登録部２８は、記憶した音源の方向を２０°刻みで１８段階の角度範囲に分類し、分類結果に応じてヒストグラムを生成する。ヒストグラム登録部２８は、生成したヒストグラムを音源方向再演算部２９に出力する。
【００３７】
音源方向再演算部２９は、ヒストグラム登録部２８から出力されたヒストグラムを入力し、入力したヒストグラムの中で度数が最大である角度範囲における度数と、この角度範囲の近傍の角度範囲における度数とに基づいて角度範囲の平均値を求めることにより、音源の方向を再演算する。音源方向再演算部２９は、再演算した音源の方向を発言者の方向としてモータ制御部３１に出力する。
【００３８】
こうして、音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９による音源の方向の演算処理が行われ、発言者の方向が推定される。図１及び図３に示すように、テレビ会議用カメラＡでは、第１筺体１０ａ、開口１１〜１４、筒状体１６〜１９、マイク１〜４、アンプ５〜８、ＢＰＦ２１〜２４、ＡＤ変換部２５、増幅度調整部２６、音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９を備えて音源方向推定装置２０が構成されている。
【００３９】
更に、図３に示すように、テレビ会議用カメラＡは、音源方向推定装置２０によって推定された音源の方向へカメラ３５を向け、カメラ３５により発言者の映像を取得する機能を備えている。具体的には、テレビ会議用カメラＡは、音源方向再演算部２９から出力された音源の方向に基づいてモータ駆動部３２を制御するモータ制御部３１と、モータ制御部３１により制御されてモータ３３を駆動させるモータ駆動部３２と、モータ駆動部３２により駆動させられてカメラ回転機構３４に回転力を与えるモータ３３と、モータ３３に連結されて回転により第２筺体１０ｂと共にカメラ３５を旋回させるカメラ回転機構３４と、映像を取得するカメラ３５と、カメラ３５より取得された映像の映像データを映像処理する映像処理部３６と、映像処理部３６により処理された映像データを転送するデータ転送部３７と、データ転送部３７により転送された映像データをネットワークに送信するネットワーク通信部３８とを備えている。
【００４０】
次に、このようなテレビ会議用カメラＡにおける動作について説明する。以下の説明では、図６（ａ）に示すように、開口１１と開口１２とから等しい距離で開口１３及び開口１４とは反対側の４５°に位置する発言者から音声が発せられた場合を例として説明する。図６（ｂ）に示すように、各マイク１〜４に対応する周波数成分の出力値は、２．５ｋＨｚ〜１０ｋＨｚの間でピーク値に差が見られる。より具体的には、２．５ｋＨｚ〜１０ｋＨｚの間に見られる出力値は、マイク１，２では同等であり、マイク３，４ではマイク１，２よりも減衰している。一方、２．５ｋＨｚ以下に見られる出力値は、マイク１〜４で略等しくなっている。
【００４１】
音源方向推定装置２０では、各ＢＰＦ２１〜２４によって２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分は遮断されることにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分が通過させられる。図６（ｂ）に示す例の場合、回折の影響を大きく受けた２．５ｋＨｚ〜６．５ｋＨｚの範囲の成分が出力値として抽出される。更に、増幅度調整部２６によって、２．５ｋＨｚ〜６．５ｋＨｚの範囲で各マイク１〜４の感度が略等しくなるよう、マイク１〜４の少なくとも一つに対応した周波数成分の増幅度が調整される。そして、増幅度調整部２６から出力された各周波数成分を用いて音源の方向が演算され、音源は、４５°の位置にあると推定される。音源方向推定装置２０は、４５°を示す信号をモータ制御部３１に出力する。
【００４２】
モータ制御部３１は、音源方向推定装置２０から出力された４５°を示す信号を入力し、モータ駆動部３２を制御してモータ３３を駆動させ、カメラ３５が４５°の方向へ向くように、カメラ回転機構３４によってカメラ３５を第２筺体１０ｂと共に旋回させる。なお、モータ制御部３１によるカメラ３５の旋回制御は、所定時間連続して一定範囲内の音源の方向が入力された際に、入力された一定範囲内の音源の方向の平均値を用いて実行されてもよい。
【００４３】
カメラ３５は、前方の映像を取得し、取得した映像を示す映像データを生成する。カメラ３５は、生成した映像データを映像処理部３６に出力する。映像処理部３６は、カメラ３５から出力された映像データを入力し、入力した映像データに映像処理を施し、映像処理後の映像データをデータ転送部３７に出力する。データ転送部３７は、映像処理部３６から出力された映像データを入力し、入力した映像データをネットワーク通信部３８に転送する。そして、ネットワーク通信部３８は、データ転送部３７から転送された映像データをネットワークを介して相手方のテレビ会議システムに送信する。
【００４４】
本実施形態の音源方向推定装置２０によれば、各マイク１〜４から出力された電気信号が各アンプ５〜８によって増幅され、増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分が各ＢＰＦ２１〜２４を通過する。そして、音源方向演算部２７によって、各ＢＰＦ２１〜２４を通過した周波数成分に基づいて音源の方向が推定される。ここで、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度は、増幅度調整部２６によって互いに調整可能に構成されているので、各マイク１〜４の感度特性が周波数により異なっている場合でも、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。よって、各マイク１〜４ごとの感度特性のばらつきが低減された周波数成分が得られ、ばらつきが低減された周波数成分を用いて、音源方向演算部２７によって音源の方向が推定されるため、音源の方向を精度良く推定することができる。
【００４５】
更に、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分がＢＰＦ２１〜２４を通過することで、音源の位置する角度との高い相関関係を有する帯域の周波数成分を抽出することができ、各ＢＰＦ２１〜２４を通過した周波数成分を用いて音源の方向が推定されるため、無指向性のマイク１〜４を用いた場合であっても、音源の方向を精度良く推定することができる。
【００４６】
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限られるものではない。
【００４７】
例えば、上記実施形態では、各ＢＰＦ２１〜２４を通過した周波数成分のうち少なくとも一つのマイクに対応した周波数成分の増幅度が増幅度調整部２６によって調整される場合について説明したが、増幅度調整手段は、各アンプ５〜８に設けられてもよい。すなわち、各アンプ５〜８は、各マイク１〜４から出力された電気信号の増幅度を調整するための調整機構（例えば調整つまみ）を増幅度調整手段として有してもよい。この場合、各マイク１〜４から出力された電気信号のうち少なくとも一つのマイクから出力された電気信号の増幅度を調整機構によって調整することで、上記実施形態と同様にして、各マイク１〜４の感度特性のばらつきを低減することができる。
【００４８】
また、上記実施形態では、４個のマイク１〜４が設けられる場合について説明したが、マイクの設置個数は２又は３個であってもよく、５個以上であってもよい。また、ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、マイクの特性に応じて可聴域内の範囲で適宜設定することができる。このように可聴域内の範囲とすることで、人によって聴くことのできるあらゆる周波数の音源に音源方向推定装置を適用することができ、音源方向推定装置としての汎用性が高められる。
【００４９】
更にまた、上記実施形態では、音源方向推定装置２０がテレビ会議用カメラＡに適用される場合について説明したが、複数のマイクを備えて音源の方向を推定し、推定した音源の方向を利用する装置であればこれに限られない。例えば、本発明の音源方向推定装置は、異常音を検知して、その異常音が発生した音源の方向を映す監視カメラ等にも適用できる。
【符号の説明】
【００５０】
１〜４…マイク、５〜８…アンプ（増幅手段）、１０ａ…筺体、１１〜１４…開口、２０…音源方向推定装置、２１〜２４…ＢＰＦ、２６…増幅度調整部（増幅度調整手段）、２７…音源方向演算部（音源方向推定手段）。
【技術分野】
【０００１】
本発明は、音源方向推定装置に関する。
【背景技術】
【０００２】
従来、下記特許文献１に示されるように、テレビ会議等に適用される制御システムであって、撮像装置と複数のマイクロフォンとが筺体に設けられ、各マイクロフォンにより話者の音声を集音して電気信号に変換し、変換された電気信号を用いて話者（音源）の方向を算出するシステムが知られている。このシステムでは、算出した方向に撮像装置が向けられるよう撮像装置の角度を制御することで、話者を撮像できるようにしている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−２１４７５３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記のように複数のマイクロフォンによって話者の方向を算出するシステムでは、通常、各マイクロフォンから出力される電気信号をアンプにより増幅し、増幅された電気信号の出力値を用いて音源の方向を算出する。ところが各マイクロフォンは、個体差により感度特性に多少のばらつきを有している。そこで、個々のマイクロフォンにおける感度特性のばらつきを低減するため、例えばシステムの工場出荷前において、基準音源に対する出力値を合わせるようにアンプの増幅度を調整するのが一般的である。
【０００５】
しかしながら、従来の技術では、アンプの増幅度の調整により一定の周波数に応じて出力値を合わせることはできたものの、個々のマイクロフォンの感度特性は周波数によってまちまちであるため、実際の使用時においてマイクロフォンに入力される音の周波数が調整時の基準音源の周波数とは異なる場合、結果的には各マイクロフォンにおける出力値に誤差が生じてしまっていた。そのため、音源の方向を精度良く算出することは難しかった。
【０００６】
本発明は、マイクロフォンの感度特性にばらつきがある場合であっても音源の方向を精度良く推定することができる音源方向推定装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本発明に係る音源方向推定装置は、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォンと、複数のマイクロフォンのそれぞれから出力された電気信号を増幅する増幅手段と、増幅手段によって増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分を通過させるバンドパスフィルタと、バンドパスフィルタを通過した周波数成分に基づいて音源の方向を推定する音源方向推定手段と、を備え、複数のマイクロフォンに対応して電気信号から周波数成分を生成する際の増幅度が互いに調整可能に構成されていることを特徴とする。
【０００８】
本発明に係る音源方向推定装置によれば、複数のマイクロフォンのそれぞれから出力された電気信号が増幅手段によって増幅され、増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分がバンドパスフィルタを通過する。そして、音源方向推定手段によって、バンドパスフィルタを通過した周波数成分に基づいて音源の方向が推定される。ここで、複数のマイクロフォンに対応して電気信号から周波数成分を生成する際の増幅度が互いに調整可能に構成されているので、個々のマイクロフォンの感度特性が周波数により異なっている場合でも、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。よって、マイクロフォンごとの感度特性のばらつきが低減された周波数成分が得られる。こうしてばらつきが低減された周波数成分を用いて、音源方向推定手段によって音源の方向が推定されるため、音源の方向を精度良く推定することができる。
【０００９】
ここで、バンドパスフィルタを通過した周波数成分のうち、少なくとも一つのマイクロフォンに対応した周波数成分の増幅度を調整する増幅度調整手段を備えると好適である。
【００１０】
このような構成によれば、バンドパスフィルタを通過した周波数成分のうち、少なくとも一つのマイクロフォンに対応した周波数成分の増幅度が増幅度調整手段によって調整されるので、バンドパスフィルタにより抽出された周波数成分における感度特性の相違を低減するように増幅度の調整を行うことができ、上記した方向推定精度の向上効果が好適に発揮される。
【００１１】
また、増幅手段は、複数のマイクロフォンから出力された電気信号のうち、少なくとも一つのマイクロフォンから出力された電気信号の増幅度を調整する増幅度調整手段を有すると好適である。
【００１２】
このような構成によれば、増幅手段では、複数のマイクロフォンから出力された電気信号のうち少なくとも一つのマイクロフォンから出力された電気信号の増幅度を増幅度調整手段によって調整することができ、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。そして、所定範囲の周波数成分をバンドパスフィルタにより抽出することでマイクロフォンごとの感度特性のばらつきが低減された周波数成分が得られ、上記した方向推定精度の向上効果が好適に発揮される。
【００１３】
ここで、複数のマイクロフォンは、音を取り込むための開口が形成された筺体の内部に埋設されており、開口を通って筺体内に伝搬する音を入力すると好適である。
【００１４】
このような構成によれば、開口とマイクロフォンとを結ぶ方向線に対してある角度だけずれた位置で生じた音は、開口付近で回折してマイクロフォンに達する。この回折によって音は減衰するが、音源の位置する角度と音の減衰量とは、音の周波数に応じた相関関係を有する。すなわち、周波数が低い音では、角度が大きくなっても減衰量は小さいが、周波数が高い音では、角度が大きくなるほど減衰量は増大する。増幅手段によって増幅されたそれぞれの電気信号における所定範囲の周波数成分がバンドパスフィルタを通過することで、音源の位置する角度との高い相関関係を有する帯域の周波数成分を抽出することができる。そして、バンドパスフィルタを通過した周波数成分を用いて音源の方向が推定されるため、それ自体は指向性を有しない無指向性のマイクロフォンを用いた場合であっても、音源の方向を精度良く推定することができる。
【発明の効果】
【００１５】
本発明によれば、マイクロフォンの感度特性にばらつきがある場合であっても音源の方向を精度良く推定することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明の一実施形態に係る音源方向推定装置が適用されたテレビ会議用カメラの斜視図である。
【図２】図２（ａ）は図１のテレビ会議用カメラにおける開口を含む位置の断面図であり、図２（ｂ）は図２（ａ）中の筒状体の軸線方向から見た側面図である。
【図３】図１のテレビ会議用カメラの機能構成を示すブロック図である。
【図４】図３中の増幅度調整部における増幅度の調整を説明するための図である。
【図５】筒状体の軸線に対して音源の方向がなす角度を示す模式図である。
【図６】図６（ａ）はテレビ会議用カメラに対する音源の位置を示す図であり、図６（ｂ）は図６（ａ）の場合のマイクロフォンの感度特性を示す図である。
【発明を実施するための形態】
【００１７】
以下、本発明の一実施形態に係る音源方向推定装置について図面を参照しながら説明する。以下の説明では、音源方向推定装置がテレビ会議用カメラに適用される場合について説明する。
【００１８】
図１〜図３に示すように、テレビ会議用カメラＡは、例えばテレビ会議に参加する複数の参加者により囲まれた位置に設置されて、発言する参加者（以下、「発言者」という）の方向を推定してその方向へカメラ３５を向けることにより、発言者の映像を取得するものである。テレビ会議用カメラＡは、ネットワークを介して相手方のテレビ会議システムと通信可能になっている。
【００１９】
テレビ会議用カメラＡは、テーブル等に載置される直径約１０ｃｍの略円筒形状で樹脂製の第１筺体１０ａと、第１筺体１０ａの軸線に沿って鉛直方向に配置された軸（図示せず）を介して第１筺体１０ａの上側に取り付けられ、その軸を中心として第１筺体１０ａに対して回転可能な略直方体形状で樹脂製の第２筺体１０ｂとを有している。カメラ３５は、第２筺体１０ｂ内に収納されている。
【００２０】
第１筺体１０ａの側面には、同じ高さで周方向に９０°ずつ離間する位置に４つの円形の開口１１〜１４が形成されている。各開口１１〜１４は、テレビ会議用カメラＡの周囲で発せられた発言者の音声を第１筺体１０ａ内に取り込むための穴であり、内径が約８ｍｍになっている。
【００２１】
第１筺体１０ａの内面側には、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に延びる円筒形状の４本の筒状体１６〜１９が固定されている。各筒状体１６〜１９の内径は約８ｍｍであり、各開口１１〜１４の内周面と各筒状体１６〜１９の内壁面とは略面一になっている。各筒状体１６〜１９は、これらの内部に直径約８ｍｍの円柱形上の伝搬路Ｂ１〜Ｂ４を形成している。すなわち、各伝搬路Ｂ１〜Ｂ４は、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に水平に延びるように形成されている。なお、各開口１１〜１４は、第１筺体１０ａの外壁に形成された穴を意味しており、各開口１１〜１４には、各筒状体１６〜１９及び各伝搬路Ｂ１〜Ｂ４は含まれない。
【００２２】
更に、第１筺体１０ａの中心側に位置する各筒状体１６〜１９の端部には、前面が各開口１１〜１４に平行になるようにして円柱形状の４個のマイクロフォン（以下、「マイク」という）１〜４が埋設されている。各マイク１〜４は、例えば直径約７ｍｍ、厚さ約４ｍｍの、前面側でのみ集音可能な無指向性のエレクトリックコンデンサマイクである。各マイク１〜４は、直径約５ｍｍの円形のダイヤフラムからなる振動板１ａ〜４ａを内蔵している。各開口１１〜１４から各マイク１〜４の前面までの最短距離は約１０ｍｍであり、各開口１１〜１４の内径よりも長くなっている。また、上記したように、伝搬路Ｂ１〜Ｂ４の内径（断面）は、振動板１ａ〜４ａよりも大きくなっている（図２参照）。これにより、伝搬路Ｂ１〜Ｂ４を通る音は振動板１ａ〜４ａに確実に伝達されるようになっている。各マイク１〜４と各筒状体１６〜１９の内壁面との間には、スペーサ（図示せず）が配設されている。
【００２３】
このような構成により、テレビ会議用カメラＡでは、会議における発言者の音声が開口１１〜１４及び伝搬路Ｂ１〜Ｂ４を通じてマイク１〜４に入力される仕組みとなっている。そして、マイク１〜４に入力される音声により振動板１ａ〜４ａが振動させられ、この振動に応じて音声が電気信号に変換され、電気信号がマイク１〜４からアンプ５〜８へ出力される（図３参照）。なお、マイク１〜４の背面側の内部空間Ｓには第１筺体１０ａの外部の音が伝搬しない構成になっている。
【００２４】
図３に示すように、テレビ会議用カメラＡは、マイク１〜４に入力された音声に基づいて所定の処理を施すことにより、発言者の方向を推定する機能を備えている。具体的には、テレビ会議用カメラＡは、各マイク１〜４から出力された電気信号を入力し、入力した電気信号を増幅させる４個のアンプ（増幅手段）５〜８と、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分を通過させるバンドパスフィルタ（以下、「ＢＰＦ」という）２１〜２４と、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ−デジタル（Analog−Digital）変換するＡＤ変換部２５と、ＡＤ変換部２５でデジタル変換された各周波数成分のうち、マイク１〜４の少なくとも一つに対応した周波数成分の増幅度を調整する増幅度調整部２６と、増幅度調整部２６から出力された周波数成分を用いて音源の方向を推定する音源方向演算部（音源方向推定手段）２７、ヒストグラム登録部２８、及び音源方向再演算部２９とを備えている。
【００２５】
アンプ５〜８は、マイク１〜４に各々接続されており、各マイク１〜４から出力された電気信号を増幅回路により増幅させる。各アンプ５〜８は、増幅させた電気信号を各ＢＰＦ２１〜２４に出力する。
【００２６】
各ＢＰＦ２１〜２４は、各アンプ５〜８から出力された電気信号を入力し、入力した電気信号のうち、例えば２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分を遮断することにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分を通過させる。各ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、可聴域内にある所定の範囲とされる。各ＢＰＦ２１〜２４は、２．５ｋＨｚ以下の周波数成分を遮断するハイパスフィルタと、６．５ｋＨｚ以上の周波数成分を遮断するローパスフィルタとを組み合わせることにより構成される。
【００２７】
ＡＤ変換部２５は、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ信号からデジタル信号に変換する。ＡＤ変換部２５は、ＢＰＦ２１〜２４のいずれから出力された周波数成分であるかを識別する機能を有してもよいし、各アンプ５〜８に対応して複数設けられてもよい。ＡＤ変換部２５は、デジタル信号に変換した周波数成分を生成し、その周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共にその周波数成分を増幅度調整部２６に出力する。
【００２８】
増幅度調整部２６は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。増幅度調整部２６は、ＡＤ変換部２５から出力された周波数成分を入力し、入力した周波数成分のうち、感度特性が他のマイクに対してずれたマイクに対応する周波数成分の増幅度を調整する。言い換えれば、増幅度調整部２６は、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度を互いに調整することができる。
【００２９】
より具体的に説明すると、マイク１〜４の感度特性は、個体差によりばらつきを有している。図４は、増幅度調整部２６における増幅度の調整を説明するための図である。図４において、横軸は周波数を示しており、縦軸は、ある基準音をマイクの正面の一定距離離れた位置から発生させた場合における、基準値に対するマイクの出力値の相対値（すなわち感度）を示している。図４に示す例では、マイク１とマイク２とでは周波数によって感度特性が異なっている。すなわち、マイク１では周波数が高くなるにつれて相対値が低下するのに対し、マイク２では周波数が高くなるにつれて相対値が上昇する。言い換えれば、マイク１は低い周波数で感度が高く、マイク２は高い周波数で感度が高くなっている。
【００３０】
この場合、増幅度調整部２６は、各ＢＰＦ２１〜２４によって通過させられる２．５ｋＨｚ〜６．５ｋＨｚの範囲における感度がマイク１とマイク２とで略等しくなるよう、マイク２の増幅度を調整する。増幅度調整部２６による増幅度の調整は、ＡＤ変換部２５から出力された周波数成分に対して感度特性の相違に応じた一定の係数を乗じることで行われる。より具体的には、増幅度を増加させる場合には１以上の係数が用いられ、増幅度を減少させる場合には１未満の係数が用いられる。この係数は、例えば工場出荷前において、基準音を用いた試験によって各マイク１〜４に応じて適宜設定され、増幅度調整部２６に格納される。このように、増幅度調整部２６による単純な演算によりマイク１〜４の感度特性を揃えることができるので、音源の方向の推定精度の向上が図られ、テレビ会議用カメラＡによる発言者の撮影が確実に行われる。
【００３１】
なお、増幅度調整部２６による増幅度の調整は、係数を乗じる場合に限られず、各ＢＰＦ２１〜２４によって通過させられる範囲の周波数において各マイク１〜４の感度のばらつきを低減し得る手法であれば、いずれの手法が用いられてもよい。また、図４ではマイク１及びマイク２がそれぞれ周波数に応じて一定の傾向で変化する感度特性を有する場合を例として示したが、実際にはマイクの感度特性は周波数に対して不規則にばらつくことが一般的であり、そのような場合でも、ＢＰＦ２１〜２４における所定範囲の周波数成分の抽出と増幅度調整部２６における増幅度の調整とによって、各マイク１〜４の感度特性のばらつきを低減することができる。
【００３２】
増幅度調整部２６は、増幅度が調整されたマイクに対応する周波数成分と、増幅度が調整されていないマイクに対応する周波数成分とを、各周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共に音源方向演算部２７に出力する。
【００３３】
音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、増幅度調整部２６から出力された周波数成分に基づいて発言者の方向を演算することにより、発言者の方向を推定する。
【００３４】
具体的には、音源方向演算部２７は、増幅度調整部２６から出力された各周波数成分に基づいて、各マイク１〜４に対応する周波数成分の出力値（音の大きさ）を比較することにより、音声が発せられた音源の方向を演算する。音源方向演算部２７での音源の方向の演算処理としては、公知の技術を用いることができる。テレビ会議用カメラＡにおける音源の方向は、第１筺体１０ａの周方向の所定位置（例えば開口１１の中心位置）を基準として、第１筺体１０ａの上方から見た場合に時計回りを正とした角度（０°〜３６０°）で表される。音源方向演算部２７による音源の方向の演算は、所定時間毎、例えば４０ミリ秒毎に実行される。
【００３５】
前述したように、マイク１〜４は、開口１１〜１４から第１筺体１０ａ内に所定長（例えば約１０ｍｍ）入り込んだ位置に埋設されているため、周波数が高い音ほど、マイク１〜４に達する音は回折により減衰する。例えば、図５に示すように、マイク１の中心と開口１１の中心とを結ぶ方向線（すなわち筒状体１６の軸線）に対して音源の位置する方向が角度θだけずれていると、周波数の高い音は、角度θずれている分減衰してマイク１に達する。そして、各ＢＰＦ２１〜２４により２．５ｋＨｚ以上の周波数成分が通過させられるため、角度の影響を受けた出力値が音源方向演算部２７に入力され、各マイク１〜４に対応する出力値の比較により、音源方向演算部２７における音源の方向の演算が精度良く行われる。音源方向演算部２７は、演算した所定時間毎の音源の方向をヒストグラム登録部２８に出力する。
【００３６】
ヒストグラム登録部２８は、音源方向演算部２７から出力された音源の方向を入力し、入力した音源の方向を逐次記憶する。ヒストグラム登録部２８による音源の方向の記憶では、常に、最も古いデータに最新のデータが上書きされる。そして、ヒストグラム登録部２８は、記憶した音源の方向を２０°刻みで１８段階の角度範囲に分類し、分類結果に応じてヒストグラムを生成する。ヒストグラム登録部２８は、生成したヒストグラムを音源方向再演算部２９に出力する。
【００３７】
音源方向再演算部２９は、ヒストグラム登録部２８から出力されたヒストグラムを入力し、入力したヒストグラムの中で度数が最大である角度範囲における度数と、この角度範囲の近傍の角度範囲における度数とに基づいて角度範囲の平均値を求めることにより、音源の方向を再演算する。音源方向再演算部２９は、再演算した音源の方向を発言者の方向としてモータ制御部３１に出力する。
【００３８】
こうして、音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９による音源の方向の演算処理が行われ、発言者の方向が推定される。図１及び図３に示すように、テレビ会議用カメラＡでは、第１筺体１０ａ、開口１１〜１４、筒状体１６〜１９、マイク１〜４、アンプ５〜８、ＢＰＦ２１〜２４、ＡＤ変換部２５、増幅度調整部２６、音源方向演算部２７、ヒストグラム登録部２８、及び音源方向再演算部２９を備えて音源方向推定装置２０が構成されている。
【００３９】
更に、図３に示すように、テレビ会議用カメラＡは、音源方向推定装置２０によって推定された音源の方向へカメラ３５を向け、カメラ３５により発言者の映像を取得する機能を備えている。具体的には、テレビ会議用カメラＡは、音源方向再演算部２９から出力された音源の方向に基づいてモータ駆動部３２を制御するモータ制御部３１と、モータ制御部３１により制御されてモータ３３を駆動させるモータ駆動部３２と、モータ駆動部３２により駆動させられてカメラ回転機構３４に回転力を与えるモータ３３と、モータ３３に連結されて回転により第２筺体１０ｂと共にカメラ３５を旋回させるカメラ回転機構３４と、映像を取得するカメラ３５と、カメラ３５より取得された映像の映像データを映像処理する映像処理部３６と、映像処理部３６により処理された映像データを転送するデータ転送部３７と、データ転送部３７により転送された映像データをネットワークに送信するネットワーク通信部３８とを備えている。
【００４０】
次に、このようなテレビ会議用カメラＡにおける動作について説明する。以下の説明では、図６（ａ）に示すように、開口１１と開口１２とから等しい距離で開口１３及び開口１４とは反対側の４５°に位置する発言者から音声が発せられた場合を例として説明する。図６（ｂ）に示すように、各マイク１〜４に対応する周波数成分の出力値は、２．５ｋＨｚ〜１０ｋＨｚの間でピーク値に差が見られる。より具体的には、２．５ｋＨｚ〜１０ｋＨｚの間に見られる出力値は、マイク１，２では同等であり、マイク３，４ではマイク１，２よりも減衰している。一方、２．５ｋＨｚ以下に見られる出力値は、マイク１〜４で略等しくなっている。
【００４１】
音源方向推定装置２０では、各ＢＰＦ２１〜２４によって２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分は遮断されることにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分が通過させられる。図６（ｂ）に示す例の場合、回折の影響を大きく受けた２．５ｋＨｚ〜６．５ｋＨｚの範囲の成分が出力値として抽出される。更に、増幅度調整部２６によって、２．５ｋＨｚ〜６．５ｋＨｚの範囲で各マイク１〜４の感度が略等しくなるよう、マイク１〜４の少なくとも一つに対応した周波数成分の増幅度が調整される。そして、増幅度調整部２６から出力された各周波数成分を用いて音源の方向が演算され、音源は、４５°の位置にあると推定される。音源方向推定装置２０は、４５°を示す信号をモータ制御部３１に出力する。
【００４２】
モータ制御部３１は、音源方向推定装置２０から出力された４５°を示す信号を入力し、モータ駆動部３２を制御してモータ３３を駆動させ、カメラ３５が４５°の方向へ向くように、カメラ回転機構３４によってカメラ３５を第２筺体１０ｂと共に旋回させる。なお、モータ制御部３１によるカメラ３５の旋回制御は、所定時間連続して一定範囲内の音源の方向が入力された際に、入力された一定範囲内の音源の方向の平均値を用いて実行されてもよい。
【００４３】
カメラ３５は、前方の映像を取得し、取得した映像を示す映像データを生成する。カメラ３５は、生成した映像データを映像処理部３６に出力する。映像処理部３６は、カメラ３５から出力された映像データを入力し、入力した映像データに映像処理を施し、映像処理後の映像データをデータ転送部３７に出力する。データ転送部３７は、映像処理部３６から出力された映像データを入力し、入力した映像データをネットワーク通信部３８に転送する。そして、ネットワーク通信部３８は、データ転送部３７から転送された映像データをネットワークを介して相手方のテレビ会議システムに送信する。
【００４４】
本実施形態の音源方向推定装置２０によれば、各マイク１〜４から出力された電気信号が各アンプ５〜８によって増幅され、増幅されたそれぞれの電気信号における可聴域内の所定範囲の周波数成分が各ＢＰＦ２１〜２４を通過する。そして、音源方向演算部２７によって、各ＢＰＦ２１〜２４を通過した周波数成分に基づいて音源の方向が推定される。ここで、各マイク１〜４に対応して電気信号から周波数成分を生成する際の増幅度は、増幅度調整部２６によって互いに調整可能に構成されているので、各マイク１〜４の感度特性が周波数により異なっている場合でも、所定範囲の周波数において感度特性の相違を低減するような増幅度の調整が可能となる。よって、各マイク１〜４ごとの感度特性のばらつきが低減された周波数成分が得られ、ばらつきが低減された周波数成分を用いて、音源方向演算部２７によって音源の方向が推定されるため、音源の方向を精度良く推定することができる。
【００４５】
更に、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分がＢＰＦ２１〜２４を通過することで、音源の位置する角度との高い相関関係を有する帯域の周波数成分を抽出することができ、各ＢＰＦ２１〜２４を通過した周波数成分を用いて音源の方向が推定されるため、無指向性のマイク１〜４を用いた場合であっても、音源の方向を精度良く推定することができる。
【００４６】
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限られるものではない。
【００４７】
例えば、上記実施形態では、各ＢＰＦ２１〜２４を通過した周波数成分のうち少なくとも一つのマイクに対応した周波数成分の増幅度が増幅度調整部２６によって調整される場合について説明したが、増幅度調整手段は、各アンプ５〜８に設けられてもよい。すなわち、各アンプ５〜８は、各マイク１〜４から出力された電気信号の増幅度を調整するための調整機構（例えば調整つまみ）を増幅度調整手段として有してもよい。この場合、各マイク１〜４から出力された電気信号のうち少なくとも一つのマイクから出力された電気信号の増幅度を調整機構によって調整することで、上記実施形態と同様にして、各マイク１〜４の感度特性のばらつきを低減することができる。
【００４８】
また、上記実施形態では、４個のマイク１〜４が設けられる場合について説明したが、マイクの設置個数は２又は３個であってもよく、５個以上であってもよい。また、ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、マイクの特性に応じて可聴域内の範囲で適宜設定することができる。このように可聴域内の範囲とすることで、人によって聴くことのできるあらゆる周波数の音源に音源方向推定装置を適用することができ、音源方向推定装置としての汎用性が高められる。
【００４９】
更にまた、上記実施形態では、音源方向推定装置２０がテレビ会議用カメラＡに適用される場合について説明したが、複数のマイクを備えて音源の方向を推定し、推定した音源の方向を利用する装置であればこれに限られない。例えば、本発明の音源方向推定装置は、異常音を検知して、その異常音が発生した音源の方向を映す監視カメラ等にも適用できる。
【符号の説明】
【００５０】
１〜４…マイク、５〜８…アンプ（増幅手段）、１０ａ…筺体、１１〜１４…開口、２０…音源方向推定装置、２１〜２４…ＢＰＦ、２６…増幅度調整部（増幅度調整手段）、２７…音源方向演算部（音源方向推定手段）。
【特許請求の範囲】
【請求項１】
音源で生じた音を入力し前記音を電気信号に変換する複数のマイクロフォンと、
前記複数のマイクロフォンのそれぞれから出力された前記電気信号を増幅する増幅手段と、
前記増幅手段によって増幅されたそれぞれの前記電気信号における可聴域内の所定範囲の周波数成分を通過させるバンドパスフィルタと、
前記バンドパスフィルタを通過した前記周波数成分に基づいて前記音源の方向を推定する音源方向推定手段と、を備え、
前記複数のマイクロフォンに対応して前記電気信号から前記周波数成分を生成する際の増幅度が互いに調整可能に構成されている
ことを特徴とする音源方向推定装置。
【請求項２】
前記バンドパスフィルタを通過した前記周波数成分のうち、少なくとも一つの前記マイクロフォンに対応した周波数成分の増幅度を調整する増幅度調整手段を備えることを特徴とする請求項１記載の音源方向推定装置。
【請求項３】
前記増幅手段は、前記複数のマイクロフォンから出力された前記電気信号のうち、少なくとも一つの前記マイクロフォンから出力された電気信号の増幅度を調整する増幅度調整手段を有することを特徴とする請求項１又は２記載の音源方向推定装置。
【請求項４】
複数の前記マイクロフォンは、前記音を取り込むための開口が形成された筺体の内部に埋設されており、前記開口を通って前記筺体内に伝搬する前記音を入力することを特徴とする請求項１〜３のいずれか一項記載の音源方向推定装置。
【請求項１】
音源で生じた音を入力し前記音を電気信号に変換する複数のマイクロフォンと、
前記複数のマイクロフォンのそれぞれから出力された前記電気信号を増幅する増幅手段と、
前記増幅手段によって増幅されたそれぞれの前記電気信号における可聴域内の所定範囲の周波数成分を通過させるバンドパスフィルタと、
前記バンドパスフィルタを通過した前記周波数成分に基づいて前記音源の方向を推定する音源方向推定手段と、を備え、
前記複数のマイクロフォンに対応して前記電気信号から前記周波数成分を生成する際の増幅度が互いに調整可能に構成されている
ことを特徴とする音源方向推定装置。
【請求項２】
前記バンドパスフィルタを通過した前記周波数成分のうち、少なくとも一つの前記マイクロフォンに対応した周波数成分の増幅度を調整する増幅度調整手段を備えることを特徴とする請求項１記載の音源方向推定装置。
【請求項３】
前記増幅手段は、前記複数のマイクロフォンから出力された前記電気信号のうち、少なくとも一つの前記マイクロフォンから出力された電気信号の増幅度を調整する増幅度調整手段を有することを特徴とする請求項１又は２記載の音源方向推定装置。
【請求項４】
複数の前記マイクロフォンは、前記音を取り込むための開口が形成された筺体の内部に埋設されており、前記開口を通って前記筺体内に伝搬する前記音を入力することを特徴とする請求項１〜３のいずれか一項記載の音源方向推定装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１１−２３４２１３（Ｐ２０１１−２３４２１３Ａ）
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願番号】特願２０１０−１０３９７９（Ｐ２０１０−１０３９７９）
【出願日】平成２２年４月２８日（２０１０．４．２８）
【出願人】（０００００１２２５）日本電産コパル株式会社 (755)
【Ｆターム（参考）】
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願日】平成２２年４月２８日（２０１０．４．２８）
【出願人】（０００００１２２５）日本電産コパル株式会社 (755)
【Ｆターム（参考）】
[ Back to top ]