知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024077978
(43)【公開日】2024-06-10
(54)【発明の名称】会議システム、表示制御方法、及びプログラム
(51)【国際特許分類】
H04N 7/15 20060101AFI20240603BHJP
【ＦＩ】
H04N7/15
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022190251
(22)【出願日】2022-11-29
(71)【出願人】
【識別番号】000006747
【氏名又は名称】株式会社リコー
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100107515
【弁理士】
【氏名又は名称】廣田 浩一
(72)【発明者】
【氏名】小山田 圭
【テーマコード（参考）】
5C164
【Ｆターム（参考）】
5C164FA10
5C164VA21P
5C164VA51P
(57)【要約】
【課題】自拠点の発話者の映像をクローズアップする会議システムにおいて、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制する。
【解決手段】会議システムは、カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、前記第１の装置は、前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、前記話者の画像をクローズアップして出力するクローズアップ部と、を有し、前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する。
【選択図】図８
【解決手段】会議システムは、カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、前記第１の装置は、前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、前記話者の画像をクローズアップして出力するクローズアップ部と、を有し、前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する。
【選択図】図８
【特許請求の範囲】
【請求項1】
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、
前記第１の装置は、
前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、
前記話者の画像をクローズアップして出力するクローズアップ部と、
を有し、
前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、会議システム。
前記第１の装置は、
前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、
前記話者の画像をクローズアップして出力するクローズアップ部と、
を有し、
前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、会議システム。
【請求項2】
前記第１の装置は、前記画像抽出部が抽出した第１の話者の画像と、前記第２の装置が前記ディスプレイに表示するディスプレイ画像に含まれる第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値以上である場合、前記第１の話者の画像のクローズアップを中止する、
請求項１に記載の会議システム。
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値以上である場合、前記第１の話者の画像のクローズアップを中止する、
請求項１に記載の会議システム。
【請求項3】
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像を、前記第１の装置に送信する画像送信部を有する、
請求項２に記載の会議システム。
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像を、前記第１の装置に送信する画像送信部を有する、
請求項２に記載の会議システム。
【請求項4】
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像に含まれる前記第２の話者の画像を、前記第２の装置に送信する画像送信部を有する、
請求項２に記載の会議システム。
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像に含まれる前記第２の話者の画像を、前記第２の装置に送信する画像送信部を有する、
請求項２に記載の会議システム。
【請求項5】
前記画像送信部は、前記ディスプレイ画像に人が映っていない場合、前記第２の装置に前記第２の話者の画像を送信する処理を中止する、請求項４に記載の会議システム。
【請求項6】
前記第１の装置は、前記画像抽出部が抽出した第１の話者の画像と、予め記憶した自拠点の利用者の画像である第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値未満である場合、前記第１の話者の画像のクローズアップを中止する、
請求項１に記載の会議システム。
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値未満である場合、前記第１の話者の画像のクローズアップを中止する、
請求項１に記載の会議システム。
【請求項7】
前記第２の装置は、前記ディスプレイに前記第２の装置と接続するための接続情報を表す画像コードを表示する表示制御部を有し、
前記第１の装置は、前記カメラで撮影した前記画像コードを解析し、前記画像コードが表す前記接続情報を前記通信部に設定する画像コード解析部を有する、
請求項３又は４に記載の会議システム。
前記第１の装置は、前記カメラで撮影した前記画像コードを解析し、前記画像コードが表す前記接続情報を前記通信部に設定する画像コード解析部を有する、
請求項３又は４に記載の会議システム。
【請求項8】
前記第２の装置は、前記第２の装置と接続するための接続情報を表す音声コードを出力する音声出力部を有し、
前記第１の装置は、前記マイクで取得した前記音声コードを解析し、前記音声コードが表す前記接続情報を前記通信部に設定する音声コード解析部を有する、
請求項３又は４に記載の会議システム。
前記第１の装置は、前記マイクで取得した前記音声コードを解析し、前記音声コードが表す前記接続情報を前記通信部に設定する音声コード解析部を有する、
請求項３又は４に記載の会議システム。
【請求項9】
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置が、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップして出力するクローズアップ処理と、
を実行し、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、表示制御方法。
前記第１の装置が、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップして出力するクローズアップ処理と、
を実行し、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、表示制御方法。
【請求項10】
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置に、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップするクローズアップ処理と、
を実行させ、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、プログラム。
前記第１の装置に、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップするクローズアップ処理と、
を実行させ、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、会議システム、表示制御方法、及びプログラムに関する。
【背景技術】
【0002】
マイクで取得した音声とカメラで撮影した画像とを、通信ネットワークを介して送受信して、遠隔会議を実現する会議システムが普及している。
【0003】
また、特許文献１には、パノラマカメラと、マイクアレイを組み合わせて、パノラマカメラで会議室全体を撮影し、発言者がいる場合に、自動的に発言者の映像をクローズアップして表示する技術が記載されている。
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかし、従来の技術では、例えば、ＩＷＢ（Interactive White Board）等の大型のディスプレイを使ってウェブ会議を行うときに、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまう場合がある。
【0005】
本発明の一実施の形態は、上記の課題に鑑みてなされたものであって、自拠点の発話者の映像をクローズアップする会議システムにおいて、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制する。
【課題を解決するための手段】
【0006】
上記の課題を解決するため、本発明の一実施形態に係る会議システムは、カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、前記第１の装置は、前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、前記話者の画像をクローズアップして出力するクローズアップ部と、を有し、前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する。
【発明の効果】
【0007】
本発明の一実施形態によれば、自拠点の発話者の映像をクローズアップする会議システムにおいて、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる。
【図面の簡単な説明】
【0008】
【図1】一実施形態に係る通信システムのシステム構成の例を示す図である。
【図2】一実施形態に係る会議システムの構成の別の一例を示す図である。
【図3】一実施形態に係る処理の概要について説明するための図（１）である。
【図4】一実施形態に係る処理の概要について説明するための図（２）である。
【図5】一実施形態に係るＩＷＢのハードウェア構成の例を示す図である。
【図6】一実施形態に係るウェブ会議デバイスのハードウェア構成の例を示す図である。
【図7】一実施形態に係るコンピュータのハードウェア構成の例を示す図である。
【図8】一実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。
【図9】一実施形態に係るＩＷＢの機能構成の例を示す図である。
【図10】第１の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。
【図11】第１の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。
【図12】第２の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。
【図13】第２の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。
【図14】第３の実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。
【図15】第３の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。
【図16】第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（１）である。
【図17】第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（２）である。
【発明を実施するための形態】
【0009】
以下、本発明の実施形態について、図面を参照しながら詳細に説明する。
【0010】
＜システム構成＞
図１は、一実施形態に係る通信システムのシステム構成の例を示す図である。通信システム１は、拠点Ｘの１人以上の利用者Ａ、利用者Ｂ、・・・が、会議システム１００を用いて、他の拠点Ｙの他の会議システム１１０を利用する利用者Ｃとウェブ会議を行うシステムである。図１の例では、通信システム１は、拠点Ｘに設けられた会議システム１００と、他の拠点Ｙに設けられた他の会議システム１１０と、会議サーバ１０とを含む。また、会議システム１００、他の会議システム１１０、及び会議サーバ１０とは、例えば、インターネット、及びＬＡＮ（Local Area Network）等の通信ネットワーク２に接続されている。
図１は、一実施形態に係る通信システムのシステム構成の例を示す図である。通信システム１は、拠点Ｘの１人以上の利用者Ａ、利用者Ｂ、・・・が、会議システム１００を用いて、他の拠点Ｙの他の会議システム１１０を利用する利用者Ｃとウェブ会議を行うシステムである。図１の例では、通信システム１は、拠点Ｘに設けられた会議システム１００と、他の拠点Ｙに設けられた他の会議システム１１０と、会議サーバ１０とを含む。また、会議システム１００、他の会議システム１１０、及び会議サーバ１０とは、例えば、インターネット、及びＬＡＮ（Local Area Network）等の通信ネットワーク２に接続されている。
【0011】
例えば、利用者Ａ、利用者Ｂ、・・・は、会議システム１００を用いて、会議サーバ１０が提供するウェブ会議に参加する。また、利用者Ｃは、他の会議システム１１０を用いて、会議サーバ１０が提供する同じウェブ会議に参加する。これにより、会議システム１００と、他の会議システム１１０は、会議サーバ１０を介して、会議の音声と、会議画像（動画像、又は静止画像）とを含む会議映像を、互いに送受信して、ウェブ会議を行うことができる。
【0012】
なお、会議サーバ１０が提供するウェブ会議は、会議映像を互いに送受信できるものであれば、任意のウェブ会議であってよい。また、会議システム１００は、会議サーバ１０を介さずに、通信ネットワーク２を介して、他の会議システム１１０と直接ウェブ会議を行うものであってもよい。
【0013】
図１の例では、会議システム１００は、ウェブ会議デバイス１０１と、ウェブ会議デバイス１０１に接続されたＩＷＢ（Interactive White Board）１０２とを含む。ウェブ会議デバイス１０１は、カメラとマイクとを備えた第１の装置の一例である。また、ＩＷＢ １０２は、ディスプレイを備えた第２の装置の一例である。
【0014】
ウェブ会議デバイス（第１の装置）１０１は、例えば、複数のマイクを配列して構成されたマイク（マイクアレイ）を有しており、マイクアレイを用いて話者の方向を検知する機能を有している。また、ウェブ会議デバイス１０１は、ウェブ会議デバイスの周辺にいる利用者Ａ、利用者Ｂ、・・・を撮影する１つ以上のカメラを有している。例えば、ウェブ会議デバイス１０１は、周囲３６０のパノラマ画像を撮影可能なパノラマカメラを有し、会議室全体を撮影するものであってもよい。或いは、複数のカメラで撮影した画像を組み合わせて、ウェブ会議デバイスの周辺にいる利用者Ａ、利用者Ｂ、・・・を撮影するものであってもよい。
【0015】
ＩＷＢ（第２の装置）１０２は、タッチセンサ搭載型のディスプレイであり、電子黒板とも呼ばれる。ＩＷＢ１０２は、ディスプレイに表示した画面に、例えば、ペン、又は指等で直接書き込みができるほか、ディスプレイに表示した内容をデータとして保存することができる。また、ＩＷＢ１０２は、プロジェクタのように、大型のディスプレイとしても用いることもできる。
【0016】
さらに、本実施形態に係るＩＷＢ１０２は、通信ネットワーク２に接続されており、会議サーバ１０が提供するウェブ会議に参加するウェブ会議機能を有している。例えば、ＩＷＢ１０２は、ウェブ会議デバイス１０１が取得した画像と音声とを含む会議映像を、会議サーバ１０を介して、他の会議システム１１０に送信する。また、ＩＷＢ１０２は、会議サーバ１０を介して、他の会議システム１１０から受信した会議映像をディスプレイに表示する。また、ＩＷＢ１０２は、スピーカを有しており、会議映像に含まれる会議音声を出力することができる。別の一例として、ウェブ会議デバイス１０１がスピーカを有しており、ＩＷＢ１０２は、会議映像に含まれる音声データをウェブ会議デバイス１０１に出力し、ウェブ会議デバイス１０１が、会議音声を出力してもよい。
【0017】
ウェブ会議デバイス１０１とＩＷＢ１０２は、一例として、ＵＳＢ（Universal Serial Bus）ケーブル１０３で接続されている。この場合、ウェブ会議デバイス１０１は、会議画像（動画像）を、例えば、ＵＶＣ（USB Video Class）プロトコルでＩＷＢ１０２に送信する。また、ウェブ会議デバイス１０１は、会議音声を、例えば、ＵＡＣ（USB Audio Class）プロトコルでＩＷＢ１０２に送信する。また、ＩＷＢ１０２は、Ｅｔｈｅｒｎｅｔ（登録商標） ｏｖｅｒ ＵＳＢでウェブ会議デバイス１０１に接続し、ＨＴＴＰプロトコルで、ディスプレイに表示しているディスプレイ画像（動画、又は静止画）等をウェブ会議デバイス１０１に送信することができる。
【0018】
なお、ウェブ会議デバイス１０１がスピーカを備えている場合、ＩＷＢ１０２は、会議の音声をＵＡＣでウェブ会議デバイス１０１に送信して、ウェブ会議デバイス１０１が備えるスピーカから出力させてもよい。また、ウェブ会議デバイス１０１とＩＷＢ１０２は、ＵＳＢ以外のインタフェースで、通信可能に接続されていてもよい。
【0019】
他の会議システム１１０は、会議サーバ１０が提供するウェブ会議に参加し、会議システム１００と会議映像を送受信することができるものであれば、任意の構成であってよい。例えば、他の会議システム１１０は、ＰＣ（Personal Computer）、タブレット端末、又はスマートフォン等の情報処理装置であってもよいし、ビデオ会議、又はＩＷＢ等のウェブ会議機能を備えた電子機器であってもよい。また、他の会議システム１１０は、会議システム１００と同様の構成を備えていてもよい。
【0020】
図２は、一実施形態に係る会議システムの構成の別の一例を示す図である。図２の例では、通信ネットワーク２に接続されたＰＣ２０１がウェブ会議機能を有している場合における、会議システム１００の構成例を示している。この場合、ウェブ会議デバイス１０１は、ＵＳＢケーブル１０３等でＰＣ２０１に接続されており、会議画像、及び会議音声をＰＣ２０１に送信する。また、ＩＷＢ１０２は、例えば、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ケーブル２０２等でＰＣ２０１に接続されており、ＰＣ２０１が出力する会議映像を表示する。
【0021】
図２の例では、ウェブ会議デバイス１０１、及びＩＷＢ１０２は、ＬＡＮ２０３を介して通信可能に接続されており、ＩＷＢ１０２は、ディスプレイに表示しているディスプレイ画像等をウェブ会議デバイス１０１に送信することができる。
【0022】
（処理の概要）
図３、４は、処理の概要について説明するための図である。ウェブ会議デバイス１０１は、マイク（マイクアレイ）で取得した音声に基づいて話者の方向を検知し、話者の方向に基づいてカメラで撮影した画像から話者の画像を抽出し、抽出した話者の画像をクローズアップして出力する機能を有している。この機能により、例えば、ウェブ会議中に、利用者Ａが発話すると、拠点Ｙの他の会議システム１１０には、利用者Ａの画像３０１がクローズアップ表示される。続いて、利用者Ｂが発話すると、他の拠点Ｙの他の会議システム１１０には、利用者Ｂの画像３０１がクローズアップ表示される。
図３、４は、処理の概要について説明するための図である。ウェブ会議デバイス１０１は、マイク（マイクアレイ）で取得した音声に基づいて話者の方向を検知し、話者の方向に基づいてカメラで撮影した画像から話者の画像を抽出し、抽出した話者の画像をクローズアップして出力する機能を有している。この機能により、例えば、ウェブ会議中に、利用者Ａが発話すると、拠点Ｙの他の会議システム１１０には、利用者Ａの画像３０１がクローズアップ表示される。続いて、利用者Ｂが発話すると、他の拠点Ｙの他の会議システム１１０には、利用者Ｂの画像３０１がクローズアップ表示される。
【0023】
しかし、従来の技術では、例えば、ＩＷＢ１０２等の大型のディスプレイに表示された他拠点Ｙの利用者Ｃの画像３０３が、拠点Ｘの話者と誤認識され、拠点Ｙの他の会議システム１１０にクローズアップ表示されてしまう場合がある。この問題は、例えば、図３に示すように、ＩＷＢ１０２に、他の拠点Ｙの利用者Ｃが表示されているときに、騒音等のノイズが発生した場合、又はＩＷＢ１０２のスピーカから利用者Ｃの音声出力された場合等に起こり得る。
【0024】
そこで、本実施形態に係るウェブ会議デバイス１０１は、抽出した話者の画像が、ディスプレイに表示された画像である場合、話者の画像のクローズアップを中止する機能を有している。
【0025】
例えば、図４に示すように、ＩＷＢ１０２のディスプレイに表示しているディスプレイ画像４０１には、利用者Ｃが写っているものとする。また、ウェブ会議デバイス１０１が、話者の方向に基づいて抽出した話者の画像が、利用者Ａの画像３０１であるものとする。この場合、抽出した話者の画像は、ディスプレイに表示された画像ではないので、ウェブ会議デバイス１０１は、利用者Ａの画像３０１のクローズアップを実行する。同様に、話者の方向に基づいて抽出した話者の画像が、利用者Ｂの画像３０２である場合、ウェブ会議デバイス１０１は、利用者Ｂの画像３０２のクローズアップを実行する。
【0026】
一方、話者の方向に基づいて抽出した話者の画像が、利用者Ｃの画像３０３であるものとする。この場合、抽出した話者の画像は、ディスプレイに表示された画像なので、ウェブ会議デバイス１０１は、利用者Ｃの画像３０３のクローズアップを中止する。
【0027】
例えば、ウェブ会議デバイス１０１は、ＩＷＢ１０２のディスプレイに表示されているディスプレイ画像をＩＷＢ１０２から取得する。また、ウェブ会議デバイス１０１は、話者の方向に基づいて抽出した第１の話者の画像と、ディスプレイ画像に含まれる第２の話者の画像との一致度（類似度）を算出し、一致度が所定値以上である場合、第１の話者の画像がディスプレイに表示された画像と判断する。
【0028】
別の一例として、ウェブ会議デバイス１０１に、自拠点（拠点Ｘ）の利用者Ａ、利用者Ｂ、・・・の画像を予め記憶しておく。また、ウェブ会議デバイス１０１は、抽出した第１の話者の画像と、自拠点の話者の画像である第２の話者の画像との一致度（又は類似度）を算出し、一致度が所定の値未満である場合、第１の話者の画像がディスプレイに表示された画像と判断してもよい。
【0029】
このように、ウェブ会議デバイス１０１は、話者の方向に基づいて抽出した話者の画像が、ディスプレイに表示された画像である場合、話者の画像のクローズアップを中止する。従って、本実施形態によれば、自拠点の発話者の映像をクローズアップする会議システム１００において、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる。
【0030】
＜ハードウェア構成＞
続いて、本実施形態に係る各装置のハードウェア構成の例について説明する。
続いて、本実施形態に係る各装置のハードウェア構成の例について説明する。
【0031】
（ＩＷＢのハードウェア構成）
図５は、一実施形態に係るＩＷＢのハードウェア構成の例を示す図である。図２に示されているように、ＩＷＢ１０２は、例えば、ＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory)５０２、ＲＡＭ（Random Access Memory)５０３、ＳＳＤ（Solid State Drive)５０４、ネットワークＩ／Ｆ（Interface)５０５、及び、外部機器接続Ｉ／Ｆ５０６等を備えている。
図５は、一実施形態に係るＩＷＢのハードウェア構成の例を示す図である。図２に示されているように、ＩＷＢ１０２は、例えば、ＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory)５０２、ＲＡＭ（Random Access Memory)５０３、ＳＳＤ（Solid State Drive)５０４、ネットワークＩ／Ｆ（Interface)５０５、及び、外部機器接続Ｉ／Ｆ５０６等を備えている。
【0032】
これらのうち、ＣＰＵ５０１は、ＩＷＢ１０２全体の動作を制御する演算装置である。ＲＯＭ５０２は、例えば、ＩＰＬ（Initial Program Loader）等のＣＰＵ５０１の起動に用いられるプログラムを記憶する不揮発性のメモリである。ＲＡＭ５０３は、例えば、ＣＰＵ５０１のワークエリアとして使用される揮発性のメモリである。ＳＳＤ５０４は、例えば、ＩＷＢ１０２用のプログラム等の各種データを記憶する大容量で不揮発性の記憶装置である。
【0033】
ネットワークＩ／Ｆ５０５は、ＩＷＢ１０２を通信ネットワーク２に接続し、他の装置と通信を行うための通信インタフェースである。外部機器接続Ｉ／Ｆ５０６は、例えば、ウェブ会議デバイス１０１、又はスピーカ５５０等の外部機器を接続するためのインタフェースである。なお、ＩＷＢ１０２は、スピーカ５５０を内蔵していてもよい。
【0034】
また、ＩＷＢ１０２は、キャプチャデバイス５１１、ＧＰＵ(Graphics Processing Unit)５１２、ディスプレイコントローラ５１３、接触センサ５１４、センサコントローラ５１５、電子ペンコントローラ５１６、近距離通信回路５１９、及び近距離通信回路５１９のアンテナ５１９ａ、電源スイッチ５１７及び選択スイッチ類５１８等を備えている。
【0035】
これらのうち、キャプチャデバイス５１１は、ディスプレイ５４０に表示しているディスプレイ画像を、動画像、又は静止画像としてキャプチャ（取得）する。ＧＰＵ５１２は、グラフィクスを専門に扱う半導体チップ（プロセッサ）である。ディスプレイコントローラ５１３は、ＧＰＵ５１２からの出力画像をディスプレイ５４０等へ出力するために画面表示の制御及び管理を行う。接触センサ５１４は、ディスプレイ５４０上に電子ペン５３０やユーザの手Ｈ等が接触したことを検知する。センサコントローラ５１５は、接触センサ５１４の処理を制御する。
【0036】
接触センサ５１４は、例えば、赤外線遮断方式による座標の入力及び座標の検出を行う。この座標の入力及び座標の検出する方法は、ディスプレイ５４０の上側両端部に設置された２つ受発光装置が、ディスプレイ５４０に平行して複数の赤外線を放射し、ディスプレイ５４０の周囲に設けられた反射部材によって反射されて、受光素子が放射した光の光路と同一の光路上を戻って来る光を受光する方法である。接触センサ５１４は、物体によって遮断された２つの受発光装置が放射した赤外線のＩＤをセンサコントローラ５１５に出力し、センサコントローラ５１５が、物体の接触位置である座標位置を特定する。電子ペンコントローラ５１６は、電子ペン５３０と通信することで、ディスプレイ５４０へのペン先のタッチやペン尻のタッチの有無を判断する。近距離通信回路５１９は、アンテナ５１９ａを介して、他の機器と近距離無線通信を行う通信回路である。
【0037】
電源スイッチ５１７は、ＩＷＢ１０２の電源のオン／オフを切り換えるためのスイッチである。選択スイッチ類５１８は、例えば、ディスプレイ５４０の表示の明暗や色合い等を調整するためのスイッチ群である。
【0038】
さらに、ＩＷＢ１０２は、バスライン５２０を備えている。バスライン５２０は、図５に示されているＣＰＵ５０１等の各構成要素を電気的に接続するためのアドレスバス、データバス、及び各種の制御信号等を含む。
【0039】
（ウェブ会議デバイスのハードウェア構成）
図６は、一実施形態に係るウェブ会議デバイスのハードウェア構成の例を示す図である。ウェブ会議デバイス１０１は、例えば、ＣＰＵ６０１、ＲＯＭ６０２、ＲＡＭ６０３、ＳＳＤ６０４、ネットワークＩ／Ｆ６０５、外部機器接続Ｉ／Ｆ６０６、操作部６０７、画像処理ユニット６０８、カメラ６０９ａ、６０９ｂ、・・・、音処理ユニット６１０、マイクアレイ６１１、スピーカ６１２、及びバス６１３等を有する。
図６は、一実施形態に係るウェブ会議デバイスのハードウェア構成の例を示す図である。ウェブ会議デバイス１０１は、例えば、ＣＰＵ６０１、ＲＯＭ６０２、ＲＡＭ６０３、ＳＳＤ６０４、ネットワークＩ／Ｆ６０５、外部機器接続Ｉ／Ｆ６０６、操作部６０７、画像処理ユニット６０８、カメラ６０９ａ、６０９ｂ、・・・、音処理ユニット６１０、マイクアレイ６１１、スピーカ６１２、及びバス６１３等を有する。
【0040】
ＣＰＵ６０１は、所定のプログラムを実行することにより、ウェブ会議デバイス１０１が備える様々な機能を制御する演算装置（プロセッサ）である。ＲＯＭ６０２は、例えば、ＣＰＵ６０１の起動に用いられるプログラム等を記憶する不揮発性のメモリである。ＲＡＭ６０３は、例えば、ＣＰＵ６０１のワークエリア等として用いられる揮発性のメモリである。ＳＳＤ６０４は、例えば、ウェブ会議デバイス１０１用のプログラム、データ、又は設定情報等を記憶する不揮発性で大容量の記憶装置である。
【0041】
ネットワークＩ／Ｆ６０５は、ウェブ会議デバイス１０１を、例えば、ＬＡＮ２０３、又は通信ネットワーク２等に接続するための通信インタフェースである。外部機器接続Ｉ／Ｆ６０６は、例えば、ＩＷＢ１０２、又はＰＣ２０１等の外部機器を、ウェブ会議デバイス１０１に接続するためのインタフェースです。操作部６０７は、例えば、操作ボタン、スイッチ、又はタッチパネル等の、利用者の操作を受け付ける入力デバイスである。
【0042】
画像処理ユニット６０８は、１つ以上のカメラ６０９ａ、６０９ｂ、・・・から、ウェブ会議デバイス１０１の周辺を撮影した画像を取得し、取得した画像に対して、例えば、画像合成、画質補正、又は歪み補正等の画像処理を行うデバイスである。カメラ６０９ａ、６０９ｂ、・・・は、ウェブ会議デバイス１０１の周辺の画像を撮影する撮影装置である。
【0043】
音処理ユニット６１０は、例えば、マイクアレイ６１１を用いて、指向性を制御するビームフォーミング等の様々は音処理を実行するデバイスである。また、音処理ユニット６１０は、スピーカ６１２を用いて、会議音声等の様々な音を出力する音処理も実行する。バス６１３は、上記の各構成要素に共通に接続され、例えば、アドレス信号、データ信号、及び各種の制御信号等を伝送する。
【0044】
（コンピュータのハードウェア構成）
ＰＣ２０１は、例えば、図７に示すような、コンピュータ７００のハードウェア構成を有している。また、会議サーバ１０は、例えば、１つ以上のコンピュータ７００によって構成される。
ＰＣ２０１は、例えば、図７に示すような、コンピュータ７００のハードウェア構成を有している。また、会議サーバ１０は、例えば、１つ以上のコンピュータ７００によって構成される。
【0045】
図７は、一実施形態に係るコンピュータのハードウェア構成を示す図である。コンピュータ７００は、例えば、ＣＰＵ７０１、ＲＯＭ７０２、ＲＡＭ７０３、ＨＤ（Hard Disk)７０４、ＨＤＤ（Hard Disk Drive)コントローラ７０５、ディスプレイ７０６、外部機器接続Ｉ／Ｆ７０７、ネットワークＩ／Ｆ７０８、キーボード７０９、ポインティングデバイス７１０、ＤＶＤ－ＲＷ（Digital Versatile Disk ReWritable)ドライブ７１２、メディアＩ／Ｆ７１４、及び、バスライン７１５等を備えている。
【0046】
これらのうち、ＣＰＵ７０１は、コンピュータ７００の全体の動作を制御する演算装置である。ＲＯＭ７０２は、ＩＰＬ等のＣＰＵ７０１の駆動に用いられるプログラムを記憶する不揮発性のメモリである。ＲＡＭ７０３は、ＣＰＵ７０１のワークエリア等として使用される揮発性のメモリである。ＨＤ７０４は、ＯＳ（Operating System）やアプリケーション等のプログラムや、各種のデータ等を記憶する大容量の記憶装置である。ＨＤＤコントローラ７０５は、ＣＰＵ７０１の制御にしたがってＨＤ７０４に対する各種データの読み出し又は書き込みを制御する。
【0047】
ディスプレイ７０６は、カーソル、メニュー、ウィンドウ、文字、又は画像などの各種情報を表示する。外部機器接続Ｉ／Ｆ７０７は、各種の外部機器を接続するためのインタフェースである。ネットワークＩ／Ｆ７０８は、通信ネットワークを利用してデータ通信をするための通信インタフェースである。キーボード７０９は、文字、数値、各種指示などの入力のための複数のキーを備えた入力手段の一種である。ポインティングデバイス７１０は、各種指示の選択や実行、処理対象の選択、カーソルの移動などを行う入力手段の一種である。
【0048】
ＤＶＤ－ＲＷドライブ７１２は、着脱可能な記録媒体の一例としてのＤＶＤ－ＲＷ７１１に対する各種データの読み出し又は書き込みを制御する。なお、ＤＶＤ－ＲＷ７１１は、ＤＶＤ－ＲＷに限らず、他の着脱可能な記録媒体であっても良い。メディアＩ／Ｆ７１４は、フラッシュメモリ等のメディア７１３に対するデータの読み出し又は書き込み（記憶）を制御する。バスライン７１５は、図７に示されているＣＰＵ７０１等の各構成要素を電気的に接続するためのアドレスバス、データバス、及び各種の制御信号等を含む。
【0049】
＜機能構成＞
続いて、本実施形態に係るウェブ会議デバイス１０１、及びＩＷＢ１０２の機能構成の例について説明する。
続いて、本実施形態に係るウェブ会議デバイス１０１、及びＩＷＢ１０２の機能構成の例について説明する。
【0050】
（ウェブ会議デバイスの機能構成）
図８は、一実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。ウェブ会議デバイス（第１の装置）１０１は、例えば、ＣＰＵ６０１が所定のプログラムを実行することにより、通信部８０１、音声取得部８０２、方向検知部８０３、画像取得部８０４、画像抽出部８０５、クローズアップ部８０６、比較部８０７、画像コード解析部８０８、音声コード解析部８０９、及びＵＩ（User Interface）部８１０等を実現している。なお、上記の各機能構成のうち、少なくとも一部は、ハードウェアによって実現されるものであってもよい。
図８は、一実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。ウェブ会議デバイス（第１の装置）１０１は、例えば、ＣＰＵ６０１が所定のプログラムを実行することにより、通信部８０１、音声取得部８０２、方向検知部８０３、画像取得部８０４、画像抽出部８０５、クローズアップ部８０６、比較部８０７、画像コード解析部８０８、音声コード解析部８０９、及びＵＩ（User Interface）部８１０等を実現している。なお、上記の各機能構成のうち、少なくとも一部は、ハードウェアによって実現されるものであってもよい。
【0051】
通信部８０１は、例えば、外部機器接続Ｉ／Ｆ６０６等を用いて、ウェブ会議デバイス１０１に接続された、ＩＷＢ１０２、又はＰＣ２０１等と通信する通信処理を実行する。好ましくは、通信部８０１は、ネットワークＩ／Ｆ６０５等を用いて、ウェブ会議デバイス１０１に接続されたＩＷＢ１０２等と通信する通信処理も実行することができる。
【0052】
音声取得部８０２は、例えば、マイクアレイ６１１、及び音処理ユニット６１０等を用いて、ウェブ会議デバイス１０１の周辺の音声を取得する音声取得処理を実行する。また、音声取得部８０２は、例えば、マイクアレイ６１１によるビームフォーミング、取得した音声の音質調整、又は取得した音声の音量調整等も行う。なお、マイクアレイ６１１は、第１の装置が備えるマイクの一例である。また、ウェブ会議デバイス１０１は、第１の装置の一例である。
【0053】
方向検知部８０３は、音声取得部８０２が、マイクアレイ（マイク）６１１で取得した音声に基づいて、話者の方向を検知する方向検知処理を実行する。例えば、方向検知部８０３は、複数のマイクで取得した音声データを解析して、音源がどの方向にあるかを推定する。
【0054】
画像取得部８０４は、例えば、１つ以上のカメラ６０９ａ、６０９ｂ、・・・、及び画像処理ユニット６０８等を用いて、ウェブ会議デバイス１０１の周辺の画像（動画像、又は静止画像）を取得する画像取得処理を実行する。また、画像取得部８０４は、例えば、取得した画像の画質補正、又は歪み補正等も行う。なお、ここでは、画像取得部８０４が取得する画像が動画像であるものとして、以下の説明を行う。
【0055】
画像抽出部８０５は、方向検知部８０３が検知した話者の方向に基づいて、画像取得部８０４が取得した画像から、話者の画像（第１の話者の画像）を抽出する画像抽出処理を実行する。例えば、画像抽出部８０５は、入力画像から、人物が映っている領域を推定するように、予め機械学習した学習済の機械学習モデル等を用いて、人物が映っている領域の画像（動画像）を抽出してもよい。或いは、画像抽出部８０５は、例えば、公知のパターン認識技術等を用いて、画像取得部８０４が取得した画像から、話者の画像を抽出してもよい。
【0056】
ここで、機械学習とは、コンピュータに人のような学習能力を獲得させるための技術であり、コンピュータが、データ識別等の判断に必要なアルゴリズムを、事前に取り込まれる学習データから自律的に生成し、新たなデータについてこれを適用して予測を行う技術のことをいう。機械学習のための学習方法は、教師あり学習、教師なし学習、半教師学習、強化学習、深層学習のいずれかの方法でもよく、さらに、これらの学習方法を組み合わせた学習方法でもよく、機械学習のための学習方法は問わない。
【0057】
クローズアップ部８０６は、画像抽出部８０５が抽出した話者の画像をクローズアップして出力するクローズアップ処理を実行する。また、クローズアップ部８０６は、画像抽出部８０５が抽出した話者の画像が、ディスプレイに表示された画像である場合、話者の画像のクローズアップを中止する。
【0058】
比較部８０７は、第１の話者の画像と第２の話者の画像とを比較し、比較結果を出力する比較処理を実行する。例えば、比較部８０７は、画像抽出部８０５が抽出した第１の話者の画像と、クローズアップ部８０６が取得したディスプレイ画像に含まれる第２の話者の画像との一致度（又は類似度）を算出し、一致度が所定値以上であるか否かを示す比較結果を出力する。この場合、比較部８０７は、例えば、画像抽出部８０５を用いて、ディスプレイ画像から第２の話者の画像を抽出してもよい。
【0059】
他の実施形態では、比較部８０７は、画像抽出部８０５が抽出した第１の話者の画像と、クローズアップ部８０６が取得した第２の話者の画像との一致度を算出し、一致度が所定値以上であるか否かを示す比較結果を出力する。さらに他の実施形態では、比較部８０７は、画像抽出部８０５が抽出した第１の話者の画像と、予め記憶した自拠点の話者の画像である第２の話者の画像との一致度を算出し、一致度が所定値未満であるか否かを示す比較結果を出力する。
【0060】
画像コード解析部８０８は、画像取得部８０４がカメラで撮影した画像コードを解析して、画像コードが表す接続情報を抽出する画像コード解析処理を実行する。例えば、画像コード解析部８０８は、ＩＷＢ１０２がディスプレイに表示した画像コードを解析して、画像コードが表すＩＷＢ１０２のＩＰアドレス等の接続情報を取得する。また、画像コード解析部８０８は、取得した接続情報を通信部８０１に設定する。
【0061】
音声コード解析部８０９は、音声取得部８０２が取得した音声コード（又は音コード）を解析して、音声コードが表す接続情報を抽出する音声コード解析処理を実行する。例えば、音声コード解析部８０９は、ＩＷＢ１０２が出力した音声コードを解析して、音声コードが表すＩＷＢ１０２のＩＰアドレス等の接続情報を取得する。また、音声コード解析部８０９、取得した接続情報を通信部８０１に設定する。
【0062】
ＵＩ部８１０は、例えば、操作部６０７等を用いて、利用者によるウェブ会議デバイス１０１に対する様々な操作を受け付ける。別の一例として、ＵＩ部８１０は、利用者が利用するスマートフォン等の情報端末が表示するＵＩ画面に対する利用者の操作を、無線通信で情報端末から受け付けるもの等であってもよい。
【0063】
（ＩＷＢの機能構成）
図９は、一実施形態に係るＩＷＢの機能構成の例を示す図である。ＩＷＢ（第２の装置）１０２、例えば、ＣＰＵ５０１が所定のプログラムを実行することにより、第１の通信部９０１、会議制御部９０２、表示制御部９０３、音声出力部９０４、ＵＩ部９０５、第２の通信部９０６、画像送信部９０７、人物画像検知部９０８、画像コード生成部９０９、及び音声コード生成部９１０等を実現している。なお、上記の各機能構成のうち、少なくとも一部は、ハードウェアによって実現されるものであってもよい。
図９は、一実施形態に係るＩＷＢの機能構成の例を示す図である。ＩＷＢ（第２の装置）１０２、例えば、ＣＰＵ５０１が所定のプログラムを実行することにより、第１の通信部９０１、会議制御部９０２、表示制御部９０３、音声出力部９０４、ＵＩ部９０５、第２の通信部９０６、画像送信部９０７、人物画像検知部９０８、画像コード生成部９０９、及び音声コード生成部９１０等を実現している。なお、上記の各機能構成のうち、少なくとも一部は、ハードウェアによって実現されるものであってもよい。
【0064】
第１の通信部９０１は、例えば、ネットワークＩ／Ｆ５０５を用いて、ＩＷＢ１０２を通信ネットワーク２に接続し、会議サーバ１０、又は他の会議システム１１０等と通信する第１の通信処理を実行する。また、図２に示すような会議システム１００では、第１の通信部９０１は、ネットワークＩ／Ｆ５０５を用いて、ＩＷＢ１０２をＬＡＮ２０３に接続し、ウェブ会議デバイス１０１と通信を行うこともできる。
【0065】
会議制御部９０２は、例えば、第１の通信部９０１を用いて、会議サーバ１０に接続し、他の会議システム１１０とウェブ会議を行う会議制御処理を実行する。ウェブ会議中、会議制御部９０２は、例えば、ウェブ会議デバイス１０１から送信される会議音声、及び会議画像（動画像）を含む会議映像を、会議サーバ１０を介して、他の会議システム１１０に送信する。また、会議制御部９０２は、会議サーバ１０を介して、他の会議システム１１０から会議映像を受信する。なお、会議制御部９０２は、既存の様々なウェブ会議の仕組みを利用するものであってよい。
【0066】
表示制御部９０３は、会議制御部９０２が他の会議システム１１０から受信した会議映像に含まれる会議画像（動画像）を、ディスプレイコントローラ５１３等を用いて、ディスプレイ５４０に表示する表示制御処理を実行する。また、表示制御部９０３は、画像コード生成部９０９が生成した画像コード、又はＵＩ部９０５のＵＩ画面等をディスプレイ５４０に表示することもできる。
【0067】
音声出力部９０４は、会議制御部９０２が他の会議システム１１０から受信した会議映像に含まれる会議音声を、スピーカ５５０等を用いて出力する音声出力処理を実行する。また、音声出力部９０４は、音声コード生成部９１０が生成した音声コード等を出力することもできる。
【0068】
ＵＩ部９０５は、表示制御部９０３を用いて、ＵＩ画面をディスプレイ４１７等に表示させるとともに、センサコントローラ５１５、及び接触センサ５１４等を用いて、ＵＩ画面に対する利用者の操作を受け付ける。
【0069】
第２の通信部９０６は、例えば、外部機器接続Ｉ／Ｆ５０６等を用いて、ウェブ会議デバイス１０１等と通信する第２の通信処理を実行する。
【0070】
画像送信部９０７は、第２の通信部９０６を介して、ウェブ会議デバイス１０１から要求された画像を、ウェブ会議デバイス１０１に送信する画像送信処理を実行する。例えば、画像送信部９０７は、ウェブ会議デバイス１０１からの要求に応じて、表示制御部９０３がディスプレイ５４０に表示している会議画像をキャプチャしたディスプレイ画像（スナップショット）を取得し、ウェブ会議デバイス１０１に送信する。
【0071】
別の実施形態では、画像送信部９０７は、ウェブ会議デバイス１０１からの要求に応じて、人物画像検知部９０８が、ディスプレイ画像から検知した人物画像（第２の話者の画像）を、ウェブ会議デバイス１０１に送信する。
【0072】
人物画像検知部９０８は、画像送信部９０７がキャプチャしたディスプレイ画像から人物画像（第２の話者の画像）を検知する人物画像検知処理を実行する。例えば、人物画像検知部９０８は、ディスプレイ画像から、前述した画像抽出部８０５と同様の手法で、第２の話者の画像を抽出する。
【0073】
画像コード生成部９０９は、例えば、第１の通信部９０１のＩＰアドレス等、ネットワークを介してＩＷＢ１０２と通信するための接続情報を表す画像コード（２次元コード、又はバーコード等）を生成する画像コード生成処理を実行する。
【0074】
音声コード生成部９１０は、例えば、第１の通信部９０１のＩＰアドレス等、ネットワークを介してＩＷＢ１０２と通信するための接続情報を表す音声コード（又は音コード）を生成する音声コード生成処理を実行する。
【0075】
＜処理の流れ＞
続いて、本実施形態に係る表示制御方法の処理の流れについて説明する。
続いて、本実施形態に係る表示制御方法の処理の流れについて説明する。
【0076】
［第１の実施形態］
図１０は、第１の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。この処理は、例えば、図１に示すような会議システム１００において、ウェブ会議デバイス１０１が実行する処理の一例を示している。なお、図１０に示す処理の開始時点において、会議システム１００と、他の会議システム１１０との間でウェブ会議が行われているものとする。
図１０は、第１の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。この処理は、例えば、図１に示すような会議システム１００において、ウェブ会議デバイス１０１が実行する処理の一例を示している。なお、図１０に示す処理の開始時点において、会議システム１００と、他の会議システム１１０との間でウェブ会議が行われているものとする。
【0077】
ステップＳ１００１において、音声取得部８０２は、マイクアレイ６１１で取得したマイク音声（会議音声）を、方向検知部８０３に出力する。これに応じて、ステップＳ１００２において、方向検知部８０３は、マイク音声から話者の方向を検知し、検知した話者の方向をクローズアップ部８０６に通知する。
【0078】
ステップＳ１００３において、画像取得部８０４は、１つ以上のカメラ６０９ａ、６０９ｂ、・・・で撮影したカメラ画像（会議画像）を、クローズアップ部８０６に出力する。
【0079】
ステップＳ１００４において、クローズアップ部８０６は、画像取得部８０４から取得したカメラ画像と、方向検知部８０３から通知された話者の方向とを、画像抽出部８０５に入力する。これに応じて、ステップＳ１００５において、画像抽出部８０５は、入力されたカメラ画像と話者の方向とに基づいて、カメラ画像から、発話している話者の画像である第１の話者の画像を抽出し、抽出した話者の画像をクローズアップ部８０６に出力する。
【0080】
ステップＳ１００６、Ｓ１００７において、クローズアップ部８０６は、通信部８０１を介して、ＩＷＢ１０２に、ディスプレイ画像を要求する。これに応じて、ステップＳ１００８、Ｓ１００９において、ＩＷＢ１０２は、ディスプレイ４１７等に表示している会議映像をキャプチャしたディスプレイ画像（スナップショット）を、ウェブ会議デバイス１０１に送信する。
【0081】
ステップＳ１０１０において、クローズアップ部８０６は、画像抽出部８０５から取得した第１の話者の画像と、ＩＷＢ１０２から取得したディスプレイ画像とを、比較部８０７に入力する。これに応じて、ステップＳ１０１１において、比較部８０７は、入力された第１の話者の画像と、入力されたディスプレイ画像に含まれる第２の話者の画像とを比較し、比較結果をクローズアップ部８０６に出力する。この比較結果には、例えば、第１の話者の画像と、第２の話者の画像との一致度（又は類似度）が所定値以上であるか否かを示す情報等が含まれる。
【0082】
ウェブ会議デバイス１０１は、比較部８０７から通知された比較結果に基づいて、処理を分岐させる。例えば、第１の話者の画像と第２の話者の画像との一致度が所定値未満である場合、ウェブ会議デバイス１０１は、ステップＳ１０２１～Ｓ１０２３の処理を実行する。ステップＳ１０２１において、クローズアップ部８０６は、第１の話者の画像をクローズアップして会議画像（動画像）を作成する。また、ステップＳ１０２２、Ｓ１０２３において、クローズアップ部８０６は、作成した会議画像と会議音声とを含む会議映像を、通信部８０１を介して、ＩＷＢ１０２に送信する。
【0083】
一方、第１の話者の画像と第２の話者の画像との一致度が所定値以上である場合、ウェブ会議デバイス１０１は、ステップＳ１０３１、Ｓ１０３２の処理を実行する。ステップＳ１０３１、Ｓ１０３２において、クローズアップ部８０６は、第１の話者のクローズアップを中止して、例えば、自拠点の会議室等を撮影した会議画像と、会議音声とを含む会議映像を、通信部８０１を介して、ＩＷＢ１０２に送信する。
【0084】
（ＩＷＢの処理）
図１１は、第１の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。この処理は、図１０で説明したウェブ会議デバイス１０１の処理に対応するＩＷＢ１０２の処理の一例を示している。なお、図１１のステップＳ１００７、Ｓ１００８の処理は、図１０のステップＳ１００７、Ｓ１００８の処理に対応している。
図１１は、第１の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。この処理は、図１０で説明したウェブ会議デバイス１０１の処理に対応するＩＷＢ１０２の処理の一例を示している。なお、図１１のステップＳ１００７、Ｓ１００８の処理は、図１０のステップＳ１００７、Ｓ１００８の処理に対応している。
【0085】
ステップＳ１００７において、第２の通信部９０６が、ウェブ会議デバイス１０１からディスプレイ画像の要求を受け付けると、ステップＳ１１０１において、第２の通信部９０６は、画像送信部９０７にディスプレイ画像の取得要求を送信する。
【0086】
ステップＳ１１０２において、画像送信部９０７は、ディスプレイ画像の取得要求を受け付けると、表示制御部９０３がディスプレイ５４０に表示している会議画像をキャプチャしたディスプレイ画像（スナップショット）を取得する。また、ステップＳ１１０３において、画像送信部９０７は、取得したディスプレイ画像を第２の通信部９０６に送信する。
【0087】
ステップＳ１００８において、第２の通信部９０６は、画像送信部９０７から受信したディスプレイ画像を、ウェブ会議デバイス１０１に送信する。
【0088】
また、ステップＳ１１１１において、第２の通信部９０６は、ウェブ会議デバイス１０１が送信した会議映像を受信すると、ステップＳ１１１２の処理を実行する。
【0089】
ステップＳ１１１２において、第２の通信部９０６は、ウェブ会議デバイス１０１から受信した会議映像を、会議制御部９０２に出力する。ステップＳ１１１３において、会議制御部９０２は、他の会議システム１１０に会議映像を送信する。例えば、会議制御部９０２は、第１の通信部９０１を介して、会議サーバ１０に会議映像を送信することにより、他の会議システム１１０に会議映像を送信する。
【0090】
図１０、１１の処理により、自拠点の発話者の映像をクローズアップする会議システム１００において、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる。
【0091】
［第２の実施形態］
第２の実施形態では、会議システム１００の処理の別の一例について説明する。図１２は、第２の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。なお、図１２に示す処理のうち、ステップＳ１００１～Ｓ１００６の処理は、図１０で説明した第１の実施形態に係るウェブ会議デバイスの処理と同様なので、ここでは説明を省略する。また、ここでは、第１の実施形態と同様の処理内容に対する詳細な説明は省略する。
第２の実施形態では、会議システム１００の処理の別の一例について説明する。図１２は、第２の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。なお、図１２に示す処理のうち、ステップＳ１００１～Ｓ１００６の処理は、図１０で説明した第１の実施形態に係るウェブ会議デバイスの処理と同様なので、ここでは説明を省略する。また、ここでは、第１の実施形態と同様の処理内容に対する詳細な説明は省略する。
【0092】
ステップＳ１２０１、Ｓ１２０２において、クローズアップ部８０６は、通信部８０１を介して、ＩＷＢ１０２に、ディスプレイ画像に含まれる第２の話者の画像を要求する。ここで、ウェブ会議デバイス１０１は、所定の時間内に、ＩＷＢ１０２から第２の話者の画像を受信したか否かに応じて、処理を分岐させる。
【0093】
例えば、所定の時間内に、ＩＷＢ１０２から第２の話者の画像を受信した場合、ウェブ会議デバイス１０１は、ステップＳ１２１１～Ｓ１２１４の処理を実行する。ステップＳ１２１１、Ｓ１２１２において、通信部８０１は、ＩＷＢ１０２から受信した第２の話者の画像を、クローズアップ部８０６に出力する。ステップＳ１２１３において、クローズアップ部８０６は、画像抽出部８０５から取得した第１の話者の画像と、ＩＷＢ１０２から取得した第２の話者の画像とを、比較部８０７に入力する。これに応じて、ステップＳ１２１４において、比較部８０７は、入力された第１の話者の画像と第２の話者の画像とを比較し、比較結果をクローズアップ部８０６に出力する。
【0094】
一方、所定の時間内に、ＩＷＢ１０２から第２の話者の画像を受信できない場合、ウェブ会議デバイス１０１は、ステップＳ１２２１の処理を実行する。ステップＳ１２２１おいて、クローズアップ部８０６は、第１の話者の画像と第２話者の画像が一致しない（一致度が所定値未満）と判断する。
【0095】
ステップＳ１２３１において、ウェブ会議デバイス１０１は、第１の話者の画像と第２話者の画像との比較結果に応じた会議映像の送信処理を実行する。例えば、第１の話者の画像と第２の話者の画像との一致度が所定値未満である場合、ウェブ会議デバイス１０１は、図１０のステップＳ１０２１～Ｓ１０２３の処理を実行する。一方、第１の話者の画像と第２の話者のとの一致度が所定値以上である場合、ウェブ会議デバイス１０１は、図１０のステップＳ１０３１、Ｓ１０３２の処理を実行する。
【0096】
（ＩＷＢの処理）
図１３は、第２の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。この処理は、図１２で説明した、第２の実施形態に係るウェブ会議デバイスの処理に対応するＩＷＢ１０２の処理の一例を示している。なお、図１３のステップＳ１２０２の処理は、
図１２のステップＳ１２０２の処理に対応している。また、図１３のステップＳ１２１１の処理は、図１２のステップＳ１２１１の処理に対応している。また、図１３のステップＳ１１１１～Ｓ１１１３の処理は、図１１で説明したステップＳ１１１１～Ｓ１１１３の処理と同様なので、ここでは説明を省略する。
図１３は、第２の実施形態に係るＩＷＢの処理の例を示すシーケンス図である。この処理は、図１２で説明した、第２の実施形態に係るウェブ会議デバイスの処理に対応するＩＷＢ１０２の処理の一例を示している。なお、図１３のステップＳ１２０２の処理は、
図１２のステップＳ１２０２の処理に対応している。また、図１３のステップＳ１２１１の処理は、図１２のステップＳ１２１１の処理に対応している。また、図１３のステップＳ１１１１～Ｓ１１１３の処理は、図１１で説明したステップＳ１１１１～Ｓ１１１３の処理と同様なので、ここでは説明を省略する。
【0097】
ステップＳ１２０２において、第２の通信部９０６が、ウェブ会議デバイス１０１から第２の話者の画像の要求を受け付けると、ステップＳ１３０１において、第２の通信部９０６は、画像送信部９０７に第２の話者の画像の取得要求を送信する。
【0098】
ステップＳ１３０２において、画像送信部９０７は、第２の話者の画像の取得要求を受け付けると、表示制御部９０３がディスプレイ５４０に表示している会議画像をキャプチャしたディスプレイ画像（スナップショット）を取得する。また、ステップＳ１３０３において、画像送信部９０７は、取得したディスプレイ画像を人物画像検知部９０８に入力する。
【0099】
ステップＳ１３０４において、人物画像検知部９０８は、入力されたディスプレイ画像から、人物が映っている領域の画像（第２の話者の画像）を取得する。例えば、人物画像検知部９０８は、ディスプレイ画像から、人物が映っている領域の画像を抽出するように、予め機械学習した学習済の機械学習モデルを用いて、ディスプレイ画像から人物が映っている領域の画像（第２の話者の画像）を抽出する。
【0100】
ここで、人物画像検知部９０８が、ディスプレイ画像から第２の話者の画像を取得できた場合、ＩＷＢ１０２は、ステップＳ１３１１、Ｓ１３１２、Ｓ１２１１の処理を実行する。一方、人物画像検知部９０８が、第２の話者の画像を取得できなかった場合、ＩＷＢ１０２は、ステップＳ１３１１、Ｓ１３１２、Ｓ１２１１の処理の実行を中止する。
【0101】
ステップＳ１３１１において、人物画像検知部９０８は、取得した第２の話者の画像を画像送信部に出力する。これに応じて、ステップＳ１３１２、Ｓ１２１１において、画像送信部９０７は、第２の通信部９０６を介して、ウェブ会議デバイス１０１に、第２の話者の画像を送信する。
【0102】
図１２、１３の処理においても、自拠点の発話者の映像をクローズアップする会議システム１００において、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる
［第３の実施形態］
第３の実施形態では、ウェブ会議デバイス１０１が、自拠点（拠点Ｘ）でウェブ会議に参加する利用者（利用者Ａ、利用者Ｂ、・・・）の画像を、ウェブ会議デバイス１０１に登録する機能を有している場合における処理の例について説明する。
［第３の実施形態］
第３の実施形態では、ウェブ会議デバイス１０１が、自拠点（拠点Ｘ）でウェブ会議に参加する利用者（利用者Ａ、利用者Ｂ、・・・）の画像を、ウェブ会議デバイス１０１に登録する機能を有している場合における処理の例について説明する。
【0103】
＜機能構成＞
図１４は、第３の実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。図１４に示すように、第３の実施形態に係るウェブ会議デバイス１０１は、図８で説明した一実施形態に係るウェブ会議デバイス１０１の機能構成に加えて、利用者画像登録部１４０１、及び利用者画像記憶部１４０２を有している。
図１４は、第３の実施形態に係るウェブ会議デバイスの機能構成の例を示す図である。図１４に示すように、第３の実施形態に係るウェブ会議デバイス１０１は、図８で説明した一実施形態に係るウェブ会議デバイス１０１の機能構成に加えて、利用者画像登録部１４０１、及び利用者画像記憶部１４０２を有している。
【0104】
利用者画像登録部１４０１は、例えば、ＣＰＵ６０１が実行するプログラムによって実現され、自拠点でウェブ会議に参加する利用者の画像を登録する利用者画像登録処理を実行する。例えば、利用者画像登録部１４０１は、ＵＩ部８１０が、利用者画像の登録操作を受け付けたとき等に、画像取得部８０４が取得した利用者の画像を、利用者画像記憶部１４０２等に記憶する。
【0105】
好ましくは、利用者画像登録部１４０１は、自拠点（例えば、拠点Ｘ）でウェブ会議に参加する全ての利用者Ａ、利用者Ｂ、・・・の画像を、利用者画像記憶部１４０２に記憶する。
【0106】
別の一例として、利用者画像登録部１４０１は、ウェブ会議が始まる前に、ウェブ会議デバイス１０１の周辺にいる利用者Ａ、利用者Ｂ、・・・の画像を自動的に取得し、利用者画像記憶部１４０２に記憶するもの等であってもよい。
【0107】
利用者画像記憶部１４０２は、例えば、ＣＰＵ６０１が実行するプログラム、及びＳＳＤ６０４等によって実現され、利用者画像登録部１４０１が取得した利用者の画像を記憶する。
【0108】
＜処理の流れ＞
図１５は、第３の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。なお、図１５に示す処理の開始時点において、自拠点（例えば拠点Ｘ）からウェブ会議に参加する利用者（例えば、利用者Ａ、利用者Ｂ、・・・）の画像が、利用者画像記憶部１４０２に記憶されているものとする。また、図１５のステップＳ１００１～Ｓ１００５の処理は、図１０で説明した第１の実施形態に係るウェブ会議デバイスの処理と同様なので、ここでは説明を省略する。
図１５は、第３の実施形態に係るウェブ会議デバイスの処理の例を示すシーケンス図である。なお、図１５に示す処理の開始時点において、自拠点（例えば拠点Ｘ）からウェブ会議に参加する利用者（例えば、利用者Ａ、利用者Ｂ、・・・）の画像が、利用者画像記憶部１４０２に記憶されているものとする。また、図１５のステップＳ１００１～Ｓ１００５の処理は、図１０で説明した第１の実施形態に係るウェブ会議デバイスの処理と同様なので、ここでは説明を省略する。
【0109】
ステップＳ１５０１、Ｓ１５０２において、クローズアップ部８０６は、予め記憶した自拠点の利用者の画像である第２の話者の画像を取得する。この第２の話者の画像には、例えば、利用者Ａの画像、利用者Ｂの画像、・・・等が含まれる。
【0110】
ステップＳ１５０３において、クローズアップ部８０６は、画像抽出部８０５から取得した第１の話者の画像と、利用者画像記憶部１４０２から取得した第２の話者の画像とを、比較部８０７に入力する。
【0111】
ステップＳ１５０４において、比較部８０７は、入力された第１の話者の画像と第２の話者の画像とを比較し、比較結果をクローズアップ部８０６に出力する。例えば、比較部８０７は、第１の話者の画像と、第２の話者の画像の各々との一致度（又は類似度）を算出し、算出した一致度の中に、所定値以上のものがある場合、一致度が所定値以上であることを示す比較結果をクローズアップ部８０６に出力する。一方、算出した一致度の中に、所定値以上のものがない場合、比較部８０７は、一致度が所定値未満であることを示す比較結果をクローズアップ部８０６に出力する。
【0112】
一致度が所定値以上である場合、ウェブ会議デバイス１０１は、ステップＳ１５１１～Ｓ１５１３の処理を実行する。ステップＳ１５１１において、クローズアップ部８０６は、第１の話者の画像をクローズアップして会議画像（動画像）を作成する。また、ステップＳ１５１２、Ｓ１５１３において、クローズアップ部８０６は、作成した会議画像と会議音声とを含む会議映像を、通信部８０１を介して、ＩＷＢ１０２等に送信する。
【0113】
一方、一致度が所定の値未満である場合、ウェブ会議デバイス１０１は、ステップＳ１５２１、Ｓ１５２２の処理を実行する。ステップＳ１５２１、Ｓ１５２２において、クローズアップ部８０６は、第１の話者のクローズアップを中止して、例えば、自拠点の会議室を表示する会議画像と、会議音声とを含む会議映像を、通信部８０１を介して、ＩＷＢ１０２等に送信する。
【0114】
なお、第３の実施形態では、ＩＷＢ１０２の画像送信部９０７、及び人物画像検知部９０８等を使用しない。従って、第３の実施形態に係る会議システム１００では、ＩＷＢ１０２に代えて、例えば、大型のディスプレイ、プロジェクタ、又は画像送信部９０７、及び人物画像検知部９０８を有していないＩＷＢの既存の表示装置を利用して、会議映像を表示できる。
【0115】
このように、第３の実施形態によれば、既存の表示装置を利用して、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる。
【0116】
［第４の実施形態］
第１～３の実施形態では、図１に示すように、ウェブ会議デバイス１０１と、ＩＷＢ１０２との間の通信をＵＳＢケーブル１０３等で行うものとして説明した。ただし、これに限られず、図２に示すように、ウェブ会議デバイス１０１と、ＩＷＢ１０２との間の通信は、ＬＡＮ２０３等のネットワークを用いて行うものであってよい。
第１～３の実施形態では、図１に示すように、ウェブ会議デバイス１０１と、ＩＷＢ１０２との間の通信をＵＳＢケーブル１０３等で行うものとして説明した。ただし、これに限られず、図２に示すように、ウェブ会議デバイス１０１と、ＩＷＢ１０２との間の通信は、ＬＡＮ２０３等のネットワークを用いて行うものであってよい。
【0117】
【0118】
（接続情報の設定処理１）
図１６は、第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（１）である。この処理は、例えば、図２に示すような会議システム１００において、ウェブ会議デバイス１０１に、ＩＷＢ１０２のＩＰアドレスを設定する処理の一例を示している。なお、ＩＰアドレスは、ＩＷＢ１０２に接続するための接続情報の一例である。
図１６は、第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（１）である。この処理は、例えば、図２に示すような会議システム１００において、ウェブ会議デバイス１０１に、ＩＷＢ１０２のＩＰアドレスを設定する処理の一例を示している。なお、ＩＰアドレスは、ＩＷＢ１０２に接続するための接続情報の一例である。
【0119】
ステップＳ１６０１、Ｓ１６０２において、ＩＷＢ１０２のＵＩ部９０５は、利用者による画像コードの表示操作を受け付けると、第１の通信部９０１からＩＰアドレスを取得する。
【0120】
ステップＳ１６０３において、ＩＷＢ１０２のＵＩ部９０５は、取得したＩＰアドレスを画像コード生成部９０９に入力する。これに応じて、ステップＳ１６０４において、画像コード生成部９０９は、入力されたＩＰアドレスを表す画像コードを生成し、生成した画像コードをＵＩ部９０５に出力する。
【0121】
ステップＳ１６０５において、ＩＷＢ１０２のＵＩ部９０５は、生成された画像コードの表示を要求する画像コードの表示要求を、表示制御部９０３に送信する。これに応じて、ステップＳ１６０６において、表示制御部９０３は、第１の通信部９０１のＩＰアドレスを表す画像コードを、ディスプレイ５４０等に表示する。
【0122】
この状態から、ステップＳ１６１１において、利用者は、ウェブ会議デバイス１０１のＵＩ部８１０に対して、ＩＰアドレスの設定操作を行う。これに応じて、ステップＳ１６１２において、ウェブ会議デバイス１０１のＵＩ部８１０は、画像取得部８０４に対して、撮影を指示する。
【0123】
ステップＳ１６１３、Ｓ１６１４において、画像取得部８０４は、ＩＷＢ１０２が表示している画像コードを撮影し、撮影した画像コードを画像コード解析部８０８に入力する。なお、画像取得部８０４は、１つ以上のカメラ６０９ａ、６０９ｂ、・・・を用いて、ウェブ会議デバイスの周辺（会議室全体）を撮影することができるので、利用者は、ウェブ会議デバイス１０１の向きの調整等は、特に行わなくてもよい。
【0124】
ステップＳ１６１５において、画像コード解析部８０８は、入力された画像コードを解析して、画像コードが表すＩＰアドレスを取得する。また、ステップＳ１６１６において、画像コード解析部８０８は、取得したＩＰアドレスを通信部８０１に設定する。これにより、通信部８０１は、例えば、ネットワークＩ／Ｆ６０５を用いて、ＩＷＢ１０２と通信できるようになる。
【0125】
（接続情報の設定処理２）
図１７は、第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（２）である。この処理は、例えば、図２に示すような会議システム１００において、ウェブ会議デバイス１０１に、ＩＷＢ１０２のＩＰアドレスを設定する処理の別の一例を示している。
図１７は、第４の実施形態に係る接続情報の設定処理の例を示すシーケンス図（２）である。この処理は、例えば、図２に示すような会議システム１００において、ウェブ会議デバイス１０１に、ＩＷＢ１０２のＩＰアドレスを設定する処理の別の一例を示している。
【0126】
ステップＳ１７０１、Ｓ１７０２において、ＩＷＢ１０２のＵＩ部９０５は、利用者による画像コードの表示操作を受け付けると、第１の通信部９０１からＩＰアドレスを取得する。
【0127】
ステップＳ１７０３において、ＩＷＢ１０２のＵＩ部９０５は、取得したＩＰアドレスを音声コード生成部９１０に入力する。これに応じて、ステップＳ１７０４において、音声コード生成部９１０は、入力されたＩＰアドレスを表す音声コードを生成し、生成した音声コードをＵＩ部９０５に出力する。
【0128】
ステップＳ１７０５において、ＩＷＢ１０２のＵＩ部９０５は、生成された音声コードの出力を要求する音声コードの出力要求を、音声出力部９０４に送信する。これに応じて、ステップＳ１７０６において、音声出力部９０４は、第１の通信部９０１のＩＰアドレスを表す音声コードを、スピーカ５５０等を用いて出力する。
【0129】
この状態から、ステップＳ１７１１において、利用者は、ウェブ会議デバイス１０１のＵＩ部８１０に対して、ＩＰアドレスの設定操作を行う。これに応じて、ステップＳ１７１２において、ウェブ会議デバイス１０１のＵＩ部８１０は、音声取得部８０２に対して、音声の取得を指示する。
【0130】
ステップＳ１７１３、Ｓ１７１４において、音声取得部８０２は、ＩＷＢ１０２が出力する音声コードを含む音声を取得し、取得した音声（音声データ）を音声コード解析部８０９に入力する。
【0131】
ステップＳ１７１５において、音声コード解析部８０９は、入力された音声を解析して、音声コードが表すＩＰアドレスを取得する。また、ステップＳ１７１６において、音声コード解析部８０９は、取得したＩＰアドレスを通信部８０１に設定する。これにより、通信部８０１は、例えば、ネットワークＩ／Ｆ６０５を用いて、ＩＷＢ１０２と通信できるようになる。
【0132】
以上、本発明の各実施形態によれば、自拠点の発話者の映像をクローズアップする会議システム１００において、ディスプレイに表示された他拠点の人物を、自拠点の話者と誤認識してクローズアップしてしまうことを抑制することができる。
【0133】
＜補足＞
上記で説明した各実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（digital signal processor）、ＦＰＧＡ（field programmable gate array）や従来の回路モジュール等のデバイスを含むものとする。
上記で説明した各実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（digital signal processor）、ＦＰＧＡ（field programmable gate array）や従来の回路モジュール等のデバイスを含むものとする。
【0134】
＜付記＞
本明細書には、下記の各項の会議システム、表示制御方法、及びプログラムが開示されている。
（第１項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、
前記第１の装置は、
前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、
前記話者の画像をクローズアップして出力するクローズアップ部と、
を有し、
前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、会議システム。
（第２項）
前記第１の装置は、前記画像抽出部が抽出した第１の話者の画像と、前記第２の装置が前記ディスプレイに表示するディスプレイ画像に含まれる第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値以上である場合、前記第１の話者の画像のクローズアップを中止する、
第１項に記載の会議システム。
（第３項）
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像を、前記第１の装置に送信する画像送信部を有する、
第１項又は第２項に記載の会議システム。
（第４項）
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像に含まれる前記第２の話者の画像を、前記第２の装置に送信する画像送信部を有する、
第１項又は第２項に記載の会議システム。
（第５項）
前記画像送信部は、前記ディスプレイ画像に人が映っていない場合、前記第２の装置に前記第２の話者の画像を送信する処理を中止する、第４項に記載の会議システム。
（第６項）
前記第１の装置は、前記第１の話者の画像と、予め記憶した自拠点の利用者の画像である第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値未満である場合、前記第１の話者の画像のクローズアップを中止する、
第１項に記載の会議システム。
（第７項）
前記第２の装置は、前記ディスプレイに前記第２の装置と接続するための接続情報を表す画像コードを表示する表示制御部を有し、
前記第１の装置は、前記カメラで撮影した前記画像コードを解析し、前記画像コードが表す前記接続情報を前記通信部に設定する画像コード解析部を有する、
第３項又は第４項に記載の会議システム。
（第８項）
前記第２の装置は、前記第２の装置と接続するための接続情報を表す音声コードを出力する音声出力部を有し、
前記第１の装置は、前記マイクで取得した前記音声コードを解析し、前記音声コードが表す前記接続情報を前記通信部に設定する音声コード解析部を有する、
第３項、第４項、及び第７項のいずれかに記載の会議システム。
（第９項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置が、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップして出力するクローズアップ処理と、
を実行し、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、表示制御方法。
（第１０項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置に、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップするクローズアップ処理と、
を実行させ、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、プログラム。
本明細書には、下記の各項の会議システム、表示制御方法、及びプログラムが開示されている。
（第１項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムであって、
前記第１の装置は、
前記マイクで取得した音声に基づいて、話者の方向を検知する方向検知部と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する画像抽出部と、
前記話者の画像をクローズアップして出力するクローズアップ部と、
を有し、
前記クローズアップ部は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、会議システム。
（第２項）
前記第１の装置は、前記画像抽出部が抽出した第１の話者の画像と、前記第２の装置が前記ディスプレイに表示するディスプレイ画像に含まれる第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値以上である場合、前記第１の話者の画像のクローズアップを中止する、
第１項に記載の会議システム。
（第３項）
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像を、前記第１の装置に送信する画像送信部を有する、
第１項又は第２項に記載の会議システム。
（第４項）
前記第１の装置は、前記第２の装置と通信する通信部を有し、
前記第２の装置は、前記ディスプレイに表示するディスプレイ画像に含まれる前記第２の話者の画像を、前記第２の装置に送信する画像送信部を有する、
第１項又は第２項に記載の会議システム。
（第５項）
前記画像送信部は、前記ディスプレイ画像に人が映っていない場合、前記第２の装置に前記第２の話者の画像を送信する処理を中止する、第４項に記載の会議システム。
（第６項）
前記第１の装置は、前記第１の話者の画像と、予め記憶した自拠点の利用者の画像である第２の話者の画像とを比較する比較部を有し、
前記クローズアップ部は、前記第１の話者の画像と前記第２の話者の画像との一致度が所定値未満である場合、前記第１の話者の画像のクローズアップを中止する、
第１項に記載の会議システム。
（第７項）
前記第２の装置は、前記ディスプレイに前記第２の装置と接続するための接続情報を表す画像コードを表示する表示制御部を有し、
前記第１の装置は、前記カメラで撮影した前記画像コードを解析し、前記画像コードが表す前記接続情報を前記通信部に設定する画像コード解析部を有する、
第３項又は第４項に記載の会議システム。
（第８項）
前記第２の装置は、前記第２の装置と接続するための接続情報を表す音声コードを出力する音声出力部を有し、
前記第１の装置は、前記マイクで取得した前記音声コードを解析し、前記音声コードが表す前記接続情報を前記通信部に設定する音声コード解析部を有する、
第３項、第４項、及び第７項のいずれかに記載の会議システム。
（第９項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置が、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップして出力するクローズアップ処理と、
を実行し、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、表示制御方法。
（第１０項）
カメラとマイクとを備えた第１の装置と、ディスプレイを備えた第２の装置とを含む会議システムにおいて、
前記第１の装置に、
前記マイクで取得した音声に基づいて、話者の方向を検知する検知処理と、
前記話者の方向に基づいて、前記カメラで撮影した画像から前記話者の画像を抽出する抽出処理と、
前記話者の画像をクローズアップするクローズアップ処理と、
を実行させ、
前記クローズアップ処理は、前記話者の画像が前記ディスプレイに表示された画像である場合、前記話者の画像のクローズアップを中止する、プログラム。
【0135】
以上、本発明の実施形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、様々な変形、及び応用が可能である。
【符号の説明】
【0136】
１ 通信システム
１００ 会議システム
１０１ ウェブ会議デバイス（第１の装置の一例）
１０２ ＩＷＢ（第２の装置の一例）
５４０ ディスプレイ
６０９ａ、６０９ｂ カメラ
６１１ マイクアレイ（マイク）
８０１ 通信部
８０３ 方向検知部
８０５ 画像抽出部
８０６ クローズアップ部
８０７ 比較部
８０８ 画像コード解析部
８０９ 音声コード解析部
９０３ 表示制御部
９０４ 音声出力部
９０７ 画像送信部
１４０２ 利用者画像記憶部
１００ 会議システム
１０１ ウェブ会議デバイス（第１の装置の一例）
１０２ ＩＷＢ（第２の装置の一例）
５４０ ディスプレイ
６０９ａ、６０９ｂ カメラ
６１１ マイクアレイ（マイク）
８０１ 通信部
８０３ 方向検知部
８０５ 画像抽出部
８０６ クローズアップ部
８０７ 比較部
８０８ 画像コード解析部
８０９ 音声コード解析部
９０３ 表示制御部
９０４ 音声出力部
９０７ 画像送信部
１４０２ 利用者画像記憶部
【先行技術文献】
【特許文献】
【0137】
【特許文献1】特開２０１７－３４５０２号公報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】