JP5638897B2 - 撮像装置 - Google Patents

Description

本発明は、音声の記録機能を有する撮像装置に関する。

デジタルスチルカメラ（以下、単にカメラと言う）と一般に呼ばれている撮像装置は、静止画撮影機能を主機能としている。しかしながら、近年のカメラにおいては動画の撮影機能も搭載されるようになってきている。このような静止画と動画の両方が撮影可能なカメラにおいては、高品質、且つ、速写性が要求される静止画撮影に適した撮影機構を使用しながら、音声の記録を伴う動画を、高品位に撮影できるようにすることが要求されている。

ここで、静止画撮影を主機能とするカメラにおいては、きれいなボケ味が表現できることが高品質な画像を撮影できる要件の一つとされている。そのため、このようなカメラでは、絞りに円形に近い開口を持つ多段式の羽絞りを用いたり、挿抜式の円形開口ＮＤ（Neutral Density）フィルタを用いたりして露光量を制御する方式が採用されている。また、レリーズタイムラグや連写性を重視するため、羽絞りやＮＤフィルタは高速な動作が可能なように設計されている。ところで、挿抜動作を伴うＮＤフィルタはその動作音が大きく、音声記録を伴う動画の撮影時にその音が不意に記録されてしまうと、その動画の再生時に耳障りとなる。

従来、カメラの内部での動作音がノイズとして記録されてしまうことを防止するための技術として、例えば特許文献１や特許文献２の技術が知られている。特許文献１では、音声情報が記録されるモードが選択されているときは動作音（バッテリ残量の警告音や合焦音、シャッター音）の発生を禁止するようにしている。一方、露光時間が基準値より長い場合には、音声情報が記録されるモードであっても動作音の発生を許容するようにしている。また、特許文献２では、動作音の発生タイミングで音声信号のゲインを低下させたり、音声信号のサンプリングを一時的に粗くして動作音の振幅が０となる点でのみサンプリングした上で音を補間して連続した音声信号を作り出したりしている。

特開平１０−４５３０号公報 特開平８−９３１７号公報

ここで、特許文献１では条件付きでの、特許文献２では動画の観賞者の予期しないタイミングでの動作音の発生を許容しており、再生時において動画の観賞者が意識を集中すると考えられるタイミングで、音声信号に雑音が混入されて記録が行われる可能性がある。また、特許文献２においては、音声信号においた動作音を抑圧するための処理を行っているが、このような処理を行ったとしても音声信号の品質は一時的に低下してしまう。

本発明は、上記の事情に鑑みてなされたもので、動画の観賞者が意識を集中すると考えられるタイミングにおいて、記録される音声信号に機械的な動作音等が混入することがない撮像装置を提供することを目的とする。

上記の目的を達成するために、本発明の一態様の撮像装置は、被写体から入射した光を画像信号に変換する画像取得部と、前記画像取得部に入射する光を機械的な動作により制御する光学素子と、音声を音声信号に変換する音声取得部と、前記被写体における人の音声の有無を検出する人物音声検出部と、前記人物音声検出部により人の音声が検出されている間は、前記光学素子の動作を禁止した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録し、前記人物音声検出部により人の音声が検出されていない間は、前記光学素子の動作を許可した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録するように制御する制御部と、を具備し、前記人物音声検出部は、前記音声取得部により得られた音声信号を解析して前記音声信号における人の音声の周波数帯域の音声信号が所定の閾値以上の場合に前記人の音声を検出するとともに、前記画像取得部により得られた画像信号を解析することによって前記閾値を変更することを特徴とする。

本発明によれば、動画の観賞者が意識を集中すると考えられるタイミングにおいて、記録される音声信号に機械的な動作音等が混入することがない。

本発明の一実施形態に係る撮像装置の一例としてのデジタルスチルカメラの構成を示すブロック図。 ＡＧＣアンプの動作について説明するための図。 フィルタ回路の動作について説明するための図。 フィルタ回路の内部構成について示す図。 本発明の一実施形態に係るカメラの音声記録動作について示す図。 声検出閾値の設定手法の例を示す図。 本発明の一実施形態のレンズ交換式カメラへの適用例を示す図。

以下、図面を参照して本発明の実施形態を説明する。
図１は、本発明の一実施形態に係る撮像装置の一例としてのデジタルスチルカメラ（以下、カメラと言う）の構成を示すブロック図である。図１に示すカメラは、カメラ本体１００を有している。このカメラ本体１００内には、光学系と、撮像素子１０４と、画像処理部１０５と、表示部１０６と、マイクロホン（マイク）１０７と、ゲイン制御（ＡＧＣ）アンプ１０８と、フィルタ回路１０９と、アンプ１１０と、記録部１１１と、制御部１１２と、が設けられている。

光学系は、レンズ１０１と、絞り１０２と、ＮＤフィルタ１０３と、を有している。レンズ１０１は、被写体からの光（被写体光）を撮像素子１０４に入射させる。図１に示すレンズ１０１は、フォーカスレンズを含む複数のレンズを有している。フォーカスレンズをレンズ１０１の光軸方向（図示破線方向）に沿って駆動することで、レンズ１０１の焦点位置を調整可能である。この他、レンズ１０１にズームレンズが含まれていても良い。絞り１０２は、制御部１１２の制御に従って開閉自在に構成されている。絞り１０２の開口量により、撮像素子１０４に入射される光の量を調整可能である。ＮＤフィルタ１０３は、挿抜可能に構成された色に影響を与えずに光量を落とすフィルタである。ＮＤフィルタ１０３を被写体光の光路上に進入させることにより、撮像素子１０４に入射される光の量が減じられる。このＮＤフィルタ１０３によっても撮像素子１０４に入射される光の量を調整可能である。

画像取得部として機能する撮像素子１０４は、光学系を介して入射した被写体光を、その光量に応じた電気信号（画像信号）に変換する。また、撮像素子１０４は、Ａ／Ｄ変換回路を有している。このＡ／Ｄ変換回路により、撮像素子１０４は、画像信号をデジタル信号に変換して画像処理部１０５に出力する。画像処理部１０５は、撮像素子１０４から入力された画像信号に対してホワイトバランス補正や階調補正、色補正等の種々の画像処理を施す。また、画像処理部１０５は、画像信号から輝度情報を抽出する処理、画像信号からコントラスト情報を抽出する処理も行う。輝度情報は、例えば制御部１１２による露出制御の際に用いられる。コントラスト情報は、例えば制御部１１２によるフォーカス制御の際に用いられる。さらに、画像処理部１０５は、画像信号を解析して、画像信号中の人物の顔部に相当する画像信号を検出する処理も行う。顔検出情報は、例えば後述するフィルタ回路１０９の声検出閾値設定の際に用いられる。表示部１０６は、例えば液晶ディスプレイであり、画像処理部１０５によって画像処理された画像信号に基づく画像を表示する。

マイク１０７は、入力された音声を、電気信号（音声信号）に変換する。また、マイク１０７は、Ａ／Ｄ変換回路を有している。このＡ／Ｄ変換回路により、マイク１０７は、音声信号をデジタル信号に変換してＡＧＣアンプ１０８に出力する。利得制御部としての機能を有するＡＧＣアンプ１０８は、マイク１０７で得られた音声信号の平均レベルに応じたゲインで、マイク１０７から入力された音声信号が略一定レベルとなるように、入力された音声信号の増幅を行う。図２は、ゲイン設定の例を示す図である。図２に示すように、ＡＧＣアンプ１０８は、入力された音声信号の平均レベルが低レベルの場合に、ゲインを高くして増幅を行い、入力された音声信号の平均レベルが高レベルの場合に、ゲインを低くして増幅を行う。このようなマイク１０７とＡＧＣアンプ１０８とが音声取得部として機能する。

制御部１１２とともに人物音声検出部として機能するフィルタ回路１０９は、ＡＧＣアンプ１０８から出力された音声信号に、人の音声が含まれているかを検出するための回路である。図３に示すように、被写体が人で、且つ、音声を発しているときには、ＡＧＣアンプ１０８からフィルタ回路１０９へは、環境音（背景音）に対応した略一定レベルで広帯域の音声信号に、人の音声に対応した音声信号が重畳された音声信号が入力される。ここで、人の音声は、ある周波数帯域Ｂ（通常は１００〜３００Ｈｚ程度）を有しており、フィルタ回路１０９はこのような周波数帯域Ｂの音声信号を検出する。図４にフィルタ回路１０９の構成を示す。図４に示すように、フィルタ回路１０９は、帯域フィルタ１０９１と、振幅検出回路１０９２と、合成回路１０９３と、を有している。帯域フィルタ１０９１は、入力された音声信号を、人の音声の周波数帯域Ｂの音声信号と、それ以外の周波数帯域Ａの音声信号とに分離し、周波数帯域Ｂの音声信号を振幅検出回路１０９２に、周波数帯域Ａの音声信号を合成回路１０９３に出力する。振幅検出回路１０９２は、制御部１１２との間で音声解析のための情報である音解析情報のやり取りを行う。本実施形態における音解析情報は、声検出閾値と声検出信号である。声検出閾値は、入力された音声信号の信号レベルを判定するための閾値である。また、声検出信号は、人の音声が検出されたか否かを示す信号である。このような構成の振幅検出回路１０９２は、周波数帯域Ｂの音声信号の振幅（信号レベル）が、制御部１１２から入力された声検出閾値以上である場合に、人の音声が検出された旨を示す声検出信号を制御部１１２に出力する。また、振幅検出回路１０９２は、周波数帯域Ｂの音声信号の振幅（信号レベル）が、制御部１１２から入力された声検出閾値未満である場合に、人の音声が検出されていない旨を示す声検出信号を制御部１１２に出力する。合成回路１０９３は、振幅検出回路１０９２から入力された周波数帯域Ｂの音声信号に、帯域フィルタ１０９１から入力された周波数帯域Ａの音声信号を合成して、もとの音声信号を復元する。

アンプ１１０は、制御部１１２によって設定されたゲインで、フィルタ回路１０９から入力された音声信号の増幅を行う。詳細は後述するが、アンプ１１０のゲインは、通常は一定値であり、カメラ本体１００内でＮＤフィルタ１０３等の動作音が発せられる際に、低く設定される。

記録部１１１は、例えばカメラ本体１００に内蔵された記録媒体としてのメモリを有し、画像処理部１０５で処理された画像信号を記録する。また、記録部１１１は、動画撮影時等、必要に応じてアンプ１１０から出力された音声信号も記録する。
制御部１１２は、例えばＣＰＵであり、画像処理部１０５で得られたコントラスト情報に従ってレンズ１０１のフォーカスレンズを合焦位置に駆動させるフォーカス制御や、画像処理部１０５で得られた輝度情報に従って撮影時における撮像素子１０４のシャッター速（露出時間）や感度（画像信号の増幅率）を設定したり、絞り１０２の開放量を設定したり、ＮＤフィルタ１０３の挿抜を制御する露出制御等の、カメラ本体１００内の各ブロックの動作を制御する。さらに、制御部１１２は、音声記録時においては、声検出閾値の設定をしたり、アンプ１１０のゲインを設定したりもする。

以下、図１に示すカメラの動作について説明する。なお、以下の説明においては特に動画撮影時の動作について説明する。しかしながら、本実施形態のカメラは、静止画撮影も可能になされている。
動画記録中には、被写体の距離の変化や輝度の変化に追従した動画を記録できるように、フォーカス制御や露出制御がなされる。このフォーカス制御において、制御部１１２は、撮像素子１０４の連続動作によって画像処理部１０５から順次得られるコントラスト情報を評価しつつ、フォーカスレンズを駆動させる。コントラスト情報が最大となる位置にフォーカスレンズを駆動させることにより、レンズ１０１が合焦状態となる。

また、露出制御において、制御部１１２は、画像処理部１０５で得られた輝度情報に従って、被写体の輝度を識別し、撮影時において被写体の輝度を適正露出量とするのに必要な、撮像素子１０４のシャッター速及び感度と、絞り１０２の開放量やＮＤフィルタ１０３の挿抜の要否を演算し、それぞれを制御する。この際、ＮＤフィルタの動作が禁止されている場合は、撮像素子１０４のシャッター速及び感度と、絞り１０２の開放量によってＮＤフィルタ１０３による露出変化分を一時的に補い、適正露出を維持するように制御する。ＮＤフィルタの動作が許可されると、ＮＤフィルタ１０３の挿抜の要否に応じてＮＤフィルタを動作させ、撮像素子１０４のシャッター速及び感度と、絞り１０２の開放量を動画としてより好ましい制御状態に戻す。以上のようなフォーカス制御や露出制御と同時に、撮像素子１０４を介して得られた画像信号は、画像処理部１０５においてホワイトバランス補正や階調補正、色補正等の種々の画像処理が施される。

さらに、以上のような動画像取得動作に伴って、制御部１１２は、マイク１０７を動作させる。この音声取得動作により、マイク１０７を介して得られた音声信号は、ＡＧＣアンプ１０８に入力される。以下、この後の処理について、図５を参照しながら説明する。

ＡＧＣアンプ１０８では、入力された音声信号の出力レベルを略一定とするようにゲインが設定され、この設定されたゲインに従って音声信号が増幅される。これにより、入力された音声信号の平均レベルが低レベル（即ち小音量）の場合であっても、高レベル（即ち大音量）の場合であっても、音声の再生時に人が聞き易いレベルの信号を記録することが可能である。このような増幅がなされるのに伴って、ＡＧＣアンプ１０８から制御部１１２へは、ＡＧＣアンプ１０８において設定されたゲインの情報が入力される。

ＡＧＣアンプ１０８で増幅された音声信号は、フィルタ回路１０９に入力される。フィルタ回路１０９の帯域フィルタ１０９１により、音声信号が、図５に示すように、周波数帯域Ａの音声信号（人の音声の周波数帯域以外の音声信号）と、周波数帯域Ｂの音声信号（人の音声の周波数帯域の音声信号）と、に分離される。振幅検出回路１０９２では、帯域フィルタ１０９１より入力された周波数帯域Ｂの音声信号の振幅（信号レベル）と制御部１１２によって設定された声検出閾値とが比較される。声検出閾値の設定については後述する。

周波数帯域Ｂの音声信号の振幅（信号レベル）が声検出閾値以上である場合には、人の音声が検出された旨を示す声検出信号（ハイレベルの声検出信号）が制御部１１２に出力される。また、周波数帯域Ｂの音声信号の振幅（信号レベル）が声検出閾値未満である場合には、人の音声が検出されていない旨を示す声検出信号（ローレベルの声検出信号）が制御部１１２に出力される。

制御部１１２は、声検出信号の状態から、ＮＤフィルタ１０３の動作を許可するための動作許可信号を発行する。ＮＤフィルタ１０３は、挿抜時に大きな動作音を発するので、人の音声が検出されている間は、ＮＤフィルタ１０３の動作を禁止し、人の音声が検出されていない期間のみ、ＮＤフィルタ１０３の動作を許可する。ただし、人の音声は、息継ぎの間等によって不意に途切れることがあり得る。この度毎にＮＤフィルタ１０３の動作を許可してしまうと、人の音声が再び発された際にＮＤフィルタ１０３の動作音も記録されてしまうおそれがある。このため、人の音声が検出されなくなった直後からＮＤフィルタ１０３の動作を許可するのではなく、所定時間Ｔ（このＴをカメラの操作者等が設定できるようにしても良い）の間、人の音声が検出されなくなってからＮＤフィルタ１０３の動作を許可することが望ましい。なお、ＮＤフィルタ１０３の動作許可信号は、ＮＤフィルタ１０３の動作を許可するための信号であって、この期間内に必ずＮＤフィルタ１０３を動作させるわけではない。ＮＤフィルタ１０３を動作させるか否かは、上述した露出制御の際の輝度情報による判別に従って決定される。動作許可信号がハイレベルであり、且つ、ＮＤフィルタ１０３を動作させる際には、図５に示すようにして、ＮＤフィルタ１０３の動作音の信号レベルが環境音の信号レベルと同レベルとなるよう、アンプ１１０のゲインが設定される。アンプ１１０のゲインは、ＮＤフィルタ１０３の動作音の出方（振幅変化、持続時間等）に応じて可変とすることが望ましい。このため、カメラの製造時等において、ＮＤフィルタ１０３の動作音の出方を実測しておき、この実測した結果を制御部１１２に記録しておくことが望ましい。また、アンプ１１０のゲインは、環境音のレベルによっても可変とすることが望ましい。なお、動作許可信号がハイレベルではない場合、又はＮＤフィルタ１０３を動作させない場合には、アンプ１１０のゲインは固定値（例えば１倍）に設定しておく。

フィルタ回路１０９の合成回路１０９３では、周波数帯域Ａの音声信号（人の音声の周波数帯域以外の音声信号）と、周波数帯域Ｂの音声信号（人の音声の周波数帯域の音声信号）とが合成され、フィルタ回路１０９に入力された音声信号が復元される。この復元された音声信号はアンプ１１０に入力される。アンプ１１０により、制御部１１２によって設定されたゲインに従って音声信号が増幅される。

記録部１１１では、画像処理部１０５で処理された画像信号とアンプ１１０から出力された音声信号とに対して所定の圧縮処理（例えばＭＰＥＧ方式等）がなされる。この圧縮処理を経て得られた動画ファイルは、記録媒体としてのメモリに記録される。なお、圧縮処理は専用の圧縮処理回路において行うようにしても良い。

図６は、声検出閾値の設定手法の例について示した図である。声検出閾値は、人の音声が検出されたか否かを判定するための閾値であるため、音声以外の人に関する情報が分かるときには、この情報に応じて声検出閾値を設定する。これにより、より撮影状況に適した判定を行うことが可能である。例えば、ＡＧＣアンプ１０８のゲインが高い場合には、マイク１０７を介して得られた音声信号の信号レベルが平均的に小さいことを意味している。この場合、フィルタ回路１０９に入力される音声信号は、人の声が含まれる帯域に対してそれ以外の帯域の成分が大きくなり、人の声が含まれる帯域にも環境音等の雑音成分が多く含まれてしまう。このような場合において人の音声を検出できるよう、声検出閾値を大きくして、主要な声（一番大きい声）に対して判定を行うようにする。逆に、ＡＧＣアンプ１０８のゲインが低い場合には、声検出閾値をＡＧＣアンプ１０８のゲインが高い場合に比べて小さくする。

また、画像処理部１０５による画像処理によって顔部に相当する画像信号が検出された場合には、その顔検出情報も声検出閾値の設定に利用する。例えば、複数の顔部が検出された場合には、そのときに発せられる音声は、複数の人の声が重なり合っていることがあるので、声検出閾値を大きくして、主要な声（一番大きい声）に対して判定を行うようにする。さらに、検出された顔部の大きさに応じて声検出閾値を変えるようにしても良い。例えば、検出された顔部が大きい場合には、アップで撮影しているということになり、その顔部に動画の観賞者の意識が集中すると考えられる。この場合、声検出閾値を小さくして判定の精度を高めることが望ましい。また、顔部が検出されなかった場合には、操作者のナレーション等が入ることを想定し、声検出閾値を小さくして判定の精度を高めることが望ましい。

以上説明したように、本実施形態では、動画撮影時において、マイク１０７を介して得られる音声信号の解析を行い、この解析の結果、人の音声が検出されない期間にのみＮＤフィルタ１０３の動作を許可するようにしている。これにより、動画の観賞者が意識を集中すると考えられるタイミングにおいて、ＮＤフィルタ１０３の動作音が記録される可能性を低減することが可能である。また、ＮＤフィルタ１０３の動作音が発せられる期間では、アンプ１１０のゲインを低下させるようにしている。これによりＮＤフィルタ１０３の動作音がほぼ記録されないようにすることが可能である。なお、ＮＤフィルタ１０３の動作音が発せられる期間では、多少の音質の低下が発生することになるが、この期間では人の音声が発せられていないため、音質の低下も許容されると考えられる。

なお、上述の例では、光学素子としてのＮＤフィルタ１０３の動作音を記録しないようにした例を示しているが、本実施形態の技術は、音声の記録時において動作音が発せられる各種の光学素子を有するカメラに対して適用可能である。例えば、本実施形態の技術を適用できる光学素子としては、ＮＤフィルタ１０３の他に、羽絞りや、撮影効果を表現するためのフィルタ（偏光フィルタやＩＲカットフィルタ等）等が考えられる。さらには、レンズ１０１についても適用可能である。

また、本実施形態のマイク１０７は、カメラ本体１００に内蔵のものを主として想定している。カメラ本体１００の外部にマイクを装着して音声の記録を行う場合には、必ずしも本実施形態の技術を適用する必要はない。勿論、適用するようにしても良い。
また、上述の例では、フィルタ回路１０９による音声信号解析によって人の音声の有無を検出してＮＤフィルタ１０３の動作の許可と禁止を判別するようにしている。これに対し、例えば画像処理部１０５によって人の顔が検出された際にさらに顔の表情を解析するようにし、この解析結果に応じて人の音声の有無を検出するようにしても良い。例えば、検出した顔の口を検出し、この口が開いている場合には音声が発せられているとする。この場合、画像処理部１０５も人物音声検出部として機能することになる。

さらに、上述した例は、レンズ一体型のカメラへの本実施形態の適用例を示している。これに対し、図７に示すようなレンズ交換式のカメラに対して本実施形態の技術を適用することも可能である。図７に示すカメラは、カメラ本体１００と、交換レンズ２００と、を有している。なお、図７の例において、カメラ本体１００の構成は、図１で示した構成とほぼ同一である。ただし、交換レンズ２００を装着するためのレンズマウント１１３がカメラ本体１００に設けられている点と、交換レンズ２００がカメラ本体１００に装着された際に、制御部１１２が、交換レンズ２００内のレンズ制御部２０６と通信自在に接続されている点と、が異なる。

交換レンズ２００は、光学系と、ドライバ２０４と、メモリ２０５と、レンズ制御部２０６と、を有している。
光学系は、レンズ２０１と、絞り２０２と、ＮＤフィルタ２０３と、を有している。これらは、図１で示したレンズ１０１、絞り１０２、ＮＤフィルタ１０３と同様の動作をするものである。その詳細については説明を省略する。ドライバ２０４は、モータやその駆動回路等を有しており、レンズ制御部２０６による制御に従って、レンズ２０１のフォーカスレンズ、絞り２０２、ＮＤフィルタ２０３を駆動させる。メモリ２０５は、レンズ２０１の特性情報や、絞り２０２の特性情報、ＮＤフィルタ２０３の特性情報といった各種のレンズ情報を記憶しておくためのメモリである。レンズ制御部２０６は、例えばＣＰＵであって、カメラ本体１００からの同期信号に同期してカメラ本体１００から送信される制御コマンドに従って、交換レンズ２００の各ブロックの動作を制御する。また、レンズ制御部２０６は、メモリ２０５に記憶されているレンズ情報を制御部１１２に送信することも行う。

図７に示した構成のカメラであっても、図５で示したような動作を実現可能である。なお、図７の構成においては、図６で示した例に加えて、交換レンズ２００から通信されたレンズ情報をさらに用いて、声検出閾値を設定することが望ましい。
以上実施形態に基づいて本発明を説明したが、本発明は上述した実施形態に限定されるものではなく、本発明の要旨の範囲内で種々の変形や応用が可能なことは勿論である。

１００…カメラ本体、１０１，２０１…レンズ、１０２，２０２…絞り、１０３，２０３…ＮＤフィルタ、１０４…撮像素子、１０５…画像処理部、１０６…表示部、１０７…マイクロホン（マイク）、１０８…利得制御（ＡＧＣ）アンプ、１０９…フィルタ回路、１１０…アンプ、１１１…記録部、１１２…制御部、１１３…レンズマウント、２００…交換レンズ、２０４…ドライバ、２０５…メモリ、２０６…レンズ制御部

Claims (7)

1. 被写体から入射した光を画像信号に変換する画像取得部と、
   前記画像取得部に入射する光を機械的な動作により制御する光学素子と、
   音声を音声信号に変換する音声取得部と、
   前記被写体における人の音声の有無を検出する人物音声検出部と、
   前記人物音声検出部により人の音声が検出されている間は、前記光学素子の動作を禁止した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録し、前記人物音声検出部により人の音声が検出されていない間は、前記光学素子の動作を許可した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録するように制御する制御部と、
   を具備し、
   前記人物音声検出部は、前記音声取得部により得られた音声信号を解析して前記音声信号における人の音声の周波数帯域の音声信号が所定の閾値以上の場合に前記人の音声を検出するとともに、前記画像取得部により得られた画像信号を解析することによって前記閾値を変更することを特徴とする撮像装置。
2. 前記音声取得部で得られた音声信号の平均レベルに従ってゲインを設定し、該ゲインに従って前記音声信号を増幅する利得制御部をさらに具備し、
   前記人物音声検出部は、前記利得制御部により設定されたゲインに応じて前記閾値を変更することを特徴とする請求項１に記載の撮像装置。
3. 前記画像信号は、動画信号であることを特徴とする請求項１又は２に記載の撮像装置。
4. 被写体からの光を入射させるレンズと、
   前記レンズによって入射された光を機械的な動作により制御する光学素子と、
   前記レンズと前記光学素子との動作を制御するレンズ制御部と、
   を有する交換レンズと、
   前記レンズと前記光学素子とを介して入射した光を画像信号に変換する画像取得部と、
   音声を音声信号に変換する音声取得部と、
   前記被写体における人の音声を検出する人物音声検出部と、
   前記人物音声検出部により人の音声が検出されている間は、前記光学素子の動作を禁止するための信号を前記レンズ制御部に送信して前記光学素子の動作を禁止した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録し、前記人物音声検出部により人の音声が検出されていない間は、前記光学素子の動作を許可するための信号を前記レンズ制御部に送信して前記光学素子の動作を許可した状態で前記画像取得部により得られた画像信号と前記音声取得部により得られた音声信号とを記録媒体に記録するように制御する制御部と、
   を有する本体と、
   を具備し、
   前記人物音声検出部は、前記音声取得部により得られた音声信号を解析して前記音声信号における人に対応した周波数成分が所定の閾値以上の場合に前記人の音声を検出するとともに、前記画像取得部により得られた画像信号を解析することによって前記閾値を変更することを特徴とする撮像装置。
5. 前記音声取得部で得られた音声信号の平均レベルに従ってゲインを設定し、該ゲインに従って前記音声信号を増幅する利得制御部をさらに具備し、
   前記人物音声検出部は、前記利得制御部により設定されたゲインに応じて前記閾値を変更することを特徴とする請求項４に記載の撮像装置。
6. 前記交換レンズは、前記光学素子の動作に伴う音の強度レベルを示す情報を保持する記憶部をさらに有し、
   前記人物音声検出部は、前記記憶部からの前記音の強度レベルを示す情報を受けて、該光学素子の動作に伴う音の強度レベルを示す情報に応じて前記閾値を変更することを特徴とする請求項４に記載の撮像装置。
7. 前記画像信号は、動画信号であることを特徴とする請求項４乃至６の何れか１項に記載の撮像装置。

Images