[发明专利]信息处理装置、信息处理方法和程序

权利要求书

1.一种识别在具有声音的运动图像内容上出现的人的信息处理装置，包括：

检测单元，从所述运动图像内容的帧中检测人脸；

第一确定单元，通过提取所检测到的脸的特征量并且在第一数据库中检验所提取出的特征量来确定与所检测到的脸相对应的人，在所述第一数据库中与人识别信息相对应地记录有脸的特征量；

声音分析单元，分析当从所述运动图像内容的帧中检测人脸时获取的声音，并生成声音信息；以及

第二确定单元，通过在第二数据库中检验与在从所述运动图像内容的帧中检测到的脸中未被所述第一确定单元确定出的人的脸相对应的声音信息来确定与所检测到的脸相对应的人，在所述第二数据库中与所述人识别信息相对应地记录有所述声音信息。

2.根据权利要求1所述的信息处理装置，进一步包括：

记录单元，与关于确定出的人的人识别信息相对应地在所述第二数据库中记录与从所述运动图像内容的帧中检测到的脸中被所述第一确定单元确定出的人的脸相对应的声音信息。

3.根据权利要求1或2所述的信息处理装置，进一步包括：

跟踪单元，跟踪在所述运动图像内容的帧上检测到和确定出的人的脸的位置。

4.根据权利要求3所述的信息处理装置，其中，所述跟踪单元在没有检测到人脸的帧上估计脸的位置。

5.根据权利要求4所述的信息处理装置，其中，所述跟踪单元基于在没有检测到人脸的帧的在前帧和随后帧中的至少一帧上检测到的脸的位置轨迹来估计脸的位置。

6.根据权利要求5所述的信息处理装置，其中，所述跟踪单元基于与没有检测到人脸的帧的紧邻在前的帧上检测到的脸相对应的声音信息和与没有检测到人脸的帧的紧接在后的帧上检测到的脸相对应的声音信息的连续性，来估计脸的位置。

7.根据权利要求1所述的信息处理装置，其中，所述声音分析单元提取从所述运动图像内容的帧中检测到人脸的脸检测时段的声音v1和在所述脸检测时段期间被检测到的人的嘴移动的时段的声音v2，并且生成通过所述声音v1和所述声音v2之差V的傅里叶变换获得的频率分布作为声音信息。

8.一种识别在具有声音的运动图像内容上出现的人的信息处理装置的信息处理方法，所述信息处理方法使所述信息处理装置执行以下步骤：

从所述运动图像内容的帧中检测人脸；

第一确定步骤，通过提取所检测到的脸的特征量并且在第一数据库中检验所提取出的特征量来确定与所检测到的脸相对应的人，在所述第一数据库中与人识别信息相对应地记录有脸的特征量；

分析当从所述运动图像内容的帧中检测人脸时获取的声音，并生成声音信息；以及

第二确定步骤，通过在第二数据库中检验与在从所述运动图像内容的帧中检测到的脸中未在所述第一确定步骤中确定出的人的脸相对应的声音信息来确定与所检测到的脸相对应的人，在所述第二数据库中与所述人识别信息相对应地记录有所述声音信息。

9.一种控制信息处理装置的程序，所述信息处理装置识别在具有声音的运动图像内容上出现的人，所述程序使信息处理装置的计算机执行以下步骤：

从所述运动图像内容的帧中检测人脸；

第一确定步骤，通过提取所检测到的脸的特征量并且在第一数据库中检验所提取出的特征量来确定与所检测到的脸相对应的人，在所述第一数据库中与人识别信息相对应地记录有脸的特征量；

分析当从所述运动图像内容的帧中检测人脸时获取的声音，并生成声音信息；以及

第二确定步骤，通过在第二数据库中检验与在从所述运动图像内容的帧中检测到的脸中未在所述第一确定步骤中确定出的人的脸相对应的声音信息来确定与所检测到的脸相对应的人，在所述第二数据库中与所述人识别信息相对应地记录有所述声音信息。