JP4496264B2 - 電子機器及び映像表示方法 - Google Patents

Description

本発明は映像コンテンツデータに含まれる動画像データの概要を表示する電子機器および映像表示方法に関する。

一般に、ビデオレコーダ、パーソナルコンピュータといった電子機器は、テレビジョン放送番組データのような各種映像コンテンツデータを記録および再生することが可能である。この場合、電子機器に格納された各映像コンテンツデータにはタイトル名が付加されるが、タイトル名だけから各映像コンテンツデータがどのような内容のものであるかをユーザが把握することは困難である。このため、映像コンテンツデータの内容を把握するためには、その映像コンテンツデータを再生することが必要となる。しかし、総時間長の長い映像コンテンツデータの再生には、たとえ早送り再生機能等を用いた場合であっても、多くの時間が要される。

そこで、最近では、映像コンテンツデータから抽出された幾つかの静止画それぞれに対応するサムネイル画像の一覧を表示する技術が開発され始めている。

特許文献１には、人物の検索が可能な監視記録装置が開示されている。この装置は、映像データから顔画像を抽出し、抽出した顔画像を一覧表示する機能を有している。
特開２００３―４６９１１号公報

サムネイル画像の一覧表示は、映像コンテンツデータの概要をユーザに提示する技術として有用である。また、従来、映像コンテンツ内の指定された部分などを簡易的に再生するためのプレビュー機能も知られている。しかし、通常のプレビュー機能においては、プレビュー再生とサムネイル表示エリアの表示とは互いに独立して行われるため、ユーザは、現在プレビュー再生が行われる部分が、サムネイル表示エリア上のどのサムネイル画像に対応する部分であるかを把握することが困難である。

本発明は上述の事情を考慮してなされたものであり、再生中の動画像に関連する顔画像をユーザに提示することができる電子機器および映像表示方法を提供することを目的とする。

以上の課題を解決するため、本発明の一つの観点によれば、映像コンテンツデータに含まれる動画像データのシーケンスにおいて出現する複数の顔画像からなる顔画像群を抽出すると共に、抽出された各顔画像が前記動画像データのシーケンス上に出現する時点を示すタイムスタンプ情報を出力するインデキシング手段と、複数の行と、前記動画像データの総時間長を構成する複数の時間帯がそれぞれ割り当てられた複数の列とを含むマトリクス状に配置された複数の顔画像表示エリアを含む表示画面上の第１表示エリア上に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記各列の顔画像表示エリア上に当該各列に割り当てられた時間帯に属する顔画像それぞれを並べて表示する画像表示処理手段と、前記動画像データを再生して前記表示画面上の第２表示エリア上に表示する再生処理手段と、前記動画像データが前記第２表示エリア上で再生されている場合に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記動画像データの再生位置に対応する期間内に出現する前記第１表示エリア上の第１の顔画像を強調して表示する強調表示処理手段とを具備することを特徴とする電子機器が提供される。

本発明によれば、再生中の動画像に関連する顔画像をユーザに提示することができる。

以下、図面を参照して、本発明の実施形態を説明する。

まず、図１および図２を参照して、本発明の一実施形態に係る電子機器の構成を説明する。本実施形態の電子機器は、例えば、情報処理装置として機能するノートブック型の携帯型パーソナルコンピュータ１０から実現されている。

このパーソナルコンピュータ１０は、放送番組データ、外部機器から入力されるビデオデータといった、映像コンテンツデータ（オーディオビジュアルコンテンツデータ）を記録および再生することができる。すなわち、パーソナルコンピュータ１０は、テレビジョン放送信号によって放送される放送番組データの視聴および録画を実行するためのテレビジョン（ＴＶ）機能を有している。このＴＶ機能は、例えば、パーソナルコンピュータ１０に予めインストールされているＴＶアプリケーションプログラムによって実現されている。また、ＴＶ機能は、外部のＡＶ機器から入力されるビデオデータを記録する機能、および記録されたビデオデータおよび記録された放送番組データを再生する機能も有している。

さらに、パーソナルコンピュータ１０は、映像コンテンツデータ内に含まれる動画像データから抽出された静止画像の一覧等を表示するサムネイル画像表示機能を有している。このサムネイル画像表示機能は、例えば、ＴＶ機能内にその一機能として実装されている。このサムネイル画像表示機能は、映像コンテンツデータの概要等をユーザに提示するための映像インデキシング機能の一つである。このサムネイル画像表示機能は、映像コンテンツデータ全体の概要をユーザに提示することができる。

また、パーソナルコンピュータ１０は、このサムネイル画像表示機能で用いられる表示エリアを用いて、映像コンテンツデータ内に含まれる動画像データを（簡易的に）再生するプレビュー機能も有している。

さらに、サムネイル画像表示機能は、映像コンテンツデータに登場する人物の顔画像の一覧等を表示する顔画像一覧表示機能も有している。この顔画像一覧表示機能も、上述の映像インデキシング機能の一つである。この顔画像一覧表示機能は、映像コンテンツデータ全体の中のどの時間帯にどの人物が登場するのかをユーザに提示することができる。また、この顔画像一覧表示機能は、映像コンテンツデータ内に含まれる所定の属性区間に着目して人物の一覧を表示することもできる。

図１はコンピュータ１０のディスプレイユニットを開いた状態における斜視図である。本コンピュータ１０は、コンピュータ本体１１と、ディスプレイユニット１２とから構成されている。ディスプレイユニット１２には、ＴＦＴ−ＬＣＤ（Thin Film Transistor Liquid Crystal Display）１７から構成される表示装置が組み込まれている。

ディスプレイユニット１２は、コンピュータ本体１１に対し、コンピュータ本体１１の上面が露出される開放位置とコンピュータ本体１１の上面を覆う閉塞位置との間を回動自在に取り付けられている。コンピュータ本体１１は薄い箱形の筐体を有しており、その上面にはキーボード１３、本コンピュータ１０をパワーオン／パワーオフするためのパワーボタン１４、入力操作パネル１５、タッチパッド１６、およびスピーカ１８Ａ，１８Ｂなどが配置されている。

入力操作パネル１５は、押されたボタンに対応するイベントを入力する入力装置であり、複数の機能をそれぞれ起動するための複数のボタンを備えている。これらボタン群には、ＴＶ機能（視聴、録画、録画された放送番組データ／ビデオデータの再生）を制御するための操作ボタン群も含まれている。また、コンピュータ本体１１の正面には、本コンピュータ１０のＴＶ機能をリモート制御するリモコンユニットとの通信を実行するためのリモコンユニットインタフェース部２０が設けられている。リモコンユニットインタフェース部２０は、赤外線信号受信部などから構成されている。

コンピュータ本体１１の例えば右側面には、ＴＶ放送用のアンテナ端子１９が設けられている。また、コンピュータ本体１１の例えば背面には、例えばＨＤＭＩ(high-definition multimedia interface)規格に対応した外部ディスプレイ接続端子が設けられている。この外部ディスプレイ接続端子は、放送番組データのような映像コンテンツデータに含まれる映像データ（動画像データ）を外部ディスプレイに出力するために用いられる。

次に、図２を参照して、本コンピュータ１０のシステム構成について説明する。

本コンピュータ１０は、図２に示されているように、ＣＰＵ１０１、ノースブリッジ１０２、主メモリ１０３、サウスブリッジ１０４、グラフィクスプロセッシングユニット（ＧＰＵ）１０５、ビデオメモリ（ＶＲＡＭ）１０５Ａ、サウンドコントローラ１０６、ＢＩＯＳ−ＲＯＭ１０９、ＬＡＮコントローラ１１０、ハードディスクドライブ（ＨＤＤ）１１１、ＤＶＤドライブ１１２、ビデオプロセッサ１１３、メモリ１１３Ａ、ネットワークコントローラ１１４、IEEE 1394コントローラ１１５、エンベデッドコントローラ／キーボードコントローラＩＣ（ＥＣ／ＫＢＣ）１１６、ＴＶチューナ１１７、およびＥＥＰＲＯＭ１１８等を備えている。

ＣＰＵ１０１は本コンピュータ１０の動作を制御するプロセッサであり、ハードディスクドライブ（ＨＤＤ）１１１から主メモリ１０３にロードされる、オペレーティングシステム（ＯＳ）２０１、およびＴＶアプリケーションプログラム２０２のような各種アプリケーションプログラムを実行する。ＴＶアプリケーションプログラム２０２はＴＶ機能を実行するためのソフトウェアである。このＴＶアプリケーションプログラム２０２は、ＴＶチューナ１１７によって受信された放送番組データを視聴するためのライブ再生処理、受信された放送番組データをＨＤＤ１１１に記録する録画処理、およびＨＤＤ１１１に記録された放送番組データ／ビデオデータを再生する再生処理等を実行する。また、ＣＰＵ１０１は、ＢＩＯＳ−ＲＯＭ１０９に格納されたＢＩＯＳ（Basic Input Output System）も実行する。ＢＩＯＳはハードウェア制御のためのプログラムである。

ノースブリッジ１０２はＣＰＵ１０１のローカルバスとサウスブリッジ１０４との間を接続するブリッジデバイスである。ノースブリッジ１０２には、主メモリ１０３をアクセス制御するメモリコントローラも内蔵されている。また、ノースブリッジ１０２は、PCI EXPRESS規格のシリアルバスなどを介してＧＰＵ１０５との通信を実行する機能も有している。

ＧＰＵ１０５は、本コンピュータ１０のディスプレイモニタとして使用されるＬＣＤ１７を制御する表示コントローラである。このＧＰＵ１０５によって生成される表示信号はＬＣＤ１７に送られる。また、ＧＰＵ１０５は、ＨＤＭＩ制御回路３およびＨＤＭＩ端子２を介して、外部ディスプレイ装置１にデジタル映像信号を送出することもできる。

ＨＤＭＩ端子２は上述の外部ディスプレイ接続端子である。ＨＤＭＩ端子２は、非圧縮のデジタル映像信号と、デジタルオーディオ信号とを一本のケーブルでテレビのような外部ディスプレイ装置１に送出することができる。ＨＤＭＩ制御回路３は、ＨＤＭＩモニタと称される外部ディスプレイ装置１にデジタル映像信号をＨＤＭＩ端子２を介して送出するためのインタフェースである。

サウスブリッジ１０４は、ＬＰＣ（Low Pin Count）バス上の各デバイス、およびＰＣＩ（Peripheral Component Interconnect）バス上の各デバイスを制御する。また、サウスブリッジ１０４は、ハードディスクドライブ（ＨＤＤ）１１１およびＤＶＤドライブ１１２を制御するためのＩＤＥ（Integrated Drive Electronics）コントローラを内蔵している。さらに、サウスブリッジ１０４は、サウンドコントローラ１０６との通信を実行する機能も有している。

またさらに、サウスブリッジ１０４には、PCI EXPRESS規格のシリアルバスなどを介してビデオプロセッサ１１３が接続されている。

ビデオプロセッサ１１３は、前述の映像インデキシングに関する各種処理を実行するプロセッサである。このビデオプロセッサ１１３は、映像インデキシング処理を実行するためのインデキシング処理部として機能する。すなわち、映像インデキシング処理においては、ビデオプロセッサ１１３は、サムネイル画像取得処理を実行する。サムネイル画像取得処理においては、ビデオプロセッサ１１３は、映像コンテンツデータに含まれる動画像データのシーケンスを構成する複数の区間の各々から少なくとも１フレームの静止画像を抽出する。複数の区間それぞれの時間長は例えば等間隔である。もちろん、必ずしも等間隔である必要はない。例えば、動画像データが圧縮符号化されているならば、フレーム内符号化されたピクチャであるＩ（イントラ）ピクチャのみを圧縮符号化された動画像データから抽出してもよい。また、ビデオプロセッサ１１３は、動画像データの各カットまたは各シーンを検出し、検出された各カットまたは各シーンから少なくとも１フレームの静止画像を抽出することもできる。

映像インデキシング処理においては、顔画像抽出処理も行われる。この顔画像抽出処理においては、ビデオプロセッサ１１３は、映像コンテンツデータに含まれる動画像データから複数の顔画像を抽出する。顔画像の抽出は、例えば、動画像データの各フレームから顔領域を検出する顔検出処理、検出された顔領域をフレームから切り出す切り出し処理等によって実行される。顔領域の検出は、例えば、各フレームの画像の特徴を解析して、予め用意された顔画像特徴サンプルと類似する特徴を有する領域を探索することによって行うことができる。顔画像特徴サンプルは、多数の人物それぞれの顔画像特徴を統計的に処理することによって得られた特徴データである。

さらに、ビデオプロセッサ１１３は、例えば、映像コンテンツデータ内に含まれるコマーシャル（ＣＭ）区間を検出する処理、および音声インデキシング処理も実行する。通常、各ＣＭ区間の時間長は、予め決められた幾つかの時間長の内の１つに設定されている。また、ＣＭ区間の前後には一定時間長の無音期間が存在する。したがって、ＣＭ区間の検出処理においては、例えば、映像コンテンツデータ内に含まれるオーディオデータが分析され、一定時間長の無音区間が検出される。そして、検出された連続する２つの無音区間に挾まれ、且つ一定値以上の時間長を有する部分データを含む区間が、ＣＭ区間として検出される。

音声インデキシング処理は、映像コンテンツデータ内に含まれるオーディオデータを分析して、映像コンテンツデータ内に含まれる、音楽が流れている音楽区間、および人物によるトークが行われているトーク区間を検出するインデキシング処理である。音声インデキシング処理においては、例えば、オーディオデータの周波数スペクトルの特徴が分析され、その周波数スペクトルの特徴に応じて、音楽区間、およびトーク区間が検出される。音楽区間に対応する周波数スペクトルの特徴と、トーク区間に対応する周波数スペクトルの特徴とは互いに異なるので、周波数スペクトルの特徴を分析することによって、音楽区間およびトーク区間のそれぞれを検出することができる。また、音楽区間に対応する周波数スペクトルの特徴とトーク区間に対応する周波数スペクトルの特徴とが混ざり合った周波数スペクトルを有する区間は、音楽区間とトーク区間とが重なった重畳区間として検出することができる。

トーク区間の検出処理においては、例えば、話者セグメンテーション技術または話者クラスタリング技術等が用いられ、これによって話者の切り替わりも検出される。同一の話者（または同一の話者グループ）が連続してトークしている期間が、一つのトーク区間となる。

さらに、音声インデキシング処理は、映像コンテンツデータ内の各部分データ（一定時間長のデータ）毎に歓声レベルを検出する歓声レベル検出処理、および映像コンテンツデータ内の各部分データ毎に盛り上がりレベルを検出する盛り上がりレベル検出処理を実行する。

歓声レベルは、歓声の大きさを示す。歓声は、大勢の人の声が合わさった音である。大勢の人の声が合わさった音は、ある特定の周波数スペクトルの分布を有する。歓声レベル検出処理においては、映像コンテンツデータに含まれるオーディオデータの周波数スペクトルが分析され、そしてその周波数スペクトルの分析結果に従って、各部分データの歓声レベルが検出される。盛り上がりレベルは、ある一定以上の音量レベルがある一定時間長以上連続的に発生する区間の音量レベルである。例えば、比較的盛大な拍手、大きな笑い声のような音の音量レベルが、盛り上がりレベルである。盛り上がりレベル検出処理においては、映像コンテンツデータに含まれるオーディオデータの音量の分布が分析され、その分析結果に従って、各部分データの盛り上がりレベルが検出される。

メモリ１１３Ａは、ビデオプロセッサ１１３の作業メモリとして用いられる。インデキシング処理（映像インデキシング処理、ＣＭ検出処理、および音声インデキシング処理）を実行するためには多くの演算量が必要とされる。本実施形態においては、ＣＰＵ１０１とは異なる専用のプロセッサであるビデオプロセッサ１１３がバックエンドプロセッサとして使用され、このビデオプロセッサ１１３によってインデキシング処理が実行される。よって、ＣＰＵ１０１の負荷の増加を招くことなく、インデキシング処理を実行することが出来る。なお、ＣＭ検出処理は上述したようにオーディオデータを解析することによって実行することができるので、以下では、ＣＭ検出処理を音声インデキシング処理内の１つの処理として扱うことにする。

サウンドコントローラ１０６は音源デバイスであり、再生対象のオーディオデータをスピーカ１８Ａ，１８ＢまたはＨＤＭＩ制御回路３に出力する。

ネットワークコントローラ１１４は、たとえばIEEE 802.11規格の無線通信を実行する無線通信デバイスである。IEEE 1394コントローラ１１５は、IEEE 1394規格のシリアルバスを介して外部機器との通信を実行する。

エンベデッドコントローラ／キーボードコントローラＩＣ（ＥＣ／ＫＢＣ）１１６は、電力管理のためのエンベデッドコントローラと、キーボード（ＫＢ）１３およびタッチパッド１６を制御するためのキーボードコントローラとが集積された１チップマイクロコンピュータである。このエンベデッドコントローラ／キーボードコントローラＩＣ（ＥＣ／ＫＢＣ）１１６は、ユーザによるパワーボタン１４の操作に応じて本コンピュータ１０をパワーオン／パワーオフする機能を有している。さらに、エンベデッドコントローラ／キーボードコントローラＩＣ（ＥＣ／ＫＢＣ）１１６は、リモコンユニットインタフェース２０との通信を実行する機能を有している。

ＴＶチューナ１１７はテレビジョン（ＴＶ）放送信号によって放送される放送番組データを受信する受信装置であり、アンテナ端子１９に接続されている。このＴＶチューナ１１７は、例えば、地上波デジタルＴＶ放送のようなデジタル放送番組データを受信可能なデジタルＴＶチューナとして実現されている。また、ＴＶチューナ１１７は、外部機器から入力されるビデオデータをキャプチャする機能も有している。

次に、図３を参照して、本実施形態のサムネイル画像表示機能について説明する。

放送番組データのような映像コンテンツデータに対するインデキシング処理（映像インデキシング処理、および音声インデキシング処理）は、上述したように、インデキシング処理部として機能するビデオプロセッサ１１３によって実行される。

ビデオプロセッサ１１３は、ＴＶアプリケーションプログラム２０２の制御の下、例えば、ユーザによって指定された録画済みの放送番組データ等の映像コンテンツデータに対してインデキシング処理を実行する。また、ビデオプロセッサ１１３は、ＴＶチューナ１１７によって受信された放送番組データをＨＤＤ１１１に格納する録画処理と並行して、当該放送番組データに対するインデキシング処理を実行することもできる。

映像インデキシング処理においては、ビデオプロセッサ１１３は、サムネイル画像取得処理を実行する。サムネイル画像は、映像コンテンツデータ内の動画像データを構成する複数の区間それぞれから抽出された複数のフレームの各々に対応する静止画像（縮小画像）である。すなわち、ビデオプロセッサ１１３は、動画像データの各区間毎に１以上のフレームを抽出し、抽出した各フレームに対応する画像（サムネイル画像）と、そのサムネイル画像が出現する時点を示すタイムスタンプ情報ＴＳとを出力する。ビデオプロセッサ１１３から出力されるサムネイル画像取得結果データ（サムネイル画像、タイムスタンプ情報ＴＳ）は、データベース１１１Ａにサムネイルインデキシング情報として格納される。このデータベース１１１Ａは、ＨＤＤ１１１内に用意されたインデキシングデータ記憶用の記憶領域である。

各サムネイル画像に対応するタイムスタンプ情報としては、映像コンテンツデータの開始から当該サムネイル画像のフレームが登場するまでの経過時間、または当該サムネイル画像のフレームのフレーム番号、等を使用することが出来る。

さらに、映像インデキシング処理においては、ビデオプロセッサ１１３は、顔画像を抽出する処理も実行する。ビデオプロセッサ１１３は、映像コンテンツデータに含まれる動画像データをフレーム単位で解析する。そして、ビデオプロセッサ１１３は、動画像データを構成する複数のフレームそれぞれから人物の顔画像を抽出すると共に、抽出された各顔画像が動画像データ内に登場する時点を示すタイムスタンプ情報を出力する。つまり、複数の顔画像からなる顔画像群と各顔画像に対応するタイムスタンプ情報とを出力する。

さらに、ビデオプロセッサ１１３は、抽出された各顔画像のサイズ（解像度）も出力する。ビデオプロセッサ１１３から出力される顔検出結果データ（顔画像、タイムスタンプ情報ＴＳ、およびサイズ）は、データベース１１１Ａに顔画像インデキシング情報として格納される。

また、音声インデキシング処理においては、ビデオプロセッサ１１３は、映像コンテンツに含まれるオーディオデータを分析して、映像コンテンツデータ内に含まれる複数種の属性区間（ＣＭ区間、音楽区間、およびトーク区間）を検出し、検出された各属性区間の開始時点および終了時点を示す区間属性情報を出力する。この区間属性情報は、属性検出結果情報としてデータベース１１１Ａに格納される。さらに、音声インデキシング処理においては、ビデオプロセッサ１１３は、上述の歓声レベル検出処理および盛り上がりレベル検出処理も実行する。これら歓声レベル検出処理の結果および盛り上がりレベル検出処理の結果も、上述の属性検出結果情報の一部としてデータベース１１１Ａに格納される。

図３に示されているように、ＴＶアプリケーションプログラム２０２は、サムネイル画像表示機能を実行するための顔画像一覧表示処理部３０１を含んでいる。この顔画像一覧表示処理部３０１は、例えば、インデキシングビューワプログラムとして実現されており、データベース１１１Ａに格納されたインデキシング情報（顔画像インデキシング情報、サムネイルインデキシング情報、区間属性情報、等）を用いて、映像コンテンツデータの概要を俯瞰するためのインデキシングビュー画面を表示する。

具体的には、顔画像一覧表示処理部３０１は、データベース１１１Ａからサムネイルインデキシング情報（サムネイル画像、タイムスタンプ情報ＴＳ）を読み出し、そしてサムネイルインデキシング情報を用いて、サムネイル画像それぞれを時間順に一列に並べてサムネイル表示エリア（以下、じゃばらサムネイル表示エリアと称する）上に表示する。

また、顔画像一覧表示処理部３０１は、データベース１１１Ａから顔画像インデキシング情報（顔画像、タイムスタンプ情報ＴＳ、およびサイズ）を読み出し、そしてその顔画像インデキシング情報を用いて、映像コンテンツデータに登場する人物の顔画像の一覧を、インデキシングビュー画面上の２次元の表示エリア（以下、顔サムネイル表示エリアと称する）上に表示する。

２次元の顔サムネイル表示エリアは、複数の行および複数の列を含むマトリクス状に配置された複数の顔画像表示エリアを含む。複数の列それぞれには、映像コンテンツデータの総時間長を構成する複数の時間帯が割り当てられている。具体的には、例えば、複数の列それぞれには、映像コンテンツデータの総時間長をこれら複数の列の数で等間隔に分割することによって得られる、互いに同一の時間長を有する複数の時間帯がそれぞれ割り当てられる。もちろん、各列に割り当てられる時間帯は必ずしも同一の時間長でなくてもよい。

顔画像一覧表示処理部３０１は、顔画像それぞれに対応するタイムスタンプ情報ＴＳに基づき、各列内に属する行数分の顔画像表示エリア上に、当該各列に割り当てられた時間帯に属する顔画像それぞれを、例えば、それら顔画像の出現時刻順または出現頻度順のような順序で並べて表示する。この場合、例えば、当該各列に割り当てられた時間帯に属する顔画像の内から、出現頻度順に顔画像が行数分だけ選択され、選択された顔画像が出現時刻順に上から下に向かって並んで配置される。もちろん、出現時刻順ではなく、各列に割り当てられた時間帯に出現する顔画像それぞれを、その出現頻度順に並べて表示してもよい。

じゃばらサムネイル表示エリアにより、映像コンテンツデータ全体の概要をユーザに提示でき、さらに顔サムネイル表示エリアにより、映像コンテンツデータ全体の中のどの時間帯にどの人物が登場するのかをユーザに分かりやすく提示することができる。じゃばらサムネイル表示エリアおよび顔サムネイル表示エリアそれぞれの具体的な構成例については、図６以降で後述する。

さらに、顔画像一覧表示処理部３０１は、データベース１１１Ａから区間属性情報（ＣＭ区間属性情報、音楽区間属性情報、トーク区間属性情報）を読み出し、その区間属性情報に従って、映像コンテンツデータの開始位置から終端位置までのシーケンス内における各属性区間（ＣＭ区間、音楽区間、トーク区間）の位置（開始時点から終了時点までの区間）を示すバー領域を含む区間バーをインデキシングビュー画面上に表示する。この区間バーは、例えば、３つのサブ区間バー、つまりＣＭ区間の位置を示すＣＭ区間バー、音楽区間の位置を示す音楽区間バー、トーク区間の位置を示すトーク区間バーを含んでいる。

シーケンス内に複数のＣＭ区間が存在する場合、複数のＣＭ区間それぞれの位置を示す複数のバー領域がＣＭ区間バー内に表示される。同様に、シーケンス内に複数の音楽区間が存在する場合には複数の音楽区間それぞれの位置を示す複数のバー領域が音楽区間バー内に表示され、シーケンス内に複数のトーク区間が存在する場合には複数のトーク区間それぞれの位置を示す複数のバー領域がトーク区間バー内に表示される。以下では、シーケンス内に分散して存在する複数のＣＭ区間の各々を部分ＣＭ区間と称し、シーケンス内に分散して存在する複数の音楽区間のそれぞれを部分音楽区間と称し、シーケンス内に分散して存在する複数のトーク区間のそれぞれを部分トーク区間と称する。

インデキシングビュー画面上に区間バーを表示することにより、顔サムネイル表示エリア内の各顔画像、およびじゃばらサムネイル表示エリア内の各サムネイル画像が、どのような属性区間（ＣＭ区間、音楽区間、トーク区間）に登場する画像であるかを、ユーザに提示することができる。したがって、ユーザは、区間属性をも考慮して、映像コンテンツデータ全体の概要を俯瞰することができる。

さらに、顔画像一覧表示処理部３０１は、データベース１１１Ａから歓声レベル情報および盛り上がりレベル情報を読み出し、それら歓声レベル情報および盛り上がりレベル情報に従って、映像コンテンツデータの開始位置から終端位置までのシーケンス内における歓声レベルの変化および盛り上がりレベルの変化をそれぞれ示すグラフを、インデキシングビュー画面上に表示する。

このレベル表示エリアを見ることにより、ユーザに、映像コンテンツデータ内のどの辺りに大きな歓声が生じた区間が存在し、また映像コンテンツデータ内のどの辺りに盛り上がりの大きな区間が存在するかを提示することができる。ユーザは、顔画像と、サムネイル画像と、区間属性と、歓声レベルと、盛り上がりレベルとを考慮して、映像コンテンツデータ全体の中から再生を開始すべきデータ位置を見つけることができる。

図４は、顔画像分類処理によって複数の顔画像を分類することによって得られる幾つかの顔画像グループと各顔画像グループに対応するＩＤ（顔ＩＤ）との関係を示している。

ビデオプロセッサ１１３は、ある映像コンテンツデータの動画像データから抽出した顔画像間の特徴データの相関に基づいて、同一人物に対応する顔画像それぞれを同一カテゴリーに分類する顔画像分類処理を実行する。顔画像分類処理においては、類似する特徴を有する顔画像同士が同一カテゴリー（同一の顔画像グループ）に分類される。図４に示すように、同一人物に対応する顔画像それぞれには、同一のＩＤ（顔ＩＤ）が付与される。図４においては、カテゴリー１は、ある人物Ａの顔画像の集合を示しており、カテゴリー２は、ある人物Ｂの顔画像の集合を示しており、またカテゴリー３は、ある人物Ｃの顔画像の集合を示している。カテゴリー１に属する顔画像それぞれには、人物Ａを識別するためのＩＤ（顔ＩＤ＝Ａ）が関連付けられる。カテゴリー２に属する顔画像それぞれには、人物Ｂを識別するためのＩＤ（顔ＩＤ＝Ｂ）が関連付けられる。カテゴリー３に属する顔画像それぞれには、人物Ｃを識別するためのＩＤ（顔ＩＤ＝Ｃ）が関連付けられる。

次に、図５を参照して、インデキシングビューワプログラムと連携して動作するＴＶアプリケーションプログラム２０２の機能構成を説明する。

ＴＶアプリケーションプログラム２０２は、上述の顔画像一覧表示処理部３０１に加え、記録処理部４０１、インデキシング制御部４０２、再生処理部４０３、強調表示処理部４０４等を備えている。顔画像一覧表示処理部３０１、インデキシング制御部４０２、再生処理部４０３、および強調表示処理部４０４は、インデキシングビューワプログラムによって実現することができる。

記録処理部４０１は、ＴＶチューナ１１７によって受信された放送番組データ、または外部機器から入力されるビデオデータをＨＤＤ１１１に記録する記録処理を実行する。また、記録処理部４０１は、ユーザによって予め設定された録画予約情報（チャンネル番号、日時）によって指定される放送番組データをＴＶチューナ１１７を用いて受信し、その放送番組データをＨＤＤ１１１に記録する予約録画処理も実行する。

インデキシング制御部４０２は、ビデオプロセッサ（インデキシング処理部）１１３を制御して、インデキシング処理（映像インデキシング処理、音声インデキシング処理）をビデオプロセッサ１１３に実行させる。ユーザは、録画対象の放送番組データ毎にインデキシング処理を実行するか否かを指定することができる。例えば、インデキシング処理の実行が指示された録画対象の放送番組データについては、その放送番組データがＨＤＤ１１１に記録された後に、インデキシング処理が自動的に開始される。また、ユーザは、既にＨＤＤ１１１に格納されている映像コンテンツデータの内から、インデキシング処理を実行すべき映像コンテンツデータを指定することもできる。

再生処理部４０３は、ＨＤＤ１１１に格納されている各映像コンテンツデータを、インデキシングビュー画面上で再生する処理を実行する。また、再生処理部４０３は、ある映像コンテンツデータの顔画像一覧の中の一つの顔画像が選択されている状態でユーザ操作によって再生指示イベントが入力された時、選択されている顔画像が登場する時点よりも所定時間前の時点から映像コンテンツデータの再生を開始する機能を有している。

強調表示処理部４０４は、再生処理部４０３が映像コンテンツデータを再生し、インデキシングビュー画面上に再生中の映像フレームを表示する際に、顔画像一覧において、映像コンテンツデータの現在再生位置に対応する顔画像を強調して表示する。なお、強調表示処理部４０４は、顔画像一覧表示処理部３０１の一部として実現し得る。

また、インデキシング処理は、必ずしもビデオプロセッサ１１３によって実行する必要はなく、例えば、ＴＶアプリケーションプログラム２０２にインデキシング処理を実行する機能を設けてもよい。この場合、インデキシング処理は、インデキシングビューワプログラム、またはＴＶアプリケーションプログラム２０２の制御の下に、ＣＰＵ１０１によって実行される。

次に、図６及び図７を参照して、インデキシングビュー画面の具体的な構成について説明する。

図６には、顔画像一覧表示処理部３０１によってＬＣＤ１７に表示されるインデキシングビュー画面の例が示されている。このインデキシングビュー画面は、ある映像コンテンツデータ（例えば放送番組データ）をインデキシング処理することによって得られた画面である。このインデキシングビュー画面は、映像コンテンツデータを再生して表示するプレビュー画面、顔画像の一覧を表示するための上述の顔サムネイル表示エリアと、上述のレベル表示エリアと、上述の区間バーと、サムネイル画像の一覧をじゃばら形式で表示するための上述のじゃばらサムネイル表示エリアとを含んでいる。

ここで、じゃばら形式とは、選択されているサムネイル画像を通常サイズで表示し、他の各サムネイル画像についてはその横方向サイズを縮小して表示する表示形式である。

つまり、顔画像一覧表示処理部３０１は、ユーザ操作によって選択されたサムネイル画像を第１の横幅サイズで表示し、他の各サムネイル画像の横幅サイズを第１の横幅サイズよりも小さい横幅サイズで表示する。図６においては、選択されたサムネイル画像との距離が大きいサムネイル画像ほど、その横方向サイズが縮小されている。つまり、選択されたサムネイル画像は通常サイズで表示され、その選択されたサムネイル画像の近傍の各サムネイル画像はその横幅が縮小された状態で表示され、さらに他の各サムネイル画像は僅かな横幅で表示される。選択されているサムネイル画像には、さらに矩形の枠を付加してもよい。

ユーザの操作（リモコンユニットのボタン、カーソルキー等）により、じゃばらサムネイル表示エリア上のいずれか１つのサムネイル画像を選択することができる。

レベル表示エリアにおいては、歓声レベルの変化および盛り上がりレベルの変化をそれぞれ示すグラフが表示される。

区間バーは、トーク区間バーと、音楽区間バーと、ＣＭ区間バーとを含んでいる。ＣＭ区間バーにおいては、各ＣＭ区間（各部分ＣＭ区間）の位置にバー領域が表示される。音楽区間バーにおいては、各音楽区間（各部分音楽区間）の位置にバー領域が表示される。トーク区間バーにおいては、各トーク区間（各部分トーク区間）の位置にバー領域が表示される。ユーザは、リモコンユニットのボタン、上下左右等のカーソルキーの操作により、トーク区間バー、音楽区間バーと、ＣＭ区間バーのいずれか一つを選択することができる。また、ユーザは、リモコンユニットのボタン、上下左右等のカーソルキーの操作により、選択された区間バー内の一つのバー領域を選択することもできる。

次に、顔サムネイル表示エリアとじゃばらサムネイル表示エリアとの関係について説明する。

同一列に属する顔画像表示エリア群の集合、つまり顔サムネイル表示エリア内の個々の列を“大区間”と称する。また、“大区間”をさらに分割したものを“小区間”と称する。１つの大区間に含まれる小区間の数は、じゃばらサムネイル表示エリアに表示されるサムネイル画像の数を顔サムネイル表示エリアの列数で割った商で与えられる。例えば、顔サムネイル表示エリアが６行×１６列で、じゃばらサムネイル表示エリアに表示されるサムネイル画像の数が２４０枚であるならば、１つの大区間に含まれる小区間の数は、１５（＝２４０÷１６）となる。１つの大区間は１５個の小区間を含む。換言すれば、１つの大区間に対応する時間帯には、１５枚のサムネイル画像が属することになる。

じゃばらサムネイル表示エリア上のあるサムネイル画像が選択された時、顔画像一覧表示処理部３０１は、選択されたサムネイル画像のタイムスタンプ情報に基づき、顔サムネイル表示エリア内の複数の列（複数の大区間）の内で、選択されたサムネイル画像が属する時間帯が割り当てられた列（大区間）を選択する。選択される大区間は、選択されたサムネイル画像が属する区間（小区間）を含む大区間である。そして、顔画像一覧表示処理部３０１は、選択した大区間を強調表示する。

さらに、顔画像一覧表示処理部３０１は、選択されたサムネイル画像と選択された大区間との間を接続する縦長のバーを表示する。この縦長のバーは、選択されたサムネイル画像に対応する小区間が、選択された大区間に含まれる１５個の小区間の内のどの小区間に対応するかを提示するために使用される。縦長のバーは、選択された大区間に含まれる１５個の小区間の内で、選択されたサムネイル画像に対応する小区間の位置に表示される。例えば、選択されたサムネイル画像が、ある大区間に対応する時間帯に属する１５枚のサムネイル画像の内の先頭の画像、つまり大区間内の先頭の小区間に対応する画像であるならば、選択されたサムネイル画像は、縦長のバーによって大区間の左端に接続される。また、例えば、選択されたサムネイル画像が、ある大区間に対応する時間帯に属する１５枚のサムネイル画像の内の終端の画像、つまり大区間内の終端の小区間に対応する画像であるならば、選択されたサムネイル画像は、縦長のバーによって大区間の右端に接続される。

このように、じゃばらサムネイル表示エリア上のサムネイル画像が選択された時には、顔サムネイル表示エリア内の複数の列の内から、選択されたサムネイル画像が属する時間帯が割り当てられている列（大区間）が自動選択される。これにより、ユーザは、選択したサムネイル画像が、顔サムネイル表示エリア内のどの列（大区間）に対応する画像であるかを識別することができる。さらに、縦長のバーにより、ユーザは、選択したサムネイル画像が、どの列（大区間）内のどの辺りの時点に対応する画像であるかも識別することができる。

また、顔画像一覧表示処理部３０１は、選択されたサムネイル画像のタイムスタンプ情報に基づいて、選択されたサムネイル画像が出現する時点を示す時間情報もインデキシングビュー画面上に表示する。

“現在位置変更”ボタンは選択されているサムネイル画像を変更するための操作ボタンである。“現在位置変更”ボタンがフォーカスされている状態でユーザが左カーソルキーまたは右カーソルキーを操作すると、選択対象のサムネイル画像は、例えば１小区間単位で、左または右に移動する。

なお、ここでは、じゃばらサムネイル表示エリアと別にプレビュー画面を持っているが、じゃばらサムネイル表示エリアをプレビュー画面として機能させてもよい。

図７には、顔サムネイル表示エリアの構成例が示されている。

顔サムネイル表示エリアは、複数の行と複数の列とを含むマトリクス状に配置された複数個の顔画像表示エリアを含んでいる。図７においては、顔サムネイル表示エリアは６行×１６列から構成されている。顔サムネイル表示エリアに含まれる顔画像表示エリアの数は、９６個である。

列１〜列１６のそれぞれには、例えば、映像コンテンツデータ（映像コンテンツデータに含まれる動画像データ）の総時間長を列数（＝１６）で等間隔で分割することによって得られる、互いに同一の時間長Ｔを有する複数の時間帯がそれぞれ割り当てられる。

例えば、映像コンテンツデータの総時間長が２時間であるならば、その２時間が１６個の時間帯に等間隔で分割される。この場合、各時間帯の時間長Ｔは、７．５分である。例えば、列１には、先頭0:00:00から0:07:30までの時間帯が割り当てられ、列２には、0:07:30から0:15:00までの時間帯が割り当てられ、列３には、0:15:00から0:22:30までの時間帯が割り当てられる。映像コンテンツデータの総時間長に応じて、各時間帯の時間長Ｔは変化する。

もちろん、複数の列それぞれに割り当てられる時間帯の長さは、必ずしも同一である必要はない。

顔画像一覧表示処理部３０１は、ビデオプロセッサ１１３によって抽出された顔画像それぞれに対応するタイムスタンプ情報に基づき、各列内の６個の顔画像表示エリア上に、当該各列に割り当てられた時間帯に属する顔画像それぞれをたとえば上述の出現頻度順または出現時刻順に並べて表示する。この場合、顔画像一覧表示処理部３０１は、例えば表示処理対象の列に割り当てられた時間帯に属する顔画像の内から出現頻度の高い行数分（６個）の顔画像を選択し、選択した行数分の顔画像それぞれを並べて表示する。

このように、顔サムネイル表示エリアにおいては、左端位置（1,1）を基点とし、右端位置(6,16)を映像コンテンツデータの終端とする時間軸が用いられている。

顔サムネイル表示エリアの各顔画像表示エリアに表示される顔画像のサイズは“大”、“中”、“小”の内からユーザが選択することができる。行と列の数は、ユーザが選択した顔画像のサイズに応じて変化される。顔画像のサイズと行と列の数との関係は、次の通りである。

（１）“大”の場合； ３行×８列
（２）“中”の場合； ６行×１６列
（３）“小”の場合： １０行×２４列
“大”の場合においては、各顔画像は、例えば、１８０×１８０ピクセルのサイズで表示される。“中”の場合においては、各顔画像は、例えば、９０×９０ピクセルのサイズで表示される。“小”の場合においては、各顔画像は、例えば、６０×６０ピクセルのサイズで表示される。デフォルトの顔画像サイズは、例えば、“中”に設定されている。

顔サムネイル表示エリア内の各顔画像は、選択されていない“標準”状態、選択されている“フォーカス”状態の２つの状態のいずれかに設定される。“フォーカス”状態の顔画像のサイズは、“標準”状態の時のサイズ（１８０×１８０、９０×９０、または６０×６０）よりも大きく設定される。図７においては、座標(１，１２)の顔画像が“フォーカス”状態である場合を示している。

じゃばらサムネイル表示エリアに表示されるサムネイル画像の枚数は、ユーザ設定に従って、例えば２４０枚、１４４枚、９６枚、４８枚のいずれかに設定される。デフォルトは例えば２４０枚である。この場合、動画像データは２４０個の区間（２４０個の時間帯）に区分され、２４０個の区間それぞれから抽出された２４０枚のサムネイル画像が時間順に並んでじゃばらサムネイル表示エリアに表示される。

サムネイル画像は、選択されていない“標準”状態、選択されている“フォーカス”状態の２つの状態のいずれかに設定される。“フォーカス”状態のサムネイル画像は、他のサムネイル画像よりも大きいサイズで表示される。

次に、図８乃至図１１を参照して、プレビュー画面と顔サムネイル表示エリアとの関係を示す。図８乃至図１１では簡単のため、インデキシングビュー画面において、プレビュー画面と顔サムネイル表示エリアのみを図示している。

図８のインデキシングビュー画面において、プレビュー画面には、再生中の映像コンテンツデータにおける再生位置に対応する映像フレームが表示されている。映像コンテンツデータの再生中、再生されている映像フレームに対応する所定の期間内の映像フレーム群に出現する各顔画像について、対応する顔サムネイル表示エリア上の顔画像は強調して表示される。この対応する顔サムネイル表示エリア上の顔画像は、例えば、顔サムネイル表示エリア上の他の顔画像よりも大きなサイズで表示される。図８においては、プレビュー画面上に女性の顔画像を含む映像フレームが表示されており、この女性の顔画像に対応する顔サムネイル表示エリア上の顔画像が、他の顔画像よりも大きなサイズで強調して表示されている。強調表示される顔サムネイル表示エリア上の顔画像は、プレビュー画面における映像コンテンツデータの再生の進行に伴って更新される。つまり、映像コンテンツデータの現在再生位置の更新に合わせて、強調表示される顔画像も更新される。

図９では、映像コンテンツデータの再生の進行によりプレビュー画面が更新されることで、プレビュー画面上に男性の顔画像を含む映像フレームが表示されている。そして、顔サムネイル表示エリアにおいては、このプレビュー画面上の男性の顔画像に対応する顔画像が、図８に示した場合と同様に、他の顔画像よりも大きなサイズで強調して表示されている。

以上説明した機能により、ユーザは、プレビュー画面で再生中の映像フレームと、顔サムネイル表示エリア上の顔画像との対応を容易に把握することができる。

なお、映像コンテンツデータの現在再生位置に対応する期間としては、映像コンテンツデータにおいて再生中の映像フレームを含む所定の期間を用いることができる。また、ここでは、再生中の映像フレームには一人の顔画像が含まれているが、二人以上の顔画像が含まれていることもある。顔サムネイル表示エリアにおいても対応する二人以上の顔画像が強調表示されることもある。また、一人目の顔画像を含む映像フレームが少ない場合に、後続する二人目の顔画像を含む映像フレームとの間で、一部重複した所定の期間に二人の顔画像が強調表示されることもある。

図１０のプレビュー画面には、図８に示したプレビュー画面と同一である女性の顔画像を含む映像フレームが表示されている。また、図８と同様に、顔サムネイル表示エリアにおいては、このプレビュー画面上の女性の顔画像に対応する顔画像が、他の顔画像よりも大きなサイズで強調して表示されている。

これに加えて、図１０においては、映像コンテンツデータから抽出した顔画像を人物毎に分類した際に付与されたＩＤに基づき、プレビュー画面上の女性の顔画像に付与されたＩＤと同一のＩＤが付与された顔サムネイル表示エリア上の他の各顔画像が強調して表示されている。図１０の顔サムネイル表示エリアにおいては、同一のＩＤが付与された複数の顔画像からなる顔画像群に属する各顔画像を太枠で囲むことによる強調表示がなされている。つまり、プレビュー画面上に表示された女性と同一の人物として推定（分類）された、顔サムネイル表示エリア上の各顔画像が太枠で囲まれ、強調表示されている。

以上のように、現在再生位置に対応する顔画像を強調表示し、さらに強調表示された顔画像と同一のＩＤが付与された各顔画像をも強調表示することで、ユーザは、プレビュー画面上に登場中の人物が登場する全シーンを把握することができ、登場人物に基づく検索や再生等の操作を容易に行うことができる。

また、図１１では、映像コンテンツデータの再生の進行によりプレビュー画面が更新されることで、プレビュー画面上に別の女性の顔画像を含む映像フレームが表示されている。この女性の顔画像に対応する顔画像は、図１０に示した顔サムネイル表示エリア上には表示されていないため、顔サムネイル表示エリアにおいて、プレビュー画面上で表示中の顔画像に対応する顔画像をユーザに対して示すことができない。

そこで、顔画像表示一覧処理部３０１は、データベース１１１Ａに格納されている、映像コンテンツデータから抽出された顔画像群から、映像コンテンツデータの現在再生位置に対応する顔画像およびその出現時刻を示すタイムスタンプ情報を取得する。顔画像表示一覧処理部３０１は、取得したタイムスタンプ情報に基づき、顔サムネイル表示エリアにおいて対応する時間帯の列内の顔画像表示エリアに、取得した顔画像を強調して表示する。図１１に示す顔サムネイル表示エリアでは、プレビュー画面上に表示された女性の顔画像に対応する顔画像が、この顔画像のタイムスタンプ情報に対応する時間帯の列において、当該列の最下行に、他の顔画像よりも大きなサイズで新たに表示されている。この顔画像を表示する際、例えばポップアップ表示のように、画面の下端部に表示された顔画像が顔サムネイル表示エリア上の所定の位置までスライドするといったアニメーションを伴った強調表示を行ってもよい。またここでは、取得した顔画像を列の最下行に表示したが、表示する行は、利用形態等に応じて、適宜設定することができる。例えば顔サムネイルが出現頻度順に表示されている場合には列の最下行に表示し、出現時刻順に表示されている場合には出現時刻に対応する行に挿入して表示するようにしてもよい。

以上述べた方法により、プレビュー画面上に表示される現在再生位置に対応する顔画像が顔サムネイル表示エリア上にない場合においても、対応する顔画像をデータベース１１１Ａから取得して、顔サムネイル表示エリア上に新たに強調表示することで、ユーザは、プレビュー画面で再生中の映像フレームと、顔サムネイル表示エリア上の顔画像との対応を把握することができる。

次に、図１２のフローチャートを参照して、インデキシング処理および顔画像表示処理の手順を説明する。

まず、記録処理部４０１は、処理対象の映像コンテンツデータ（映像データファイル）を、ＴＶチューナ１１７や外部からのビデオ入力、又は既にＨＤＤ１１１に格納された映像データ等から取得する（ステップＳ１０１）。

次に、インデキシング制御部４０２により制御されたビデオプロセッサ１１３は、処理対象の映像コンテンツデータから顔画像群を抽出する（ステップＳ１０２）。ビデオプロセッサ１１３は、顔画像群をＨＤＤ１１１のデータベース１１１Ａへ格納する。また、ビデオプロセッサ１１３は、顔画像群に属する各顔画像が抽出されたフレームのタイムスタンプ情報（ＴＳ）、並びに顔画像の画像サイズ情報をデータベース１１１Ａへ格納する。

ビデオプロセッサ１１３はさらに、抽出した顔画像群を分類して、同一人物として分類されたグループ毎に、グループに属する顔画像にＩＤ（顔ＩＤ）を付与する（ステップＳ１０３）。ビデオプロセッサ１１３は、各顔画像のＩＤ情報をデータベース１１１Ａへ格納する。

次に、顔画像一覧表示処理部３０１は、データベース１１１Ａに格納されている顔画像それぞれを、それら顔画像に対応するタイムスタンプ情報に基づいて、それら顔画像の登場時間順（出現時間順）にソートする（ステップＳ１０４）。顔画像一覧表示処理部３０１は、ユーザによって指定された表示すべき顔画像サイズに応じて行及び列の数を決定すると共に、例えばインデキシング対象の映像コンテンツデータの総時間長を列数で均等に分割することによって、各列（大区間）に割り当てる時間帯を算出する。そして、顔画像一覧表示処理部３０１は、表示処理対象の列に割り当てられた時間帯内に属する顔画像の内から、行数分の顔画像を選択する（ステップＳ１０５）。表示処理対象の列に割り当てられた時間帯内に属する顔画像の数が行数よりも多い場合には、顔画像一覧表示処理部３０１は、例えば、出現頻度の高い顔画像を優先的に選択する処理を実行することもできる。

この場合、顔画像一覧表示処理部３０１は、表示処理対象の列に割り当てられた時間帯に属する顔画像の内から、当該時間帯において登場する頻度の高い顔画像を優先的に選択する。また、表示処理対象の列に割り当てられた時間帯内に属する顔画像の数が行数よりも多い場合、顔画像一覧表示処理部３０１は、データベース１１１Ａに格納された顔画像それぞれのサイズ情報に基づいて、表示処理対象の列に割り当てられた時間帯に属する顔画像の内から、サイズの大きい顔画像を優先的に選択する処理を実行することもできる。

クローズアップされた顔を映すフレームから抽出される顔画像のサイズは、比較的大きなものとなる。したがって、抽出された顔画像のサイズが大きいほど、重要度の高い人物である可能性が高い。よって、サイズの大きい顔画像を優先的に選択することにより、重要度の高い人物の顔画像を優先的に表示することが可能となる。

次いで、顔画像一覧表示処理部３０１は、表示処理対象の列内の複数の顔画像表示エリアに、選択した顔画像それぞれを例えば出現頻度順または出現時間順に並べて表示する（ステップＳ１０６）。出現頻度の高い顔画像ほど、または出現時間の早い顔画像ほど、上方の顔画像表示エリアに表示される。

ステップＳ１０５，Ｓ１０６の処理は、全ての列に対する処理が完了するまで、表示処理対象の列の番号を更新しながら繰り返し実行される（ステップＳ１０７，Ｓ１０８）。この結果、顔画像表示エリアには、複数の顔画像が並べて表示される。

なお、表示処理対象の列に割り当てられた時間帯内に属する顔画像の数が行数よりも少ない場合には、対応する時間帯内に属するサムネイル画像を表示処理対象の列に表示することも出来る。

全ての列に対する処理が完了すると（ステップＳ１０７のＮＯ）、再生処理部４０３は、ユーザによる再生指示が入力されたかどうかを判定する（ステップＳ１０９）。ユーザによる再生指示が入力されている場合（ステップＳ１０９のＹＥＳ）、映像コンテンツデータ内の動画像データを再生してプレビュー画面上に表示する処理と共に、プレビュー画面上に表示される動画像データの現在再生位置に対応する期間内に出現する顔画像を顔画像表示エリアにおいて強調表示する処理を実行する（ステップＳ１１０）。

図１３は、プレビュー画面上に表示される映像フレームに出現する顔画像を顔画像表示エリアにおいて強調表示する処理の手順を示したフローチャートである。顔画像表示エリアにおいて対応する顔画像を強調表示する処理は、映像コンテンツデータの再生により、プレビュー画面上に表示される映像フレームが更新される処理に伴って、顔画像一覧表示処理部３０１の強調表示処理部４０４により実行されるものである。

まず、強調表示処理部４０４は、処理対象の映像コンテンツデータが再生中であるか、すなわち、プレビュー画面上に再生中の映像フレームが表示されているかどうかを判定する（ステップＳ２０１）。処理対象の映像コンテンツデータが再生中である場合（ステップＳ２０１のＹＥＳ）、強調表示処理部４０４は、現在の再生位置を含む所定の期間内における映像フレーム群から抽出され、データベース１１１Ａ格納された顔画像があるかどうかを判定する（ステップＳ２０２）。つまり、現在の再生位置を含む所定の期間内における映像フレーム群に属する各映像フレームに、顔画像が出現するかどうかを判定する。

現在の再生位置を含む所定の期間内における映像フレーム群に顔画像が出現する場合（ステップＳ２０２のＹＥＳ）、次に、強調表示処理部４０４は、出現した顔画像が顔サムネイル表示エリア上に表示されているかどうかを判定する（ステップＳ２０３）。出現した顔画像が顔サムネイル表示エリア上に表示されている場合（ステップＳ２０３のＹＥＳ）、強調表示処理部４０４は、出現した顔画像に対応する顔サムネイル表示エリア上の顔画像を強調して表示する（ステップＳ２０４）。出現した顔画像が顔サムネイル表示エリア上に表示されていない場合（ステップＳ２０３のＮＯ）、強調表示処理部４０４は、出現した顔画像に対応する顔画像及びそのタイムスタンプ情報をデータベース１１１Ａから取得し、顔サムネイル表示エリア上の対応する位置に顔画像を強調表示する（ステップＳ２０５）。取得した顔画像は、そのタイムスタンプ情報に基づき、顔サムネイル表示エリア上の対応する時間帯の列に表示する。

次に、強調表示処理部４０４は、出現した顔画像に付与されたＩＤをデータベース１１１Ａから取得する（ステップＳ２０６）。そして、顔サムネイル表示エリアにおいて、取得したＩＤと同一のＩＤが付与された顔画像群に属する各顔画像を強調して表示する（ステップＳ２０７）。

強調表示処理部４０４は、上述の処理（ステップＳ２０１からステップＳ２０７）を、映像コンテンツデータが再生されている期間中、繰り返し実行する。

以上、図１２及び図１３のフローチャートを参照して説明した処理により、映像コンテンツデータの再生中、プレビュー画面上に再生中の映像フレームを表示すると共に、顔サムネイル表示エリアにおいて、該映像フレームを含む所定の期間内に出現する顔画像を強調して表示することができる。これによりユーザは、プレビュー画面で再生中の映像フレームと、顔サムネイル表示エリア上の顔画像との対応を容易に把握することができる。

以上のように、本実施形態においては、プレビュー画面上に表示される映像データの再生と連動して、顔サムネイル表示エリアにおける対応する顔画像の強調表示を更新することができる。これによりユーザは、プレビュー画面で再生中の映像フレームと、顔サムネイル表示エリア上の顔画像との対応を随時把握することで、登場する人物に注目したシーンの選択や再生等の操作を容易に行うことができる。

なお、本実施形態では、インデキシング処理部として機能するビデオプロセッサ１１３によってインデキシング情報を生成したが、例えば、放送番組データ内に予め当該放送番組データに対応するインデキシング情報が含まれている場合には、インデキシング処理を行う必要はない。よって、本実施形態のサムネイル画像表示機能およびプレビュー再生機能は、データベース１１１Ａとインデキシングビューワプログラム(顔画像一覧表示処理部３０１、再生処理部４０３)のみによっても実現することが出来る。

また、本実施形態の顔画像一覧表示機能および再生機能は全てソフトウェアによって実現することができるので、このソフトウェアをコンピュータ読み取り可能な記憶媒体を通じて通常のコンピュータに導入することにより、本実施形態と同様の効果を容易に実現することができる。

さらに、本実施形態の電子機器はコンピュータ１０によって実現するのみならず、例えば、ＨＤＤレコーダ、ＤＶＤレコーダ、テレビジョン装置といった様々なコンシューマ電子機器によって実現することもできる。この場合、サムネイル画像表示機能およびプレビュー再生機能は、ＤＳＰ、マイクロコンピュータのようなハードウェアによって実現することができる。

また、本発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に構成要素を適宜組み合わせてもよい。

本発明の一実施形態に係る電子機器の概観の例を示す斜視図。 同実施形態の電子機器のシステム構成の例を示すブロック図。 同実施形態の電子機器の顔画像一覧表示機能を説明するためのブロック図。 同実施形態の電子機器で用いられる顔画像グループの例を示す図。 同実施形態の電子機器で用いられるプログラムの機能構成を示すブロック図。 同実施形態の電子機器によって表示装置に表示されるインデキシングビュー画面の例を示す図。 図６のインデキシングビュー画面内に含まれる顔サムネイル表示エリアの構成例を示す図。 図６のインデキシングビュー画面内に含まれる、顔サムネイル表示エリアとプレビュー画面との関係を説明するための図。 図６のインデキシングビュー画面内に含まれる、顔サムネイル表示エリアとプレビュー画面との関係を説明するための別の図。 図６のインデキシングビュー画面内に含まれる、顔サムネイル表示エリアとプレビュー画面との関係を説明するための他の図。 図６のインデキシングビュー画面内に含まれる、顔サムネイル表示エリアとプレビュー画面との関係を説明するためのまたさらに別の図。 同実施形態の電子機器によって実行されるインデキシング処理および顔画像表示処理の手順の例を示すフローチャート。 同実施形態の電子機器によって実行されるプレビュー再生処理に伴う顔画像表示処理の手順の例を示すフローチャート。

符号の説明

１０…電子機器（コンピュータ）、１１１Ａ…データベース、１１３…ビデオプロセッサ、１１７…ＴＶチューナ、３０１…顔画像一覧表示処理部、４０２…インデキシング制御部、４０３…再生処理部。

Claims (8)

1. 映像コンテンツデータに含まれる動画像データのシーケンスにおいて出現する複数の顔画像からなる顔画像群を抽出すると共に、抽出された各顔画像が前記動画像データのシーケンス上に出現する時点を示すタイムスタンプ情報を出力するインデキシング手段と、
   複数の行と、前記動画像データの総時間長を構成する複数の時間帯がそれぞれ割り当てられた複数の列とを含むマトリクス状に配置された複数の顔画像表示エリアを含む表示画面上の第１表示エリア上に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記各列の顔画像表示エリア上に当該各列に割り当てられた時間帯に属する顔画像それぞれを並べて表示する画像表示処理手段と、
   前記動画像データを再生して前記表示画面上の第２表示エリア上に表示する再生処理手段と、
   前記動画像データが前記第２表示エリア上で再生されている場合に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記動画像データの再生位置に対応する期間内に出現する前記第１表示エリア上の第１の顔画像を強調して表示する強調表示処理手段とを具備することを特徴とする電子機器。
2. 前記インデキシング手段は、前記抽出した顔画像群を分類して、同一の人物として分類された各顔画像に其々同一の識別子を付与し、
   前記強調表示処理手段は、前記第１の顔画像の識別子と同一の識別子が付与された前記第１表示エリア上の他の各顔画像を強調して表示することを特徴とする請求項１記載の電子機器。
3. 前記強調表示処理手段は、前記動画像データの再生の進行に合わせて、前記第１表示エリア上において強調して表示する顔画像を更新することを特徴とする請求項２記載の電子機器。
4. 前記画像表示処理手段は、前記各時間帯に属する顔画像群から所定個の顔画像を選択し、前記選択した所定個の顔画像を前記第１表示エリア上の対応する列の顔画像表示エリアにそれぞれ表示し、
   前記強調表示処理手段は、前記再生位置に対応する期間内に出現する顔画像が前記第１表示エリア上に表示されていない場合、該期間内に出現する顔画像を前記抽出された顔画像群から取得して前記第１表示エリアの対応する列の顔画像表示エリアに強調して表示する請求項１記載の電子機器。
5. 映像コンテンツデータに含まれる動画像データのシーケンスにおいて出現する複数の顔画像からなる顔画像群を抽出すると共に、抽出された各顔画像が前記動画像データのシーケンス上に出現する時点を示すタイムスタンプ情報を出力し、前記抽出した顔画像群を分類して、同一の人物として分類された各顔画像に其々同一の識別子を付与するインデキシング手段と、
   複数の行および複数の列を含むマトリクス状に配置された複数の顔画像表示エリアを含み、前記複数の列それぞれには、前記動画像データの総時間長を構成する複数の時間帯がそれぞれ割り当てられる表示画面上の第１表示エリア上に、前記抽出した顔画像群のうち前記各時間帯に属する顔画像を、各顔画像に付与された識別子に基づく出現頻度順に所定個選択し、前記選択した所定個の顔画像を前記第１表示エリアの対応する列の顔画像表示エリアにそれぞれ表示する画像表示処理手段と、
   前記動画像データを再生して前記表示画面上の第２表示エリア上に表示する再生処理手段と、
   前記動画像データが前記第２表示エリア上で再生されている場合に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記動画像データの再生位置に対応する期間内に出現する前記第１表示エリア上の第１の顔画像と、前記第１の顔画像の識別子と同一の識別子が付与された前記第１表示エリア上の他の各顔画像とを強調して表示する強調表示処理手段とを具備することを特徴とする電子機器。
6. 前記強調表示処理手段は、前記再生位置に対応する期間内に出現する顔画像が前記第１表示エリア上に表示されていない場合、該期間内に出現する顔画像を前記抽出された顔画像群から取得して前記第１表示エリアの対応する列の顔画像表示エリアに強調して表示する請求項５記載の電子機器。
7. 映像コンテンツデータに含まれる動画像データのシーケンスにおいて出現する複数の顔画像からなる顔画像群を抽出すると共に、抽出された各顔画像が前記動画像データのシーケンス上に出現する時点を示すタイムスタンプ情報を出力するインデキシングステップと、
   複数の行と、前記動画像データの総時間長を構成する複数の時間帯がそれぞれ割り当てられた複数の列とを含むマトリクス状に配置された複数の顔画像表示エリアを含む表示画面上の第１表示エリア上に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記各列の顔画像表示エリア上に当該各列に割り当てられた時間帯に属する顔画像それぞれを並べて表示する画像表示処理ステップと、
   前記動画像データを再生して前記表示画面上の第２表示エリア上に表示する再生処理ステップと、
   前記動画像データが前記第２表示エリア上で再生されている場合に、前記抽出された顔画像群に属する顔画像それぞれに対応するタイムスタンプ情報に基づき、前記動画像データの再生位置に対応する期間内に出現する前記第１表示エリア上の第１の顔画像を強調して表示する強調表示処理ステップとを具備することを特徴とする映像処理方法。
8. 前記インデキシングステップは、前記抽出した顔画像群を分類して、同一の人物として分類された各顔画像に其々同一の識別子を付与し、
   前記強調表示処理ステップは、前記第１の顔画像の識別子と同一の識別子が付与された前記第１表示エリア上の他の各顔画像を強調して表示することを特徴とする請求項７記載の映像処理方法。

Images