JP2009159507A - 電子機器、及び画像表示制御方法 - Google Patents

Abstract

【課題】人物の登場が少ない映像コンテンツデータであっても、映像コンテンツデータを再生することなく、映像コンテンツデータ全体の中のどの辺りの時間帯にどの人物が登場するのか、及び映像コンテンツデータが如何なる内容のものであるのかを提示することができる電子機器、画像表示制御方法及び画像表示制御プログラムを提供する。
【解決手段】顔画像一覧表示処理部３０１は、タイムスタンプ情報ＴＳに基づき、所定の行と、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３０６を形成し、複数の列のうち顔画像３０７が所定の行に満たない列が存在する場合、当該列に割り当てられた時間帯に対応する映像コンテンツデータからサムネイル３０８を抽出して当該列に対して並べられた顔画像３０７と共に表示する。
【選択図】図６

Description

本発明は、電子機器、及び画像表示制御方法に関する。

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、タイトル名だけでは、ユーザが、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。

特許文献１には、登場人物一覧表示機能を有する装置が開示されている。この装置は、映像コンテンツにおける登場人物の一覧として、映像コンテンツにおける登場人物それぞれの顔の画像を並べて表示する機能を有している。
特開２００１−３０９２６９号公報

しかし、特許文献１のように単純に登場人物の一覧を表示しただけでは、ユーザは、それら人物が映像コンテンツデータ内のどの辺りの時間帯に登場するのかを把握することはできない。例えば、ユーザは、ユーザにとって興味のある人物（または人物群）が登場する時間帯だけを選択的に再生することを希望する場合もある。したがって、映像コンテンツデータ全体の中のどの辺りの時間帯にどの人物が登場するのかを提示するための新たな機能の実現が必要であり、加えて、登場人物が少ない場合においても映像コンテンツデータの内容を示す画像を提示するための新たな機能の実現が必要である。

この発明は、このような事情を考慮してなされたものであり、映像コンテンツデータを再生することなく、映像コンテンツデータ全体の中のどの辺りの時間帯にどの人物が登場するのかを提示でき、さらに、人物の登場が少ない映像コンテンツデータであっても、映像コンテンツデータを再生することなく、映像コンテンツデータが如何なる内容のものであるのかを提示することができる電子機器、及び画像表示制御方法を提供することを目的とする。

（１）本発明は上記目的を達成するため、映像コンテンツデータから抽出された複数の顔画像と、前記複数の顔画像が前記映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報とを格納する記憶部と、前記タイムスタンプ情報に基づき、２次元の表示エリアに含まれる、所定数の行と、前記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形成し、前記複数の列に割り当てられた時間帯に属する顔画像を前記複数の顔画像表示エリアに並べて表示し、当該列に割り当てられた時間帯に対応する前記映像コンテンツデータから抽出したサムネイルを当該列に対して並べられた前記顔画像と共に表示する顔画像一覧表示処理部と、を備えたことを特徴とする電子機器を提供する。

このような構成によれば、人物の登場が少ない映像コンテンツデータであっても、人物の顔画像と共にサムネイルを簡単な操作に応じて提示できる。

（２）本発明は上記目的を達成するため、映像コンテンツデータから抽出された複数の顔画像と、前記複数の顔画像が前記映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報とを格納する記憶部を備えた電子機器の画像表示制御方法であって、前記タイムスタンプ情報に基づき、２次元の表示エリアに含まれる、所定数の行と、前記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形成し、前記複数の列に割り当てられた時間帯に属する顔画像を前記複数の顔画像表示エリアに並べて表示し、当該列に割り当てられた時間帯に対応する前記映像コンテンツデータから抽出したサムネイルを当該列に対して並べられた前記顔画像と共に表示する顔画像一覧表示処理ステップと、を備えたことを特徴とする画像表示制御方法を提供する。

このような方法によれば、人物の登場が少ない映像コンテンツデータであっても、人物の顔画像と共にサムネイルを簡単な操作に応じて提示できる。

本発明によれば、映像コンテンツデータを再生することなく、映像コンテンツデータ全体の中のどの辺りの時間帯にどの人物が登場するのかを提示でき、さらに、人物の登場が少ない映像コンテンツデータであっても、映像コンテンツデータを再生することなく、映像コンテンツデータが如何なる内容のものであるのかを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及び図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。

また、パーソナルコンピュータ１０は、主に、後述する映像コンテンツデータから抽出された複数の顔画像と、タイムスタンプ情報と、を格納する記憶部としてのＨＤＤ（Hard Disk Drive）１１１と、タイムスタンプ情報に基づき、２次元の表示エリアに含まれる、所定の行と、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形成し、複数の列に割り当てられた時間帯に属する顔画像を複数の顔画像表示エリアに並べて表示する顔画像一覧表示処理部３０１と、を備えて構成されている。

顔画像とは、映像コンテンツデータに登場する人物の顔を含む画像のことであり、後述する方法によって映像コンテンツデータから抽出される。

サムネイルとは、複数の列のうち顔画像が所定の行に満たない列が存在する場合、当該列に対して所定の行に満たない数だけ、後述する方法に基づいて映像コンテンツデータから抽出される画像のことであり、映像コンテンツデータの内容が如何なるものであるのかを示す画像である。顔画像とサムネイルは、顔サムネイル表示エリアに混合表示される。映像コンテンツデータからサムネイルを抽出する方法は、一例として当該列に割り当てられた時間帯にシーンの境界があるとき、タイムスタンプ情報に基づいてその境界に対応した画像をサムネイルとするものと、当該列に割り当てられた時間帯を当該列に対して所定の行に満たない数に基づいて等時間間隔で分割し、その境界に対応する画像をサムネイルとするものがある。

シーンとは、後述するインデキシング処理によって映像コンテンツデータを後述する属性区間（ＣＭ区間、音楽区間、及びトーク区間）に分割したものであり、シーンの境界とは、隣接するシーンの境界を表している。また、シーンの境界の画像は、時系列として新しいシーンの開始時点の画像に対応する。

タイムスタンプ情報とは、顔画像及びサムネイルが映像コンテンツデータ内に登場する時点を示す情報である。

顔画像表示エリアとは、顔画像及びサムネイルが表示されるインデキシングビュー画面上の領域のことである。

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）を記録及び再生することができる。即ち、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及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、及び記録されたビデオデータ及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、パーソナルコンピュータ１０に格納されたビデオデータ、放送番組データのような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と、同映像コンテンツデータから例えば等時間間隔で抽出された複数のフレームの各々に対応する画像（縮小画像）を表示するサムネイル画像表示機能とを有している。

顔画像一覧表示機能及び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。顔画像一覧表示機能は、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、及びスピーカ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２０が設けられている。リモコンユニットインタフェース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、ＨＤＤ１１１、ＤＶＤドライブ１１２、ビデオプロセッサ１１３、メモリ１１３Ａ、無線ＬＡＮ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、及び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、ＨＤＤ１１１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、及び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、及び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及び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、及び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及び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、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と共に、抽出された各顔画像が映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報、等を出力する。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、及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、及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、及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、音楽区間及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、及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（ＣＭ検出処理、映像インデキシング処理、及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。

無線ＬＡＮ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及びタッチパッド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、ＴＶアプリケーションプログラム２０２によって実行される顔画像一覧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、及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（顔画像インデキシング処理とも云う）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映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報ＴＳを出力する。各顔画像に対応するタイムスタンプ情報ＴＳとしては、映像コンテンツデータの開始から当該顔画像が登場するまでの経過時間、または当該顔画像が抽出されたフレーム番号、等を使用することが出来る。この時、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。

さらに、ビデオプロセッサ１１３は、抽出した複数の顔画像をクラス分け、即ち、同一人物であると推定される画像別に分類し、その分類結果（クラスＩＤ等）を分類情報として出力する。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、サイズ、分類情報）は、データベース１１１Ａに顔画像インデキシング情報１１１Ｂ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。

なお、この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、顔画像一覧表示機能の顔画像抽出処理と並行して、サムネイル画像表示機能のサムネイル画像取得処理も実行する。サムネイル画像は、映像コンテンツデータから例えば等時間間隔で抽出された複数のフレームの各々に対応する画像（縮小画像）である。すなわち、ビデオプロセッサ１１３は、顔画像を含むフレームであるか否かに関係なく、映像コンテンツデータから例えば所定の等時間間隔でフレームを順次抽出し、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）も、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。

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、及びトーク区間）を検出し、検出された各属性区間の開始時点及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及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及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。

属性検出結果情報（区間属性情報）は、図４に示されているように、例えば、ＣＭ区間テーブル、音楽区間テーブル、トーク区間テーブル、及び歓声／盛り上がりテーブルから構成されている。

ＣＭ区間テーブルは、検出されたＣＭ区間の開始時点及び終了時点を示すＣＭ区間属性情報を格納する。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複数のＣＭ区間が存在する場合には、それら複数のＣＭ区間それぞれに対応するＣＭ区間属性情報がＣＭ区間テーブルに格納される。ＣＭ区間テーブルにおいては、検出された各ＣＭ区間毎に当該ＣＭ区間の開始時点及び終了時点をそれぞれ示すスタートタイム情報及びエンドタイム情報が格納される。

音楽区間テーブルは、検出された音楽区間の開始時点及び終了時点を示す音楽区間属性情報を格納する。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複数の音楽区間が存在する場合には、それら複数の音楽区間それぞれに対応する音楽区間属性情報が音楽区間テーブルに格納される。音楽区間テーブルにおいては、検出された各音楽区間毎に当該音楽区間の開始時点及び終了時点をそれぞれ示すスタートタイム情報及びエンドタイム情報が格納される。

トーク区間テーブルは、検出されたトーク区間の開始時点及び終了時点を示す音楽区間属性情報を格納する。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複数のトーク区間が存在する場合には、それら複数のトーク区間それぞれに対応するトーク区間属性情報がトーク区間テーブルに格納される。トーク区間テーブルにおいては、検出された各トーク区間毎に当該トーク区間の開始時点及び終了時点をそれぞれ示すスタートタイム情報及びエンドタイム情報が格納される。

歓声／盛り上がりテーブルは、映像コンテンツデータ内の一定時間長の部分データ（タイムセグメントＴ１，Ｔ２，Ｔ３，…）それぞれにおける歓声レベル及び盛り上がりレベルを格納する。

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、顔画像一覧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１１１Ｂ、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、サイズ、分類情報）を読み出し、こ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。この場合、顔画像一覧表示処理部３０１は、映像コンテンツデータの総時間長を、例えば等時間間隔で、複数の時間帯に分割し、時間帯毎に、抽出された顔画像の内から当該時間帯に登場する顔画像を所定個（所定数の行）選択する。そして、顔画像一覧表示処理部３０１は、時間帯毎に、選択した所定個の顔画像それぞれを並べて表示する。

すなわち、２次元の顔サムネイル表示エリアは、複数の行及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および分類情報に基づき、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頻度順（顔画像の検出時間長順）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（登場頻度）の高い順に顔画像が行数分だけ選択され、選択された顔画像が登場頻度順に上から下に向かって並んで配置される。もちろん、出現頻度順ではなく、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、その出現順に並べて表示してもよい。なお、顔画像とサムネイルの混合表示の方法については、後述する図１２のフローチャートにて説明する。

この顔画像一覧表示機能により、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。しかし、映像コンテンツデータの種類によっては、人物の登場回数が少なく、顔サムネイル表示エリアを構成するすべての顔画像表示エリアに顔画像を表示することができない可能性がある。そこで、顔画像一覧表示処理部３０１は、後述する方法によって映像コンテンツデータからサムネイルを抽出し、顔画像が割り当てられない顔画像表示エリアに表示させる。顔サムネイル表示エリアの具体的な構成例については、図６以降で後述する。

また、顔画像一覧表示処理部３０１は、サムネイル画像表示機能も併せて実行する。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、顔サムネイル表示エリアの下方側または上方側の一方に配置された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、それらサムネイル画像の出現時間順に一列に並べて表示する。

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の顔サムネイル表示エリアの下方側または上方側の一方に表示する。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）に登場する人物の顔画像であるかを、ユーザに提示することができる。したがって、ユーザは、登場人物と、区間属性とを考慮して、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。

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及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及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及び盛り上がりレベルの変化をそれぞれ示す棒グラフを、インデキシングビュー画面上の顔サムネイル表示エリアの下方側または上方側の一方に配置されたレベル表示エリア上に表示する。

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、登場人物と、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。

次に、図５を参照して、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等を備えている。

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サムネイル表示エリアに表示された顔画像一覧の中の一つの顔画像またはサムネイル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またはサムネイル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。

ユーザは、複数の属性区間を選択的に指定することにより、様々な属性に着目した顔画像一覧を見ながら、映像コンテンツデータの再生位置を決定することができる。

なお、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、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には、顔画像３０７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３０２と、上述のレベル表示エリア３０３と、上述の区間バー３０４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３０５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（フルサイズ）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通常サイズよりも縮小して表示する表示形式である。図６においては、選択されたサムネイル画像との距離が近いサムネイル画像は、サムネイル画像が見易いように、その横方向サイズの縮小率が小さくなっている。

レベル表示エリア３０３においては、盛り上がりレベルの変化を示す棒グラフ（図６中の濃い色で示されるグラフ）と、歓声レベルの変化を示すグラフ（図６中の薄い色で示されるグラフ）が表示される。

区間バー３０４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（図６の黒色の帯状領域）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（図６のクロスハッチングされた帯状領域）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（図６のハッチングされた帯状領域）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３０４内の一つのバー領域を選択することもできる。

図７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３０２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３０６を含んでいる。図７においては、顔サムネイル表示エリア３０２は、所定数の行を６行として、６行×１６列から構成されている。顔サムネイル表示エリア３０２に含まれる顔画像表示エリア３０６の数は、９６個である。

列１〜列１６のそれぞれは、例えば、映像コンテンツデータの総時間長を列数（＝１６）で等時間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個の時間帯に等時間間隔で分割される。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頻度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、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。なお、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３０７の数が、行数分に満たない場合については、後述する。

このように、顔サムネイル表示エリア３０２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３０２の各顔画像表示エリア３０６に表示される顔画像３０７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３０７のサイズに応じて変化するが、それとは別に、ユーザが顔サムネイル表示エリア３０２に表示させる顔画像３０７の数を選択する最低枚数モードや、抽出された顔画像３０７をすべて表示させる顔優先モードを選択することもできる。顔画像３０７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３０７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３０７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３０７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。なお、上記の設定は、サムネイル３０８にも適用されるが、本実施例においてサムネイル３０８は、縦横比を一定として縮小された形で各顔画像表示エリア３０６に表示されるものとする。

顔サムネイル表示エリア３０２内の各顔画像３０７及びサムネイル３０８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３０７及びサムネイル３０８のサイズは、“標準”状態の時のサイズ（１８０×１８０、９０×９０、または６０×６０。サムネイル３０８は異なる。）よりも大きく設定される。図７においては、座標(５，１２)の顔画像３０７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３０５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。

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を参照して、顔サムネイル表示エリア３０２とじゃばらサムネイル表示エリア３０５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３０６群の集合、つまり顔サムネイル表示エリア３０２内の個々の列を“大区間３１０”と称する。また、“大区間３１０”をさらに分割したものを“小区間”と称する。１つの大区間３１０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３０５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３０２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３０２が６行×１６列で、じゃばらサムネイル表示エリア３０５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３１０に含まれる小区間の数は、１５（＝２４０÷１６）となる。１つの大区間３１０は１５個の小区間を含む。換言すれば、１つの大区間３１０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。

また、顔画像一覧表示処理部３０１は、大区間３１０とサムネイル画像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、あるサムネイル画像に対応する小区間が、大区間３１０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、大区間３１０に含まれる１５個の小区間の内で、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、あるサムネイル画像が、ある大区間３１０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３１０内の先頭の小区間に対応する画像であるならば、当該サムネイル画像は、縦長のバーによって大区間３１０の左端に接続される。また、例えば、あるサムネイル画像が、ある大区間３１０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３１０内の終端の小区間に対応する画像であるならば、当該サムネイル画像は、縦長のバーによって大区間３１０の右端に接続される。

さらに、顔画像一覧表示処理部３０１は、サムネイル画像のタイムスタンプ情報ＴＳに基づいて、その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、選択対象の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。

このような関係を有する顔サムネイル表示エリア３０２とじゃばらサムネイル表示エリア３０５とを含むインデキシングビュー画面において、顔サムネイル表示エリア３０２上のある顔画像３０７またはサムネイル３０８がユーザによって選択されると、顔画像一覧表示処理部３０１は、その顔画像３０７またはサムネイル３０８のタイムスタンプ情報ＴＳで示される時刻を含む小区間を特定して、当該小区間に対応するサムネイル画像を通常サイズで表示すべく、じゃばらサムネイル表示エリア３０５におけるサムネイル画像の表示制御を行う。

即ち、図９に示すように、ある顔画像（ａ１）がユーザによって選択されると、それに連動して、その顔画像（ａ１）の人物が登場する時間帯のサムネイル画像（ａ２）が自動的に選択されて追従表示されることになる。

逆に、このインデキシングビュー画面において、じゃばらサムネイル表示エリア３０５上のあるサムネイル画像がユーザによって選択されると、顔画像一覧表示処理部３０１は、そのサムネイル画像に対応する小区間内の時刻をタイムスタンプ情報ＴＳとしてもつ顔画像３０７またはサムネイル３０８を検出し、その検出した顔画像３０７またはサムネイル３０８すべてを他の顔画像３０７またはサムネイル３０８と区別可能に強調表示する。

より具体的に画面の遷移例を示すと、いま、図１０に示すような状態にインデキシングビュー画面があると想定する。この状態において、ユーザが、図１１に示すように、顔サムネイル表示エリア３０２上のある顔画像（ｃ１）を選択すると、じゃばらサムネイル表示エリア３０５におけるサムネイル画像の表示は、これに連動して、その顔画像（ｃ１）の人物が登場する時間帯のサムネイル画像（ｃ２）が通常サイズで表示されるように遷移する。

この確認を行った後、ユーザは、顔サムネイル表示エリア３０２上の顔画像３０７またはサムネイル３０８を選択した状態で映像コンテンツデータの再生開始を指示すれば、その顔画像３０７またはサムネイル３０８のタイムスタンプ情報ＴＳで示される時刻よりも所定時間前の時点から当該映像コンテンツデータの再生を開始でき、じゃばらサムネイル表示エリア３０５上のサムネイル画像を選択した状態で映像コンテンツデータの再生開始を指示すれば、そのサムネイル画像に対応する小区間の先頭位置（時点）から当該映像コンテンツデータの再生を開始できる。

このように、顔サムネイル表示エリア３０２とじゃばらサムネイル表示エリア３０５とが連動して表示制御される本コンピュータ１０においては、所望の人物が登場する場面の映像を簡単な操作に応じて提示でき、また、各場面に登場する人物の顔画像３０７を簡単な操作に応じて提示できる。さらに、人物の登場が少ない映像コンテンツデータであっても、サムネイル３０８を提示することで、ユーザが所望する場面を選択し易くすることができる。

次に、図１２のフローチャートを参照して、顔画像一覧表示処理部３０１によって実行される表示処理の手順を説明する。

まず、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３０７それぞれを、それら顔画像３０７に対応するタイムスタンプ情報ＴＳに基づいて、それら顔画像３０７の登場時間順にソートする（ステップＳ１０１）。次いで、顔画像一覧表示処理部３０１は、ユーザによって指定された顔優先モードまたは最低枚数モードに基づい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３０７の内から、行数分の顔画像３０７を選択する（ステップＳ１０２）。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３０７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３０７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３０７を優先的に選択する。例えば、ビデオプロセッサ１１３は、抽出した顔画像３０７それぞれの特徴データの相関に基づいて、同一人物の顔画像３０７それぞれを同一カテゴリーに分類するクラスタリング処理を実行することができる。この場合、図１３に示すように、顔画像３０７それぞれは、人物毎（すなわちカテゴリー毎）に分類されてデータベース１１１Ａに格納される。図１３においては、カテゴリー１は、ある人物Ａの顔画像３０７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３０７の集合を示しており、またカテゴリー３は、ある人物Ｂの顔画像３０７の集合を示している。顔画像一覧表示処理部３０１は、登場する頻度の高い人物の顔画像３０７を優先的に選択する。なお、ある同一人物の顔画像３０７のみが比較的長い時間出現され続けている時間帯においては、当該時間帯に対応する列上に同一人物の異なる複数の顔画像３０７を表示してもよい。

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３０７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１１Ａに格納された顔画像３０７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３０７の内から、サイズの大きい顔画像３０７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３０７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３０７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３０７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３０７を優先的に表示することが可能となる。

また、顔画像３０７が行の数に満たない列がある場合（ステップＳ１０３のＹＥＳ）、顔画像一覧表示処理部３０１は、映像コンテンツデータからサムネイル３０８を以下の方法によって抽出する。

まず、列に割り当てられた時間帯において、隣接する属性区間の境界すなわち隣接するシーンの境界が当該列に存在するとき（ステップＳ１０４のＹＥＳ）、顔画像一覧表示処理部３０１は、隣接するシーンの境界を示す時間情報（図４の例では、スタートタイム、エンドタイム等に相当）に基づいて、この境界点と同一又は近傍の時間を示すタイムスタンプ情報を有するサムネイルをサムネイル３０８として抽出し、当該列に割り当てる（ステップＳ１０５）。このとき隣接するシーンの境界の数が、行の数に満たない顔画像３０７の数よりも多い場合は、例えば、時間情報に基づいて時間長の一番長いシーンの開始時点における画像を優先的に選択する、または複数あるシーンの境界をランダムに選択してサムネイル３０８を選択しても良く、また、当該列に表示されている顔画像３０７を含まないシーンを優先的に選択してその開始時点の画像をサムネイル３０８としても良い。さらに、当該列に表示されている顔画像３０７から時間的に遠いシーンの境界を優先的に選択してその開始時点の画像をサムネイル３０８としても良く、これらに限定されない。この選択によって、より映像コンテンツデータの内容を反映するサムネイル３０８を抽出することができるので、ユーザは、所望の場面からの再生を行うことができる。隣接するシーンの境界の数が、行の数に満たない顔画像３０７の数よりも少ない場合は、続くステップ１０６における方法によって足りないサムネイル３０８を補うものとする。

顔画像一覧表示処理部３０１は、列の中にシーンの境界がない（ステップ１０４のＮＯ）、またはステップＳ１０５においてサムネイル３０８の数が足りない場合、当該列に割り当てられた時間帯を行の数に満たない顔画像３０７の数、または足りないサムネイル３０８の数に基づいて等時間間隔で分割し、その分割された時点における映像コンテンツデータの画像をサムネイル３０８として抽出し、当該列に割り当てる（ステップＳ１０６）。

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３０６に、選択した顔画像３０７及びサムネイル３０８を列内に並べて表示する（ステップＳ１０７）。顔画像３０７及びサムネイル３０８の混合表示は、例えば、まず顔画像３０７を頻度順に並べ、続いてサムネイル３０８を時系列に沿って並べても良いし、顔画像３０７及びサムネイル３０８を時系列に沿って並べても良く、これに限定されない。

ステップＳ１０２〜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Ｓ１０８のＹＥＳ、Ｓ１０９）。この結果、顔画像表示エリア３０６には、複数の顔画像３０７とサムネイル３０８が第１の表示モードで表示される。

全ての列に対する処理が完了すると（ステップＳ１０８のＮＯ）、顔画像一覧表示処理部３０１は、データベース１１Ａに格納されているサムネイル画像それぞれを、それらサムネイル画像それぞれのタイムスタンプ情報ＴＳに基づいて、じゃばらサムネイル表示エリア３０５上にそれらサムネイル画像が出現する時間順に一列に並べて表示する（ステップＳ１１０）。

次いで、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及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及び盛り上がりレベル情報に従って、レベル表示エリア３０３上に、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を示すグラフと、シーケンス内における盛り上がりレベルの変化をそれぞれ示すグラフとを表示する（ステップＳ１１１）。

続いて、図１４のフローチャートを参照して、再生処理部４０３によって実行される再生処理の手順を説明する。

映像コンテンツデータの再生指示がユーザによって入力された時（ステップＳ２０１のＹＥＳ）、再生処理部４０３は、顔画像一覧表示処理部３０１と連携して、顔サムネイル表示エリア３０２上のある顔画像３０７またはサムネイル３０８がユーザによって選択されているか否かを判定する（ステップＳ２０２）。選択されている顔画像３０７またはサムネイル３０８が存在するならば（ステップＳ２０２のＹＥＳ）、再生処理部４０３は、選択されている顔画像３０７またはサムネイル３０８のタイムスタンプ情報ＴＳに基づいて、選択されている顔画像３０７またはサムネイル３０８が登場する時点を検出する（ステップＳ２０３）。そして、再生処理部４０３は、検出された時点よりも所定時間前の時点、たとえば、２秒前の時点から、映像コンテンツデータの再生を開始する（ステップＳ２０４）。

また、選択されている顔画像３０７またはサムネイル３０８が存在しなければ（ステップＳ２０２のＮＯ）、他の処理として再生処理部４０３は、続いて、顔画像一覧表示処理部３０１と連携して、じゃばらサムネイル表示エリア３０５上のあるサムネイル画像がユーザによって選択されているか否かを判定する。そして、選択されているサムネイル画像が存在するならば、再生処理部４０３は、そのサムネイル画像に対応する小区間の先頭位置（時点）を検出し、その検出された時点から、映像コンテンツデータの再生を開始する（ステップＳ２０５）。

以上のように、本実施形態においては、映像コンテンツデータを再生することなく、映像コンテンツデータ全体の中のどの辺りの時間帯にどの人物が登場するかをユーザに提示できる。さらに、所望の人物が登場する場面の映像を簡単な操作に応じて提示でき、また、各場面に登場する人物の顔画像３０７を簡単な操作に応じて提示できる。そして、人物の登場が少ない映像コンテンツデータであっても、行の数に満たない顔画像３０７の数のサムネイル３０８を抽出し、顔画像３０７と同時に提示できるので、より映像コンテンツデータの内容を反映する顔画像３０７及びサムネイル３０８を提示することができ、ユーザの選択の幅が広がり、利便性が高まる。

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（顔画像インデキシング情報１１１Ｂ、区間属性情報、等）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、本実施形態の顔画像一覧表示機能は、データベース１１１Ａと顔画像一覧表示処理部３０１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処理の手順は全て画像表示制御プログラムとしての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、ＴＶアプリケーションプログラム２０２の機能は、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。

つまり、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区間属性情報（属性検出結果情報）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じゃばらサムネイル表示エリア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じゃばらサムネイル表示エリアとの間の連携表示制御を説明するための第１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じゃばらサムネイル表示エリアとの間の連携表示の具体例を示す第１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じゃばらサムネイル表示エリアとの間の連携表示の具体例を示す第２の図。 同実施形態の電子機器によって実行される顔画像一覧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顔画像それぞれがカテゴリ別に分類された様子を示す図。 同実施形態の電子機器によって実行される再生処理の手順の例を示すフローチャート。

符号の説明

１…外部ディスプレイ、２…ＨＤＭＩ端子、３…ＨＤＭＩ制御回路、１０…パーソナルコンピュータ、１１…コンピュータ本体、１１Ａ…データベース、１２…ディスプレイユニット、１３…キーボード、１４…パワーボタン、１５…入力操作パネル、１６…タッチパッド、１７…ＬＣＤ、１８Ａ，１８Ｂ…スピーカ、１９…アンテナ端子、２０…リモコンユニットインタフェース、１０１…ＣＰＵ、１０２…ノースブリッジ、１０３…主メモリ、１０４…サウスブリッジ、１０５…ＧＰＵ、１０５Ａ…ＶＲＡＭ、１０６…サウンドコントローラ、１０９…ＢＩＯＳ−ＲＯＭ、１１０…ＬＡＮコントローラ、１１１…ＨＤＤ、１１１Ａ…データベース、１１１Ｂ…顔画像インデキシング情報、１１２…ＤＶＤ、１１３…ビデオプロセッサ、１１３Ａ…メモリ、１１４…無線ＬＡＮコントローラ、１１５…ＩＥＥＥ１３９４コントローラ、１１６…ＥＣ／ＫＢＣ、１１７…ＴＶチューナ、１１８…ＥＥＰＲＯＭ、２０１…ＯＳ、２０２…ＴＶアプリケーションプログラム（ＴＶアプリケーション）、３０１…顔画像一覧表示処理部、３０２…顔サムネイル表示エリア、３０３…レベル表示エリア、３０４…区間バー、３０５…じゃばらサムネイル表示エリア、３０６…顔画像表示エリア、３０７…顔画像、３０８…サムネイル、３０９…大区間、４０１…記録処理部、４０２…インデキシング制御部、４０３…再生処理部、ＴＳ…タイムスタンプ情報

Claims (7)

1. 映像コンテンツデータから抽出された複数の顔画像と、前記複数の顔画像が前記映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報とを格納する記憶部と、
   前記タイムスタンプ情報に基づき、２次元の表示エリアに含まれる、所定数の行と、前記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形成し、前記複数の列に割り当てられた時間帯に属する顔画像を前記複数の顔画像表示エリアに並べて表示し、当該列に割り当てられた時間帯に対応する前記映像コンテンツデータから抽出したサムネイルを当該列に対して並べられた前記顔画像と共に表示する顔画像一覧表示処理部と、
   を備えたことを特徴とする電子機器。
2. 前記顔画像一覧表示処理部は、前記映像コンテンツデータをシーンに分割し、前記シーンの境界近傍で抽出したサムネイルを、当該シーンの境界を含む時間帯に対応する列に対して前記顔画像と共に表示することを特徴とする請求項１に記載の電子機器。
3. 前記顔画像一覧表示処理部は、前記サムネイルを前記顔画像と共に表示する列に対応する時間帯を前記顔画像の数に基づいて等時間間隔で分割し、分割点近傍で抽出した前記サムネイルを当該列に表示することを特徴とする請求項１に記載の電子機器。
4. 前記電子機器は、さらに再生処理部を備え、
   前記再生処理部は、前記顔画像及び前記サムネイルのうちのいずれかを選択する指示が行われ、かつ、前記映像コンテンツデータを再生する指示が行われた場合、前記タイムスタンプ情報に基づき、選択された前記顔画像または前記サムネイルが登場する時点よりも所定時間前の時点若しくは選択された前記顔画像または前記サムネイルが登場する時点から前記映像コンテンツデータの再生を開始することを特徴とする請求項１記載の電子機器。
5. 映像コンテンツデータから抽出された複数の顔画像と、前記複数の顔画像が前記映像コンテンツデータ内に登場する時点を示すタイムスタンプ情報とを格納する記憶部を備えた電子機器の画像表示制御方法であって、
   前記タイムスタンプ情報に基づき、２次元の表示エリアに含まれる、所定数の行と、前記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形成し、前記複数の列に割り当てられた時間帯に属する顔画像を前記複数の顔画像表示エリアに並べて表示し、当該列に割り当てられた時間帯に対応する前記映像コンテンツデータから抽出したサムネイルを当該列に対して並べられた前記顔画像と共に表示する顔画像一覧表示処理ステップと、
   を備えたことを特徴とする画像表示制御方法。
6. 前記顔画像一覧表示処理ステップは、前記映像コンテンツデータをシーンに分割し、前記シーンの境界近傍で抽出したサムネイルを、当該シーンの境界を含む時間帯に対応する列に対して前記顔画像と共に表示する請求項５に記載の画像表示制御方法。
7. 前記顔画像一覧表示処理ステップは、前記サムネイルを前記顔画像と共に表示する列に対応する時間帯を前記顔画像の数に基づいて等時間間隔で分割し、分割点近傍で抽出した前記サムネイルを当該列に表示することを特徴とする請求項５に記載の画像表示制御方法。

Images