音声対話ロボット·キタちゃんにおける画像トラッキングを併用したマルチモーダル·ブラインド音声抽出

摘要

ロボット対話において，ハンズフリーマイクを使用することでより自然な対話を実現できるが，ノイズの混入が増え，音声認識率の低下が問題となる．そこで認識率の向上を目指し，多数のマイクとカメラを持っKinnectを用い，画像情報から得られる話者位置情報を併用するセミブラインド音声抽出を行う．ロボットには本研究室が管理する駅案内ロボット「キタちゃん」を使用する．実験の結果，画像を併用しない場合に比べ，大幅な性能向上が確認された．