JP2005114964A - 音声認識方法および音声認識処理装置 - Google Patents

Abstract

【課題】
本発明によれば、地名を音声入力する車載用ナビゲーション装置において、その音声認識認識精度を向上させ、誤動作を減らす。
【解決手段】
音声認識部において、入力された音声に処理を施し認識した結果を複数出力し、合致確率が高いと思われるものから順に、候補データとして保持する。他の処理部に音声認識結果として出力する前に、整合性の高いものから順に、保持した候補データと地図データとの合致を確かめ、地図データと合致したものがあった場合、音声認識結果として当該候補データを他の機能に出力する。
【選択図】 図２

Description

本発明は、住所を音声認識する技術に関する。

車両の現在位置を算出し、これを液晶ディスプレイなどの画面上に表示するとともに、指定された目的地に向かって車両が進行すべき道路を画面上に表示し、経路誘導を行う車載用ナビゲーション装置が知られている。

近年、手操作により指示命令などを入力するのに代えて、音声で指示を入力する技術が車載用ナビゲーション装置にも取り入れられている。

例えば、ナビゲーションの基礎となる地名、制御コマンド名などの諸情報を、使用者の肉声により入力できるナビゲーション装置がある（例えば、特許文献１参照。）。このナビゲーション装置は、音声認識デコーダを備え、マイクを介して入力された音声が表す言葉に近い候補言葉を、予め用意された辞書情報から選択して入力とするものである。

特開平０９−２９２２５５号公報

しかしながら、特許文献１に開示されているナビゲーション装置の場合、音声認識デコーダが入力された音声に近いと判断した候補言葉からなる地名が、当該地名が地図上に存在するか否かに係わらず、認識結果として出力される。従って、地図上に存在しない地名が認識結果として出力された場合、その後の経路認識などの処理を行うことができない。

本発明は、このような問題を解決するためになされたもので、音声入力された地名を認識するにあたり、確実に地図上に存在する地名のみを認識結果として出力できる音声認識処理技術を提供することを目的とする。

本発明は、音声入力された住所データを処理する音声認識方法において、実際に地図データに存在する住所のみを認識結果として出力する音声認識方法を提供する。

例えば、本発明の音声認識方法は、地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備える装置における、音声によって入力された住所データを認識する音声認識方法であって、操作者から入力される音声を受け付ける音声入力受付ステップと、前記音声入力受付ステップで受け付けた音声に音声認識処理を施し、１以上の音声認識結果を整合性の高いものから順に候補データとして候補データベースに格納する候補データ生成ステップと、前記候補データベースに格納された候補データを、前記整合性の高いものから順に抽出し、当該抽出した候補データに合致する前記住所データが前記地図データ内にあるか否かを判断し、合致するものがある場合、当該抽出した候補データを最終認識結果として出力し、合致するものがない場合、前記候補データベースに格納された全ての候補データを抽出するまで、次に整合性の高いものを抽出して前記合致を判断する処理を繰り返し、前記候補データ全てが、前記地図データ内の前記住所データに合致しない場合は、合致なしを示すデータを最終認識結果の代わりに出力する認識結果確定ステップと、を備える。

また、本発明の他の音声認識方法は、地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備える装置における、音声によって入力された住所データを認識する音声認識方法であって、操作者から入力される音声を受け付ける音声入力受付ステップと、前記音声入力受付ステップで受け付けた音声に音声認識処理を施す音声処理ステップと、前記地図データから特定の範囲の住所データを抽出し、当該抽出した住所データが登録された認識候補データベースと、前記音声認識処理ステップにおいて得られた音声認識処理結果とを比較し、最も整合性の高いものを、前記候補データベースから最終認識結果として出力する認識結果確定ステップと、を備える。

本発明によれば、地名を音声入力する装置において、確実に地図上に存在する地名のみを認識結果として出力できる音声認識処理技術を提供できる。

以下、本発明の一実施形態を、図面を参照して説明する。

図１は、本実施形態のナビゲーション装置１００のハードウエア構成図である。本図に示すように、本実施形態のナビゲーション装置１００は、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、表示装置１０４と、入出力インタフェース装置１０５と、記録媒体ドライブ１０６と、ＧＰＳ（Global Positioning System）受信機１１１と、方位センサ１１２と、車速センサ１１３と、Ｄ／Ａ変換部１２１、Ａ／Ｄ変換部と、入力装置１２３と、マイクロフォンなどの音声入力部１２４と、スピーカなどの音声出力部１２５とを備える。

ＧＰＳ受信機１１１は、ＧＰＳ衛星からの信号を受信する。方位センサ１１２は、地磁気センサ、光ジャイロなどからなり、センサ等によって自車の進行方位を検出する基礎となる信号を取得する。車速センサ１１３は、車輪の回転速度に応じたパルスを発生する。

音声入力部１２４は、マイクロフォンなどからなり、音声の入力を受け付ける。Ｄ／Ａ変換部１２１は、音声入力部１２４で受け付けた音声にＤ／Ａ変換を施す。また、音声出力部１２５は、スピーカなどからなり、Ａ／Ｄ変換部１２２でＡ／Ｄ変換を施された音声信号を出力する。また、発話スイッチ１２３は、当該スイッチが押された後、予め定められた期間、音声の入力を受け付ける信号を送出する。

入出力インタフェース装置１０５は、ＧＰＳ受信機１１１、方位センサ１１２、車速センサ１１３、発話スイッチ１２３、Ｄ／Ａ変換部１２１、Ａ／Ｄ変換部１２２から取得した信号を、バスライン１１０に送出する。

記録媒体ドライブ１０６は、図示しない記録媒体装着部に装填された、デジタル地図データが記録されたＣＤ−ＲＯＭやＤＶＤなどの記録媒体からデータを読み出す。ここで、記録媒体に記録されたデジタル地図データには、一般的な経路誘導などのナビゲーション処理が可能なフォーマットの道路データとともに、地図上の位置を特定する情報として住所データが格納されている。

表示装置１０４は、車の現在位置、周辺の道路地図、目的地までのルート情報、誘導情報など、ナビゲーション装置１００で表示される目的で処理された各種のデータを表示する。

入力装置１２３は、表示装置１０４に表示する情報の入力や画面の切り換えなどの指令を操作者から受け付ける。入力装置１２３は、スイッチ類や、表示装置１０４の表示画面を用いたタッチパネル、ジョイスティックなどで構成される。また、入力装置１２３は、ナビゲーション装置１００を、音声入力部１２４から入力された音声を所定時間受け付けるモードに切り換える指示の入力を受け付ける発話スイッチ１２３ａを備える。

ＣＰＵ１０１は、不揮発性メモリＲＯＭ１０２に格納されたプログラムを実行することによりナビゲーション装置１００全体を制御する。ＲＡＭ１０６は、揮発性メモリであり、ワークデータ領域となる。

バスライン１１０は、ナビゲーション装置１００のＣＰＵ１０１などの各構成要素をバス接続する。

次に、本実施形態のナビゲーション装置１００の機能構成について説明する。図２は、本実施形態のナビゲーション装置１００の機能構成図である。

本図に示すように、本実施形態のナビゲーション装置１００は、制御部２０１と、操作／入力部２１１と、表示／出力部２１２と、現在位置算出部２２１と、経路探索部２２２と、認識結果確定部２２３と、音声認識部２２４と、音声合成部２２５と、地図データ２３１と、認識辞書２３２と、比較候補データ２３３と、を備える。

現在位置算出部２２１は、ＧＰＳ受信機１１１、方位センサ１１２、車速センサ１１３とから得た信号、および、記録媒体ドライブ１０６を介して記録媒体から得た地図データとを用い、自車の現在位置、進行方向などのナビゲーション処理に必要な情報を算出する。

音声認識部２２４は、音声入力部１２４から入力された音声信号に音声認識処理を施し、その結果と認識辞書２３２内の辞書データとを比較照合し、予め定められた数の候補データを、整合性の高いものから優先順位をつけて生成し、候補データベース２３３に格納する。その後、処理が完了したことを認識結果確定部２３２に通知する。

候補データベース２３３に格納される候補データは、後述するように、地図データベース２３１に住所データとして格納されているデータと比較照合を行うものである。このため、候補データは、この比較照合が可能なフォーマットに変換され、候補データベース２３３に格納される。

本実施形態では、住所を、「県名」、「市区町村名」、「大字名」、そして、「丁目番地号」という区分けし、それぞれの構成要素ごとに入力を促し、受け付けた入力をそれぞれ音声認識部２２４で処理し、後述の認識結果確定部２２３で確定する構成を例にあげて説明する。従って、候補データは、住所を構成する各構成要素単位で候補データベース２３３に格納される。

音声による住所データの入力の方法および認識処理方法は、これに限らず、住所の全ての構成要素の入力を一度に受け付け、メモリなどに格納し、適当な単位で認識処理を進めていく構成としてもよいし、例えば、「丁目番地号」といった数字を含む部分と、その他の部分（県市大字名と呼ぶ）とに分けて入力を受け付けてそれぞれ認識処理を進めるなど、適宜定めることができる。

図３に、音声認識部２２４により処理されて候補データベース２３３に格納される候補データの一例を示す。ここでは、住所データを構成する要素のうち、「丁目番地号」の入力があった場合に格納されるデータを例にあげて説明する。

本図に示すように、候補データベース２３３は、優先順位を示す優先順位データ２３３ａと、候補データ２３３ｂと、それまでに確定した部分の住所の構成要素データを示す確定部データ２３３ｃとを備える。

なお、ここでは、候補データを文字列で示しているが、これに限られない。候補データは、前述したように、地図データの情報と比較照合が可能な形式であればよい。

認識結果確定部２２３は、候補データベース２３３に格納されている優先順位に従って、地図データベース２３１内のデータと比較照合し、合致したものを結果として出力する。

認識結果確定部２２３は、音声認識部２２４から処理完了の通知を受け取ると、地図データベース２３１にアクセスし、候補データベース２３３の確定部データ２３３ｃを抽出し、当該確定部データ２３２ｃで定まる住所内の次のレベルの構成要素のデータを抽出する。ここで、次のレベルの構成要素とは、例えば、「県名」まで確定していた場合は、「市区町村名」、「市区町村名」まで確定していれば、「大字名」、「大字名」まで確定していれば、「丁目番地号」のことである。

次に、候補データベース２３３の候補データ２３３ｂを、その優先順位の高いものから順に、地図データベース２３１から抽出したデータと比較照合する。合致するものがあった時点で、それを認識結果として出力するとともに、当該構成要素を追加したものを、新たな確定部データ２３２ｃとして候補データベース２３３に登録する。

例えば、「大字名」まで確定している住所であって、当該大字の「丁目番地号」の最大が「５丁目７番地４０号」であった場合、図３に格納された候補データ２３３ｂを用いて比較照合する場合、優先順位１番の「２５丁目６番地３５号」は、合致なしとして判断され、次の優先順位の候補データの処理に進む。そして、次に、優先順位２番の「２丁目６番地３５号」が抽出されて照合されると、合致ありと判断され、認識結果として出力される。

ここで、合致するものがあった際、表示装置１０４および／または音声出力部１２５に、結果を出力し、操作者の承認を受けるよう構成してもよい。非承認の場合は、承認を受けるまで、次の優先順位のものから同様に比較照合を続け、結果を出力することを繰り返す。承認を受けた後、当該結果は、確定したものとして出力される。

なお、全ての候補データについて上記の処理を行ったにも係わらず、合致するものがない、または、承認を得ることができるものがない場合は、認識結果確定部２２３は、照合不成功を示すデータを、表示装置１０４および／または音声出力部１２５から出力し、操作者にその旨提示する。

経路探索部２２２は、入力装置１２３を介して操作者から受け取った指示に従い、現在位置、目的地、および、地図データベース２３１内のデータを用いて、経路探索処理を行い、指示された結果を出力する。

例えば、入力装置１２３または音声入力部１２４を介して経路誘導の処理を行う指示が入力された場合、現在位置算出部２２１にて算出した現在位置データと、入力装置１２３を介して入力された目的地データ、または、音声入力部１２４を介して入力され、音声認識部２２４および認識結果確定部２２３にて処理されて得られた目的地データとを用い、現在位置と目的地とを結ぶ道路データおよび経路誘導処理を行うために必要な各種データを、地図データベース２３１から取得し、ダイクストラ法などを用いて、現在地から目的地までの誘導経路を決定し、結果を表示／出力部２１２に送信する。

音声合成部２２５は、各機能部で処理された結果を、表示／出力部２１２から音声で出力するために、既存の音声合成ソフトを用い発生用の音声データに変換する。なお、変換された音声データは、後述の表示／出力部２１２により、Ｄ／Ａ変換部１２２、音声出力部１２５を介して出力される。

操作／入力部２１１は、入力装置１２３を介して入力された信号および音声入力部１２４を介してＡ／Ｄ変換部１２１でデジタル信号に変換された信号の入力を受け取り、制御部２０１を介して各機能部に送信する。

表示／出力部２１２は、各機能部で処理された結果を、出力装置１０４および音声出力部１２５に出力する。

制御部２０１は、ナビゲーション装置１００全体の機能動作を制御する。また、本実施形態では、例えば、入力装置１２３の発話スイッチ１２３ａが押下されると、所定の時間、音声入力部１２４を介して音声の入力を受け付けるよう制御する。

これらの各機能部は、ＲＯＭ１０２に格納されたプログラムをＣＰＵ１０１が実行することにより実現される。また、候補データベース２３２は、ＲＡＭ１０６に格納される。一方、地図データベース２３１および認識辞書２３２は、記録媒体に格納されていてもよいし、記録媒体が装着された際に記録媒体ドライブ１０６が読み出し、ＲＡＭ１０６に一時的に格納するよう構成されていてもよい。

以下に、音声により入力された目的地の住所を用い、現在地から当該目的地までの経路探索処理を行う場合の、本実施形態のナビゲーション装置１００における処理手順を図を用いて説明する。

図４は、ナビゲーション装置１００における全体の処理フローである。本図に示すように、制御部２０１は、入力装置１２３などを介して経路探索の処理の指示を受け付ける（ステップ４０１）と、目的地の入力を促し、音声認識部２２４および認識結果確定部２２３に処理を行わせ、目的地の住所データの各構成要素をそれぞれ確定する（ステップ４０２〜４０５）。

目的地が確定したことを認識結果確定部２２３から通知を受けると、現在位置算出部２３１は、現在位置を算出し（ステップ４０６）、それを経路探索部２３２に通知する。

認識結果確定部２２３から目的地を、そして、現在位置算出部２３１から現在位置の通知を受け取ると、経路探索部２２２は、地図データベース２３１を用い、現在地から目的地への経路探索処理を行い、結果を表示／出力部２１２を介して表示装置に表示させる誘導経路を算出する（ステップ４０７）。

次に、上記の処理の中で、住所データの各構成要素を確定する処理を、「丁目番地号」を確定する場合を例にあげ、以下に説明する。

図５は、音声認識部２２４および認識結果確定部２２３において、入力された音声から「丁目番地号」を確定する場合の処理フローである。住所データの他の構成要素を確定する場合も、基本的に同様の処理が行われる。

認識結果確定部２２３において「大字名」まで確定すると、制御部２０１は、「丁目番地号」の入力を促す表示あるいは出力を行う（ステップ５０１）。具体的には、表示／出力部２１２は、表示装置１０４に目的地の「丁目番地号」の入力を指示する画面を表示する、または、目的地の入力を促す音声を合成してＤ／Ａ変換部１２２を介して音声出力部１２５から出力する。

ここで、制御部２０１は、操作／入力部２１１から、発話スイッチ１２３ａを介して音声入力許可の指示を受け付けるのを待つ。当該指示を受け付けると、制御部２０１は、入出力インタフェース装置１０５を制御して音声入力を受け付ける状態にし、音声入力部１２４からの入力を待つ。

操作／入力部２１１は、音声入力部１２４およびＡ／Ｄ変換部１２１を介して音声の入力を受け付けると、受け付けた音声信号を音声認識部２２４に送信する（ステップ５０２）。

音声認識部２２４は、受け取った音声信号に音声認識処理を施し、認識辞書２３２を用いて、「丁目番地号」に関する候補データを、整合性の高いものから順に抽出し、候補データベース２３３に格納する。そして、認識結果確定部２２３に格納が完了したことを通知する（ステップ５０３）。

処理完了の通知を受け取った認識結果確定部２２３は、候補データベース２３３に格納された候補データ２３３ａを、優先順位順に取り出し、地図データベース２３１から抽出したデータと比較照合を行い（ステップ５０４、５０５、５０７）、合致すれば、当該候補データを表示装置１０４または音声出力部１２５に出力し、承認を得る（ステップ５０５、５０６）。

承認を得られた場合、認識結果確定部２２３は、当該候補データを結果として比較候補データベース２３３の確定部データ２３３ｃに加える。このとき、確定した構成要素が、住所データを構成する最後の構成要素の場合、すなわち、「丁目番地号」である場合は、確定部データ２３３ｃと処理終了を示すデータを経路探索部２２２および現在位置算出部２３１に通知する。その他の構成要素の場合、住所データの次のレベルの構成要素の入力を促す画面を表示するよう制御部２０１に通知する。

ここで、ステップ５０５で合致しなかった場合、および、ステップ５０６で、承認を得られなかった場合、認識結果確定部２２３は、次の優先順位の候補データ２３３ａを抽出し、ステップ５０４の比較照合処理を繰り返す。

そして、候補データ全てを比較照合したにも係わらず、合致するのもがない場合、または、承認を得られるものがない場合は、「音声認識失敗」を意味するデータを表示装置１０４または音声出力部１２５に表示、出力させ、処理を終了する。

なお、ここで、処理を終了させず、ステップ５０１に戻り、再度、「丁目番地号」の入力を促すよう構成してもよい。

以上、第一の実施形態のナビゲーション装置１００は、音声で入力された住所データについて、音声認識処理の結果得られた複数の候補データを認識時の整合性の高いものから優先順位をつけて保持し、優先度がより高いものであって、地図データに合致するものを、最終的な結果としてその後の処理機能に出力するよう構成されている。このため、音声入力された住所データの処理結果は、必ず地図データに存在するものとなる。

従って、本実施形態のナビゲーション装置１００は、音声入力された住所を誤認識して存在しない住所を認識結果として、その後の処理機能に出力することがなくなり、地図上に存在しない住所データによりその後の処理に不都合を生じさせることがなくなる。

なお、第一の実施形態において、音声認識部２２４は、音声認識結果を、候補データベース２３３に、整合性の高いものから優先順位をつけて格納し、認識結果確定部２２３では、優先順位に従って合致の有無を判定したが、方法はこれに限られない。例えば、音声認識部２２４は、所定の整合性以上の結果を優先順位を付けずに候補データベース２３３に格納し、認識結果確定部２２３では、合致したものを操作者に提示し、承認を得たものを最終結果とするよう構成してもよい。

次に、本発明の第二の実施形態について説明する。

本実施形態のナビゲーション装置１００のハードウエア構成は、第一の実施形態と基本的に同様である。

図６に、本実施形態のナビゲーション装置１００の機能構成図を示す。本図に示すように、本実施形態のナビゲーション装置１００は、制御部３０１と、操作／入力部３１１と、表示／出力部３１２と、現在位置算出部３２１と、経路探索部３２２と、候補データ生成部３２３と、音声認識部３２４と、音声合成部３２５と、地図データベース３３１と、変換データベース３３２と、認識候補データベース３３３と、を備える。

これらの機能部のうち、候補データ生成部３２３と、音声認識部３２４と、認識候補データベース３３３以外は、基本的に第一の実施形態の同じ名称の機能部と同様の機能を備える。また、これらの各機能部が、ＲＯＭ１０２に格納されたプログラムをＣＰＵ１０１が実行することにより実現される点、および、地図データ３３１および認識辞書３３２が、記録媒体内に記録され、必要に応じて記録媒体ドライブ経由で読み出されるか、または、記録媒体が装填された際に、読み出され、ＲＡＭ１０３に一時的に格納されるか、何れでもよい点も同様である。認識候補データベース３３３は、ＲＡＭ１０３に格納される。

以下、候補データ生成部３２３と、音声認識部３２４と、変換データベース３３２、認識候補データベース３３３について説明する。

候補データ生成部３２３は、地図データベース３３１から候補データを抽出する。具体的には、地図データベース３３１にアクセスし、後述する音声認識部３２４が保持する既に確定した構成要素からなる住所の、当該構成要素の次のレベルの構成要素を抽出する。そして、抽出したデータを、変換データベース３３２を用いて、その読み方を示す表音文字列データに変換し、当該表音文字列データを候補データとして認識候補データベース３３３に登録する。

なお、構成要素の次のレベルの構成要素とは、第一の実施形態と同様に、例えば、住所データを、「県名」、「市区町村名」、「大字名」、丁目番地号、の構成要素からなるものとした場合、「県名」まで確定していた場合は、「市区町村名」、「市区町村名」まで確定していれば、「大字名」、「大字名」まで確定していれば、「丁目番地号」のことである。

ここで、変換データベース３３２について説明する。変換データベース３３２には、地図データベース３３１に格納されている住所データを、その読み方を示す表音文字列データに変換するための対応表が格納されている。

そして、認識候補データベース３３３は、上記のように、候補データ生成部３２３において生成された表音文字列からなる候補データが格納される。

音声認識部３３４は、音声入力部１２４から音声で入力された住所名に音声認識処理を施し、その結果と認識候補データベース３３３に格納されている候補データとを比較照合し、最も整合性の高いものを結果として出力する。また、各構成要素単位で住所データを確定する場合、既に確定した構成要素を保持する。

ここで、最も整合性の高いものとは、本実施形態では、表音文字列の並び順も含め、最も合致する表音文字の多いものとする。これは、適宜定めることができる。

また、本実施形態では、音声認識部３３４において、表音文字列どうしで比較照合しているが、これに限られない。例えば、変換データベース３３２に、地図データベースに格納される住所データと同等のフォーマットを有するデータから所定の音声パターンに変換するデータを格納しておく。候補データ生成部３２３では、変換データベース３３２を用い、地図データベース３３１内の住所データの音声パターンを生成する。そして、音声認識部３３４では、入力された音声に音声認識処理を施し、認識候補データベース３３３に登録された音声パターンと同等の音声パターンを生成し、両音声パターンを比較照合するよう構成してもよい。

また、結果として出力するものは、最も整合性の高いものとしているが、これに限られない。例えば、所定の整合性以上のものを結果として出力し、操作者から承認を得たものを最終結果として選択するよう構成してもよい。

次に、音声により入力された目的地の住所を用い、現在地から当該目的地までの経路探索処理を行う場合の、本実施形態のナビゲーション装置１００における処理手順を図を用いて説明する。

なお、入力装置１２３などを介して、経路探索の処理の指示を受け付け、目的地および現在地を確定し、経路探索を行う処理全体の流れは、第一の実施形態と同様であるため、ここでは、説明しない。ここでは、第一の実施形態の図４に示す処理フローの中で、住所データの各構成要素を確定する処理を、「丁目番地号」を確定する場合を例にあげ、説明する。

図７は、音声認識部３２４および候補データ生成部３２３において、入力された音声から「丁目番地号」を確定する場合の処理フローである。住所データの他の構成要素を確定する場合も、基本的に同様の処理が行われる。

音声認識部３２４において「大字名」まで確定すると、制御部３０１は、「丁目番地号」の入力を促す表示あるいは出力を行う（ステップ７０１）。具体的には、表示／出力部３１２は、表示装置１０４に目的地の「丁目番地号」の入力を指示する画面を表示する、または、目的地の入力を促す音声を合成してＤ／Ａ変換部１２２を介して音声出力部１２５から出力する。

ここで、制御部３０１は、操作／入力部３１１から、発話スイッチ１２３ａを介して音声入力許可の指示を受け付けるのを待つととも、候補データ生成部３２３に「丁目番地号」の候補データの生成を指示する。

候補データ生成の支持を受け付けると、候補データ生成部３２３は、地図データベース３３１にアクセスし、地図データベース３３１から音声認識部３２４において既に確定した大字の「丁目番地号」データを全て抽出する（ステップ７０２）。そして抽出した「丁目番地号」データを、変換データベース３３２を用いて候補データに変換し（ステップ７０３）、認識候補データベース３３３に格納する（ステップ７０４）。

一方、制御部３０１は、発話スイッチ１２３ａを介して音声入力受け付け許可の指示を受け付けると、入出力インタフェース装置１０５を制御して音声入力を受け付ける状態にし、音声入力部１２４からの入力を待つ。

操作／入力部３１１は、音声入力部１２４およびＡ／Ｄ変換部１２１を介して音声の入力を受け付けると、受け付けた音声信号を音声認識部３２４に送信する。

音声認識部３２４は、受け取った音声信号に音声認識処理を施し（ステップ７０６）、その結果と認識候補データベース３３３に格納されている候補データとを比較照合し、最も整合性の高いものを認識結果として、表示装置１０４または音声出力部１２５に出力し（ステップ７０７）、承認の入力を待つ（ステップ７０８）。

承認の指示を受け付けると、音声認識処理部３２４は、自身が保有する既に確定した構成要素データに追加する。

このとき、確定した構成要素が、住所データを構成する最後の構成要素の場合、すなわち、「丁目番地号」である場合は、確定した各構成要素データからなる住所データと処理終了を示すデータとを経路探索部２２２および現在位置算出部２３１に通知する。その他の構成要素の場合、住所データの次のレベルの構成要素の入力を促す画面を表示するよう制御部３０１に通知するとともに、既に確定した構成要素を候補データ生成部３２３に通知する。

一方、ステップ７０８において、承認を得られなかった場合、音声認識部３２４は、「音声認識失敗」を意味するデータを表示装置１０４または音声出力部１２５に表示、出力させ、処理を終了する。なお、ここで、処理を終了させず、再度、ステップ７０１に戻り、「丁目番地号」の入力を促すよう構成してもよい。また、ステップ７０６に戻り、次に整合性の高いものを認識結果として採用し、ステップ７０７以降の処理を行うよう構成してもよい。

なお、本実施形態では、住所の入力を各構成要素ごとに行い、承認を得る構成としたが、これに限られない。「県名」と「市区町村名」となど、複数の連続する構成要素を組み合わせてその単位ごとに音声認識処理を行ってもよい。この場合、候補データは、その単位ごとに生成され、保持される。

また、丁目番地号データのように数字により限定される構成要素の場合、地図データベース３３１内に存在する該当する「大字名」の「丁目番地号」のデータを全て抽出し、候補データを生成するのではなく、丁目、番地、号、それぞれの最大値を抽出し、当該最大値以下の、各、丁目、番地、号を認識可能な候補データを準備するよう構成してもよい。

以上説明したように、第二の実施形態のナビゲーション装置１００は、予め地図データから、音声認識の候補データを抽出しておき、その中で認識結果を確定する。音声認識において、候補データが制限されるため、認識率が向上する。さらに、地図データに存在する範囲のデータのみが候補データとなっているため、認識結果として出力される住所データは、必ず地図データに存在するものとなる。従って、地図データに存在しない結果をその後の処理機能に受け渡し、誤動作を誘発することがなくなる。

なお、上記の第一の実施形態および第二の実施形態において、車載用ナビゲーション装置を例にあげて説明したが、本発明の適用対象のナビゲーション装置は車載用には限られない。ハンドキャリーのナビゲーション装置などにも適用可能である。また、ナビゲーション装置に限らず、地図表示装置など、地名を特定する際に住所が入力される装置一般に適用可能である。

図１は、第一の実施形態のナビゲーション装置のハードウエア構成図である。 図２は、第一の実施形態のナビゲーション装置の機能構成図である。 図３は、第一の実施形態の比較候補データベースに格納されるデータの一例を示す。 図４は、第一の実施形態のナビゲーション装置の処理フローである。 図５は、第一の実施形態における入力された音声から丁目番地号を確定する場合の処理フローである。 図６は、第二の実施形態のナビゲーション装置の機能構成図である。 図７は、第二の実施形態における入力された音声から丁目番地号を確定する場合の処理フローである。

符号の説明

100・・・ナビゲーション装置、101・・・ＣＰＵ、102・・・ＲＯＭ、103・・・ＲＡＭ、104・・・表示装置、105・・・入出力インタフェース装置、106・・・記憶媒体ドライブ、110・・・バス、111・・・ＧＰＳ受信機、112・・・方位センサ、113・・・車速センサ、121・・・Ａ／Ｄ変換部、122・・・Ｄ／Ａ変換部、123・・・入力装置、124・・・音声入力部、125・・・音声出力部、201・・・制御部、211・・・操作／入力部、212・・・表示／出力部、221・・・現在位置算出部、222・・・経路探索部、223・・・認識結果確定部、224・・・音声認識部、225・・・音声合成部、231・・・地図データベース、232・・・認識辞書、233・・・比較候補データベース

Claims (8)

1. 地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備える装置における、音声によって入力された住所データを認識する音声認識方法であって、
   操作者から入力される音声を受け付ける音声入力受付ステップと、
   前記音声入力受付ステップで受け付けた音声に音声認識処理を施し、１以上の音声認識結果を整合性の高いものから順に候補データとして候補データベースに格納する候補データ生成ステップと、
   前記候補データベースに格納された候補データを、前記整合性の高いものから順に抽出し、当該抽出した候補データに合致する前記住所データが前記地図データ内にあるか否かを判断し、合致するものがある場合、当該抽出した候補データを最終認識結果として出力し、合致するものがない場合、前記候補データベースに格納された全ての候補データを抽出するまで、次に整合性の高いものを抽出して前記合致を判断する処理を繰り返し、前記候補データ全てが、前記地図データ内の前記住所データに合致しない場合は、合致なしを示すデータを最終認識結果の代わりに出力する認識結果確定ステップと、
   を備えることを特徴とする音声認識方法。
2. 地図上の地点を特定する、県市大字名データと丁目番地号データとからなる住所データを含む地図データを記憶する地図データ記憶手段を備える装置に搭載され、前記住所データのうち、前記県市大字名データが確定している住所データの前記丁目番地号データを音声認識する音声認識方法であって、
   操作者から入力される音声を受け付ける音声入力受付ステップと、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施し、１以上の音声認識結果を整合性の高いものから順に候補データとして候補データベースに格納する候補データ生成ステップと、
   前記候補データベースに格納された候補データを、前記整合性の高いものから順に抽出し、当該抽出した候補データに合致する前記丁目番地号データが、前記既に確定している県市大字名データで定まる住所内の丁目番地号データにあるか否かを判断し、合致するものがある場合、当該抽出した候補データを最終認識結果として出力し、合致するものがない場合、前記候補データベースに格納された全ての候補データを抽出するまで、次に整合性の高いものを抽出して前記合致を判断する処理を繰り返し、前記候補データ全てが、前記既に確定している県市大字名データで定まる住所内の丁目番地号データに合致しない場合は、合致なしを示すデータを最終認識結果の代わりに出力する認識結果確定ステップと、
   を備えることを特徴とする音声認識方法。
3. 地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備える装置における、音声によって入力された住所データを認識する音声認識方法であって、
   操作者から入力される音声を受け付ける音声入力受付ステップと、
   前記音声入力受付ステップで受け付けた音声に音声認識処理を施す音声処理ステップと、
   前記地図データから特定の範囲の住所データを抽出し、当該抽出した住所データが登録された認識候補データベースと、前記音声認識処理ステップにおいて得られた音声認識処理結果とを比較し、最も整合性の高いものを、前記候補データベースから最終認識結果として出力する認識結果確定ステップと、
   を備えることを特徴とする音声認識方法。
4. 地図上の地点を特定する、県市大字名データと丁目番地号データとからなる住所データを含む地図データを記憶する地図データ記憶手段を備える装置に搭載され、前記住所データのうち、前記県市大字名データが確定している住所データの前記丁目番地号データを音声認識する音声認識方法であって、
   操作者から入力される音声を受け付ける音声入力受付ステップと、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施す音声処理ステップと、
   前記地図データから前記既に確定された県市大字名データによって定まる住所内の丁目番地号データを抽出し、当該抽出した丁目番地号データが登録された認識候補データベースと、前記音声処理ステップにおいて得られた音声認識処理結果とを比較し、最も整合性の高いものを、前記候補データベースから最終認識結果として出力する認識結果確定ステップと、
   を備えることを特徴とする音声認識方法。
5. 地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備える装置に搭載される音声認識処理装置であって、
   操作者から入力される音声を受け付ける音声入力受付手段と、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施し、１以上の音声認識結果を整合性の高いものから順に候補データとして候補データベースに格納する候補データ生成手段と、
   前記候補データベースに格納された候補データを、前記整合性の高いものから順に抽出し、当該抽出した候補データに合致する前記住所データが前記地図データ内にあるか否かを判断し、合致するものがある場合、当該抽出した候補データを最終認識結果として出力し、合致するものがない場合、前記候補データベースに格納された全ての候補データを抽出するまで、次に整合性の高いものを抽出して前記合致を判断する処理を繰り返し、前記候補データ全てが、前記地図データ内の前記住所データに合致しない場合は、合致なしを示すデータを最終認識結果の代わりに出力する認識結果確定手段と、
   を備えることを特徴とする音声認識処理装置。
6. 地図上の点を特定する、県市大字名データと丁目番地号データとからなる住所データを含む地図データを記憶する地図データ記憶手段を備えるナビゲーション装置に搭載され、前記住所データのうち、前記県市大字名データが確定している住所データの前記丁目番地号データを認識する音声認識処理装置であって、
   操作者から入力される音声を受け付ける音声入力受付手段と、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施し、１以上の音声認識結果を整合性の高いものから順に候補データとして候補データベースに格納する候補データ生成手段と、
   前記候補データベースに格納された候補データを、前記整合性の高いものから順に抽出し、当該抽出した候補データに合致する前記丁目番地号データが、前記既に確定している県市大字名データで定まる住所内の丁目番地号データにあるか否かを判断し、合致するものがある場合、当該抽出した候補データを最終認識結果として出力し、合致するものがない場合、前記候補データベースに格納された全ての候補データを抽出するまで、次に整合性の高いものを抽出して前記合致を判断する処理を繰り返し、前記候補データ全てが、前記既に確定している県市大字名データで定まる住所内の丁目番地号データに合致しない場合は、合致なしを示すデータを最終認識結果の代わりに出力する認識結果確定手段と、
   を備えることを特徴とする音声認識処理装置。
7. 地図上の地点を特定する住所データを含む地図データを記憶する地図データ記憶手段を備えるナビゲーション装置に搭載される音声認識処理装置であって、
   操作者から入力される音声を受け付ける音声入力受付手段と、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施す音声処理手段と、
   前記地図データから特定の範囲の住所データを抽出し、当該抽出した住所データが登録された認識候補データベースを生成する候補データベース生成手段と、
   前記音声処理手段において得られた結果と前記候補データベースとを比較し、最も整合性の高いものを、前記候補データベースから最終認識結果として抽出して出力する認識結果確定手段と、
   を備えることを特徴とする音声認識処理装置。
8. 地図上の地点を特定する、県市大字名データと丁目番地号データとからなる住所データを含む地図データを記憶する地図データ記憶手段を備えるナビゲーション装置に搭載され、前記住所データのうち、前記県市大字名データが確定している住所データの前記丁目番地号データを認識する音声認識処理装置であって、
   操作者から入力される音声を受け付ける音声入力受付手段と、
   前記音声入力受付手段で受け付けた音声に音声認識処理を施す音声処理手段と、
   前記地図データから前記既に確定された県市大字名データによって定まる住所内の丁目番地号データを抽出し、当該抽出した丁目番地号データが登録された認識候補データベースを生成する候補データベース生成手段と、
   前記音声処理手段において得られた結果と前記候補データベースとを比較し、最も整合性の高いものを、前記候補データベースから最終認識結果として抽出して出力する認識結果確定手段と、
   を備えることを特徴とする音声認識処理装置。
   

Images