JP2007201658A - インターホンシステム - Google Patents

Abstract

【課題】来訪者の音声を解析することにより未登録の来訪者であっても適切に音声で応答するインターホンシステムを提供する。
【解決手段】外部からの音声を音声信号として取得する音声取得部と、前記音声の判定用のデータ４０と、複数の予め定められた応答音声のデータ５０とを記憶する記憶部３１と、前記音声信号を解析し、前記記憶部３１に記憶した前記判定用のデータ５０と一致するか否かを判定する音声解析部３２と、前記音声解析部の判定結果に応じて、前記記憶部における一の前記予め定められた応答音声のデータに基づいて、外部への音声出力を制御する制御部３３とを備える。
【選択図】図４

Description

本発明は、インターホンシステムであって、来訪者に応じて音声で適切に対応するインターホンシステムに関する。

インターホンシステムでは、セキュリティーの観点から様々な工夫が施されている。例えば、対応を拒否するメッセージを若い男性の音声で予め登録したインターホンシステムがある。この登録された音声を用いれば、留守番をしている小さな子供などであっても、来訪者の対応の際に来訪者に性別や年齢を特定されることなく、安心して対応を拒否することができる。また、外出時に来訪者の画像撮影、及び、音声録音を行うインターホンシステムがある。この撮影、録音機能を用いれば、帰宅時に不審者が訪れていないかを確認することができる。

特許文献に記載されたインターホンシステムでは、来訪者のアイリスを解析し、予め装置に登録されたアイリスデータをもとに来訪者を識別する。そして、識別結果に応じて、来訪者に応答するために予め登録された音声の出力、来訪者の画像撮影、音声録音、通知音の鳴動を自動的に行なう発明が記載されている。

特開平１１−８８５１６号公報

上記のアイリスの識別によるインターホンシステムでは、アイリスの画像認識により来訪者を識別している。しかし、アイリスの画像認識を行なうためには高度な計算処理や高精度のカメラが必要であり、高コストなシステムとなる。また、人の顔の近くに設置する必要があるため、人の手などが容易に触ることができ、故障する頻度も多くなることも考えられる。

また、上記発明は、来訪者が未登録来訪者に対して同じ音声で画一的な対応を行なうため、ユーザが外出時であっても在宅であるかのような対応をすることができなかった。また、来訪者を区別しても対応を拒否する音声を用いないので、ユーザが対応を望まない来訪者に対して、自動的に拒否することができないという問題があった。

本発明に係るインターホンシステムは、外部からの音声を音声信号として取得する音声取得部と、前記音声の判定用のデータと、複数の予め定められた応答音声のデータとを記憶する記憶部と、前記音声信号を解析し、前記記憶部に記憶した前記判定用のデータと一致するか否かを判定する音声解析部と、前記音声解析部の判定結果に応じて、前記記憶部における一の前記予め定められた応答音声のデータに基づいて、外部への音声出力を制御する制御部とを備える。

本発明のインターホンシステムによれば、来訪者の音声の解析結果に応じて、来訪者に応答するために予め登録された音声を自動的に出力する。これにより、コストや故障頻度を下げることができる。また、解析の判定に、例えば、来訪者の音声に含まれるキーワード、および、来訪者の音声が有する声紋といった２つの判定を用いるため、来訪者を正確に特定して、例えば、対応を拒否するための音声、および、対応するための音声を出力することができる。

＜実施の形態１＞
図１は、本実施の形態に係るインターホンシステムの構成をブロック図で示したものである。本実施の形態に係る通信端末は、子機１、表示操作端末２、制御装置３を備えている。主な動作として、子機１は来訪者に対応するための端末であり、制御装置３によって制御される。ユーザは表示操作端末２から制御装置３を制御するための設定や命令の入力を行う。

子機１の詳細な構成を図２に示す。子機１は、来訪者がユーザに訪問したことを知らせるためのボタン１１と、来訪者の音声を取得し、音声信号に変換するマイク１２と、音声信号を音声に変換し、音声を出力するスピーカ１３と、画像を撮影し、画像を画像信号に変換するカメラ１４と、ボタン１１の入力信号、音声信号、画像信号を制御する制御部１５と、制御部１５と制御装置３の間の信号を送受信する通信部１６を備える。以上の構成により、子機１は、来訪者に対して、制御装置３から受信した音声信号に基づいて音声を出力する。その一方で、来訪者のボタン１１の入力、音声、画像を信号に変換し、制御装置３へ送信する。なお、本実施の形態では、ユーザに来訪者が来訪したことを知らせるためにボタン１１を入力するとしているが、これに限られず、外部から来訪した旨を報知する手段（来訪報知手段）により入力信号を取得することが可能であれば他のものを用いてもよい。例えば、同じような入力であればタッチパネルでもよいし、音声による入力であればマイク１２を用いてもよい。

次に、表示操作端末２の詳細な構成を図３に示す。表示操作端末２は、ユーザから命令や設定の入力を受けるための操作部２１と、音声を取得し、音声信号に変換するマイク２２と、音声信号を音声に変換し、音声を出力するスピーカ２３と、画像信号を画像として表示する表示部２４と、操作部２１の入力信号、音声信号、画像信号を制御する制御部２５と、制御部２５と制御装置３の間の信号を送受信する通信部２６を備える。以上の構成により、表示操作端末２は、ユーザに対して、制御装置３から受信した音声信号に基づいて音声、画像信号に基づいて画像を出力する。その一方で、ユーザの操作部２１への入力、音声を信号に変換し、制御装置３へ送信する。

次に、制御装置３の詳細な構成を図４に示す。制御装置３は、本実施の形態のインターホンシステムの動作を担うメインとなる部分である。その構成は、音声、画像および設定についてのデータを記憶する記憶部３１と、子機１から制御装置３に入力された音声信号を解析し、音声信号が記憶部３１に記憶されている判定用のデータ４０と一致するか否かを判定する音声解析部３２と、子機１または表示操作端末２から各種信号を受信し、音声解析部３２の判定結果や記憶部３１の各種データに基づいて、子機１、表示操作端末２および各種信号を制御する制御部３３からなる。

記憶部３１は、音声解析部３２の判定基準に用いられる判定用のデータ４０と、来訪者に応答するための音声のデータである応答音声のデータ５０と、表示操作端末２のスピーカ２３から様々なパターンの通知音を出力するためのデータである通知音のデータ６０と、来訪者に質問するための質問音声のデータ７０と、来訪者の特徴を示す来訪者のデータ８０を記憶している。

判定用のデータ４０は、来訪者の音声に含まれるとユーザが予想して予め設定されたキーワードのデータ４１と、すでに一度来訪した来訪者の音声から抽出されユーザに登録された声紋のデータ４２からなる。例えば、キーワードのデータ４１は図５、声紋のデータ４２は図６のようなテーブルで記憶されている。図５のキーワードおよび図６の声紋はそれぞれ、応答音声および通知音を対応させたテーブルで記憶されている。キーワードは、操作部２１から入力したものでもよいし、マイク２２から入力した音声信号を音声解析部３２で抽出したものでもよい。

応答音声のデータ５０は、対応が必要な来訪者に対して用いられる対応音声のデータ５１と、対応が不要な来訪者に対して用いられる拒否音声のデータ５２からなる。例えば、対応音声のデータ５１は図７、拒否音声のデータ５２は図８のようなテーブルで記憶されている。対応音声は来訪者に留守などを告げる内容からなり、拒否音声は来訪者に留守を知らせずに対応を拒否する内容からなる。

通知音のデータ６０は、様々な音のパターンが図９のテーブル用のように記憶されている。対応通知音のデータ６１と、拒否通知音のデータ６２は、その中からユーザによって選ばれ、区別されたものである。

質問音声のデータ７０は来訪者に質問する内容からなる音声のデータである。質問音声は、例えば、「はい、どちら様ですか？」あるいは「どのようなご用件でしょうか？」という内容の音声である。

来訪者のデータ８０は、来訪者の音声のデータ８１と、来訪者の画像のデータ８２と、声紋が登録されていない来訪者の音声の声紋のデータ８３と、来訪者ごとの一定期間の間に来訪した回数のデータ８４からなる。

動作制御装置３の動作を図１０のフローチャートを用いて説明する。

来訪者が子機１のボタン１１を押すなどの操作によって（ＳＴ−１１）、入力信号が制御部３３に伝えられる。制御部３３は、記憶部３１に記憶された質問音声のデータ７０に応じて子機１のスピーカ１３から音声を出力する（ＳＴ−１２）。

質問音声は、「はい、どちら様ですか？」あるいは「どのようなご用件でしょうか？」という内容の音声である。この音声を用いて、来訪者に発声を促す。

そして、来訪者は質問音声に対して音声で回答する（ＳＴ−１３）。子機１のマイク１２は来訪者の音声を取得し、音声信号に変換する。

その音声信号は音声解析部３２に伝えられ、解析され、記憶部３１の判定用のデータ４０と一致するか否かについて判定される（ＳＴ−１４）。この判定用のデータ４０にはキーワードのデータ４１と声紋のデータ４２の２つ有しているが、本実施の形態では、２つの判定用のデータのうちいずれか一方のみを用いて判定する。両方の判定を用いたものについては、実施の形態２で説明する。

判定用のデータ４０として、キーワードのデータ４１が用いられた場合には、音声解析部３２は、音声信号を解析し、記憶部３１に記憶されたキーワード（図５）が含まれているか否かを判定する。一方、判定用のデータ４０として、声紋のデータ４２が用いられた場合には、音声解析部３２は、音声信号を解析し、記憶部３１に記憶された声紋（図６）を有しているか否かを判定する。いずれの判定であっても、これらの判定結果は制御部３３に伝えられる。

制御部３３はＳＴ−１４の判定結果に基づいて、記憶部３１に記憶された複数の応答音声のデータ５０から１つの応答音声データ５０を選ぶ。例えば、来訪者の音声が「しんぶん」というキーワードを含んでいたと判定された場合、１つの応答音声のデータ５０は図５に基づいて「拒否音声ＮＯ．１」が選ばれる。そして、１つの応答音声のデータ５０に基づいて、制御部３３は子機１のスピーカ１３から音声を出力するように子機１を制御する（ＳＴ−１５）。応答音声に「拒否音声ＮＯ．１」が選ばれている場合には、図８に基づいて子機１のスピーカ１３から「結構です。」という音声が出力されることになる。

なお、応答音声は、図７のような対応音声と図８のような拒否音声からなるが、対応音声と拒否音声の区分は、音声解析部３２での判定が一致、不一致か区別によるものではない。なぜなら、音声解析部３２の判定で一致した来訪者の中には、対応したい来訪者である場合もあれば、対応をしたくない来訪者である場合もあるからである。そのため、図５および図６のように、音声解析部３２の判定結果が一致した場合に用いられる応答音声には、対応音声、拒否音声が混在することになる。結局、対応音声と拒否音声は、音声解析部３２で一致と判定された来訪者が誰であるか、どのような者か、をユーザが想定することにより設定されることになる。そのため、音声解析部３２で不一致と判定された場合は、来訪者が誰であるか等を想定できないことになる。この場合は、ユーザの判断によって設定された対応音声または拒否音声のどちらかが、子機１のスピーカ１３から出力される（ＳＴ−１６）。

以上のように、キーワードまたは声紋によって来訪者の音声を判定することにより、来訪者を特定し、ユーザの設定に応じて音声による応答を自動的に行なうことができる。これにより、従来手法のように来訪者識別の為に高精度のカメラを用いることなく、マイク１２を用いることができ、システムコストを抑えることができる。また、ユーザが外出中であっても、まるでユーザが在宅して応答しているかの印象を与えることができるので、外出中の盗難を減らす防犯効果が期待できる。

また、質問音声、対応音声、拒否音声は装置に初期から記憶させた固定音声を用いもよいが、予め表示操作端末２のマイク２２から入力し、記憶部３１にデータとして記憶したユーザの音声を用いても良い。このようにすれば、ユーザの音声を用いて音声内容を自由に変更することができる。これにより、ユーザが在宅して応答しているかの印象をさらに与えることができるので、外出中の盗難を減らす防犯効果がさらに期待できる。

この防犯効果について、拒否音声をランダムに使用し、毎回異なる内容の音声で対応すれば、さらに在宅しているかのような印象を与えることができる。なお、以上の動作はユーザが在宅、外出しているに係わらず、常時行なうようにする。

また、質問音声、対応音声、拒否音声として録音されたユーザの音声を声質変換できるようにする。これは、制御部３３の信号制御機能にこの機能を追加するだけで実現することが可能である。この声質変換は、例えば、図８の拒否音声のデータのテーブルのように性別、年齢などの設定ができる機能をもつ。このようにすれば、ユーザが若い一人暮らしの女性であっても、野太い男性の声で「もう来るな！」と強く対応を拒否することができる。

次に通知音のデータ６０について説明する。通知音は、様々な音のパターンが図９のテーブル用のように記憶されている。ユーザはこの通知音のテーブルから、対応が必要な来訪者が訪問したときに屋内に鳴る通知音のパターンのデータである対応通知音のデータ６１と、対応が不要な来訪者が訪問したときに屋内に鳴る通知音のパターンのデータである拒否通知音のデータ６２を選ぶ。そして、対応音声を出力するのと同じタイミングで、屋内の表示操作端末２のスピーカ２３から対応通知音が鳴動し、拒否音声を出力するのと同じタイミングで、屋内の表示操作端末２のスピーカ２３から拒否通知音が鳴動するようにする。このようにすれば、ユーザが在宅している時に、ユーザはどのような来訪者が来訪したかをインターホンで対応する前に知ることができる。これらの通知音は、常に鳴動される必要は無く、装置に切り替え用のスイッチを設けて、ユーザがそのスイッチを切り替えることで、通知音が鳴動しないようにしてもよい。なお、本実施の形態では、表示操作端末２から、通知音という音のパターンで音声解析部３２の判定結果をユーザに通知しているが、これに限られず、音声解析部３２の判定結果をユーザに通知する手段（判定通知手段）を有するものであれば他のものを用いてもよい。例えば、ライトの点灯、ライトの点滅、あるいは、画面による表示でユーザに通知してもよい。

次に来訪者のデータ８０について説明する。来訪者のデータ８０は、ユーザの外出時に子機１より来訪者の音声や画像を取得し、来訪者の特徴を表すデータとして記憶部３１に記憶したものである。来訪者の音声のデータ８１と、来訪者の画像のデータ８２と、判定用データ４０に登録されていない来訪者の音声の声紋のデータ８３と、外出している間などの一定期間に来訪者に応答した回数を、来訪者の声紋ごとに記憶した来訪回数のデータ８４からなる。

対応が必要な来訪者が訪問したとき、つまり、対応音声が出力されているときに、子機１のマイク１２から来訪者の音声を取得する。そして、その音声を音声信号に変換し、制御部３３を介して記憶部３１に来訪者の音声のデータ８１として記憶する。同時に、子機１のカメラ１４から来訪者の画像を取得する。そして、その画像を画像信号に変換し、制御部３３を介して記憶部３１に来訪者の画像のデータ８２として記憶する。来訪者の音声のデータ８１や来訪者の画像のデータ８２を記憶することにより、ユーザは、外出時に来訪した対応必要な来訪者の様子や来訪目的などを帰宅後に確認することができる。

音声解析部３２の声紋の判定で登録されていないと判定したときに、その音声の声紋のデータを来訪者の音声の声紋のデータ８３として記憶部３１に記憶する。それと同時に、子機１のマイク１２から取得した来訪者の音声を来訪者の音声のデータ８１として、さらに、子機１のカメラ１４から取得した来訪者の画像を来訪者の画像のデータ８２として、記憶部３１に記憶する。ユーザはこのようにして記憶された来訪者の音声と画像を確認し、必要に応じてこの来訪者の音声の声紋のデータ８３を判定用の声紋のデータ４２として登録する。こうして、判定用のデータ４０を蓄積することにより、ＳＴ−１４の判定をより正確なものとすることができる。

来訪回数のデータ８４は、声紋のデータごとに対応させた数字からなるデータである。一定期間、音声解析部３２による声紋解析で一致と判定されるたびに、その数字は制御部３３によって積算される。これにより、ユーザが外出時に訪れた来訪者ごとに、来訪した回数をユーザは知ることができる。ユーザは、この回数を来訪者が不審者であるか否か、および、来訪者の来訪目的が緊急か否かについての目安にすることができる。

＜実施の形態２＞
本実施の形態に係るインターホンシステムの構成は、実施の形態１と同じ構成（図４）である。実施の形態１では、キーワードまたは声紋による判定のどちらか一方のみを用いて来訪者の音声を判定していた。そして、判定された来訪者が誰であるか等をユーザが想定し、来訪者に対して出力する対応音声および拒否音声を設定した。この対応音声および拒否音声を適切に使い分けることができるか否かは、来訪者が誰であるか等を上記の判定により、どれだけ正確に特定できるかに依存する。さらに、音声解析部３２で不一致と判定された場合、対応音声または拒否音声のどちらを用いるかは、ユーザの判断に委ねられるという不完全なものである。そこで、本実施の形態は、キーワードによる判定、声紋による判定の両方用いることにする。実施の形態１で同じように扱ったキーワードによる判定と声紋による判定の間には、長所と短所に差異があるためである。その長所と短所は以下の通りである。

キーワードで判定する方法は、一度も来訪したことがない者に対しても音声にキーワードを含めば、ある程度来訪者を特定できる点、また、キーワードの判定を行なう回数を増やすほど、来訪者を特定できる点が長所である。ただし、来訪者の音声がたまたまキーワードを含んでいる場合があるなど偶然性に左右される点、正確に来訪者を特定するためには、来訪者に何度も回答させなければならないという点が短所である。

声紋で判定する方法は、１回判定を行なうだけで、登録した来訪者であれば正確に誰であるか等を特定できる点が長所である。人の音声はほぼ個人特有のものだからである。この点では、キーワードで識別する方法よりも優れている。ただし、声紋の判定を行なう回数を増やしても、それ以上、来訪者を特定することができないという、従来と同じ問題を有する点が短所である。

以上の理由のため、キーワードによる判定、声紋による判定のどちらか一方だけを用いるのではなく、それぞれの長所を活かしつつ、短所をなくすために、図１１のフローチャートのように両方の判定を用いる。

来訪者が子機１のボタン１１を押すなどの操作によって（ＳＴ−２１）、入力信号が制御部３３に伝えられる。制御部３３は、記憶部３１に記憶された質問音声のデータ７０に応じて子機１のスピーカ１３から音声を出力する（ＳＴ−２２）。

質問音声は、「はい、どちら様ですか？」あるいは「どのようなご用件でしょうか？」という内容の音声である。この音声を用いて、来訪者に発声を促す。

そして、来訪者は質問音声に対して音声で回答する（ＳＴ−２３）。子機１のマイク１２は来訪者の音声を取得し、音声信号に変換する。

その音声信号は音声解析部３２に伝えられ、解析され、キーワードのデータ４１と一致するか否かについて判定される（ＳＴ−２４）。

そして、キーワードによる判定によって選ばれた応答音声のデータ５０に応じた音声を子機１のスピーカ１３で出力するように、制御部３３は子機１を制御する（ＳＴ−２５）。

キーワードによる判定で一致しないと判定された音声信号については、さらに音声解析部３２によって解析され、声紋のデータ４２と一致するか否かについて判定される（ＳＴ−２６）。

そして、声紋による判定によって選ばれた応答音声のデータ５０に応じた音声を子機１のスピーカ１３で出力するように、制御部３３は子機１を制御する（ＳＴ−２７）。

このようにすれば、キーワードをたまたま音声に含まなかったために、来訪者を特定できなかったとしても、その来訪者が一度来訪しユーザに声紋が登録された来訪者であれば、その来訪者を適切に特定することができる。

一方、声紋による判定によって一致するデータがなかった場合は、ユーザの判断によって設定された対応音声または拒否音声のどちらかが、子機１のスピーカ１３から出力される（ＳＴ−２８）。しかし、先にキーワードによる判定を行なっているため、実施の形態１よりも判定が一致しないという状況を減らすことができる。

以上より、来訪者を特定する精度を向上させることができることに加え、判定で一致しない来訪者の数を従来技術よりも減らすことできる。なお、図示はしていないが、キーワードが偶然一致した場合を想定して、ＳＴ−２５の後に声紋による音声の判定を必要に応じて加えても良い。

また、判定の別の組み合わせとして、図１２ようなフローチャートも考えられる。

来訪者が子機１のボタン１１を押すなどの操作によって（ＳＴ−３１）、入力信号が制御部３３に伝えられる。制御部３３は、記憶部３１に記憶された質問音声のデータ７０に応じて子機１のスピーカ１３から音声を出力する（ＳＴ−３２）。

質問音声は、「はい、どちら様ですか？」あるいは「どのようなご用件でしょうか？」という内容の音声である。この音声を用いて、来訪者に発声を促す。

そして、来訪者は質問音声に対して音声で回答する（ＳＴ−３３）。子機１のマイク１２は来訪者の音声を取得し、音声信号に変換する。

その音声信号は音声解析部３２に伝えられ、解析され、声紋のデータ４２と一致するか否かについて判定される（ＳＴ−３４）。

そして、声紋による判定によって選ばれた応答音声のデータ５０に応じた音声を子機１のスピーカ１３で出力するように、制御部３３は子機１を制御する（ＳＴ−３５）。

声紋による判定で一致しないと判定された音声信号については、さらに音声解析部３２によって解析され、キーワードのデータ４１と一致するか否かについて判定される（ＳＴ−３６）。

そして、キーワードによる判定によって選ばれた応答音声のデータ５０に応じた音声を子機１のスピーカ１３で出力するように、制御部３３は子機１を制御する（ＳＴ−３７）。

まだ一致しないと判定された音声信号については、さらに先に行なった質問音声とは別の質問内容の質問音声を出力し（ＳＴ−３８）、来訪者らに音声で回答させる（ＳＴ−３９）。そして、再度キーワードによる判定を行なうことにより、キーワードのデータ４１と一致するか否かを判定する。これを繰り返すことにより、全ての来訪者を正確に特定すし、適切な応答音声を用いることができる。

この判定の組み合わせによれば、最初に声紋の判定を用いているので、一度来訪して音声声紋を登録された来訪者を１回の判定で特定し、すぐに対応音声を出力することができる。さらに、声紋の判定で一致していないと判定された来訪者であっても、キーワードの判定を行なうことにより、来訪者を特定することができる。キーワードの判定によっても一致しない場合には、質問音声を出力し、来訪者に回答させて、再度キーワードの判定を行なう。このキーワードの判定を数回行なうことにより、来訪者をさらに正確に特定することができる。

以上より、来訪者を特定する精度を向上させることができることに加え、判定で一致しない来訪者の数を従来技術よりも大幅に減らすことできる。

以上のように、キーワードによる判定と声紋による判定を組み合わせて用いることにより、インターホンシステムは留守を伝える必要がない来訪者であるか否かを正確に特定することができる。これは、応答音声、拒否音声の使い分けを正確に用いることができることを意味する。

これにより、留守を伝える必要がない来訪者に対して間違って対応音声を用いることや、留守を伝える必要がある来訪者に対して間違って拒否音声を用いることを減らすことができる。

実施の形態１に係るインターホンシステムのブロック図である。 実施の形態１に係る子機のブロック図である。 実施の形態１に係る表示操作端末のブロック図である。 実施の形態１に係る制御装置のブロック図である。 実施の形態１に係るインターホンシステムの対応関係を表す図である。 実施の形態１に係るインターホンシステムの対応関係を表す図である。 実施の形態１に係るインターホンシステムの対応関係を表す図である。 実施の形態１に係るインターホンシステムの対応関係を表す図である。 実施の形態１に係るインターホンシステムの対応関係を表す図である。 実施の形態１に係るインターホンシステムの動作を示すフローチャートである。 実施の形態２に係るインターホンシステムの動作を示すフローチャートである。 実施の形態２に係るインターホンシステムの動作を示すフローチャートである。

符号の説明

１ 子機
２ 表示操作端末
３ 制御装置
１１ ボタン
１２ マイク
１３ スピーカ
１４ カメラ
１５ 制御部
１６ 通信部
２１ 操作部
２２ マイク
２３ スピーカ
２４ 表示部
２５ 制御部
２６ 通信部
３１ 記憶部
３２ 音声解析部
３３ 制御部
４０ 判定用のデータ
４１ キーワードのデータ
４２ 声紋のデータ
５０ 応答音声のデータ
５１ 対応音声のデータ
５２ 拒否音声のデータ
６０ 通知音のデータ
６１ 対応通知音のデータ
６２ 拒否通知音のデータ
７０ 質問音声のデータ
８０ 来訪者のデータ
８１ 音声のデータ
８２ 画像のデータ
８３ 声紋のデータ
８４ 来訪回数のデータ

Claims (13)

1. 外部からの音声を音声信号として取得する音声取得部と、
   前記音声の判定用のデータと、複数の予め定められた応答音声のデータを記憶する記憶部と、
   前記音声信号を解析し、前記記憶部に記憶した前記判定用のデータと一致するか否かを判定する音声解析部と、
   前記音声解析部の判定結果に応じて、前記記憶部における一の前記予め定められた応答音声のデータに基づいて、外部への音声出力を制御する制御部と、
   を備えるインターホンシステム。
2. 前記判定用のデータは、
   前記音声に含まれるキーワードのデータを含む、
   請求項１に記載のインターホンシステム。
3. 前記判定用のデータは、
   前記音声が有する声紋のデータを含む、
   請求項１に記載のインターホンシステム。
4. 前記判定用のデータは、
   前記音声に含まれるキーワードのデータと、前記音声が有する声紋のデータを含む、
   請求項１に記載のインターホンシステム。
5. 来訪報知手段をさらに備え、
   前記記憶部は、
   来訪者に発声を促すために予め定められた第１の質問音声のデータをさらに記憶し、
   前記制御部は、
   前記来訪報知手段の動作に応じて、前記記憶部における前記予め定められた第１の質問音声のデータに基づいて、外部への音声出力を制御する、
   請求項１乃至請求項４のいずれかに記載のインターホンシステム。
6. 前記応答音声のデータは、
   対応不要な来訪者に対して用いられる拒否音声のデータおよび対応必要な来訪者に対して用いられる対応音声のデータのうち少なくとも一方を含む、
   請求項１乃至請求項５のいずれかに記載のインターホンシステム。
7. 前記応答音声のデータは、
   来訪者に発声を促すために予め定められた第２の質問音声のデータを含む、
   請求項６に記載のインターホンシステム。
8. 前記質問音声のデータおよび前記応答音声のデータの少なくとも一方は、
   ユーザの音声のデータを含む、
   請求項６または請求項７に記載のインターホンシステム。
9. 前記ユーザの音声のデータは、
   ユーザの音声を声質変換したデータを含む、
   請求項８に記載のインターホンシステム。
10. 音声解析部の判定結果をユーザに通知する判定通知手段をさらに備える、
    請求項６乃至請求項９のいずれかに記載のインターホンシステム。
11. 前記記憶部は、各々の前記声紋のデータについて所定期間に来訪した回数のデータを記憶し、前記制御部は、前記の声紋のデータと一致した場合、前記回数を積算する、
    請求項３または請求項４に記載のインターホンシステム。
12. 外部の画像を画像信号として取得する画像取得部をさらに備え、前記制御部は、前記音声解析部で前記声紋のデータが不一致と判定された場合に、前記声紋のデータと、前記音声取得部より取得された前記音声信号のデータと、前記画像取得部より取得された前記画像信号のデータとを前記記憶部に格納する、請求項３または請求項４に記載のインターホンシステム。
13. 外部の画像を画像信号として取得する画像取得部をさらに備え、前記制御部は、前記対応音声のデータに基づいて音声出力を制御する場合に、前記音声取得部より取得された前記音声信号のデータと、前記画像取得部より取得された前記画像信号のデータとを前記記憶部に格納する、
    請求項６に記載のインターホンシステム。
    

Images