対話は呼吸運動と密接に関係する行為である。対話システムが対話者の呼吸状態を推定することで、人・システム間の対話をより円滑なものとし得る。本研究では、対話知能への発話者呼吸情報の付与を目標として、発話状態を含む対話者の動画像を入力とする、畳み込みニューラルネットワーク（CNN）とLong Short-Term Memory（LSTM）を用いた非接触型呼吸推定手法を提案する。本稿では、予備的な評価結果を報告する。