基于稀疏表示的人類口型識(shí)別.pdf

1、智能機(jī)器人的聽(tīng)覺(jué)系統(tǒng)很難像人的聽(tīng)覺(jué)系統(tǒng)那樣可以輕而易舉地從復(fù)雜環(huán)境產(chǎn)生的混合語(yǔ)音信號(hào)中感知某個(gè)人的語(yǔ)音并判斷語(yǔ)音源個(gè)數(shù)。為了輔助智能機(jī)器人語(yǔ)音系統(tǒng)更好地分離混合語(yǔ)音信號(hào),本文將引入視覺(jué)信號(hào),即口型圖像,來(lái)確定語(yǔ)音源個(gè)數(shù)。由此提出了基于稀疏表示的口型識(shí)別算法,通過(guò)檢測(cè)說(shuō)話人口型的開(kāi)閉狀態(tài)來(lái)判斷該說(shuō)話人是否構(gòu)成語(yǔ)音源。
　　本文在稀疏表示分類算法的基礎(chǔ)上,分別從有識(shí)別力字典訓(xùn)練和樣本優(yōu)化兩個(gè)方面進(jìn)行研究。一方面,采用LC-KSVD算法

2、通過(guò)帶類標(biāo)的訓(xùn)練集同步訓(xùn)練具有識(shí)別力的過(guò)完備冗余字典和最優(yōu)分類器。在LC-KSVD算法中懲罰項(xiàng)不但包含了象征字典表征力的重構(gòu)誤差項(xiàng),而且還加入了稀疏編碼誤差項(xiàng)和分類誤差項(xiàng)以提高字典識(shí)別力,克服了K-SVD算法只注重字典表征力而忽略了識(shí)別力的不足,字典和分離器分開(kāi)訓(xùn)練等缺點(diǎn)。另一方面,由于口型樣本中存在口型區(qū)域以外的冗余信息且嘴巴姿態(tài)各異等因素影響了分類器對(duì)口型的識(shí)別,所以定義了一個(gè)由16個(gè)嘴唇輪廓特征點(diǎn)描述的標(biāo)準(zhǔn)口型模型,采用圖像卷繞算

3、法將口型樣本映射到該標(biāo)準(zhǔn)模型中,以優(yōu)化口型樣本。將優(yōu)化后的訓(xùn)練集樣本直接堆疊或者經(jīng)過(guò)LC-KSVD或K-SVD算法訓(xùn)練等方式獲得過(guò)完備字典。在這兩個(gè)方面的研究中,為了克服因字典過(guò)完備性而導(dǎo)致諸如OMP等貪婪算法可能無(wú)法收斂的缺點(diǎn),本文在稀疏編碼階段均采用同倫算法求解稀疏系數(shù)。在此基礎(chǔ)上,分別提出了基于LC-KSVD和同倫算法(Homotopy)的SRC人類口型識(shí)別算法以及基于圖像卷繞(Image warping)和同倫算法的SRC人類口