基于稀疏表示的人類口型識別.pdf

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

2、通過帶類標(biāo)的訓(xùn)練集同步訓(xùn)練具有識別力的過完備冗余字典和最優(yōu)分類器。在LC-KSVD算法中懲罰項不但包含了象征字典表征力的重構(gòu)誤差項,而且還加入了稀疏編碼誤差項和分類誤差項以提高字典識別力,克服了K-SVD算法只注重字典表征力而忽略了識別力的不足,字典和分離器分開訓(xùn)練等缺點。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口型的識別,所以定義了一個由16個嘴唇輪廓特征點描述的標(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LC-KSVD或K-SVD算法訓(xùn)練等方式獲得過完備字典。在這兩個方面的研究中,為了克服因字典過完備性而導(dǎo)致諸如OMP等貪婪算法可能無法收斂的缺點,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人類口型識別算法以及基于圖像卷繞(Image warping)和同倫算法的SRC人類口