基于唇部特征结合 PCA 与 ICA 的说话人识别智能系统
声音
2010-04-27 v1
摘要
生物特征认证技术比传统认证技术更一致、更高效，可用于监控、交易认证、信息检索、访问控制、取证等领域。在本文中，我们对用于特征提取的主成分分析（PCA）和独立成分分析（ICA）进行了详细的比较分析，其基础是不同的人工神经网络（ANN），如反向传播（BP）、径向基函数（RBF）和学习向量量化（LVQ）。在本文中，我们选择了“TULIPS1 数据库 (Movellan, 1995)”，这是一个包含 12 名受试者用英语说出前 4 个数字的小型视听数据库，用于整合上述方法。研究考虑了六个几何唇部特征，即嘴外角高度、嘴外角宽度、嘴内角高度、嘴内角宽度、上唇高度和下唇高度，这些特征提取了与身份相关的信息。经过全面分析和评估，使用 PCA 和 RBF 在说话人识别中达到了最高 91.07% 的准确率，使用 ICA 和 RBF 达到了 87.36% 的准确率。说话人识别具有广泛的应用前景，例如访问控制、监控、交易认证、信息检索、取证等。
引用
@article{arxiv.1004.4478,
title = {Intelligent System for Speaker Identification using Lip features with PCA and ICA},
author = {Anuj Mehra and Anupam Shukla and Mahender Kumawat and Rajiv Ranjan and Ritu Tiwari},
journal= {arXiv preprint arXiv:1004.4478},
year = {2010}
}
备注
https://sites.google.com/site/journalofcomputing/