47、基于未知语言字母表的唇语密码说话人验证方法

基于未知语言字母表的唇语密码说话人验证方法

1. 引言

在说话人验证领域，传统方法常通过检测嘴部状态将唇语序列分割成子序列，但这种方式可能切断潜在的区分特征，且计算复杂，易受环境（如光照）影响。为解决这些问题，本文提出了一种新的说话人验证方法，该方法无需精确对齐特征序列或检测嘴部状态，计算更为简便。

2. 相关工作

• 视觉说话人验证方法 ：
  • Saeed 基于唇轮廓检测提取静态和动态唇特征，利用高斯混合模型（GMM）进行人员识别。
  • Wang 和 Liew 用 GMM 训练静态特征，用隐马尔可夫模型（HMM）处理动态特征。
  • Cetingul 等人通过 HMM 评估明确的唇部运动信息与唇部强度和几何特征，用于说话人识别。
  • 这些方法大多要求用户说相同短语进行验证，未考虑目标用户说错短语的情况。
• 唇语密码相关工作 ：
  • Liu 和 Cheung 提出唇语密码概念，由嵌入唇部运动的密码和唇部运动特征组成，并基于外观和轮廓特征及多提升 HMM 学习方法构建验证系统，实验表明该方法能有效验证密码信息和说话人唇生物特征。
• 嘴部状态检测与序列分割方法 ：
  • 部分工作通过检测嘴部“闭合”状态将唇语序列分割成子序列，但这些方法可能切断潜在区分特征，计算复杂且结果受环境影响，还可能分割一些嘴部深度闭合的单词。 </