怎么写网络小说,盗墓笔记全集,好看的课外书

主頁 > 知識(shí)庫 > AI唇語識(shí)別！人工智能領(lǐng)域的下一個(gè)風(fēng)口

AI唇語識(shí)別！人工智能領(lǐng)域的下一個(gè)風(fēng)口

看到別人在低聲討論時(shí)，你是不是就想學(xué)習(xí)唇語來看破他們?cè)谟懻摰氖裁矗【幨墙?jīng)常有這種想法，不過，現(xiàn)在不需要了，因?yàn)槲覀円呀?jīng)有了AI唇語識(shí)別，可以讓每個(gè)人都具備看懂唇語的能力。

什么是唇語識(shí)別

所謂的“唇語識(shí)別”，其實(shí)并不神秘。

就是通過“觀察別人的嘴型，解讀其表達(dá)語句”的能力。目前，一些聽力障礙者們也會(huì)使用這種技巧與他人進(jìn)行交談，補(bǔ)充聽力器官的不足。

但隨著科技的發(fā)展，人工智能在各領(lǐng)域漸次開放，在唇語識(shí)別上，機(jī)器已經(jīng)做的比人類好了。

從技術(shù)路徑上，唇語識(shí)別是一項(xiàng)集機(jī)器視覺與自然語言處理于一體的復(fù)合型技術(shù)。

唇語識(shí)別的研究現(xiàn)狀

2003 年，Intel 就開發(fā)了唇語識(shí)別軟件 Audio Visual Speech Recognition（AVSR），開發(fā)者得以能夠研發(fā)可以進(jìn)行唇語識(shí)別的計(jì)算機(jī)。

2016 年 Google DeepMind 的唇語識(shí)別技術(shù)就已經(jīng)可以支持 17500 個(gè)詞，新聞測試集識(shí)別準(zhǔn)確率首次達(dá)到了 50％以上。

2017年搜狗推出了一種人機(jī)交互新技術(shù)——“唇語識(shí)別”。該系統(tǒng)達(dá)到60%以上的準(zhǔn)確率，超過google發(fā)布的英文唇語系統(tǒng)50%以上的準(zhǔn)確率。在垂直場景如車載、智能家居等場景下甚至已經(jīng)達(dá)到90%的準(zhǔn)確率。

AI唇語識(shí)別技術(shù)原理：

唇語識(shí)別技術(shù)從鏡頭輸入到理解輸出，中間最重要的關(guān)鍵是：視覺前段、視覺特征提取、唇動(dòng)識(shí)別。

視覺前段——包括人臉檢測與唇的檢測和定位，先用人臉檢測演算法得到人臉然后有針對(duì)性的定位唇動(dòng)；

或者利用最佳閩值二值化演算法，以唇的邊緣是平滑的，和左右形狀對(duì)稱為條件，作為二值化閩值選定的約束條件，得到平滑而對(duì)稱的唇圖像。

視覺特征提取——是對(duì)獲取的唇圖像進(jìn)行處理得到對(duì)應(yīng)特征，特征提取方法主要分為基于圖元的方法和基于模型的方法兩大類；

搜狗所用的基于模型的方法就是，對(duì)唇的輪廓建立一個(gè)模型，將特征資訊包含在這個(gè)模型之中，并對(duì)模型中特征資訊的變化用一個(gè)小的參數(shù)來描述。

這類方法的優(yōu)點(diǎn)是重要特征被表示成二維參數(shù)，不會(huì)因光照、縮放、旋轉(zhuǎn)、平移而改變，缺點(diǎn)是忽略了細(xì)微的三維資訊，可能會(huì)對(duì)后面的識(shí)別過程造成影響。

唇動(dòng)識(shí)別——目前采用的技術(shù)大多是隱瑪爾可夫模型（ Hidden Markov Model，簡稱 HMM ），該模型認(rèn)為唇動(dòng)信號(hào)在極短時(shí)間內(nèi)是線性的，可以用線性參數(shù)模型來表示，然后將許多線性模型在時(shí)間上串接起來，組成一條瑪爾可夫鏈。

據(jù)了解，在非特定開放口語測試中，目前的通用識(shí)別準(zhǔn)確率已經(jīng)在 70％以上，而在金融風(fēng)控、車載、智能家居等垂直場景下，已達(dá)到超過 90％的準(zhǔn)確率。

除此之外，唇語識(shí)別技術(shù)還能發(fā)揮巨大的公益價(jià)值，幫助先天性聽障人群或老年人，讓他們更好地理解和表達(dá)自己。

標(biāo)簽：那曲巴中平頂山上海白城四川中衛(wèi) 濰坊

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《AI唇語識(shí)別！人工智能領(lǐng)域的下一個(gè)風(fēng)口》，本文關(guān)鍵詞唇語,識(shí)別,人工智能,領(lǐng)域,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。