文献

J-GLOBAL ID：201002270031219906   整理番号：10A0196270

AAMを用いた唇領域特徴による音声発話認識

Speech Recognition Based on Lip Area Feature Captured by AAM

著者 (4件)： 駒井祐人 (神戸大 工) ,  宮本千琴 (神戸大 大学院工学研究科) ,  滝口哲也 (神戸大 自然科学系先端融合研究環) ,  有木康雄 (神戸大 自然科学系先端融合研究環)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 376(MVE2009 79-129)  ページ： 357-362  発行年： 2010年01月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 雑音環境下で頑健に音声認識を行う手法の一つとして,音声情報に唇動画像情報を併用して認識を行うマルチモーダル音声認識が注目され,近年研究が進められている。マルチモーダル音声認識では音声情報のみでなく画像情報も大きな役割を果たすため,画像に対してどのような特徴量を用いるかが重要な論点となる。従来から音声特徴量はMFCCなどある程度定まった特徴量が用いられているのに対し,画像特徴量はその抽出法の違いから,さまざまな特徴量が提案されている。本研究ではActive Appearance Modelを用いることで唇領域を自動抽出し,座標値と輝度値の情報を含んだActive Appearance Modelのcombinedパラメータを用いて発話認識することにより,特徴量としての有効性を確認する。(著者抄録)

シソーラス用語： *音声認識 ,  マルチモーダルインタフェイス ,  *モデル ,  動画像 ,  口唇 ,  環境 ,  パラメータ ,  *発話 ,  *融合 ,  *音声
準シソーラス用語： *アクティブ外観モデル ,  雑音環境 ,  combinedパラメータ ,  *情報統合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 唇 ,  音声 ,  発話認識