文献

J-GLOBAL ID：201202240902077128   整理番号：12A0139039

オーディオビジュアルキューを用いた音声活動検出と話者定位

Voice activity detection and speaker localization using audiovisual cues

著者 (5件)： BLAUTH Dante A. (Applied Computing - UNISINOS, Av. Unisinos, 950, Sao Leopoldo 93022-000, RS, BRA) ,  MINOTTO Vicente P. (Inst. of Informatics - UFRGS, Av. Bento Goncalves, 9500, Porto Alegre 91501-970, RS, BRA) ,  JUNG Claudio R. (Inst. of Informatics - UFRGS, Av. Bento Goncalves, 9500, Porto Alegre 91501-970, RS, BRA) ,  LEE Bowon (Hewlett-Packard Laboratories, 1501 Page Mill Road, Palo Alto, CA 94304, USA) ,  KALKER Ton (Huawei Innovation Center US R&D, 2330 Central Expressway, Santa Clara, CA 95050, USA)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 33  号： 4  ページ： 373-380  発行年： 2012年03月 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本稿では,発話状況から沈黙を定義し,そして発話状況の場合にアクティブな話者を定位するためのマルチモーダル方式を提案する。筆者らの方式では,ビデオカメラを用いて,参加者の顔を追跡し,マイクロフォンアレイを用いて,位相変換で操作した応答パワー(SRO-PHAT)法で音源位置(SSL)を推定する。オーディオビジュアルキューを組合わせ,そして2つの競合する隠れMarkovモデル(HMM)を用いて,沈黙あるいは話者が存在することを検出する。発話を検出すると,対応したHMMにより,話者の時空間コヒーレントな定位も行る。実験結果により,HMMを組込むことにより,単一モーダルSRP-PHATよりも向上した効果を獲得し,そしてビデオキューを用いて,更により向上させることを示す。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *判定基準 ,  *音声認識 ,  *動き検出 ,  音像定位 ,  *話者認識 ,  マルチメディア ,  ビデオカメラ ,  マイクロホン ,  アレイ ,  隠れMarkovモデル
準シソーラス用語： HMM ,  オーディオビジュアル ,  コヒーレント ,  マルチモード ,  位相変換

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： オーディオビジュアル ,  キュー ,  音声 ,  活動 ,  話者 ,  定位