一种识别说话者的新方法

摘要

在能够自动识别视频中的说话者的系统中，大部分采用的是声音和唇部运动相结合的方法。文中则采用了另一种方法有效地达到了目的，即通过检测人体头部和手部的运动来鉴别说话者。基于演讲者在说话时通常会伴有头部运动或是手部运动，该方法既能实现说话者的检测，又能避免由于观测点过远而导致无法判断人唇部运动的局限性。在系统的实施过程中，运用了多种图像处理方法，并且对三帧差运动法做出了改善，使其能更高效、更准确地检测到头部和手部的运动。经过多个不同的视频测试后，本系统的F1 score高达91．91％，从而验证了该系统的可行性。