[发明专利]基于多条路径积分的语音情感识别方法、系统、设备及介质

说明书

本发明公开了一种基于多条路径积分的语音情感识别方法、系统、设备及介质，所述方法包括：搭建基于多条路径积分的语音情感识别网络；获取语音情感数据集，并提取语音情感数据集中的语音片段特征；利用语音情感数据集对语音情感识别网络进行训练，得到训练好的语音情感识别网络模型；调用训练好的语音情感识别网络模型，实现语音情感识别。本发明使用普通的语音特征和一种简单的网络架构将路径积分应用在语音情感识别中，能够解决现有语音情感识别方法网络复杂、计算量大、识别准确率不高的技术问题。

技术领域

本发明涉及一种基于多条路径积分的语音情感识别方法、系统、设备及介质，属于语音信号处理和模式识别的技术领域。

背景技术

情感是人类区别于机器的独特特征之一，随着人工智能技术的不断发展，如何让机器能感知人的情绪吸引了越来越多研究者的关注，在人机交互领域有着十分广泛的应用。相比图像而言，语音是人与人之间交流最直接的方式，包含了说话人的语调、语气等信息，能很好地反映出情感特征，因此语音情感识别技术是情感识别领域非常热门的研究方向。在人机交互方面，语音情感识别也有十分广泛的应用，尤其是在教育、医疗等领域已经有了一些实际应用。然而，如何准确地识别语音情感仍然是一个有挑战性的任务，现有的研究大部分将研究方向集中在构建更复杂的神经网络或提取新型特征上，导致网络越来越复杂，计算量越来越大。Yao等人提出了一个集合了深度神经网络(DNN)，卷积神经网络(CNN)和递归神经网络(RNN)的网络框架，采用了低层次特征、中层次频谱图特征和高层次统计方法特征多种特征，网络复杂，计算量大。Wang等人首次将路径积分引入到语音情感识别任务中，通过一种基于树状的卷积神经网络提取全局和局部路径积分特征，然而需通过二元路径树积分提取结构信息，网络结构较为复杂。

发明内容

有鉴于此，本发明提供了一种基于多条路径积分的语音情感识别方法、系统、设备及介质，其使用普通的语音特征和一种简单的网络架构将路径积分应用在语音情感识别中，能够解决现有语音情感识别方法网络复杂、计算量大、识别准确率不高的技术问题。

本发明的第一个目的在于提供一种基于多条路径积分的语音情感识别方法。

本发明的第二个目的在于提供一种基于多条路径积分的语音情感识别系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种基于多条路径积分的语音情感识别方法，所述方法包括：

搭建基于多条路径积分的语音情感识别网络；

获取语音情感数据集，并提取语音情感数据集中的语音片段特征；

利用语音情感数据集对语音情感识别网络进行训练，得到训练好的语音情感识别网络模型；

调用训练好的语音情感识别网络模型，实现语音情感识别。

进一步的，所述语音情感识别网络包括高层特征提取模块、路径积分模块和情感识别模块；

所述高层特征提取模块，用于对输入的原始语音片段特征进行处理，提取不同高层特征；

所述路径积分模块，用于将提取的不同高层特征和原始语音片段特征分别进行截断路径积分，得到相应的路径积分特征值，并将得到的路径积分特征值进行拼接；

所述情感识别模块，用于对输入的拼接后的路径积分特征值进行情感预测，输出情感预测结果。

进一步的，所述利用语音情感数据集对语音情感识别网络进行训练，得到训练好的语音情感识别网络模型，具体包括：

初始化高层特征提取模块和情感识别模块的网络权值；