[发明专利]一种多模态远程语音感知方法及装置有效
| 申请号： | 201910705872.0 | 申请日： | 2019-08-01 |
| 公开（公告）号： | CN110444220B | 公开（公告）日： | 2023-02-10 |
| 发明（设计）人： | 吴江南;顾冠杰;廉增辉;潘翔 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G10L21/02 | 分类号： | G10L21/02;G10L21/0216;G10L21/0224;G10L21/0232;G10L21/028;G10L21/055;G10L25/45;G10L25/57;G10L15/22;G10L15/24;H04N7/14;H04N7/18 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 应孔月 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种多模态远程语音感知方法及装置。所述感知方法包括：利用矩形麦克风阵列和摄像头，采集语音和视频信号。对目标语音信号利用波束形成进行初步到达角估计，以获得粗略的声源方位。利用声源方位初步信息，驾驶摄像头正对声源方向。基于初始视频数据建立背景模型，进行前景检测和背景更新。将前景对应的高精度方位参数传输给波束形成模块，波束形成在该方位的输出,即增强的语音信号。 | ||
| 搜索关键词： | 一种 多模态 远程 语音 感知 方法 装置 | ||
【主权项】：
1.一种多模态远程语音感知方法，其特征在于，包括以下步骤：步骤1：利用矩形麦克风阵列和摄像头，采集语音和视频信号；步骤2：对目标语音信号利用波束形成进行初步到达角估计，以获得粗略的声源方位；步骤3：根据粗略的声源方位，驾驶摄像头正对声源方向；步骤4：基于初始数据建立背景模型，进行前景检测和背景模型自适应更新；步骤5：将前景对应的高精度方位参数传输给波束形成模块，波束形成在这个方位的输出就是增强的语音信号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910705872.0/，转载请声明来源钻瓜专利网。
- 上一篇：选择第一编码演算法或第二编码演算法的装置与方法
- 下一篇：一种多路语音系统
