实务专题PowerPoint范本.pptVIP

語音聽視覺資料庫建置暨辨識系統 指導老師：廖文淵 老師 學生：李凱　　　李祈　　　陳育　　　邱建* 1. 專題動機 2. 專題特色 3. 理論架構 4. 實作分析與結果 6. 使用軟硬體工具 7. 預期困難 8. 拍攝技巧 9. 專題進度-甘特圖 10. 結論 大綱 * 1. 專題動機 在二十一世紀乃是網際網路的時代，數位化虛擬實境、數位化通訊、數位自動化等科技再次革命性地克服時間及空間分隔所造成的障礙，我們的生活將因此而獲得深遠的進步。 自從網路日漸對為重要傳媒，伴隨著網路使用越來越大眾化，當走入人群生活，網路傳媒也帶來了新的文化衝擊，它帶來新的生活、思想型態、流行，越是成為主導文化。 因此，本專題為製作一個“虛擬實境之圖書館導覽“系統。 * 2. 專題特色 本專題之虛擬實境(Virtual Reality)中，它是一種符合人性的表現方式，與目前的多媒體媒介最大的差異在於使用者可以在所建構出的異想世界中與物件做互動，有別於以往媒介單向傳播，兩者感受是有絕對的差異。 * DV拍攝 (.avi) 切割 檔案 分離 程式 3. 理論架構 – 流程圖 音訊 (.wav) 影像 (.bmp) 辨識 資料庫 * 理論架構 – 辨識 訓練模型 (DHMM) 內部測試 外部測試 擷取特徵 (MFCC) 讀取音訊 (.wav) 語音檔案 (01~05) 語音檔案 (06~10) * 理論架構 – 特徵參數 MFCC：在語音辨識方面，最常用到的語音特徵就是「梅爾倒 頻譜參數」，簡稱MFCC。 MFCC計算過程： 1.預強調：凸顯在高頻的共振峰。 2.音框化：先將 N 個取樣點集合成一個觀測單位，稱為音框。 3.漢明窗：增加音框左端和右端的連續性。 4.快速傅利葉轉換： 5.三角帶通濾波器：對頻譜進行平滑化，並消除諧波的作用， 凸顯原先語音的共振峰。 6.離散餘弦轉換： 7.差量倒頻譜參數： * HMM：但是如果我們要做到語者無關的語音識， 最常見的方法，就是「隱藏式馬可夫模 型」，簡稱 HMM。 HMM 又可以分成兩大類： DHMM ：其中機率的算法完全是依靠 data counting。 CHMM ：其中機率的模型是連續性的 Gaussian Mixture Models（GMM） 理論架構 – 訓練模型 * Matlab 7.0 Movie Maker 2.1 Power Director 3 6. 使用軟硬體工具– 使用軟體 * 錄製影像的場景 使用軟硬體工具– 錄製環境 * 拍攝時以坐姿勢 燈光充足 人物臉部明顯 臉上防止過多油漬,避免拍出來反光不清晰 鏡頭拍攝時不要晃到 說話速度不可太快(一個字約1秒) 說話時字與字之間要稍作停頓 嘴巴說話時嘴型清晰 7. 實作分析與結果 – 拍攝注意事項 * 1.調到適當焦距 ： 畫質比較好，人物五官容易浮現出來，嘴型也比較清楚 2.光線： 適當光線，攝影機在光線不足對焦會不當，這時可以用 打光板在日光燈下補足光線將主體打亮 3.人物角度： 攝影機鏡頭要與臉部平行，才不造成拍攝出來有高低 4.背景： 要選擇衣服顏色與背景對比分明，比較能顯示被攝者 5.練習，再練習： 多拍攝幾次增加經驗想必能從失敗中取得技巧 實作分析與結果 – 拍攝技巧 * 檔案分割後建檔方式： 0C_ken00 資料夾命名格式： C:中文 E:英文 姓名 數字 錄製 次數 學號 姓名 錄製 日期 實作分析與結果 – 建檔方式 * 實作分析與結果 – 檔案格式 * 實作分析與結果 – 切割檔案 * 實作分析與結果 – 檔案分離 * 實作分析與結果 – 資料庫 * 實作分析與結果 – 語音辨識 * 程式： 因為MatLab功能強大，大部分被廣泛地應用 於科學計算、控制系統、信息處理等領域的分 析，對於我們這次專題製作所使用MatLab的 GUI設計書籍較於難找，於是想到廖文淵老師 教過我們使用MatLab正好跟他藉這類的書 籍。 8. 預期困難 * 預期困難 資料庫建立： 為了要補助語音辨識系統所以我們要拍攝數字 0~9國語和英語範本。 1. 時間上：