一種音頻圖像采集設(shè)備及說話人定位及語音分離方法

基本信息

申請?zhí)?/td> CN202011016408.X 申請日 -
公開（公告）號 CN112951257A 公開（公告）日 2021-06-11
申請公布號 CN112951257A 申請公布日 2021-06-11
分類號 G10L21/02;G10L21/0216 分類 樂器；聲學(xué);
發(fā)明人 陳崇軍 申請（專利權(quán)）人 上海譯會信息科技有限公司
代理機(jī)構(gòu) 北京科億知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 湯東鳳
地址 200333 上海市普陀區(qū)同普路1175弄3號1樓199-119室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了錄音錄像產(chǎn)品領(lǐng)域的一種音頻圖像采集設(shè)備及說話人定位及語音分離方法，包括雙攝像頭、還包括4麥克風(fēng)陣列的音頻及圖像采集設(shè)備；該方法包括以下步驟：采集設(shè)備將數(shù)據(jù)采集到后，通過GCC方法對多聲源進(jìn)行初步定向，再使用Viola?Jones人臉檢測算法對說話人進(jìn)行檢測判別，在雙目視覺基礎(chǔ)上得到說話人相對采集設(shè)備的方向以及距離信息；并使用子帶功率譜熵特征來實(shí)現(xiàn)語音端點(diǎn)檢測，用于提高音頻定向方法的性能；通過GSC方法增強(qiáng)目標(biāo)說話人方向的語音信號，擬制其他方向上的語音信號，再使用維納濾波器進(jìn)一步去除殘留噪聲，優(yōu)化語音。本發(fā)明對目標(biāo)聲源可進(jìn)行準(zhǔn)確估計(jì)和定位，極大降低干擾聲源造成聲源定向的錯(cuò)誤率，進(jìn)一步優(yōu)化了語音分離系統(tǒng)。