[发明专利]多视角向量处理方法和设备

说明书

本申请公开了一种多视角向量处理方法和设备。多视角向量x用于表征包含至少两个不可分立的视角的信息的对象。该方法包括：建模步骤，建立该多视角向量的模型，使得其至少包含以下分量：所述多视角向量的总体均值μ；所述多视角向量的每一个视角的分量；以及噪声∈；训练步骤，利用所述多视角向量x的训练数据获得所述总体均值μ、每一个视角的分量的参数和所述噪声∈的参数；以及匹配步骤，利用所述总体均值μ、每一个视角的分量的参数和所述噪声∈的参数，计算两个多视角向量的各个视角分量相同和不同的似然性分量，对所计算的似然性分量进行预处理以获得近似似然性，并且依据所述近似似然性来判断两个多视角向量是否匹配。

技术领域

本申请涉及信息处理领域，具体地涉及多视角向量的分析和比较。

背景技术

在各种模式识别技术中，所提取和利用的特征往往是较为直观和可分立的特征。比如一个物体的形状特征和纹理特征就是可以分立的，对于一个物体可以仅考虑其形状而不考虑其纹理(纹理项为0)，或者反过来仅考虑其纹理而不考虑其形状(形状项为0)。又比如，对于频域的波形叠加，叠加的结果的波形看起来似乎是不可分割的，但是其高频成分和低频成分可以被分离且独立存在，也就是说相应的另一个成分为0。对于这样的情形，对于每一个独立的特征可以分别建模，然后简单叠加即可。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

根据本发明的一个方面，提供了一种多视角向量处理方法，其中，所述多视角向量x用于表征包含至少两个不可分立的视角的信息的对象，该方法包括：建模步骤，建立该多视角向量的模型，使得其至少包含以下分量：所述多视角向量的总体均值μ；所述多视角向量的每一个视角的分量；以及噪声训练步骤，利用所述多视角向量x的训练数据获得所述总体均值μ、每一个视角的分量的参数和所述噪声的参数；以及匹配步骤，利用所述总体均值μ、每一个视角的分量的参数和所述噪声的参数，计算两个多视角向量的各个视角分量相同和不同的似然性分量，对所计算的似然性分量进行预处理以获得近似似然性，并且依据所述近似似然性来判断两个多视角向量是否匹配。

还提供了一种多视角向量处理设备，包括处理器和存储有程序代码的存储介质，所述程序代码当被处理器执行时，实现如前所述的方法。

依据本发明的其它方面，还提供了相应的计算机程序代码、计算机可读存储介质和计算机程序产品。

根据本申请的多视角向量处理方法和设备，能够将相对不可分立的多个视角通过建模的方式分离出来，进而利用所建立的模型来进行有关每一个视角分量在不同的多视角向量之间是否相同的判断，例如用于声纹确认。

通过以下结合附图对本发明的优选实施例的详细说明，本发明的这些以及其他优点将更加明显。

附图说明

为了进一步阐述本申请的以上和其它优点和特征，下面结合附图对本申请的具体实施方式作进一步详细的说明。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。具有相同的功能和结构的元件用相同的参考标号表示。应当理解，这些附图仅描述本申请的典型示例，而不应看作是对本申请的范围的限定。在附图中：

图1是相对不可分立的分量的示意图表；

图2是相对可分立的分量的示意图表；

图3是根据被公开的多视角向量处理方法的一种实施方式的示意流程图；

图4是根据被公开的多视角向量处理方法的另一种实施方式的示意流程图；

图5A是示出判断多视角向量中的所有视角是否均相同的场景的示意图；