[发明专利]一种性别年龄识别方法、装置、设备及可读存储介质

说明书

本发明公开了一种性别年龄识别方法，包括：获取目标人物的待识别语音数据，并提取待识别语音数据中的待识别i‑vector特征；将待识别i‑vector特征与性别年龄识别模型中的目标i‑vector特征进行匹配，并确定与待识别i‑vector特征匹配度最大的目标i‑vector特征；将匹配度最大的目标i‑vector特征对应的性别年龄，确定为目标人物的性别年龄。其中，由于人物的声纹信息隐藏在语音数据中，且不会发生变化，因此基于语音数据识别人物的性别年龄得到的结果较为准确。并且，基于i‑vector特征进行识别，可提高识别效率。本发明公开的性别年龄识别装置、设备及可读存储介质，同样具有上述技术效果。

技术领域

本发明涉及音频处理技术领域，更具体地说，涉及一种性别年龄识别方法、装置、设备及可读存储介质。

背景技术

随着计算机技术的迅猛发展，人们希望计算机不仅仅能确认说话人，同时可以识别语义，性别年龄等更高层次的信息，从而使得机器与人之间产生更人性化的交互。

目前，对于性别年龄的识别，一般通过人物的面部图像或者肢体图像来进行，具体为：将人脸作为神经网络的输入，通过识别人脸面部器官及之间的距离，来对年龄和性别进行辨识。但是，由于图像数据一般比较大，从而导致处理过程较为繁琐，识别效率和准确率均有待提高。并且，由于现如今图像的美化修正手段较多，从而使呈现出的图像与原始图像差别较大，那么若图像采集与识别不是实时进行的，图像信息很可能被篡改或美化修正，如此便使得用于识别的图像与原始图像存在较大差别，从而导致识别结果差强人意。

因此，如何提高性别年龄的识别效率和准确率，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种性别年龄识别方法、装置、设备及可读存储介质，以提高性别年龄的识别效率和准确率。

为实现上述目的，本发明实施例提供了如下技术方案：

一种性别年龄识别方法，包括：

获取目标人物的待识别语音数据，并提取所述待识别语音数据中的待识别i-vector特征；

将所述待识别i-vector特征与性别年龄识别模型中的目标i-vector特征进行匹配，并确定与所述待识别i-vector特征匹配度最大的目标i-vector特征；

将所述匹配度最大的目标i-vector特征对应的性别年龄，确定为所述目标人物的性别年龄。

其中，所述提取所述待识别语音数据中的待识别i-vector特征，包括：

对所述待识别语音数据进行预处理，所述预处理至少包括：预滤波、预加重、分帧、加窗、傅里叶变换、梅尔倒谱滤波和端点检测；

从预处理后的待识别语音数据中提取所述待识别i-vector特征。

其中，所述获取目标人物的待识别语音数据，包括：

获取所述目标人物的WAV格式的待识别语音数据。

其中，所述性别年龄识别模型的生成步骤为：

获取训练语音数据，并对所述训练语音数据进行预处理；

从预处理后的训练语音数据中提取MFCC特征，并基于所述MFCC特征训练得到不同年龄性别对应的GMM-UBM模型；

采用EM算法迭代计算所述不同年龄性别对应的GMM-UBM模型的类别i-vector特征；

采用LDA降维算法对所述类别i-vector特征进行降维处理，获得所述目标i-vector特征；

基于获得的目标i-vector特征生成所述性别年龄识别模型。