[发明专利]用于改善话音识别的RGB/深度相机有效
| 申请号： | 201110172727.4 | 申请日： | 2011-06-16 |
| 公开（公告）号： | CN102314595A | 公开（公告）日： | 2012-01-11 |
| 发明（设计）人： | J·A·塔迪夫 | 申请（专利权）人： | 微软公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G10L15/24;G06F3/01 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 胡利鸣 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 涉及用于改善话音识别的RGB/深度相机。本发明涉及用于通过处理视觉话音线索来促进话音识别的系统和方法。这些话音线索可以包括嘴唇、舌头和/或牙齿在话音期间的位置。在一个实施例中，在由图像捕获设备捕获数据帧以后，该系统标识出讲话者和该讲话者的位置。然后，该系统聚焦于讲话者以获得该讲话者的嘴的清晰图像。该系统包括视觉话音线索引擎，该视觉话音线索引擎用于基于该讲话者的嘴唇、舌头和/或牙齿的所捕获位置来识别和区分声音。视觉话音线索数据可以与音频数据同步以保证视觉话音线索引擎处理与正确的音频数据相对应的图像数据。 | ||
| 搜索关键词： | 用于 改善 话音 识别 rgb 深度 相机 | ||
【主权项】：
一种在包括耦合到用于从场景捕获信息的捕获设备(20)的计算环境(12)的系统(10)中从图像数据中识别音素的方法，包括：a)从该场景中接收(步骤402)包括图像数据和音频数据的信息；b)捕获(步骤550)与讲话者的嘴唇、舌头和/或牙齿至少之一的位置相关的图像数据；以及c)将在所述步骤e)中捕获的图像数据与所存储的规则相比较(步骤556)以标识出由在所述步骤e)中捕获的图像数据所指示的音素。
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微软公司，未经微软公司许可，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/201110172727.4/，转载请声明来源钻瓜专利网。
