[发明专利]基于图像识别的辅助发音方法、装置、计算机设备及存储介质

摘要

本发明公开一种基于图像识别的辅助发音方法、装置、设备及介质，该方法包括获取文字数据和与文字数据对应的视频数据，视频数据包含至少两帧待识别图像；采用预先训练好的年龄分类器对待识别图像进行识别，获取与视频数据对应的目标年龄；采用预先训练好的性别分类器对待识别图像进行识别，获取与视频数据对应的目标性别；采用预先训练好的微表情识别模型对待识别图像进行识别，获取与视频数据相对应的目标情绪；基于目标年龄、目标性别和目标情绪查找数据库，获取对应的目标发音模板；依据目标发音模板，采用TTS技术对文字数据进行语音转换，获取与目标发音模板相对应的语音数据，进行语音播报，解决辅助发音系统转换不精准的问题。

主权项

1.一种基于图像识别的辅助发音方法，其特征在于，包括：获取文字数据和与所述文字数据对应的视频数据，所述视频数据包含至少两帧待识别图像；采用预先训练好的年龄分类器对至少两帧所述待识别图像进行识别，获取与所述视频数据对应的目标年龄；采用预先训练好的性别分类器对至少两帧所述待识别图像进行识别，获取与所述视频数据对应的目标性别；采用预先训练好的微表情识别模型对至少两帧所述待识别图像进行识别，获取与所述视频数据相对应的目标情绪；基于所述目标年龄、所述目标性别和所述目标情绪查找数据库，获取对应的目标发音模板；依据所述目标发音模板，采用TTS技术对所述文字数据进行语音转换，获取与所述目标发音模板相对应的语音数据，基于所述语音数据进行语音播报。