介绍了一种基于人工神经网络的唇语识别系统,可以用来提高身份识别系统的安全性。比较了基于音频和视频的视频序列分割法,并自制了一些唇语样本。为了提高对文中陌生人集团成员和自制样本的唇语识别率,采用了迁移学习的方法。结果表明,通过迁移学习后得到的网络对陌生人集团样本和自制样本有较好的唇语识别率,同时也检验了文中视频序列分割的效果卷第10期(总第507期)91络M结构中的8层中的前6层网络权重，训练150轮。然后使用上文中从陌生人集团各成员的测试集中提取的特征文件测试，测试结果如图3所示，每个红色三角形代表迁移学习后所得网络对一个陌生人集团成员测试集的识别率，认证的唇语识别-电动折弯机数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机蓝色叉为上文中迁移学习前的识别率。可见，迁移学习后所得到的新网络对陌生人集团各成员的唇语有较好的识别率。图3迁移学习效果4．3．本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name2对自制数据库的迁移学习虽然作者自制唇语样本中的英文单词的主要内容one－nine九种英文单词包含在GＲID库中的51种不同的词中，但是由于各种差异，为了有相对较好的识别率，对用熟人集团成员训练集训练过的网络M进行了迁移学习。进行迁移训练时，根据文献［10］中冻结前几层网络权重的方法，冻结了原网络M的前两层网络权重。训练时，把自制唇语样本手工分为训练集和测试集。其中179对样本(其中一对样本用于补充词的种类到51个，便于训练网络)作为训练集，包括视频和对应align文件，从中分割出1000多个词的量用于训练，训练150轮。59对样本(其中一对样本用于补充词的种类到51个)作为测试集，能分割出300多个词的量用于测试。训练完成后，用测试集对迁移训练后的所得到的网络经进行多次测试，其识别率都在77．9%左右。虽然作者自制的唇语数据库只有一人，但是因为视频内容中的拍摄时间，服装(包括是否戴眼镜)、拍摄距离、环境和设备有所差异，如能对这些差异进行控制，应该能得到更好的识别效果。同时，77．9%左右的识别效果也证明前文第2章节的视频认证的唇语识别-电动折弯机数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name