III Congreso de la Sociedad Española de Acústica Forense Página ...

More documents

Recommendations

Info

Figura 1: Sistema “Oracle” de verificación de locutorVoz dellocutor AAdaptaciónMAPGMMUniversalModelo delpresentadorAVozentradadeVerificaciónde locutorAceptado oRechazadoIdentidadreclamada: AFigura 2: Sistema de segmentación, identificación y seguimiento de locutorvideoDetector cambiosde planoGMMsvoz/no-vozGMMshombre/mujeraudioDetector cambiosacústicos: BICClasificaciónvoz/no-vozvozClasificaciónhombre/mujerEtiquetadode clusters:detecciónde locutorVerificación delocutoresClustering delocutoresModelos delocutoresModelouniversal(UBM)
3.1 Detección de cambios acústicosLa primera tarea a realizar es la división de la señal de audio en regiones homogéneasacústicamente. Para ello se utiliza un algoritmo de segmentación que busca cambios enlas condiciones acústicas, y marca los instantes de tiempo correspondientes comofronteras de los segmentos. El módulo de segmentación implementado en nuestrosistema se basa en una aproximación multimedia que utiliza las señales de audio y devideo en el proceso de segmentación [1]. Dicha segmentación se basa principalmente enun algoritmo que utiliza el “Bayesian Information Criterion (BIC)” [2].Este módulo de segmentación consta de tres etapas. En la primera etapa se pretendeencontrar cambios acústicos que consideraremos como candidatos. Se aplica para ello elalgoritmo BIC utilizando una ventana de 2 segundos. En la segunda etapa, que esopcional, se implementa un detector de cambio de plano en la imagen basado enhistogramas. Dicho detector se aplica sobre ventanas de 2 segundos centradas en loscandidatos obtenidos en la etapa anterior. Finalmente, en la última etapa se aplicatambién el algoritmo BIC pero utilizando una ventana de tamaño fijo de 8 segundos,centrada en los candidatos obtenidos en la primera fase. Con la informaciónproporcionada por el detector de la segunda etapa acerca de la existencia o no de uncambio de plano en la imagen, se adapta dinámicamente el peso de penalización λ en elalgoritmo BIC. Si se detecta un cambio de plano se reduce el peso de penalización, encaso contrario dicho peso no se modifica. Al reducir este peso, se aumenta laprobabilidad de que el candidato sea aceptado como un verdadero cambio acústico. Elfactor por el que se reduce el peso depende de la fiabilidad de la frontera de plano deimagen detectada.3.2 Clasificación voz/no-vozUna vez realizada la segmentación en regiones acústicamente homogéneas, cada uno delos segmentos de audio obtenidos se clasifica como voz o como no-voz. Esta etapa esmuy importante para el resto del procesado a realizar, ya que sólo estamos interesadosen procesar segmentos de audio que contienen voz útil.Para realizar la detección de voz utilizamos una aproximación que utiliza unaclasificación de máxima verosimilitud basada en GMMs. Se han considerado cincoclases acústicas: música, voz limpia, silencio, ruido y voz ruidosa. De esta forma,aquellos segmentos que se clasifican como música, silencio, o ruido se descartan y sólopasan a la siguiente etapa de procesado los segmentos clasificados como voz.Los GMMs utilizados fueron de 32 gaussianas con matrices de covarianza diagonales.3.3 Clasificación hombre/mujerEste módulo clasifica cada uno de los segmentos de voz a la salida del clasificadorvoz/no-voz como hombre o como mujer. Para ello se utiliza también un clasificador demáxima verosimilitud basado en GMMs. Los GMMs utilizados fueron también de 32gaussianas con matrices de covarianza diagonales.Esta clasificación facilita la tarea de agrupamiento, ya que se pueden agrupar porseparado los hombres y las mujeres, evitando así que en un cluster se agrupensegmentos de ambos sexos.
Page 3: Para realizar el estudio propuesto
Page 8 and 9: uno de los presentadores habituales
Page 10: BIBLIOGRAFÍA[1] PÉREZ FREIRE, Lu

III Congreso de la Sociedad Española de Acústica Forense Página ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?