Design of Voice Access Control System Based on Deep Learning
-
摘要: 基于深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN)设计一个嵌入式离线语音门禁系统.系统首先利用深度学习库TensorFlow搭建DS-CNN声学模型并完成模型训练,然后将训练好的模型移植到嵌入式平台实现离线式语音识别,最后根据识别结果控制继电器执行相应动作.为避免人工设计的滤波器在特征提取时造成信息损失,系统采用语音信号的语谱图作为声学模型输入,通过多层卷积单元自动提取说话人语音特征进行分类判断,并引入语音唤醒机制,保证系统的安全性和低能耗.系统测试结果表明,该门禁系统1次识别成功率达95%以上,平均响应时间满足设计要求,具有较好的实用性.
-
关键词:
- 深度可分离卷积神经网络 /
- 语音门禁系统 /
- 嵌入式平台 /
- 语音唤醒
点击查看大图
计量
- 文章访问数: 268
- HTML全文浏览量: 51
- PDF下载量: 75
- 被引次数: 0