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
期刊类型引用(2)
1. 余秀普,高明,陈嘉铭,张伟阳,周航,张凌翰,成银龙. 基于人脸识别和热成像门禁系统的研究与设计. 职业技术. 2021(09): 98-103 . 百度学术
2. 刘翔. 基于多模态生物特征识别的电力控制室门禁系统. 电子技术应用. 2021(S1): 401-405 . 百度学术
其他类型引用(3)
-

计量
- 文章访问数: 329
- HTML全文浏览量: 70
- PDF下载量: 98
- 被引次数: 5