基于深度学习的语音门禁系统设计

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名

邮箱

手机号码

标题

留言内容

验证码

基金项目:

上海工程技术大学研究生科研创新资助项目

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.
- 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

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