基于卷积神经网络特征提取的病理语音识别

针对传统病理语音识别效率低的问题,提出了一种利用卷积神经网络语音特征的病理语音识别方法,实现了特征的自动提取。从原始语音信号中提取梅尔语谱图特征,并对原始图像进行数据增强。基于迁移学习的思想,对Alex Net网络进行微调和训练,并将图像输入到训练好的卷积神经网络中提取语句级特征,输出时由时域金字塔匹配进行统一降维,得到相同长度的语音特征。使用神经网络和支持向量机分类器分别对提取好的语音特征进行分类,以完成病理语音识别。实验结果表明,神经网络能够很好地提取复杂和抽象的特征,避免了前期复杂繁琐的数据处理和数据分析工作,同时与传统特征提取方法相比准确率有所提高。

基于图像识别的中老年人下肢动作运动参数提取方法研究

针对传统的运动参数提取方法一直存在提取误差大、耗时长的问题,提出基于图像识别技术的中老年人下肢动作运动图像参数提取方法,使人体运动行为识别能力得到提升。首先,结合中老年人下肢运动速度特征和三维运动形状的时空梯度自相关特征,计算出边缘梯度方向空间分布与梯度之间的自相关性,将时空自相关特征与视频运动特征相结合,使特征识别具备相应的数据条件;其次,人体下肢动作的视频图像数据是典型的时间序列数据,因此,基于人体骨架局部特征,利用训练数据能够构造完备字典,完成数据编码,运用时域金字塔匹配法对编码后的向量进行下肢动作运动图像特征参数提取与识别。实验结果证明,利用基于图像识别技术对中老年人下肢动作运动图像参数实现了准确有效的提取。