论文部分内容阅读
首先描述了智能环境下一种基于语音和人脸图像的双模态的身份辨识系统；然后在基于语音的说话人辨识中采用改进的基于语音段的高斯混合模型，在基于人脸的身份辨识中利用K近邻法对整个视频序列而非单个静止图做判决；最后在评分层通过对双模态输出的评分进行规整和加权组合实现融合．实验表明，音视频双模态融合能有效提高身份辨识系统的正确率．