کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8942076 1645056 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Investigation of the effect of spectrogram images and different texture analysis methods on speech emotion recognition
ترجمه فارسی عنوان
بررسی اثر تصاویر اسپکترومبر و روش های مختلف تحلیل بافت در شناخت عواطف گفتاری
کلمات کلیدی
ترجمه چکیده
تشخیص حالت احساسی یک بخش مهمی از مطالعات متقابل انسان و ماشین است. ویژگی هایی که در تشخیص احساسات استفاده می شود از تغییرات تقلید های صورت و سیگنال های گفتاری حاصل می شود. در تشخیص عاطفه از عبارات صورت، عبارات صورت توسط روش پردازش تصویر پردازش می شوند. اگر تشخیص عاطفی از طریق گفتار انجام شود، گفتار با روش های پردازش سیگنال دیجیتالی می شود و ویژگی های مختلف گفتار از طریق تحلیل آکوستیک به دست می آید. با این حال، از آنجا که تغییر در ویژگی های حاصل از تحلیل آکوستیک با توجه به احساسات متفاوت است، میزان موفقیت کلی تغییر می کند. برای غلبه بر این محدودیت، مطالعه اثر تصاویر اسپکترومبر بر شناخت عاطفی یک حوزه مطالعه جاری است. هدف از این مطالعه بررسی اثرات روش های تجزیه و تحلیل بافت و تصاویر اسپکترومبر در شناخت عاطفه گفتار است. برای این منظور، تصاویر طیفی از گفتار با چهار روش تحلیل بافت متفاوت برای به دست آوردن مجموعه ویژگی ها پردازش شدند. میزان موفقیت برای شناخت احساسات مجموعه ویژگی های به دست آمده با استفاده از دستگاه های بردار پشتیبانی مورد آزمایش قرار گرفت. علاوه بر این، موفقیت روش های تحلیل بافت با روش های تحلیل آکوستیک مقایسه شد. نتایج نشان می دهد که روش های تجزیه و تحلیل بافت برای تشخیص عاطفه گفتار استفاده می شود. هنگامی که نتایج روش های تجزیه و تحلیل بافت با آنالیز های صوتی مقایسه شد، روش های تجزیه و تحلیل بافت منجر به کاهش 0.4٪ در موفقیت موفقیت شناخت احساسات شد. با این حال، استفاده ترکیبی از هر دو روش میزان موفقیت را افزایش داد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
پیش نمایش مقاله
بررسی اثر تصاویر اسپکترومبر و روش های مختلف تحلیل بافت در شناخت عواطف گفتاری
چکیده انگلیسی
Emotional state detection is an important part of human-machine interaction studies. The features used in emotion recognition are derived from the changes in facial mimics and speech signals. In emotion recognition from facial expressions, facial expressions are processed by image processing methods. If emotion recognition is performed via speech, speech is digitized by signal processing methods, and various features of speech are obtained by acoustic analysis. However, since the change in the features obtained by acoustic analysis is different according to emotion, the general success rate is changing. To overcome this limitation, the study of the effect of spectrogram images on emotional recognition is a current field of study. The purpose of this study is to investigate the effects of texture analysis methods and spectrogram images on speech emotion recognition. For this purpose, spectrogram images of speech were processed by four different texture analysis methods to obtain feature sets. The success rates for the emotion recognition of the obtained feature sets were experimentally investigated using support vector machines. In addition, the success of texture analysis methods was compared with acoustic analysis methods. The results have shown that texture analysis methods can be used for speech emotion recognition. When the results of the texture analysis methods were compared with those of the acoustic analysis, the texture analysis methods resulted in a 0.4% reduction in emotion recognition success rate. However, the combined use of both methods increased the success rate.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Acoustics - Volume 142, 15 December 2018, Pages 70-77
نویسندگان
,