ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
60
ментов, приведенные ниже, подтверждают эффективность метода
смешивания различных модальностей:
EER, % FRR, %, при FRA=10 %
Лицо ………………………………...
5,9
3,2
Голос …………………......................
2,2
0,3
Обобщенное решение ……………...
0,1
0
Заключение.
В последнее время были достигнуты значительные
успехи в идентификации личности по голосу и другим модальностям.
Однако исчерпаны далеко не все резервы по повышению надежности
биометрической идентификации личности. Так, перспективными
направлениями развития идентификации личности являются повы-
шение качества предварительных исходных биометрических образ-
цов; извлечение более робастных идентификационных признаков и
их комбинаций; реализация мультимодального смешивания не на
уровне оценок, а на уровне признаков различной модальности.
СПИСОК ЛИТЕРАТУРЫ
1.
М а т в е е в Ю. Н., С и м о н ч и к К. К. Система идентификации дикторов по
голосу для конкурса NIST SRE 2010 // ГрафиКон’2010. Тр. 20-й Межд.
конф. по компьютерной графике и зрению. СПб: СПбГУ ИТМО, 2010.
С. 315–319.
2.
Л о х а н о в а А. И., С и м о н ч и к К. К., К о з л о в А.В. Алгоритм детекти-
рования музыкальных фрагментов в задачах речевой обработки // DSPA–
2010.
Тр. 12-й Межд. конф. «Цифровая обработка сигналов и ее примене-
ние». М., 2010. Т. 1. С. 210–213.
3.
Идентификация дикторов на основе сравнения статистик основного тона го-
лоса / С.Л. Коваль, П.В. Лабутин, Е.В. Малая и др. // Информатизация и ин-
формационная безопасность правоохранительных органов. Тр. XV Межд.
науч. конф. М.: Академия управления МВД России, 2006. С. 324–327.
4.
Comparison of Voice Activity Detection Algorithms for VoIP / R. Prasad et al. //
ISCC'02. Proc. 7th IEEE Symposium on Computers and Communications. Wash-
ington: IEEE Computer Society, 2002. P. 530.
5.
С и м о н ч и к К. К., Г а л и н и н а О. С., К а п у с т и н А. И. Алгоритм обна-
ружения речевой активности на основе статистик основного тона в задаче
распознавания диктора // Научно-технические ведомости СПбГПУ. 2010.
Т. 103. № 4. С. 18–23.
6.
П е х о в с к и й Т. С., Ш у л и п а А. К. Гибрид генеративных и дискримина-
тивных моделей для задачи диаризации в коротком телефонном диалоге //
SPECOM–2011. Proc. 14th Intern. Conf. «Speech and Computer». Kazan, 2011.
P. 389–394.
7.
K e n n y P., R e y n o l d s D., C a s t a l d o F. Diarization of Telephone Conver-
sations Using Factor Analysis // IEEE Journal of Selected Topics in Signal Pro-
cessing. 2010. Vol. 4. No. 6. P. 1059–1070.