巡视监督背景下语音与微表情的融合审计探索
发布时间:2021-07-28 23:24
近年来,审计机关除了在日常审计工作中需要开展个别访谈外,也有越来越多的审计人员参与到巡视的访谈工作中。但是,审计机关的信息化建设侧重点大多偏向文本等结构化数据的分析运用,对于访谈中语音和微表情信息的异常情况无法及时做出科学判断。在此背景下,本文提出一种面向语音与微表情信息异常性的深度分析方案,并进行深入研究,为审计机关获取语音及微表情信息的准确性、时效性提供了强有力的支撑。
【文章来源】:江苏通信. 2019,35(04)
【文章页数】:4 页
【部分图文】:
语音信号的特征提取和模式匹配图1语音异常性分析技术路线示意图在语音异常性
?SHREVEM指出在进行微表情异常性分析时应当引入光流阈值,从而实现微表情的检测功能;文献《TheMachineKnowsWhatYouareHiding:AnAutomaticMicro-ExpressionRecognitionSystem》提出了一种借助支持向量机和Gabor(Gabor函数是用于边缘提取的线性滤波器)滤波的微表情异常性分析方案。一个完整的微表情异常性分析过程一般包含以下四个步骤:(1)样本采集;(2)预处理;(3)特征提取;(4)分类。技术路线如图2所示。其中,特征提取和分类是成功分析微表情异常性的关键步骤。在特征提取步骤中,针对序列图像需要对形变特征和帧间运动数据进行联合分析;而分类则需要考虑算法的识别精度、成本花费(时间成本、推广成本等),目前的主流算法有随机森林算法和支持向量机算法等。图1语音异常性分析技术路线示意图图2微表情异常性分析技术路线示意图
本文编号:3308851
【文章来源】:江苏通信. 2019,35(04)
【文章页数】:4 页
【部分图文】:
语音信号的特征提取和模式匹配图1语音异常性分析技术路线示意图在语音异常性
?SHREVEM指出在进行微表情异常性分析时应当引入光流阈值,从而实现微表情的检测功能;文献《TheMachineKnowsWhatYouareHiding:AnAutomaticMicro-ExpressionRecognitionSystem》提出了一种借助支持向量机和Gabor(Gabor函数是用于边缘提取的线性滤波器)滤波的微表情异常性分析方案。一个完整的微表情异常性分析过程一般包含以下四个步骤:(1)样本采集;(2)预处理;(3)特征提取;(4)分类。技术路线如图2所示。其中,特征提取和分类是成功分析微表情异常性的关键步骤。在特征提取步骤中,针对序列图像需要对形变特征和帧间运动数据进行联合分析;而分类则需要考虑算法的识别精度、成本花费(时间成本、推广成本等),目前的主流算法有随机森林算法和支持向量机算法等。图1语音异常性分析技术路线示意图图2微表情异常性分析技术路线示意图
本文编号:3308851
本文链接:https://www.wllwen.com/guanlilunwen/shenjigli/3308851.html