|
平成２３年度から２４年度に実施した研究では，主に口形検出モジュールの構築と検出精度の改善を行った．発話映像中の基本口形（母音口形＋閉唇口形）の検出と，それぞれの口形が形成されている期間の検出の精度向上を行った．口形期間の自動検出にはオプティカルフローと呼ばれる方法を取り入れ，口唇周辺の動きの総量を計測することで，検出精度の向上につながった．結果的に，現段階での口形検出精度は約８３％と，当初目標としていた９０％にはとどかなかったが，初期の口形検出率からは約１３％向上した．
平成２５年度は，発話単語認識モジュールの構築を行った．入力した発話映像から検出した口形の順序と，認識対象単語の口形順序とを比較し，それらのマッチング数に応じて得点（スコア）を付与する．これにより，より高得点の単語が発話単語である確率が高くなる．しかしこの方式では，音が似ていて長さの少し異なる単語の場合に，同程度の得点になることがあり，判別が難しくなる．そこで，単語の口形数を考慮に入れた信頼率を導入し，それらの積によって発話単語の認識を行った．発話単語認識モジュールの評価として，４７都道府県名を対象にした単語認識実験を実施した．実験の結果，発話単語が第１位として認識された都道府県名は３６あり，約７７％の認識率となった．さらに，発話単語が上位５位以内に含まれる場合までみると，単語認識率は約８５％という結果になった．
これらの結果を踏まえ，平成２５年度は国内のシンポジウムで１件の発表を行った．また，これらの成果をまとめて，平成２６年度の国内シンポジウムと国際会議でそれぞれ１件の発表を行う予定である．
|
