基于深度学习的语音门禁系统设计

张学祥, 吕文豪, 闻一波, 吴 皓, 雷菊阳

(上海工程技术大学 机械与汽车工程学院, 上海 201620)

信息化时代,传统磁卡式或密码验证式的门禁系统存在易复制、易泄露等安全隐患,智能化程度不高,无法满足用户需求以及有效应对不断升级的安防威胁[1].目前市场上传统的门禁系统,根据不同的需求主要采用生物识别技术为主的识别方式,而语音识别作为重要的生物识别技术之一,在智能门禁应用领域具有广阔的发展空间.随着基于深度学习的语音识别技术的不断突破,语音逐渐成为与消费电子设备进行交互的一种更自然的方式.然而,在线语音识别系统并不节能,将数十亿台电子设备的连续音频流传输到云端还可能导致网络拥塞.

本文设计一种基于深度学习库TensorFlow Lite和深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN)的嵌入式离线语音门禁系统,通过将电脑终端(PC端)训练好的声学模型移植到嵌入式系统而实现离线语音识别控制.与传统的特定人孤立词语音识别算法[2]相比,基于DS-CNN的语音识别模型可以实现非特定人的语音识别;与基于TCP/IP协议的网络门禁控制方法[3]相比,嵌入式离线门禁系统不仅可以节省宽带费用,同时也可以减少识别的延迟,使用户的隐私更为安全.

1 系统总体架构设计

系统主要由语音采集模块、嵌入式处理系统、继电器控制模块以及PC端等4部分组成,如图1所示.PC端对说话人语音进行训练并建立声学模型,再将声学模型移植到嵌……