تطبيق الطب الشرعي في التعرف الصوتي للمتكلم
##plugins.themes.bootstrap3.article.main##
الملخص
في هذه المقالة، نحن مهتمون بالتعرف على الصوت للمتحدثين باللغة العربية بهدف الطب الشرعي، أي في مجال علم الجريمة (RVC) على وجه الخصوص فيما يتعلق بالمهمتين الرئيسيتين، التعرف على صوت المتحدث باللغة العربية الشرعي (IVC) و المصادقة الصوتية لمتحدث اللغة العربية الشرعي (AVC) في الوضع المستقل عن النص. من الإشارات الصوتية لهؤلاء المتحدثين، يتم استخلاص المعلومات المتعلقة بهوياتهم عن طريق التحليل الرأسي MFCC (معاملات تردد ميل الترددية) مع الأخير عن طريق تقدير نماذج GMM (نماذج الخليط الغاوسي) لمكبرات الصوت القوية. وبالتالي، يمكن تحليل أثر الصوت ومقارنته بعد ذلك مع نماذج GMM من خلال تطبيق النهج البايزي، نسبة الاحتمالية (LLR)، من أجل السماح بتحديده والمصادقة عليه. تُظهر تجاربنا التي تم إجراؤها على نظام RVC أن GMM المكون من 32 Gaussians يكفي إلى حد كبير لتمثيل توزيع ناقلات مكبر صوت واحد (المجرم) بالإضافة إلى مادة التسجيل التي تعطي أداء أفضل لهذا النظام المتقن. وبالفعل حصلنا على نتائج مرضية. يمكن أن يساعد ذلك نظام العدالة على اتخاذ قرار من أجل حل مشاكل الطب الشرعي
##plugins.themes.bootstrap3.article.details##
المراجع
61
62
Ouassila Kenai, Mhania Guerti
[6]
[8]
[9]
Science Casework”, Science & Justice, 38(3), 198-202, Suisse 1998. Andrzej D.. Meuwly D. and Alexander A., “Statistical Methods and Bayesian In- terpretation of Evidence in Forensic Au- tomatic Speaker Recognition”, Speech Processing Group, the Forensic Science Service. Gonzales-Rodriguez J, Ortega-Garcia J. and Sanchez-Bote J., “Forensic Identifi- cation Reporting Using Automatic Bio- metric Systems”, Speech and Signal Pro- cessing Group (ATVS), DIAC, Spain 2005. Kanungo T. and Mount D. M., “An Effi- cient k-Means Clustering Algorithm: Analysis and Implementation”, IEEE transactions on pattern analysis and ma- chine intelligence, Vol. 24, N° 7. July 2002. Dempster A. P., Laird N-M and Rubin D- B., “Maximum-likelihood from incom- plete data via the EM algorithm”, J. Roy- al Statist. Soc. Ser. B, 39, 1997. [10] Bilmes J., Gentle, A. “Tutorial of the EM Algorithm and its Application to Parame- ter Estimation for Gaussian Mixture and Hidden Markov Models”, Report, Uni- versity of Berkeley, ICSI-TR-97-021, 1997. [11] Burget L., Matejka P., Schwarz P. Glembek O. and Cemocky J-H., “Analy- sis of Feature Extraction and Channel Compensation in a GMM Speaker Recognition System”, IEEE Transactions on Audio, Speech, and Language Pro- cessing, Vol 15, N° 7, 2007. [12] Amrous A-L, Debyeche M. and Krobba À.… “Coopération de connaissances dans les modéles de Markov cachés pour la re- connaissance de mots isolés arabes”, 1st International Conference on Image and Signal Processing and their Applications, Mostaganem, Algérie 2009. [13] Kenai O. and Guerti M., “Identification d’un Locuteur Arabophone en vue la Criminalistique”, | Third — International Conference on Industrial Engineering & Manufacturing, Université de Batna, 4-5,
2013.