一种人员密集环境下语音的语义解析方法

本发明公开了一种人员密集环境下语音的语义解析方法，包括：采集获取目标用户的语音信号数据、唇动视频流数据；提取唇部运动特征序列，将唇部运动特征序列映射为预测语音特征向量；输入声纹分离模型，从混合语音信号中分离目标用户的语音段，生成纯净语音数据特征；对纯净语音数据特征进行时域分割，获取单字的语音信号时域波形；将单字语音信号时域波形与声母、韵母时域波形库进行匹配，获取各字对应的拼音表达；对连续单字的拼音表达进行声调组合关联性分析，获取目标用户的语音段含义。本发明的优点在于：通过结合唇动视频流和语音信号数据，利用深度学习和声纹分离技术，有效提取目标用户的语音，显著提高了嘈杂环境下的语音识别准确性。