hk349 gmm/高斯混合模型和瞳孔追踪

    求书，找书，请发站内短信给管理员，手机阅读更精彩，手机直接访问 m.bqg8.cc

    .    石磊准备的第二操作系统，是基于gmm/高斯混合模型的计算方式，主要用于开发语音系统。

    所谓的高式混合模型，是一种用高斯概率密度函数精确的量化事务，将一个事务分解成若干个高斯概率密度函数，也就是正态分布曲线，而形成的一种模型。

    gmm模型通常用作语音识别，在计算机领域中，获得了广泛的应用。虽然gmm模型制作的语音识别，会有大约20-30的错误识别率，但只要语音足够标准，而且配合行为动态识别引擎监控唇语，这个错误识别率会大大的降低。

    唇语方面的嘴唇行为动态，通过行为动态识别引擎，完全可以捕捉成功的识别。至于语音命令足够标准，那就不是石磊可以控制的了，毕竟各地方言不同，只能基于普通话为标准。

    石磊可以肯定的给予回应，想要玩好《勇者世界》，那么一定要有一口标准的普通话。也许随着《勇者世界》的风靡，在夏国境内，还会掀起一股学习普通话的热潮呢！

    如果真是这样，《勇者世界》有可能会得到夏国官方的推荐，若真的可以得到官方推荐，那《勇者世界》绝对会飞黄腾达！

    gmm高斯混合模型并不复杂，在自然语言处理中，这只是浅层学习神经网络。在零六年的时候，加拿大多伦多大学的教授，在顶级科学刊物《科学》上，发布了一篇名为学术论文，其中介绍了深层学习神经网络的问题。很多隐层的人工神经网络具备优秀的特征学习能力，学习得到的特征对数据有更本质的刻画。这就是与浅层学习神经网络对应的深层学习神经网络。

    石磊重生之前，2012年的时候，由斯坦福大学和一名大规模计算机系统专家，共同使用16000个core.cpu，建造的名为deep.neural.works/深层神经网络模型，曾经做出过从英文同声翻译至夏国语，这个翻译过程十分流畅，根本没有半分卡顿，错误率方面连百分之一都不到！

    天使议会的那个伪人工智能，便是使用dnn深层神经网络模型构建的！

    可惜石磊暂时没有时间，开发基于dnn的深层神经网络模型，只能做基于gmm的浅层神经网络，制作语音识别系统，然后利用行为动态识别引擎，识别唇语的方案，减少识别错误率。

    关于语音系统，开发出来之后，不仅仅可以引用在《勇者世界》中，还可以应用在很多方面。

    特别是结合行为动态识别引擎之后，那就是一个十分强悍的系统。拥有语音识别系统后，石磊便可以语音控制计算机。

    到时候，石磊甚至可以一个人模拟两个人的进攻，也可以自己和自己战斗，为他自己的身份做更好的掩饰。

    还有一些监控系统，也可以做到更好的程度。比如医疗监控系统，某些不能动弹的患者却可以说话，那么这样的患者，就可以通过语音进行操作医疗系统，呼唤护士或者医生等等服务。

    关于基于gmm的语音系统，在石磊心中，还有一个想法，那就是

    回归开发《勇者世界》的主题，在拥有行为动态识别引擎，以及gmm语音系统辅助配合，才可以形成真正的体感游戏。

    至于另一个难点，人物动作系统的问题，石磊打算开发第三辅助操作系统。也就是利用行为动态识别引擎，专门追踪玩家的瞳孔，然后利用软件计算，确定玩家的视线焦点。

    关于瞳孔追踪技术，目前这个年代还没有被申请专利，石磊正好可以将这项技术霸占过来。这项技术原本的专利人是诺基亚，只可惜后世诺基亚衰落，全面被安卓秒杀。

    瞳孔追踪技术，应用在《勇者世界》中，好处有很多。结合行为动态识别引擎、gmm语音系统，便可以完美的实现一些高难度的体感操作动作。

    比如说轻功，在现实中，玩家绝对不可能实现的体感操作。举一个例子说明，如果玩家在一处悬崖峭壁上，想要使用轻功飞身下去。

    这个时候，使用体感操作，总不可能找一个地方跳下去吧？于是，瞳孔追踪技术就可以应用上来，使用瞳孔追踪技术，然后小幅度的跳跃动作，就可以从悬崖上跳下去。

    至于悬崖的各处落脚点，则需要玩家的焦点视线确定，然后根据瞳孔追踪技术，将游戏中的人物对应控制过去。

    再举一个例子说明，比如说《勇者世界》中，飞刀投掷或者是弓箭攻击，以及其他的暗器投掷，玩家虽然可以轻松的做出这些动作，但总不能随便乱丢一个方向吧？

    如果乱扔一个方向，根据行为动态识别引擎，虽然可以强制判断锁定目标，但面对多个目标的时候呢？那就会无能为力了！

    如果拥有了瞳孔追踪技... -->>
本章未完，点击下一页继续阅读