基于高斯混合模型的说话人识别

语音数据经过预处理，提取特征参数，训练VQ模型，建立码本库，然后对测试数据集进行说话人识别，输出识别结果。

提出了一种改进的混合高斯背景模型方法,克服了传统混合高斯背景建模方法计算时间长的缺点。通过对视频图像中运动目标区域进行背景建模,减小了每一帧的背景建模区域,同时在提取运动目标区域前先对初提取的前景目标

混合高斯背景建模存在每个像素点都建立多个固定的高斯分布，在处理时会消耗大量的系统资源; 发生光照突变时，容易造成大面积误检;长时间静止物体转为运动时，容易产生“鬼影”现象等缺点，通过设置前后帧的学习速

用matlab实现说话人的识别,有具体的例子和代码,还有做界面的参考资料。

利用pytorch深度学习平台可以训练LSTM网络,其中pytorch高度集成,本代码展开了其中结构

本程序用于说话人识别，算法简单，计算量小

matlab平台上基于VQ码本的说话人识别技术，特征是MFCC。

基于hmm说话人识别与确认系统mfcc特征提取Hmmextractionbasedspeakerrecognitionandverificationsystemfeaturesmfcc

说话人识别源代码（DTW）

法国某大学有名的说话人识别开发包,每年的NIST比赛专用开发包。