数学建模社区-数学中国

标题: 让机器听声音识别男女（机器学习的方法） [打印本页]

---

作者: 杨利霞    时间: 2020-5-14 21:54
标题: 让机器听声音识别男女（机器学习的方法）
让机器听声音识别男女（机器学习的方法）

1、简介

​         人能够很容易的听出说话人的性别，我们能不能让机器也像人一样，听声辨别性别？这个答案是肯定的，特别是随着人工智能算法的发展，识别性能是不断的提升。本实验就是通过声音识别男女性别。主要分为三个部分，第一是对声音文件进行特征提取，第二是通过机器学习方法建立男女性别分类模型，第三则是加载模型进行声音文件测试。

2、主体框架

file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image002.gif

声音文件：本文中采用的数据是预存为wav格式的录音文件，主要来自The Harvard-Haskins Database of Regularly-Timed Speech、FestvoxCMU_ARCTIC Speech Database at Carnegie Mellon University

特征提取：利用R语言实现，可以使用R语言的warbleR包，本文中使用的是一个开源的R语言函数包（末尾会提供），它能提取出20个特征（特征如下图），本文末尾会提供一个已经通过此脚本处理好的3000多条特征文件，可以直接加载训练模型。

file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image004.jpg

算法：本文中采用的是xgboost算法，测试准备率可达98%以上。

模型保存：为了方便测试使用，将训练得到的参数，保存下来，只用训练一次，测试时只需加载参数即可。

3、 所需环境

R语言（本文是在linux系统进行）

python2

rpy2（用来加载R函数，读取R语言的输出文件特征）

pickle(模型保存)

xgboost

4 代码

1 利用R语言脚本输出特征文件

import pandas as pd

import rpy2.robjects as robjects

from rpy2.robjects import r, pandas2ri

import os

os.chdir('home/qlmx')

data_list = []

#获取特征文件

def get_feature(fname):

   pandas2ri.activate()

   robjects.r.source('feature_extract.R')          #利用rpy2读取R脚本

   data_read = robjects.r.processFolder(fname) #得到数据文件

   data_read = pandas2ri.ri2py(data_read)                  #转化为python可以使用的数据

   return data_read

if __name__ == '__main__':

   file_name_list = os.listdir('data')                       #存放.wav格式声音的文件夹

   for file_name in file_name_list:

         data= get_feature(file_name)

       data_list.append(data)

   result = pd.concat(data_list)                     

   result['label'] = 'male'

   result.to_csv("male.csv", index=False)

   #result['label'] = 'female'

   #result.to_csv("female.csv", index=False)

注：该文件主要是用来构造训练过程中的特征文件，需要人为的标定male或者female。对生成的male.csv和female.csv文件再合并成为train.csv文件，用于训练。

2 获得训练model

#-*- coding:utf-8_*-  

import xgboost as xgb

import pandas as pd

import numpy as np

import sklearn

import pickle

import pprint

def xgb_score(preds,dtrain):

    labels = dtrain.get_label()

    return 'log_loss',sklearn.metrics.log_loss(labels, preds)

input_data =pd.read_csv('train.csv')

input_data =input_data.sample(frac=1)

gender = {'male' : 0,'female' : 1}

input_data['label'] =input_data['label'].map(gender)

cols = [c for c ininput_data.columns if c not in ['label']]

print cols

train =input_data.iloc[0 :3300]

test =input_data.iloc[3300 : ]

test_label =test['label']

test_label =np.array(test_label).reshape([-1 , 1])

del(test['label'])

fold = 1

for i in range(fold):

    params = {

        'eta': 0.01, #use 0.002

        'max_depth': 5,

        'objective': 'binary:logistic',

        'eval_metric': 'logloss',

        'lambda':0.1,

        'gamma':0.1,

        'seed': i,

        'silent': True

    }

    x1 = train[cols][0:3000]

    x2 = train[cols][3000:]

    y1 = train['label'][0:3000]

    y2 = train['label'][3000 : ]

    watchlist = [(xgb.DMatrix(x1, y1),'train'), (xgb.DMatrix(x2, y2), 'valid')]

    model = xgb.train(params, xgb.DMatrix(x1,y1), 1500,  watchlist, feval=xgb_score,maximize=False, verbose_eval=50, early_stopping_rounds=50) #use 1500

    if i != 0:

        pred +=model.predict(xgb.DMatrix(test[cols]), ntree_limit=model.best_ntree_limit)

    else:

        pred = model.predict(xgb.DMatrix(test[cols]),ntree_limit=model.best_ntree_limit)

        

pred /= fold

pre_label =np.zeros([pred.shape[0], 1])

for i inrange(pred.shape[0]):

    if pred >= 0.5:

        pre_label = 1

    else:

        pre_label = 0

acc = np.mean(np.equal(pre_label,test_label).astype(np.float))

print("the testacc is:", acc)

model_save =open('model.pkl', 'wb')    #保存模型

pickle.dump(model,model_save)

model_save.close()

3 测试声音

import xgboost as xgb

import pandas as pd

import numpy as np

import sklearn

import pickle

import pprint

import rpy2.robjectsas robjects

from rpy2.robjectsimport r, pandas2ri

import os

os.chdir('/home/qlmx')

#get feature file

defget_feature(fname):

    pandas2ri.activate()

    robjects.r.source('feature_extract.R')

    data_read = robjects.r.processFolder(fname)

    data_read = pandas2ri.ri2py(data_read)

    return data_read

if __name__ =='__main__':

    data_list = []

    model_save = open('model.pkl', 'rb')

    model = pickle.load(model_save)

    model_save.close()

    file_name_list = os.listdir('data')                   #读取声音文件

    for file_name in file_name_list:

        data = get_feature(file_name)

        data_list.append(data)

    test = pd.concat(data_list)

   

    pred = model.predict(xgb.DMatrix(test),ntree_limit=model.best_ntree_limit)

    print pred

    pre_label = np.zeros([pred.shape[0], 1])

    for i in range(pred.shape[0]):

        if pred >= 0.5:

            pre_label = 1

        else:

            pre_label = 0

    num = 0

    tlen = len(pre_label)

    for i in pre_label:

        num += i

    print 'female is;'+str(num)

    print 'male is:'+str(tlen-num)

    print (tlen-num)/tlen

    print num/tlen        

————————————————

版权声明：本文为CSDN博主「QLMX」的原创文章，遵循CC4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/u011599639/article/details/78943810

" @! {  `; X7 c+ p: M7 O. y& P

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5