买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉万兴科技(湖南)有限公司申请的专利说话人识别方法、装置、电子设备、介质及程序产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119007731B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411098519.8，技术领域涉及：G10L17/02；该发明授权说话人识别方法、装置、电子设备、介质及程序产品是由王成设计研发完成，并于2024-08-09向国家知识产权局提交的专利申请。

本说话人识别方法、装置、电子设备、介质及程序产品在说明书摘要公布了：本申请提供一种说话人识别方法、装置、电子设备、介质及程序产品，该说话人识别方法，包括：对待识别视频进行场景检测，基于场景检测的结果将待识别视频分为多个视频分段；针对各视频分段，分离得到视频分段中的音频数据和视频帧；提取视频帧的人脸特征以及提取音频数据的音频特征；针对多个视频分段中场景切换的多个视频帧，提取多个视频帧的人脸深度特征，并计算多个视频帧中相邻视频帧的人脸深度特征的距离，得到跨场景距离特征；基于跨场景距离特征、人脸特征和音频特征，从视频分段包含的人脸中识别说话人。实现了逐场景进行说话人识别，同时结合跨场景特征实现人脸关联，克服了由于场景切换导致说话人识别准确度较差的问题。

本发明授权说话人识别方法、装置、电子设备、介质及程序产品在权利要求书中公布了：1.一种说话人识别方法，其特征在于，包括： 对待识别视频进行场景检测，并基于场景检测的结果将所述待识别视频分为多个视频分段； 针对所述多个视频分段中各视频分段，分离得到所述视频分段中的音频数据和视频帧； 提取所述视频帧的人脸特征以及提取所述音频数据的音频特征； 针对所述多个视频分段中场景切换的多个视频帧，提取所述多个视频帧的人脸深度特征，并计算所述多个视频帧中相邻视频帧的人脸深度特征的距离，得到跨场景距离特征； 基于所述跨场景距离特征、所述人脸特征和所述音频特征，从所述视频分段包含的人脸中识别说话人； 针对所述多个视频分段中场景切换的多个视频帧，提取所述多个视频帧的人脸深度特征，并计算所述多个视频帧中相邻视频帧的人脸深度特征的距离，得到跨场景距离特征，包括： 针对所述多个视频分段中场景切换的多个视频帧，提取所述多个视频帧的人脸深度特征和人脸框的方向梯度直方图特征； 融合同一视频帧的所述人脸深度特征和所述方向梯度直方图特征，得到视频帧的跨场景融合特征； 计算所述多个视频帧中相邻视频帧的跨场景融合特征的距离，得到所述跨场景距离特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人万兴科技(湖南)有限公司，其通讯地址为：410205 湖南省长沙市长沙高新开发区尖山路18号中电软件园二期第D5幢11层1101号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。