Nykyiset puheentunnistusjärjestelmät toimivat hyvin vain ilman taustamelua, mutta tarkkuus huononee esimerkiksi meluisilla paikoilla. Kun ohjelmaan liitetään Intelin kasvojen ja huulten liikkeitä havainnoiva teknologia, paranee puheentunnistusohjelmiston tarkkuus.
Intelin tutkijat ovat julkaisseet ohjelmistokehittäjille lisenssivapaasti käytettävän ohjelmiston, jonka avulla voidaan rakentaa ihmisten tapaan "huulilta lukevia" tietokoneita.
Intelin teknologiassa käytetään rinnakkain sekä video- että puhetunnistusta. Teknologiaa kutsutaan nimellä Audio Visual Speech Recognition (AVSR), mikä viittaa ohjelmistojen puheen- sekä kasvojentunnistuskykyyn.
"Intelin tavoitteena on kehittää teknologiaa, joka auttaa tietokoneita viestimään ympäröivän maailman kanssa yhtä luonnollisesti kuin, jos kyse olisi ihmisistä. Ihmisen viesti- ja tunnistusjärjestelmä perustuu harvoin vain yhdenlaiseen tietoon. Teemme päätöksiä monista eri lähteistä saamiemme tietojen pohjalta", sanoo Justin Rattner, Intel senior fellow yritysjärjestelmät-yksiköstä ja mikroprosessori-tutkimuslaboratorion johtaja.
AVSR-ohjelmistot ovat osa Intelin OpenCV computer vision library -työkalupakkia, joka sisältää yli 500 sovelluskehittäjien apuvälineiksi tarkoitettua kuvantamistoimintoa. Ohjelmistokehittäjät käyttävät OpenCV-koodia sovelluksissa, jotka vaihtelevat leluista teolliseen tuotantoon.
"Kasvojen- ja puheentunnistuksen mahdollistavan koodin lisääminen työkaluihimme vauhdittaa varmasti tutkimus- ja kehitystyötä aiheen ympärillä", uskoo Rattner.
Intelin arvion mukaan nopeammat prosessorit, edullisemmat kamerat ja laajemmat videokaistat, kuten usb 2.0 -väylä, tuovat konenäön myös perusmikroihin.
OpenCV otettiin käyttöön vuonna 2000 ja tämän jälkeen on tapahtunut yli 500 000 koodin latausta - rekisteröityneitä jäseniä on yli 5 000. Ohjelmistoon kuuluu C-lähdekoodi kaikkiin OpenCV-toimintoihin sekä maksuton jälleenjakelulisenssi.