Opencv 检测视频中是否有人在讲话

我试图找出如何检测我在视频中确认的人是否在说话。我正在使用一些张贴的多人多摄像头跟踪代码来检测个人，我想确定在任何给定时间是否有人在说话。有人知道哪些好的简历项目可以做到这一点吗？我在动作识别文献中搜寻了一些，但没有找到任何似乎能直接解决这个问题的东西。只需要通过视频来检测说话

在一个开源库中有一个人脸姿势估计的示例

从图中可以看出：嘴唇周围有线条。通过深入示例的源代码，您可以在自己的环境中尝试此示例时跟踪嘴唇的运动，您将看到覆盖嘴唇的线条也随着嘴唇的运动而移动

---

到目前为止，您尝试了什么？您是否有口腔跟踪和/或头部跟踪功能？你会同时分析音量和频率吗？