无需脚本的动态字幕生成中的关键技术研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.3 系统概述 | 第19-21页 |
| 1.4 论文的创新点及章节安排 | 第21-23页 |
| 1.4.1 本文的研究创新点 | 第21-22页 |
| 1.4.2 本文章节内容安排 | 第22-23页 |
| 第二章 相关理论 | 第23-30页 |
| 2.1 自动语音识别 | 第23-27页 |
| 2.1.1 动态时间规整算法 | 第23-25页 |
| 2.1.2 隐马尔可夫模型 | 第25-27页 |
| 2.2 人脸检测与唇动分析 | 第27-29页 |
| 2.2.1 人脸检测 | 第27-28页 |
| 2.2.2 唇动分析 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 说话人分割聚类技术 | 第30-54页 |
| 3.1 引言 | 第30-32页 |
| 3.1.1 说话人分割聚类系统概述 | 第30-31页 |
| 3.1.2 本章内容安排 | 第31-32页 |
| 3.2 参数提取与话者建模 | 第32-35页 |
| 3.2.1 语音参数的提取 | 第32-33页 |
| 3.2.2 话者模型的建立 | 第33-35页 |
| 3.3 距离测度的选择与聚类停止准则 | 第35-38页 |
| 3.3.1 距离测度 | 第35-37页 |
| 3.3.2 贝叶斯判据简介 | 第37-38页 |
| 3.4 说话人分割 | 第38-44页 |
| 3.4.1 本章选用的算法 | 第38-40页 |
| 3.4.2 实验及分析 | 第40-44页 |
| 3.5 说话人聚类 | 第44-50页 |
| 3.5.1 本章选用的算法 | 第45-46页 |
| 3.5.2 实验及分析 | 第46-50页 |
| 3.6 分割聚类系统的实验及分析 | 第50-53页 |
| 3.6.1 系统的评价指标 | 第50-51页 |
| 3.6.2 实验及分析 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第四章 人脸与字幕的匹配 | 第54-69页 |
| 4.1 语音序列与图像序列的预处理 | 第54-56页 |
| 4.2 “只有一个人说话”时的人脸与语音的匹配 | 第56-58页 |
| 4.3 特殊情况下的人脸与语音的匹配 | 第58-60页 |
| 4.4 语音盲源分离技术 | 第60-68页 |
| 4.4.1 ICA | 第60-61页 |
| 4.4.2 FastICA | 第61-62页 |
| 4.4.3 本文使用的方案 | 第62-63页 |
| 4.4.4 实验及分析 | 第63-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文的工作总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第77页 |
