基于HMM与深度学习的唇读识别研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 本文结构 | 第12-14页 |
| 2 相关技术 | 第14-31页 |
| 2.1 人脸检测 | 第14-17页 |
| 2.1.1 基于AdaBoost的人脸检测算法 | 第14-15页 |
| 2.1.2 Haar-like特征 | 第15-17页 |
| 2.2 唇部定位 | 第17-20页 |
| 2.2.1 基于图像颜色的唇部定位 | 第17-18页 |
| 2.2.2 基于特征的唇部定位 | 第18-20页 |
| 2.3 特征提取 | 第20-22页 |
| 2.3.1 基于纹理的特征提取 | 第20-21页 |
| 2.3.2 基于形状的特征提取 | 第21-22页 |
| 2.4 关键点检测 | 第22-23页 |
| 2.5 隐马尔可夫模型 | 第23-27页 |
| 2.5.1 HMM简介 | 第23-25页 |
| 2.5.2 Viterbi算法 | 第25页 |
| 2.5.3 Baum-Welch算法 | 第25-27页 |
| 2.6 深度学习 | 第27-30页 |
| 2.6.1 卷积神经网络 | 第27-28页 |
| 2.6.2 深度置信网络 | 第28-29页 |
| 2.6.3 堆栈自编码网络 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 3 基于HMM的唇读识别 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 算法设计 | 第31-38页 |
| 3.2.1 语料库建立 | 第31-32页 |
| 3.2.2 数据采集 | 第32-33页 |
| 3.2.3 数据处理 | 第33-36页 |
| 3.2.4 模型设定 | 第36-38页 |
| 3.3 实验与分析 | 第38-43页 |
| 3.3.1 实验样本 | 第38页 |
| 3.3.2 实验策略 | 第38-41页 |
| 3.3.3 实验结果 | 第41-43页 |
| 3.3.4 结果分析 | 第43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 唇语解锁 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 算法设计 | 第45-47页 |
| 4.2.1 密码集合 | 第45-46页 |
| 4.2.2 数据采集 | 第46页 |
| 4.2.3 数据处理 | 第46-47页 |
| 4.2.4 模型设定 | 第47页 |
| 4.3 实验与分析 | 第47-52页 |
| 4.3.1 实验样本 | 第47页 |
| 4.3.2 实验策略 | 第47-51页 |
| 4.3.3 实验结果 | 第51页 |
| 4.3.4 结果分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-62页 |
