基于音视频的双模态语音识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·本课题的研究背景和意义 | 第8-9页 |
| ·课题的背景 | 第8页 |
| ·研究的意义 | 第8-9页 |
| ·音视频双模态语音识别概述 | 第9-12页 |
| ·国内外研究现状 | 第9-10页 |
| ·音视频双模态语音识别的应用 | 第10-12页 |
| ·本文的研究内容与结构 | 第12-13页 |
| 2 音频信号处理 | 第13-28页 |
| ·语音信号预处理 | 第13-14页 |
| ·语音信号数字化 | 第13-14页 |
| ·预加重 | 第14页 |
| ·分帧和加窗 | 第14页 |
| ·语音端点检测 | 第14-24页 |
| ·传统的双门限端点检测算法 | 第15-17页 |
| ·本文改进的语音端点检测算法 | 第17-19页 |
| ·实验结果与分析 | 第19-24页 |
| ·语音特征提取 | 第24-27页 |
| ·语音特征参数 | 第24-25页 |
| ·LPCC参数和MFCC参数 | 第25页 |
| ·MFCC特征参数提取过程 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 视频信号处理 | 第28-43页 |
| ·人脸检测与嘴唇区域粗定位 | 第28-29页 |
| ·基于OpenCV的人脸检测技术 | 第28-29页 |
| ·检测效果 | 第29页 |
| ·嘴唇分割 | 第29-37页 |
| ·色彩空间介绍 | 第29-31页 |
| ·经典嘴唇分割算法 | 第31-32页 |
| ·基于Lab空间的嘴唇分割算法 | 第32-37页 |
| ·嘴唇轮廓特征提取方法 | 第37-42页 |
| ·基于模型的方法 | 第37-39页 |
| ·基于像素的方法 | 第39页 |
| ·混合特征提取方法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 4 音视频融合及识别 | 第43-58页 |
| ·音视频融合 | 第43-44页 |
| ·音视频融合方法 | 第43-44页 |
| ·基于加权的音视频决策融合 | 第44页 |
| ·语音识别算法 | 第44-48页 |
| ·语音识别模型 | 第44-45页 |
| ·DTW语音识别算法 | 第45-47页 |
| ·改进的DTW算法 | 第47-48页 |
| ·音视频双模态语音识别系统的设计与测试 | 第48-57页 |
| ·音视频双模态语音识别系统设计 | 第48-51页 |
| ·系统性能测试与分析 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·未来展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 申请学位期间的研究成果及发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
