基于Kinect三维视觉的实时唇读技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 唇读技术的研究现状 | 第10-12页 |
| 1.2.2 基于三维信息的唇读研究现状 | 第12-13页 |
| 1.3 论文主要工作及贡献 | 第13-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第2章 数据采集及预处理 | 第17-23页 |
| 2.1 数据采集 | 第17-21页 |
| 2.1.1 语料库 | 第17-18页 |
| 2.1.2 硬件设备Kinect传感器 | 第18-21页 |
| 2.2 数据预处理 | 第21-23页 |
| 第3章 唇区定位与特征提取 | 第23-37页 |
| 3.1 唇区检测与定位 | 第23-24页 |
| 3.2 特征提取 | 第24-32页 |
| 3.2.1 坐标向量特征 | 第25-26页 |
| 3.2.2 几何比例特征 | 第26-27页 |
| 3.2.3 基于KNN选取角度特征 | 第27-28页 |
| 3.2.4 基于人脸模型选取的角度特征 | 第28-32页 |
| 3.3 特征规范化 | 第32-34页 |
| 3.4 基于KNN算法的特征评价选取 | 第34-37页 |
| 3.4.1 KNN分类算法简介 | 第34-35页 |
| 3.4.2 特征评选与融合 | 第35-37页 |
| 第4章 训练识别 | 第37-45页 |
| 4.1 基于KNN分类算法的训练识别 | 第37页 |
| 4.2 基于集成学习方法的训练识别 | 第37-45页 |
| 4.2.1 集成学习方法简介 | 第37-40页 |
| 4.2.2 常用集成学习方法介绍 | 第40-42页 |
| 4.2.3 基于集成学习的唇读实验方法介绍 | 第42-45页 |
| 第5章 实验结果及分析 | 第45-57页 |
| 5.1 特征评选实验 | 第45-51页 |
| 5.1.1 KNN分类器参数选取 | 第45-46页 |
| 5.1.2 特征规范化方式选取 | 第46-47页 |
| 5.1.3 坐标向量特征评选 | 第47-49页 |
| 5.1.4 几何比例特征评选 | 第49-50页 |
| 5.1.5 角度特征评选 | 第50-51页 |
| 5.1.6 特征融合 | 第51页 |
| 5.2 唇读实验 | 第51-57页 |
| 5.2.1 基于KNN的分类实验 | 第52页 |
| 5.2.2 基于集成学习的分类实验 | 第52-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 研究总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 发表论文和参加科研情况说明 | 第65-67页 |
| 致谢 | 第67-68页 |
