| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 附图索引 | 第12-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-22页 |
| ·课题的研究目的与意义 | 第14-15页 |
| ·课题的研究现状 | 第15-18页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-18页 |
| ·现有会议室环境研究项目简介 | 第18-19页 |
| ·Interactive Multimodal Information Management | 第18页 |
| ·Computer in the Human Interaction Loop | 第18页 |
| ·Augmented Multimodal Interaction | 第18-19页 |
| ·其他类似研究项目 | 第19页 |
| ·现有仿真语料库介绍 | 第19-20页 |
| ·本文的主要内容和各章节安排 | 第20-22页 |
| 第2章 基于音频信息的多说话人识别 | 第22-38页 |
| ·滤波与语音增强技术 | 第22-25页 |
| ·维纳滤波技术 | 第22-23页 |
| ·倒谱均值相减技术 | 第23页 |
| ·语音波束叠加与到达时间延迟 | 第23-25页 |
| ·常用音频特征简介 | 第25-27页 |
| ·线性预测系数 | 第25页 |
| ·线性预测倒谱系数 | 第25-26页 |
| ·Mel 频率倒谱系数 | 第26-27页 |
| ·语音/非语音检测技术 | 第27-28页 |
| ·基于能量的语音/非语音检测 | 第27页 |
| ·基于模型的语音/非语音检测法 | 第27-28页 |
| ·说话人分割 | 第28-31页 |
| ·基于似然度的分割技术 | 第29-31页 |
| ·其他分割技术 | 第31页 |
| ·说话人聚类 | 第31-35页 |
| ·自下而上的聚类技术 | 第32-33页 |
| ·自上而下的聚类技术 | 第33页 |
| ·敌友聚类 | 第33-35页 |
| ·现有说话人识别系统介绍 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 基于视频信息的说话人检测与识别技术 | 第38-43页 |
| ·常见说话人视频特征简介 | 第38-39页 |
| ·指纹特征 | 第38页 |
| ·虹膜特征 | 第38-39页 |
| ·人脸特征 | 第39页 |
| ·人脸活动检测技术 | 第39-42页 |
| ·背景消减法 | 第39-40页 |
| ·帧间差分法 | 第40-41页 |
| ·光流检测法 | 第41页 |
| ·边缘检测法 | 第41-42页 |
| ·运动矢量法 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 实验过程与仿真结果 | 第43-64页 |
| ·利用非语义特征识别多人会议中的最主要说话人 | 第43-50页 |
| ·引言 | 第43-44页 |
| ·实验数据与实验方法 | 第44-45页 |
| ·结果与讨论 | 第45-49页 |
| ·结论与展望 | 第49-50页 |
| ·基于GMM 的多说话人识别系统 | 第50-57页 |
| ·引言 | 第50-51页 |
| ·系统结构描述 | 第51-53页 |
| ·实验语料库介绍 | 第53页 |
| ·实验结果与讨论 | 第53-56页 |
| ·结论与展望 | 第56-57页 |
| ·基于帧差法的说话人面部活动检测技术 | 第57-61页 |
| ·引言 | 第57页 |
| ·实验过程介绍 | 第57-58页 |
| ·实验结果与讨论 | 第58-60页 |
| ·结论与展望 | 第60-61页 |
| ·音频视频特征的融合与多说话人的识别 | 第61-64页 |
| ·引言 | 第61页 |
| ·实验过程介绍 | 第61页 |
| ·实验结果与讨论 | 第61-63页 |
| ·总结与展望 | 第63-64页 |
| 总结与展望 | 第64-67页 |
| 总结 | 第64-65页 |
| 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读硕士学位期间参与的科研项目与发表的学术论文 | 第73页 |
