| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 唇语识别技术的发展 | 第12-14页 |
| 1.3.1 传统的唇语识别技术的发展 | 第12-13页 |
| 1.3.2 基于深度学习的唇语识别技术的发展 | 第13-14页 |
| 1.4 本文主要内容安排 | 第14-15页 |
| 第2章 唇语识别相关工作与技术 | 第15-26页 |
| 2.1 基于Faster R-CNN的人脸检测算法 | 第15-17页 |
| 2.2 基于特征的唇部定位方法 | 第17-18页 |
| 2.3 神经网络的视觉特征提取 | 第18-20页 |
| 2.4 时序特征的提取 | 第20-22页 |
| 2.5 分类算法 | 第22-25页 |
| 2.5.1 基于SVM的分类 | 第23-24页 |
| 2.5.2 基于Softmax的分类 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于长短时记忆网络的唇语识别 | 第26-37页 |
| 3.1 唇部检测 | 第26-29页 |
| 3.1.1 基于唇语视频形状信息的方法 | 第27-28页 |
| 3.1.2 基于唇语视频外表信息的方法 | 第28-29页 |
| 3.2 唇部分割与对齐 | 第29-31页 |
| 3.3 基于HOG的唇动视觉特征提取 | 第31-33页 |
| 3.4 实验结果分析 | 第33-36页 |
| 3.4.1 唇语视频的处理方法实验结果 | 第33-34页 |
| 3.4.2 GRID上的不同方法实验结果 | 第34-35页 |
| 3.4.3 不同扰动因子下的实验结果 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于卷积神经网络的唇语识别 | 第37-48页 |
| 4.1 算法概述 | 第37-38页 |
| 4.2 卷积神经网络的关键点检测 | 第38-42页 |
| 4.2.1 常见的关键点检测方法 | 第39-40页 |
| 4.2.2 基于Faster R-CNN的关键点检测 | 第40-42页 |
| 4.3 基于LSTM的唇语识别 | 第42-43页 |
| 4.4 实验结果分析 | 第43-47页 |
| 4.4.1 MIRACL-VC上的实验结果 | 第43-45页 |
| 4.4.2 GRID上的实验结果 | 第45页 |
| 4.4.3 OuluVS上的实验结果 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读学位期间发表的学术成果 | 第54-55页 |
| 致谢 | 第55页 |