文献类型：期刊文章

作　　者：刘鹏[1] 王作英[1]

机构地区：[1]清华大学电子工程系网络与人机语音通信研究所,北京100084

出　　处：《中文信息学报》

基　　金：国家 8 6 3计划资助项目 (2 0 0 1AA1 1 4 0 71 )

年　　份：2004

卷　　号：18

期　　号：4

起止页码：79-84

语　　种：中文

收录情况：BDHX、BDHX2000、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：本文对在汉语多模式汉语语音识别系统中利用视觉特征进行了研究 ,给出了基于多流隐马尔科夫模型 (Multi streamHMM ,MSHMM)的听视觉融合方案 ,并对有关视觉特征的两项关键技术 :嘴唇定位和视觉特征提取进行了详细讨论。首先 ,我们研究了基于模板匹配的嘴唇跟踪方法 ;然后研究了基于线性变换的低级视觉特征 ,并与基于动态形状模型的特征作了比较 ;实验结果表明 ,引入视觉信息后无噪环境下语音识别声学层首选错误率相对下降 36 0 9% 。

关 键 词：计算机应用 中文信息处理 多模式 听一视觉融合  视觉特征提取  鲁棒性

分 类 号：TP391]