唇读技术属于生物识别领域的一种技术。唇读是通过利用视觉信息来补充听觉信息,进而提高计算机系统的理解能力。计算机唇读过程为:视频帧图像的获取、唇部定位、唇部特征提取、唇动识别。本文主要对这几个方面的内容进行了研究。针于唇部定位问题,首先检测出人脸区域。在YCr Cb颜色空间建立高斯概率模型来判定皮肤像素,利用二值图像投影法定位人脸的大致位置。为了确定唇部区域,在人脸已检测出来的情况下,基于人脸各个器官的分布特征,粗略地定位出唇部区域。并进一步基于Fisher判别法更准确地区分出唇色和肤色,精确地确定出唇部区域。针对唇部特征提取问题,为了获取唇部几何特征,先运用局部灰度最小的方法,搜索得到唇部的左右嘴角点。利用唇部结构的几何对称特征以及投影阈值分割等方法确定外唇轮廓的中点。唇部的几何特征通过这几个关键点之间的几何比例关系获得。另外唇部的像素特征运用主成分分析法获得。先基于主成分重构的方法确定特征唇的维数,最终确定特征唇的维数为60。然后利用主成分分析法提取唇部特征,每一帧唇部图像的像素特征用一个六十维的向量表示。在得到唇部特征之后,需要确定帧序列的始末位置以及对每帧唇部图像进行分类。首先运用基于特征值方差的方法来剪切视频帧序列,得到的始末位置存在一定的误差。针对这个问题,提出基于方差梯度的方法,剪切得到的结果证明了此方法的有效性和可行性。另外对每帧唇部图像进行分类时,为了改善K-mean算法对初始聚类中心敏感的问题,运用一种改进的K-mean算法对唇形进行分类。分类结果证明了此方法的有效性。对每帧图像分类编码后,得到后续识别模型的观测序列。最后,对于唇动识别问题,运用隐藏马尔科夫方法来进行训练和识别。首先录入了几个字和词的小样本库。然后运用Baum-Welch方法训练样本得到隐藏马尔科夫模型;运用前向算法计算模型概率获得识别结果。识别结果较为理想,证明了前面各环节采用方法的有效性和可行性。