[发明专利]实时动态嘴唇跟踪方法

说明书

技术领域

本发明涉及的是一种图像处理和模式识别技术领域的方法，特别是一种实时动态嘴唇跟踪方法。

背景技术

近年来，自动化语音识别技术(Automatic speech recognition，ASR)取得了长足的进步，并形成了一系列较为成熟的产品，能够在信噪比较高的环境下得到较好的识别效果。然而，这些系统的性能往往受制于背景噪声的程度，在重噪声环境下，如车内、工厂、机场等等，这些系统所取得的效果常常不能令人满意。于是，越来越多的学者从音频以外的信源寻求提高语音识别效果的方法。McGurk效应(the McGurk effect)揭示了说话人讲述过程中声/视觉信息之间存在着密不可分的内在联系。因此，人们想到通过引入嘴唇运动这一视觉信息，辅助完成对于讲述内容的理解，该类语音识别系统称为自动化唇读系统。在上述系统中，首要并且最为关键的一个步骤是准确、快速地从视频中获取嘴唇运动变化情况，即实时嘴唇跟踪方法。其准确性和可靠性往往直接决定了一个唇读系统的性能优劣。

经过对现有技术文献的检索发现，A.Caplier在第11届国际图像分析和处理大会(Proceedings of 11th International Conference on Image Analysis and Processing，page 8-13)上发表的“嘴唇区域检测和跟踪”(Lip detection and tracking)，该文采用亮度边缘强度为检测嘴唇轮廓的标准，通过迭代的方法将嘴唇边缘收敛至最强边缘处。同时在合理嘴唇模型的限定下，保证了最终得到嘴唇模型的合理性。该技术的不足在于：第一，这是一种针对灰度(亮度)图像的嘴唇跟踪技术，由于缺乏色度信息，受光照情况影响较大；第二，该技术是依据嘴唇图像的亮度边缘，而边缘信息取决于图像的对比度，并且未化妆的嘴唇图像往往是低对比度的，造成边缘信息的不稳定。基于以上两点，该技术的准确性和鲁棒性都有待提高。

发明内容

本发明的目的在于克服现有技术的不足，提出一种实时动态嘴唇跟踪方法，使其实现对于讲话人嘴唇运动的获取和跟踪，在获取较高匹配准确率的同时，保证实时的处理速度。

本发明通过以下技术方案实现的：

本发明包括如下步骤：

步骤一，通过数码摄像机拍摄并获取包含嘴唇区域在内的图像序列。由于常用数码摄像机采集的颜色空间为RGB颜色空间，而该空间并非符合人眼色差视觉的均匀色彩空间。因此，需要将其转化为CIE-LAB均匀色彩空间，具体如下：

XYZ=0.4900.3100.2000.1770.8130.0110.0000.0100.990RGB]]>