唇读为人机自然交互和生物特征识别提供了一种新的途径,本文主要针对单独视觉通道唇读,重点研究为提高唇读理解的关键技术中的特征提取和语言模型问题。在唇区检测与定位方面简要介绍了自适应色度滤波模型,该模型通过对人脸区域的实时分析,自适应的找到唇色与肤色的聚类范围,从而修正唇色模型,提高了系统的鲁棒性和实用性。同时介绍了基于色度空间的Mean-Shift聚类算法,取得了满意的结果。特征提取在唇读中具有核心地位,目标就是得到低维、低冗余度且具代表意义的特征向量。本文主要研究基于像素的特征提取方法,提出一个级联的特征提取流程,首先对图像采用相应的变换,然后对变换结果降维,最后进行特征归一化。基于对几种变换方法的比较与分析,提出利用KL对DCT和Gabor小波变换结果降维的DCT-KL和Gabor-KL方法,最优识别率分别能达到77.4%和77.9%,与直接选择变换系数的方法相比识别率提高了约10%。在唇读训练和识别方面,利用半连续HMM模型对数据库中200个句子包括96个音进行训练和识别。对模型在唇读识别应用中的一些具体问题进行了探讨,建立了适合唇读的HMM模型。语言模型作为唇读的后处理模块,将直接影响唇读的识别率,本文提出统计语言模型在唇读中的两个应用,并给出相应的数学模型和算法。一是辅助唇读识别,利用HMM识别概率结合语言模型的统计概率进行识别,拼音识别率提高5%达到82.4%,句子识别率提高约20%达到51%;二是进行音字转换,解决同音字的问题,在拼音识别率82.4%的基础上,汉字识别率能够达到70%。