随着计算机技术的快速发展和各种智能设备的普及,人们对人机交互的需求也越来越多。在所有人机交互方式中,通过语言来进行交互显然是方便和高效的。传统的基于音频的语音识别,在一些环境中识别效果不很理想,因此,本文在单纯依靠唇部视觉特征进行语言识别方面进行了研究。本文的研究内容主要从嘴唇区域分割、视觉特征提取和语言分类实验方面展开。在嘴唇分割方面,通过采集包含有讲话者人脸的图像,应用OpenCV人脸检测技术,对人脸进行了定位,然后对包含有嘴唇区域的图像进行粗分割。之后通过在Lab和HSV颜色空间中进行操作,将嘴唇和周围皮肤像素点分离开来,从而实现嘴唇区域的提取和分割。在嘴唇部位视觉特征提取方面,在嘴唇区域分割的基础上进行嘴唇关键点的提取。由于分割出来的嘴唇区域在嘴角部位的误差往往比较大,因此对嘴角定位算法进行了改进,使嘴角定位更加准确。之后在唇部提取到所有关键点的基础上进行了嘴唇建模,并实现唇部几何特征的提取。唇部像素特征提取采取了分块进行离散余弦变换(DCT)的方法,最后将唇部的几何特征和像素特征进行融合,并通过实验验证了考虑两种特征后的识别准确率要比单独使用几何或者像素特征的识别率有所提高。在得到单幅唇部图像视觉特征的基础上,加入了一阶差分特征,使得人说话时嘴唇的动态信息也被包含进来。最后,在选择分类识别算法方面,由于本文语言样本量较小,所以选取在小样本数据集下可以取得良好分类效果的支持向量机(SVM),通过应用SVM进行了语言分类实验,实验结果表明本文单纯依靠唇部视觉特征进行的语言识别有较好的识别性能,具有一定的研究价值。