陶京京，王丽荣

(1.长春理工大学 电子信息工程学院，长春 130022;2.长春大学 电子信息工程学院，长春 130022)

0 引言

从人类现代语音感知学的相关研究来看，听觉存在障碍的人或正常人在噪声环境下对于语音信息并不能完全获取，这样就需要通过表情信息来有效获取对方所表达的信息。对于语言障碍人群来说，文本驱动的可视语音技术无疑给他们的生活带来了一道新的曙光。

首先，对于听觉障碍患者而言，其不能完整接收另一方传递的语音信息。而人脸语音动画是将人类的语音信息与唇形、表情信息同步传输的，能够对其接收信息和识别信息起到极大的辅助作用，在很大程度上增强其对语音信息的识别效果。

其次，对于发声存在障碍的人而言，人脸语音动画系统能够通过生成与语音同步的信息来规范口型，并对唇部各种器官发生过程中的动作变化进行调整，从而起到矫正发音障碍患者的发音的作用。

虽然国内外学者在人脸特征获取方面取得很多成果，但将其直接应用于聋儿语言康复训练当中仍存在一些问题，上述方法中大多采用二维进行特征提取，在此过程中人脸图像受到很多因素的干扰:人脸表情的多样性，外在成像过程中的光照，图像尺寸，旋转，以及姿态变化等，导致即使同一个人，不同环境下拍摄的人脸图像也不相同，甚至会有很大的差异。为此，国内外学者已开始采用三维深度图像研究具有不变性的人脸识别系统，提出了一些方法，获得了一定成果，但目前针对该方法在聋儿康复方面的研究还很不充分。……