| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2012-03-08 12:45 横顔の発話シーンを用いた口形コード法に基づく単語読唇 ○沖田慎介・佐藤優輝・菅田雄希・田阪琢朗・浜田 望（慶大）  CAS2011-112 SIP2011-132 CS2011-104 |
|
| 抄録 | （和） | 本研究では、読唇手法のひとつである口形コード法を発話者の横顔の発話シーンから得られた形状特徴量時系列に適用し、従来の母音キーフレームに追加して子音キーフレームの自動検出法を提案する．上下唇の距離と下唇突起長の差分値である横顔形状特徴量の時間的変化より子音キーフレームを検出することで、従来の母音のみによる口形コード時系列推移表現を拡張する．キーフレームの口形認識は、上唇高さ,下唇高さ,上唇突起長,下唇突起長,口唇角度の５特徴量を用いて行う．これより得られる単語コード列と候補単語のコード列に対して、DPマッチングを行い、最近傍となる候補単語を発話単語として推定する．常用27単語と類似単語10ペアの認識対象単語群を用いて２つの認識実験を行った結果、それぞれ 90.4%, 86.7% の高い認識率を得た． |
| （英） | In this paper, we apply mouth-shape-approach to Japanese speaker’s utterance profile for lip reading.The novel point is to propose automatic detection of consonant-key-frames. To detect the consonant-key-frames by time series of profile feature vector which is defined the difference value of distance of lips and projection length of lower lip. This approach provides an extension of mouth-shape-code time series. The mouth-shape recognition of key-frames is conducted by five profile shape features; the height of upper lip and lower lip, the projection length of upper and lower lip points, and the angle of lips. We apply DP-matching to the recognized word code string of key-frames and a candidate word code string, then search the nearest word as the result. Recognition experiments using two sets of target 27 words commonly used in dairy conversation, and adding 10 pairs of similar words to them are conducted. The proposed method attained 90.4%, and 86.7% for these word set respectively． | |
| キーワード | （和） | 単語読唇 / 口形コード法 / キーフレーム検出 / 横顔 / 画像処理 / / / |
| （英） | lip reading / mouth-shape-code / key-frame / profile / image processing / / / | |
| 文献情報 | 信学技報, vol. 111, no. 466, SIP2011-132, pp. 31-36, 2012年3月. | |
| 資料番号 | SIP2011-132 | |
| 発行日 | 2012-03-01 (CAS, SIP, CS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CAS2011-112 SIP2011-132 CS2011-104 |
|
| 研究会情報 | |
| 研究会 | CAS CS SIP |
| 開催期間 | 2012-03-08 - 2012-03-09 |
| 開催地（和） | 新潟大学駅南キャンパス「ときめいと」 |
| 開催地（英） | The University of Niigata |
| テーマ（和） | ネットワークプロセッサ，通信のための信号処理，無線LAN/PAN，一般 |
| テーマ（英） | Network Processor, Signal Processing for communication, and Wireless LAN/PAN, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2012-03-CAS-CS-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 横顔の発話シーンを用いた口形コード法に基づく単語読唇 |
| サブタイトル（和） | |
| タイトル（英） | Word lip reading from scenes of speaker's utterance profile based on mouth-shape-code approach |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 単語読唇 / lip reading |
| キーワード(2)（和/英） | 口形コード法 / mouth-shape-code |
| キーワード(3)（和/英） | キーフレーム検出 / key-frame |
| キーワード(4)（和/英） | 横顔 / profile |
| キーワード(5)（和/英） | 画像処理 / image processing |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 沖田 慎介 / Shinsuke Okita / オキタ シンスケ |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 優輝 / Yuki Sato / サトウ ユウキ |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 菅田 雄希 / Yuki Sugata / スガタ ユウキ |
| 第3著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 田阪 琢朗 / Takuro Tasaka / タサカ タクロウ |
| 第4著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 浜田 望 / Nozomu Hamada / ハマダ ノゾム |
| 第5著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-03-08 12:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SIP |
| 資料番号 | CAS2011-112, SIP2011-132, CS2011-104 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.465(CAS), no.466(SIP), no.467(CS) |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2012-03-01 (CAS, SIP, CS) |
[研究会発表申込システムのトップページに戻る]