人機自然交互

人與計算機的自然交互是處於科學與工程最年輕的研究領域，是新一代的人機交互方式，它研究的人與機器的對話，鄭重研究非生命機器對於高級生命人類的理解，賦予機器以智能，使機器成為高級的智能工具。人機自然交互的實現將使機器帶來革命性的變化，當它服務於電子工程、通信工程、控制工程、機械工程、交通工程、人工智能、智能儀器、多媒體、情報採集、身份認證、安全防範、武器現代化時，將會對科學技術、生產領域、國家安全=社會的工作方式及社會生活方式等方面產生深遠的影響。 本書共分6章，分別從聽覺與視覺角度着重研究對交互對象的識別、對交互內容的識別、雙模態識別與融合、雙模態數據庫，書末附有較詳細的參考文獻。 本書可供感興趣的科技工作者和相關專業的高年級大學生、研究生參考。

第1章 導論

1.1 從人機交互到人機自然交互

1.2 自然信源與人造信息的接口界面

1.3 識別交互對象

1.4 識別交互內容

1.5 聽覺－視覺雙模態融合

1.6 對人類情態的感知

1.7 多模態網絡環境、定位跟蹤和數據庫

1.8 人機自然交互帶來的生活方式、工作方式和生活方式的變革

第2章 視覺——説話人識別與人臉識別

2.1 説話人識別問題

2.2 人臉圖像的預處理

2.3 人臉圖像的特徵提取與識別

2.4 人臉特徵自適應主元提取法

2.5 人臉圖像奇異值特徵提取法

2.6 最佳鑑別向量特徵提取法

2.7 人臉識圖像分層算法及應用實例

第3章 聽覺——説話人識別、語音識別與理解

3.1 語音識別問題

3.2 語音信號的特徵

3.3 語音識別的參量

3.4 特定人小詞表語音識別的動態規劃算法

3.5 非特定人語音識別的隱馬爾柯夫算法

3.6 説話人自適應

3.7 大詞表邊續語音識別

3.8 説話人識別

3.9 語音識別的其他算法

3.10 嵌入式系統中的語音識別

3.11 應用系統實例

第4章 視覺——唇讀與識別

4.1 唇讀問題

4.2 圖像的預處理

4.3 唇動特徵的提取

4.4 唇讀識別

第5章 聽覺-視覺——雙模態語音識別與融合

5.1 雙模態語音識別問題

5.2 雙模態語音識別中的視覺語音特徵區域定位

5.3 視覺語音序列特徵提取

5.4 基於隱馬爾柯夫模型的雙模態早期融合

5.5 基於隱馬爾柯夫模型的雙模態晚期融合

第6章 聽覺-視覺——雙模態語音識別數據庫

6.1 多模態人機自然交互技術與數據庫

6.2 雙模態語音識別數據庫的現狀與發展前景

6.3 雙模態數據庫數據採集

6.4 雙模態數據庫管理系統設計

6.5 CAVBSR-WUIIS數據庫的使用與操作設計

6.6 雙模態數據庫在人機自然交互及身認證中的應用

6.7 數據庫的擴展

參考文獻

張有為，1937年7月生，北京市人，男，1962年畢業於北京航空學院。40餘年來一直從事高等教育和信號與信息處理的科學研究，撰寫《維納與卡爾曼濾波理論導論》、《雷達系統分析》、《預測的數學方法》、《動態規劃》等6部著作，發表論文80餘篇，其中30餘篇為Sci，EI，ISTP收錄。現為五邑大學教授，北京航空航天大學博士生導師，《電子學報》、《信號處理》編委，CIE信號處理委員會委員，IEEE終身會員。