亳州警方接到报警后，民警让小丽的同学与她视频聊天发现，女大学生趁监视她的女子不注意时，多次做出同一个口型，很像是“洛阳，救我！”

经过综合分析，民警认为女大学生很有可能陷入了传销组织，并被人控制，地点就在洛阳。

民警及时联系洛阳警方，将小丽救了出来，并抓获非法传销人员二十余人。

聪明的小丽，用唇语把关键信息传递出来，好在有经验的警察读懂了唇语。如果没有这个能读懂“唇语”的警察，怎么办呢？

没关系，我们有AI唇语识别，照样能读懂小丽的唇语求救信号！

在中国，视频监控布满了大街小巷，警察叔叔相当于多了一双眼观六路的眼睛。

但视频监控里的人说了什么，没法听清楚。眼下，一个神奇的技术——AI唇语识别——这无疑是给警察叔叔带来一双耳听八方的耳朵。

这也将为公共安防事业带来打开一个崭新的视听世界，睁大眼睛，来感受一下唇语识别的魅力！

啥？你在说啥？

你看出来她说在什么吗？让我们来看看电脑的答案。

句子：Place blue in m1 soon.

预测：Place blue in m1 soon.

唇语识别技术从镜头输入到理解输出，中间最重要的关键是：视觉前段、视觉特征提取、唇动识别。

➀ 视觉前段——包括人脸检测与唇的检测和定位，先用人脸检测演算法得到人脸然后有针对性的定位唇动；

或者利用最佳闽值二值化演算法，以唇的边缘是平滑的，和左右形状对称为条件，作为二值化闽值选定的约束条件，得到平滑而对称的唇图像。

➁ 视觉特征提取——是对获取的唇图像进行处理得到对应特征，特征提取方法主要分为基于图元的方法和基于模型的方法两大类；

搜狗所用的基于模型的方法就是，对唇的轮廓建立一个模型，将特征资讯包含在这个模型之中，并对模型中特征资讯的变化用一个小的参数来描述。

这类方法的优点是重要特征被表示成二维参数，不会因光照、缩放、旋转、平移而改变，缺点是忽略了细微的三维资讯，可能会对后面的识别过程造成影响。

➂ 唇动识别——目前采用的技术大多是隐玛律可夫模型(Hidden Markov Model)，该模型认为唇动信号在极短时间内是线性的，可以用线性参数模型来表示，然后将许多线性模型在时间上串接起来，组成一条玛律可夫链。

玛律可夫链可以用来描述统计特征资讯的变化，并且这种变化过程与人的唇动过程是相吻合的，所以隐玛律可夫模型能够识别唇动并与相应语句匹配转化成文字。

这样的稀缺人才，很多行业都想要一个。如何培养一个AI唇语识别专家，最好的“语料”就是海量的优质视频数据。

谷歌的人工智能公司DeepMind：使用总长超过5000小时（2010 年 1 月至 2015 年 12 月间的电视节目素材，如BBC 各类节目，总语句超过118000的新闻视频）完成了对人工智能的训练；

然后使用 2016 年 3 月 至9 月间播出的节目进行测试——结果发现，给予相同的视频素材，专业唇语识别专家能达到12.4%的正确率，而AI系统识别正确率则是46.8%，高出了大概3倍。

谷歌 DeepMind 音文唇语识别系统便已经可以支持 17500 个词。

海云数据，截至目前他们训练新闻类节目时长是1万小时。为什么是新闻类节目？当然是因为播音员的唇语最标准。

目前，海云数据在英文方面可以达到80%的准确度，中文方面是71%

海云数据的AI唇语识别测试

搜狗的通用识别准确率在60%以上，而在车载、智慧家居等垂直场景下，准确率高达90%。

从视频中可以看出将面部放入椭圆形区域内，不发声的说出一段话，几乎说完的瞬间，识别的文字就出现在屏幕上，无论是口语、诗词、歌词还是绕口令，都能很好的识别。

搜狗的AI唇语识别测试

AI唇语识别还没有到商用的地步（一般识别率高于95%即可达到商用标准），但随着技术的不断进步和识别率的提升，唇语识别市场或将迎来爆发，其对应的安防、公共安全、身份识别、残障教育等行业也将发生巨大的变化。

可以预见，在未来，当古老的读唇术被人工智能发挥到极致，希望世界会变得更好。