摘要：唇部視覺信息作為語音識別的輔助信息一直受到廣泛關(guān)注,為更好的提取唇部視覺信息,提出一種基于稀疏深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)和雙向長短期記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,BiLSTM)的視覺語音識別算法。該算法通過在DBN的目標(biāo)函數(shù)后引入混合的范數(shù)和范數(shù)來實(shí)現(xiàn)DBN的稀疏表示,以此稀疏DBN對唇部視覺信息進(jìn)行稀疏瓶頸特征的提取,再將提取的瓶頸特征送入BiLSTM進(jìn)行特征的學(xué)習(xí)分類。實(shí)驗(yàn)表明,該算法能有效的識別唇部視覺信息。