近年来随着人工智能的快速发展,相应地唇读技术也得到了广泛的研究。人脸检测、唇部定位、唇动特征提取以及唇读识别是唇读技术的几个重要方面,相关的算法也多有提出。但是这些算法局限于传统方法流程,算法冗余度较高。本文在唇读技术的基础上,在尽可能完整的保留唇部口型信息的前提下,将口型序列进行合理切分与规整,以减少唇读后续工作复杂度对识别效果的影响,从而提高后续特征提取算法识别效果的准确性和有效性。唇读数据库是唇读研究的基础,数据库的完整性也是保证后续算法有效性和实用性的条件之一。本文根据课题的实际需要,借鉴实验室原有数据库建库的思路,在原有数据库基础上进行适量扩充,以此来用于后续实验的研究。在人脸检测之后,为了能够准确的确定唇部区域,本文主要将唇部定位分成粗定位和精确定位两个部分。为了更准确的定位唇部区域,本文提出一种基于YIQ(National Television Standards Committee)和HSV(Hue Saturation Value)双颜色空间的唇部精确分割的算法。该算法结合YIQ颜色空间中Q分量的特点和HSV颜色空间中H分量的特点来对唇部粗定位图像进行处理,从而得到精确分割的唇部。实验证明,该方法对不同的人脸均能准确的定位出唇部区域。为了减小特征提取算法复杂度对后续识别结果的影响,本文提出一种基于视觉静态特征的唇部序列切分方法,去除一部分无语音状态的图像和有语音时的重复口型图像,将数字0-9的每次每遍发音图像序列统一归为30帧图像。之后设计一种利用线性判别式分析(LDA)对离散余弦变换(DCT)降维后进行特征提取的方法,利用后续隐马尔可夫的方法进行识别实验验证。实验证明,该方法的最优识别率均高于主成分份分析(PCA)和DCT等特征提取方法,说明该特征提取算法的有效性。