智能人机接口技术尤其是虚拟人脸合成成为近年来国外的一个热点研究领域.该项技术也被称为多模态(Multimodal),视觉语音(Visual Speech),说话头(Talking Head).这种技术将语音和图像两种模态结合到一起,能够对单一使用某一种模态的不足进行合理、有益的补充,使人们对信息的了解更全面;通过虚拟人脸,人们可以方便的和计算机进行交互.而将语音和图像相结合的人脸动画技术正成为计算机图形学中最富有挑战性的课题之一,它可以提高在环境噪声较大情况下语音识别的识别率和稳健性.可以广泛应用于电影制作,计算机动画行业、游戏行业、远程会议、代理和化身等许多领域,是近几年来国际上的研究热点.使用改进的基于图像库方法HMM进行人脸语音动画合成过程,为了保证结果视频流的平滑真实,因此在相应音素的图像帧之间进行插值产生中间帧就成为语音动画中十分重要的部分.该文着重介绍了从相应语音的图像帧中提取特征区域进而对其中的特征点进行定位,根据特征点的位置将特征区域根据需要进行划分并在前后对应音素的图像帧中进行变形进而得到流畅自然的语音动画效果的工作模块.该文的主要工作包括:第一,研究了传统的基于图像库的方法.第二,研究了图像特征定位及图像变形的方法并做了一定的比较.第三,使用改进图像变形技术应用在我们的方法中,使用Delaunay三角剖分,仿射变换并对中间图片进行重染色,以得到流畅自然的语音动画效果.