【正文】 .................................................................................. 20 人臉器官（人眼）識別代碼 ...................................................................................... 23 致謝 .............................................................................................................................. 25 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 5 第一章 緒論 背景 目前，越來越多的圖像和視頻出現(xiàn)在人們的生活中，如何有效的管理和分析這些多媒體數(shù)據(jù)成為一個(gè)急需解決的問題。本系統(tǒng)已可以初步完成 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 ，然其準(zhǔn)確度有待提高。基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 1 摘要 隨著越來越多的視頻文件出現(xiàn)在人們的生活中，如何有效處理它們成為亟需解決的問題。 關(guān)鍵詞：視頻挖掘，面部特征提取，幾何特征識別 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 2 Abstract As more and more video files appear in people39。對于視頻的處理和分類，有助于我們分析出多媒體數(shù)據(jù)和人物的依賴關(guān)系，從而揭示視頻文件中更深層的意義。 本文使用的基于 OpenCV 的人臉幾何特征識別方法在在基于大數(shù)據(jù)的視頻挖掘中，可以通過人臉特征匹配找到與指定人物相關(guān)的視頻，從而挖掘出視頻的深層次信息。利用 Haar 特征分類器和 AdaBoost 算法來定位人臉，和提取出人臉的特定器官（兩個(gè)眼角、鼻尖、兩個(gè)嘴角、兩個(gè)眉角）的相對位置。 首先對視頻文件進(jìn)行預(yù)處理得到人臉圖片，然后對人臉進(jìn)行幾何特征提取，得到基于七個(gè)特征點(diǎn)（兩個(gè)眉毛、兩個(gè)眼角、兩個(gè)嘴角、鼻子尖角）的相對位置的特征值，最后把得到的特征信息作為視頻文件的標(biāo)簽存儲到數(shù)據(jù)庫中，以方便之后的視頻文件檢索。從人臉圖像中提取出特征點(diǎn)：包括兩個(gè)眼角、鼻尖、兩個(gè)嘴角、兩個(gè)眉角。相似度在規(guī)定閥值內(nèi)的視頻文件即為要查找的視頻文件。 把彩色圖片轉(zhuǎn)化為灰度圖可以降低數(shù)據(jù)量，然后將對比度增高，可以使圖片明暗區(qū)分更加明顯，從而使圖片更容易被算法識別出來。然后與數(shù)據(jù)庫中預(yù)存的特征進(jìn)行匹配，從而得出相關(guān)人物的視頻文件。 高斯平滑技術(shù) 在視頻圖像的采集過程中，由于外界條件的干擾，則采集的圖片中會出現(xiàn)一些噪音，這就會使圖像在進(jìn)行轉(zhuǎn)化、識別時(shí)發(fā)生的數(shù)據(jù)的遺失和損壞等，這些會對以后圖片的訓(xùn)練產(chǎn)生干擾，所以將圖片進(jìn)行平滑處理來消除噪聲的干擾。 對比度增強(qiáng)技術(shù) 通過對某個(gè)圖片的點(diǎn)進(jìn)行 定位，然后將其周圍的像素值進(jìn)行統(tǒng)計(jì)，再通過聚集技術(shù)將相鄰的像素值拉開，使他們之間的差距拉大。首先利用 Haar 特征分類器和 AdaBoost 算法來定位人臉，和提取出人臉的特定器官：兩個(gè)眼角、鼻尖、兩個(gè)嘴角、兩個(gè)眉角。 ? 使用 AdaBoost 算法訓(xùn)練區(qū)分人臉和非人臉的強(qiáng)分類器。 影響 Adaboost 檢測訓(xùn)練算法速度很重要的兩方面是特征的選取和特征值的計(jì)算。同樣，其他目標(biāo)，如眼睛等，也可以用一些矩形特征來表示。如上圖，臉部一些特征能夠由矩形特征簡單地描繪，例如，通常，眼睛要比臉頰顏色更深；鼻梁兩側(cè)要比鼻梁顏色要深；嘴巴要比周圍顏 色更深。 其算法本身是通過改變數(shù)據(jù)分布來實(shí)現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，以及上次的總體分類的準(zhǔn)確率，來確定每個(gè)樣本的權(quán)值。例如：根據(jù) OpenCV 提供的人眼檢測分類器： ，可以檢測出人眼位置。 標(biāo)準(zhǔn)化特征值： Vi = di/L, i=1,2,3...10 第五章 視頻挖掘 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 13 視頻挖掘 視頻挖掘的主要步驟：首先對人臉圖像樣本的標(biāo)準(zhǔn)化特征值和數(shù)據(jù)庫已有的標(biāo)準(zhǔn)化特征值進(jìn)行加權(quán)歐式距離計(jì)算，得到人臉樣本與已有視頻的相似度，其中相似度在閥值范圍內(nèi)的視頻文件即為要搜索的視頻文件。 根據(jù)歐式距離的公式 d=sqrt( ∑(xi1xi2)^2 ) 這里 i=1,2..n 計(jì)算出人物的相似程度， d 的閥值月小，誤碼率越低。當(dāng)進(jìn)行視頻檢索時(shí)只需要要把目標(biāo)人物與視頻文件的特征值標(biāo)簽進(jìn)行相似度計(jì)算。 (3)程序員需要根據(jù)測試文檔對自己的系統(tǒng)進(jìn)行改進(jìn)和說明 測試方案及結(jié)果 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘解決方案主要由視頻文件的預(yù)處理、人臉的檢測、特征的提取、視頻挖掘四個(gè)部分組成。 第七章 結(jié)束語 應(yīng)用程序特點(diǎn) （ 1）基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘以 Windows， VS20xx 為開發(fā)平臺，使用OpenCV 提供的視覺處理接口，采用面向?qū)ο蟮姆椒?，?C++及 C 語言編寫程序。雖然本次畢業(yè)設(shè)計(jì)還存在一些問題，但是我相信在以后的不斷學(xué)習(xí)中，可以把這套系統(tǒng)做的更好。 參考文獻(xiàn) [1] 山世光 .面部特征檢測與識別的研究與實(shí)現(xiàn) ：哈爾濱工業(yè)大學(xué)，高等教育出版社， 1999 年 7 月 [2] 蔣遂平 .人臉識別技術(shù)及應(yīng)用簡介 [M].北京：清華大學(xué)，中國計(jì)算機(jī)世界出版社， 20xx 年 12 月 [3] 于成忠，朱 駿，袁曉輝．基于背景差法的運(yùn)動目標(biāo)檢測 ［ J］．東南大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx，第 35 卷 增刊 (II)： 159~161． [4] 張怡．圖像跟蹤器綜合調(diào)試系統(tǒng)研究 [D]．南京：南京理工大學(xué)，哈爾濱出版社， [5] 李健．運(yùn)動目標(biāo)圖像的獲取、傳輸與跟蹤 [D]．南京：南京理工大學(xué)， 20xx． 5 [6] 高守傳 姚領(lǐng)田 等編著 Visual C++ 數(shù)字圖片處理與工程應(yīng)用篇 中國鐵道出版社 計(jì)算機(jī)工程， 20xx，第 37 卷 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 18 附錄 視頻預(yù)處理代碼 void Video_to_image(char* filename) { printf( video to image ... n)。 int frameW = (int) cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH)。 //定義和初始化變量 int i = 0。 //讀取和顯示 while(1) { img = cvQueryFrame(capture)。//保存的圖片名 cvSaveImage( image_name, img)。 cvDestroyWindow(mainWin)。 } 圖像預(yù)處理代碼 double scale = size。 //色彩空間轉(zhuǎn)換 cvResize(gray, small_img, CV_INTER_LINEAR)。 pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName)。//原圖 IplImage *pGrayImage[photoes_num]。 j++) { sprintf(pstrImageName, %s%, filename, j)。 //是 Opencv 里的顏色空間轉(zhuǎn)換函數(shù)，也可以轉(zhuǎn)換為灰度圖像。 //用來使灰度圖象直方圖均衡化。 DWORD dwTimeBegin, dwTimeEnd。 printf(人臉個(gè)數(shù) : %d 識別用時(shí) : %d ms\n, pcvSeqFacestotal, dwTimeEnd dwTimeBegin)。 //函數(shù) cvGetSeqElem 返回索引指定的元素指針 CvPoint center。 radius = cvRound((rwidth + rheight) * )。 //建立輸出圖片的窗口 const char *pstrWindowsTitle = 人臉識別 。 cvDestroyWindow(pstrWindowsTitle)。pGrayImage[j])。imageProcessed[j])。 const char* cascade_name = /home/dz/prog/。 coutfacestotalendl。 CvRect *face = (CvRect*)cvGetSeqElem(faces, ii)。 CvMemStorage* storage1 = 0。 const char* cascade_name2 = /home/dz/prog/。 CvSeq *eyes = cvHaarDetectObjects( img, cascade_e, storage1, , 3, 0, cvSize(4, 5) )。 i++ ) { CvRect *eye = (CvRect*)cvGetSeqElem(eyes, i)。在完成畢業(yè)設(shè)計(jì)的過程中我得到了老師同學(xué)的很多寶貴意見，與同學(xué)之間的交流讓我受益匪淺。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料 。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。 、圖表要求： 1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準(zhǔn)請他人代寫 2）工程設(shè)計(jì)類題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。 作者簽名： 日期： 年