【正文】 ...................................................................................................... 14 測(cè)試方案及結(jié)果 ................................................................................................... 14 視頻文件的預(yù)處理 ......................................................................................... 14 人臉檢測(cè)和臉部器官檢測(cè) .............................................................................. 15 人視頻挖掘 .................................................................................................... 16 第七章 結(jié)束語 ......................................................................................................... 16 應(yīng)用程序特點(diǎn) ...................................................................................................... 16 心得體會(huì) .............................................................................................................. 16 未來展望 .............................................................................................................. 17 參考文獻(xiàn) ....................................................................................................................... 17 附錄 .............................................................................................................................. 18 視頻預(yù)處理代碼 ........................................................................................................ 18 圖像預(yù)處理代碼 ........................................................................................................ 19 人臉檢測(cè)代碼 ............................................................................................................ 20 人臉器官（人眼）識(shí)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?；谌宋锏南嚓P(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。對(duì)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。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(duì)位置。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。 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(duì)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(shí)別出來。 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(huì)出現(xiàn)一些噪音，這就會(huì)使圖像在進(jìn)行轉(zhuǎn)化、識(shí)別時(shí)發(fā)生的數(shù)據(jù)的遺失和損壞等，這些會(huì)對(duì)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。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。 影響 Adaboost 檢測(cè)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。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。例如：根據(jù) OpenCV 提供的人眼檢測(cè)分類器： ，可以檢測(cè)出人眼位置。 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。 (3)程序員需要根據(jù)測(cè)試文檔對(duì)自己的系統(tǒng)進(jìn)行改進(jìn)和說明 測(cè)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(cè)、特征的提取、視頻挖掘四個(gè)部分組成。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。 int frameW = (int) cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH)。 //讀取和顯示 while(1) { img = cvQueryFrame(capture)。 cvDestroyWindow(mainWin)。 //色彩空間轉(zhuǎn)換 cvResize(gray, small_img, CV_INTER_LINEAR)。//原圖 IplImage *pGrayImage[photoes_num]。 //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。 DWORD dwTimeBegin, dwTimeEnd。 //函數(shù) cvGetSeqElem 返回索引指定的元素指針 CvPoint center。 //建立輸出圖片的窗口 const char *pstrWindowsTitle = 人臉識(shí)別 。pGrayImage[j])。 const char* cascade_name = /home/dz/prog/。 CvRect *face = (CvRect*)cvGetSeqElem(faces, ii)。 const char* cascade_name2 = /home/dz/prog/。 i++ ) { CvRect *eye = (CvRect*)cvGetSeqElem(eyes, i)。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 。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。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 29 注 意 事 項(xiàng) （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻(xiàn) 8）致謝 9）附錄（對(duì)論文支持必要時(shí)） ：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1 萬字（不包括圖紙、程序清單等），文科類論文正文字?jǐn)?shù)不少于 萬字。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。 } cvResetImageROI(img)。 assert(cascade_e != NULL)。 // cvClearMemStorage(storage)。 CvSeq *faces = cvHaarDetectObjects(img, cascade_f, storage, , 3, 0, cvSize(40, 40) )。srcImage[j])。 cvShowImage(pstrWindowsTitle, pSrcImage[j])。 = cvRound((rx + rwidth * ))。 CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage[j], pH