【正文】 aarCascade, pcvMStorage, , 2, CV_HAAR_DO_ROUGH_SEARCH, cvSize(30, 30))。 cvResize(pGrayImage[j], imageProcessed[j], CV_INTER_LINEAR)。//均衡 for (int j = 0。//對灰度圖像進行直方圖均衡化 cvClearMemStorage(storage) 人臉檢測代碼 void jiance() { // 加載 Haar 特征檢測分類器 // 系 OpenCV 自帶的分類器 const char *pstrCascadeFileName = D:\\ProgramFiles\\opencv\\sources\\data\\ haarcascades\\。 Video_to_image(filename)。 //將其顯示 char key = cvWaitKey(20)。 int numFrames = (int) cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_COUNT)。 未來展望 本系統(tǒng)的改進方向，主要是對視頻文件進行幀提取后大量圖片進行計算的效率問題，以及對人臉幾何特征識別算法的優(yōu)化，以達到在不犧牲運算速度的前提下，進一步提高視頻挖掘的準(zhǔn)確率。 視頻文件的預(yù)處理 提取出視頻文件的幀圖片，然后對圖像進行處理：光線補償、高斯平滑、 圖片灰度化、灰度均衡、對比度增強（直方圖均衡化）、圖片尺寸縮放 （ 1）視頻文件取幀 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 15 （ 2）圖像處理 人臉檢測和臉部器官檢測 通過 OpenCV 自帶的分類器： 檢測出人臉位置，通過 等，檢測出人眼、鼻子、眉毛、嘴等位置信息。 標(biāo)準(zhǔn)化特征值計算 數(shù)據(jù)庫 檢索 獲取對應(yīng)視頻文件 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 14 數(shù)據(jù)庫檢索 本論文使用的數(shù)據(jù)庫中存儲了需要檢索的視頻集，其中某些視頻文件中包含了目標(biāo)人物。 特征處理（標(biāo)準(zhǔn)化特征值） 特征值依次為：左眼的寬度 d鼻尖到雙眼連線的垂直距離 d2,、人臉左右邊界的距離 d嘴巴的寬度 d兩眼中心與左嘴角水平距離 d兩眼外側(cè)的水平距離 d右眼的外側(cè)眼角與鼻頂?shù)乃骄嚯x d左眼的內(nèi)側(cè)眼角與鼻頂?shù)乃骄嚯x d嘴巴中點與鼻尖的垂直距離 d鼻尖與嘴角的距離 d10。 整個過程如下所示： 1. 先通過對 N 個訓(xùn)練樣本的學(xué)習(xí)得到第一個弱 分類器 ； 2. 將分錯的樣本和其他的新數(shù)據(jù)一起構(gòu)成一個新的 N 個的訓(xùn)練樣本，通過對這個樣本的學(xué)習(xí)得到第二個弱分類器 ； 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 12 3. 將 1 和 2 都分錯了的樣本加上其他的新樣本構(gòu)成另一個新的 N 個的訓(xùn)練樣本，通過對這個樣本的學(xué)習(xí)得到第三個弱分類器； 4. 最終經(jīng)過提升的強分類器 。用下圖示范： 人臉檢測 特征提取 特征處理 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 11 上圖中兩個矩形特征，表示出人臉的某些特征。 分類器算法 Haar 分類器算法的主要步驟包括： ? 使用 Haarlike 特征做檢測。我們在使用灰度轉(zhuǎn)換時，先對圖像數(shù)據(jù)進行統(tǒng)計，經(jīng)過比較后得出一個合適的灰度值，然后對圖像進行灰度變換。 視頻挖掘方案 我們采用基于人臉的幾何特征識別方案進行人臉識別，即通過 OpenCV 的分類器定位出人臉器官的七個特征點，即四個眼角點、鼻尖點和兩個嘴角點，利用它們的相對位置和角度確定十個特征向量，并對其進行運算。 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 7 最后進行視頻挖掘。 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 6 論文主要內(nèi)容 本文主要介紹了基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘的解決方案。其中生物識別技術(shù)中人臉識別占有重要地位，和其他生物識別方法（指紋識別、虹膜識別和聲音識別）相比，人臉識別具有識別簡單方便、用戶體驗良好等特點，因為它不需要身體接觸圖像捕捉設(shè)備（相機），不需要任何先進的硬件。具體的原理是：首先對視頻集進行幀提取和預(yù)處理，得到較為清晰的含人臉圖像；然后進行面部特征提取，得到眼睛、鼻子、嘴、眉的相對位置；最后對得到的特征值進行處理，根據(jù)加權(quán)的歐式距離計算出相似度，從而實現(xiàn)基于人臉的視頻挖掘。s life, how to effectively deal with them as a need to solve the this paper, based on human face video mining as the research direction, purpose is through the analysis of a large number of video files, get video hidden deep inside principle is: the first frame of video sets are extracted and preprocessing, get a clear face image。 算法簡介 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘系統(tǒng)的關(guān)鍵在于是否擁有頂尖的核心算法，和識別結(jié)果是否擁有準(zhǔn)確的識別率和快速的識別速度。 論文結(jié)構(gòu)安排 本論文總體結(jié)構(gòu)如下： 第一章為緒論； 第二章主要介紹了系統(tǒng)的概要設(shè)計和解決方案； 第三章簡要介紹了視頻預(yù)處理的解決方案和理論基礎(chǔ)； 第四章主要介紹了特征提取的解決方案和理論基礎(chǔ)； 第五章主要介紹了視頻挖掘的解決方案和理論基礎(chǔ)； 第六章主要講述了實驗的測試流程和運行 結(jié)果； 第七章是結(jié)束語 . 第二章 系統(tǒng)的概要設(shè)計 系統(tǒng)的解決方案 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘的主要步驟如下： 首先進行視頻的預(yù)處理。 系統(tǒng)的流程圖 視頻預(yù)處理方案 主要使用 OpenCV 的視頻處理接口，從視頻文件提取出每一幀的圖像，并進行圖像的優(yōu)化處理，以方便進行人臉檢測和識別。 第三章 視頻預(yù)處理 視頻預(yù)處理 視頻預(yù)處理的主要步驟：實現(xiàn)從視頻文件提取出幀圖片，然后對幀圖片進行理，包括：光線補償技術(shù)、高斯平滑技術(shù)、圖片灰度化、 灰度均衡技術(shù)、對比度增強技術(shù)和圖片尺寸縮放。 圖片尺寸縮放 把處理后的圖片縮放到固定的尺寸，從而保證圖像信息的一致性，提升計算速度和準(zhǔn)確度。 使用篩選式級聯(lián)把強分類器級聯(lián)到一起，提高準(zhǔn)確率。使用特征比單純地使用像素點具有很大的優(yōu)越性，并且速度更快。 將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來，作為最后的決策分類器。流程圖如下： 視頻挖掘方案 首先對目標(biāo)人物和數(shù)據(jù)庫中已有的視頻文件進行特征提取和特征處理，然后利用加權(quán)的歐式距離計算公式計算相似度，從而計算出目標(biāo)人物與數(shù)據(jù)庫中已有人物的相似度，最后得出誤差允許范圍內(nèi)的視頻文件，即為與目標(biāo)人物匹配的視頻文件。 獲取對應(yīng)視頻文件 數(shù)據(jù)庫中符合誤差標(biāo)準(zhǔn)的特征值標(biāo)簽所對應(yīng)的視頻文件即為想要尋找的視頻文件。 （ 2）本解決方案采用封裝思想，把各個功能模塊獨立封裝起來，提高了代碼的耦合性，是程序的設(shè)計更加簡潔，代 碼運行更加高效 （ 3）本程序的改進和擴展。 //初始化一個視頻文件捕捉器 CvCapture* capture = cvCaptureFromAVI(filename)。 IplImage* img = 0。 //保存一幀圖片 if(i == NUM_FRAME) break。//圖片縮放處理，縮放倍數(shù) 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 20 IplImage* gray = cvCreateImage(cvSize(Img_onewidth, Img_oneheight), 8, 1)。 // 載入圖像 //const char *pstrImageName = E:\\photoes\\。 //圖片地址，把圖片地址寫入緩沖區(qū)緩沖區(qū) 50char 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 21 pSrcImage[j] = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED)。 if (pHaarCascade != NULL) { CvScalar FaceCirclecolors[8] = { { { 0, 0, 255 } }, { { 0, 128, 255 } }, { { 0, 255, 255 } }, { { 0, 255, 0 } }, { { 255, 128, 0 } }, { { 255, 255, 0 } }, { { 255, 0, 0 } }, { { 255, 0, 255 } } }。 // 標(biāo)記 for (int i = 0。 //對一個 double 型的數(shù)進行四舍五入，并返回一個整型數(shù)！ cvCircle(pSrcImage[j], center, radius, FaceCirclecolors[i % 8], 2)。 //以下釋放資源 cvReleaseImage(amp。 } } } 人臉器官（人眼）識別代碼 void detectEyes(IplImage *img) { CvMemStorage* storage = 0。 for(int ii=0。 storage1 = cvCreateMemStorage(0) 。 int i。 本次論文選擇基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘是一種挑戰(zhàn)，在相關(guān)文獻的篩選，現(xiàn)有理論成果的研究中，我學(xué)到了很多之前沒有接觸過的知識，豐富了我的專業(yè)文化知識，在今后的工作學(xué)習(xí)中我會揚長避短更加努力的學(xué)習(xí)專業(yè)知識，把大學(xué)學(xué)到的專業(yè)知識完善和提高。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手畫 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁以上的雙面打印 4）圖表應(yīng)繪制于無格子的頁面上 5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計（論文） 2）附件：按照任務(wù)書、開題報告、外文譯文、譯文原文（復(fù)印件）次序裝訂 3）其它