【正文】 對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。 int i。 for(int ii=0。 //以下釋放資源 cvReleaseImage(amp。 // 標(biāo)記 for (int i = 0。 //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)。//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)。 IplImage* img = 0。 （ 2）本解決方案采用封裝思想，把各個功能模塊獨(dú)立封裝起來，提高了代碼的耦合性，是程序的設(shè)計(jì)更加簡潔，代 碼運(yùn)行更加高效 （ 3）本程序的改進(jìn)和擴(kuò)展。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(jìn)行特征提取和特征處理，然后利用加權(quán)的歐式距離計(jì)算公式計(jì)算相似度，從而計(jì)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。使用特征比單純地使用像素點(diǎn)具有很大的優(yōu)越性，并且速度更快。 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(jì)算速度和準(zhǔn)確度。 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(jìn)行圖像的優(yōu)化處理，以方便進(jìn)行人臉檢測和識別。 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。具體的原理是：首先對視頻集進(jìn)行幀提取和預(yù)處理，得到較為清晰的含人臉圖像；然后進(jìn)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(jìn)行處理，根據(jù)加權(quán)的歐式距離計(jì)算出相似度，從而實(shí)現(xiàn)基于人臉的視頻挖掘。 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。 視頻挖掘方案 我們采用基于人臉的幾何特征識別方案進(jìn)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(diǎn)，即四個眼角點(diǎn)、鼻尖點(diǎn)和兩個嘴角點(diǎn)，利用它們的相對位置和角度確定十個特征向量，并對其進(jìn)行運(yùn)算。 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。 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(qiáng)分類器 。 標(biāo)準(zhǔn)化特征值計(jì)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。 未來展望 本系統(tǒng)的改進(jìn)方向，主要是對視頻文件進(jìn)行幀提取后大量圖片進(jìn)行計(jì)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(dá)到在不犧牲運(yùn)算速度的前提下，進(jìn)一步提高視頻挖掘的準(zhǔn)確率。 //將其顯示 char key = cvWaitKey(20)。//對灰度圖像進(jìn)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\\。 cvResize(pGrayImage[j], imageProcessed[j], CV_INTER_LINEAR)。 = cvRound((rx + rwidth * ))。srcImage[j])。 // cvClearMemStorage(storage)。 } cvResetImageROI(img)。 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（對論文支持必要時） ：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。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 。 const char* cascade_name2 = /home/dz/prog/。 const char* cascade_name = /home/dz/prog/。 //建立輸出圖片的窗口 const char *pstrWindowsTitle = 人臉識別 。 DWORD dwTimeBegin, dwTimeEnd。//原圖 IplImage *pGrayImage[photoes_num]。 cvDestroyWindow(mainWin)。 int frameW = (int) cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH)。 (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、視頻挖掘四個部分組成。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。 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。 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。從人臉圖像中提取出特征點(diǎn)：包括兩個眼角、鼻尖、兩個嘴角、兩個眉角。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。Finally to get the characteristic values of processing, according to the weighted Euclidean distance to calculate the similarity degree, so as to realize video mining based on human system has been done can preliminarily based on the characters of work video mining, but needs to improve its accuracy. Key words: video mining, facial feature extraction, geometric feature recognition 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 3 目錄 第一章 緒論 ............................................................................................................... 5 背景 ....................................................................................................................... 5 算法簡介 ................................................................................................................ 5 論文主要內(nèi)容 ........................................................................................................ 6 論文結(jié)構(gòu)安排 ........................................................................................................ 6 第二章 系統(tǒng)的概要設(shè)計(jì) ............................................................................................ 6 系統(tǒng)的解決方案 ..................................................................................................... 6 系統(tǒng)的流程圖 ..................................................................................................