【正文】 .......................................... 14 測試方案及結(jié)果 ................................................................................................... 14 視頻文件的預處理 ......................................................................................... 14 人臉檢測和臉部器官檢測 .............................................................................. 15 人視頻挖掘 .................................................................................................... 16 第七章 結(jié)束語 ......................................................................................................... 16 應(yīng)用程序特點 ...................................................................................................... 16 心得體會 .............................................................................................................. 16 未來展望 .............................................................................................................. 17 參考文獻 ....................................................................................................................... 17 附錄 .............................................................................................................................. 18 視頻預處理代碼 ........................................................................................................ 18 圖像預處理代碼 ........................................................................................................ 19 人臉檢測代碼 ............................................................................................................ 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)成為一個急需解決的問題。 同時隨著數(shù)字信號處理理論和生物識別的發(fā)展，生物識別技術(shù)廣泛應(yīng)用于各種系統(tǒng)，包括物理訪問控制和計算機用 戶賬戶安全等。人臉識別現(xiàn)在主要應(yīng)用于安全領(lǐng)域、考勤、身份驗證等反面。 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)果是否擁有準確的識別率和快速的識別速度。 本文主要使用的是 Haar 分類器算法和基于面部幾何特征的方法來解決視頻分析問題?；诿娌繋?何特征算法的基本思想是根據(jù)臉部特征點（如眉毛，眼角，嘴角，鼻子等）的相對位置、形狀、分布的幾何參數(shù)作為特征，再結(jié)合人臉輪廓獲得一組能夠體現(xiàn)各個特征點之間關(guān)系的特征向量，從而對人臉進行分類。通過對視頻的幀提取、圖片預處理、人臉檢測、人臉識別，最終對視頻信息進行挖掘及搜索。 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： 首先進行視頻的預處理。 然后進行人臉特征提取。將特征點的相對位置保存為特征值，然后進行特征值標準化。將樣本的標準化特征值與數(shù)據(jù)庫中的標準化特征值進行加權(quán)歐式距離運算，運算結(jié)果即 為相似度。 系統(tǒng)的流程圖 視頻預處理方案 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。然后視頻 頻 提取 幀圖片 處理 含人臉圖像 特征提取 特征 特征處理 特征向量 1:N 匹配 DB 匹配結(jié)果 相關(guān)人物視頻 視頻預處理 特征提取 視頻挖掘 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 8 把這些特征點：包括兩個眼角、鼻尖、兩個嘴角、兩個眉角的相對位置保存為特征值，然后進行特征值標準化。然后利用 OpenCV 自帶的 Haar 特征來分類 器，可以快速的提取出人臉器官。用加權(quán)函數(shù)來計算特征相似度，通過設(shè)定閥值來確保準確率。 第三章 視頻預處理 視頻預處理 視頻預處理的主要步驟：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。 視頻預處理 獲取幀圖像 光線補償 高斯平滑 圖片灰度化 灰度均衡 對比度增強 圖片尺寸縮放 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 9 光線補償技術(shù) 因為在不同的環(huán)境中，光線對圖像會產(chǎn)生干擾，圖像就會變得或明或暗，我們就要對其進行調(diào)整，所以采用光線補償來處理圖像的亮度變化。 圖片灰度化 進行灰度轉(zhuǎn)換時，我們要保證圖像信息保持不變。 灰度均衡技術(shù) 經(jīng)過灰度轉(zhuǎn)換后，就要進行灰度均衡化操作，最后通過灰度分布來對圖像進行灰度均衡。 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，提升計算速度和準確度。流程圖如下： 特征提取方案 我們使用基于人臉的幾何特征識別算法進行特征提取。最后計算它們的相對位置從而得出人臉的幾何特征值，最后通過特征值的運算得到相似臉。 ? 使用積分圖（ Integral Image）對 Haarlike 特征求值進行加速。 使用篩選式級聯(lián)把強分類器級聯(lián)到一起，提高準確率。下面簡要介紹矩形特征的特點。臉部的一些特征可以由矩形特征簡單地描繪。比如中間一幅表示眼睛區(qū)域的顏色比臉頰 區(qū)域的顏色深，右邊一幅表示鼻梁兩側(cè)比鼻梁的顏色要深。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。矩形特征對一些簡單的圖形結(jié)構(gòu)，比如邊緣、線段，比較敏感，但是其只能描述特定走向（水平、垂直、對角）的結(jié)構(gòu)，因此比較粗略。 算法 Adaboost 是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器 (弱分類器 )，然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器 (強分類器 )。即某個數(shù)據(jù)被分為哪一類要通過 ， ……的多數(shù)表決。 將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進行訓練，最后將每次訓練得到的分類器最后融合起來，作為最后的決策分類器。 特征提取 利用 OpenCV 提供的人臉檢測分類器獲取人臉的特定器官：眼角、鼻尖、嘴角、眉角。然后記錄下人眼的大小和相對位置。并將這些距離特征值與眼睛中點到嘴巴終點間垂直距離 L 之比定義為標準化特征值。流程圖如下： 視頻挖掘方案 首先對目標人物和數(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，即為與目標人物匹配的視頻文件。 對已有的視頻集中的視頻文件進行同樣的分析和處理，提取出人物的標準化特征值組，并將數(shù)據(jù)存儲到數(shù)據(jù)庫中。 考慮到上面計算誤差較大，充分考慮到各個特征至的大小差異和重要程度，采用加權(quán)的歐式距離公式來計算相似度： d=sqrt( ∑wi(xi1xi2)^2 ) 這里i=1,2..n,wi 表示權(quán)值。我們首先需要對視頻進行預處理，然后進行基于人臉的幾何特征提取和特征值處理，從而為每個視頻文件設(shè)置一個基于人臉幾何特征值的標簽。 獲取對應(yīng)視頻文件 數(shù)據(jù)庫中符合誤差標準的特征值標簽所對應(yīng)的視頻文件即為想要尋找的視頻文件。 (2)需要清晰明了的書寫測試文檔和測試結(jié)果。其中視頻挖掘的算法對識別精度有較大影響，因此需要重點測試，并根據(jù)測試結(jié)果進行進一步的算法改進。 基于人物的相關(guān)網(wǎng)絡(luò)視頻挖掘 16 人視頻挖掘 通過人臉的幾何特征算法，利用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