在汽車銷售行業(yè)中,顧客資源是銷售業(yè)績(jī)中重要的組成部分。而如何去甄別潛在顧客,如何收集潛在目標(biāo)客戶的基本資料是汽車銷售的關(guān)鍵所在。隨著計(jì)算機(jī)視覺(jué)技術(shù)的高速發(fā)展,人臉檢測(cè)、人臉跟蹤、人臉識(shí)別技術(shù)被廣泛應(yīng)用于門禁、監(jiān)控、智慧門店等各個(gè)領(lǐng)域。在無(wú)需人工干擾的前提下,如何利用計(jì)算機(jī)視覺(jué)方法,獲取客戶來(lái)店頻次、停留時(shí)間、停留區(qū)域等購(gòu)買意向信息,從而對(duì)顧客進(jìn)行精準(zhǔn)的產(chǎn)品介紹與服務(wù),達(dá)到潛在客戶的識(shí)別和分析,這對(duì)建立潛在客戶消費(fèi)信息、實(shí)現(xiàn)精準(zhǔn)營(yíng)銷具有顯著的意義。本文是以長(zhǎng)安汽車4s店實(shí)際項(xiàng)目為研究背景,利用計(jì)算機(jī)視覺(jué)分析方法甄別潛在客戶的基本信息為需求導(dǎo)向,主要包括以下幾個(gè)方面的內(nèi)容:（1）人臉檢測(cè):提出基于膚色模型與改進(jìn)的AdaBoost算法相結(jié)合的人臉檢測(cè)方法。該方法通過(guò)判斷采集的人臉圖像是否需要光照補(bǔ)償,將圖像由RGB色彩空間轉(zhuǎn)換為膚色聚類特性和分布規(guī)律較好的YCbCr色彩空間,并建立高斯模型并對(duì)圖像進(jìn)行形態(tài)學(xué)處理與形狀篩選,從而得到含有人臉的候選區(qū)域。再將得到的人臉候選區(qū)域由改進(jìn)后的AdaBoost算法進(jìn)行人臉檢測(cè),得到最終的人臉檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,該方法能有效降低人臉誤檢率、提高人臉檢測(cè)... 

【文章來(lái)源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1.緒論
    1.1 課題的背景、目標(biāo)及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測(cè)
        1.2.2 人臉跟蹤
        1.2.3 人臉識(shí)別
    1.3 論文的主要工作及結(jié)構(gòu)
        1.3.1 論文主要工作
        1.3.2 論文結(jié)構(gòu)
2.汽車銷售店進(jìn)店顧客的人臉自適應(yīng)檢測(cè)算法研究
    2.1 引言
    2.2 基于膚色特征的人臉檢測(cè)
        2.2.1 顏色空間
        2.2.2 膚色區(qū)域模型
        2.2.3 圖像預(yù)處理及膚色分隔
    2.3 基于AdaBoost算法的人臉檢測(cè)
        2.3.1 Harr-like矩陣特征
        2.3.2 積分圖
        2.3.3 分類器的設(shè)計(jì)
        2.3.4 級(jí)聯(lián)分類器結(jié)構(gòu)
    2.4 基于膚色特征與AdaBoost算法相結(jié)合的顧客人臉檢測(cè)方法
    2.5 實(shí)驗(yàn)結(jié)果分析
    2.6 本章小結(jié)
3.汽車銷售店進(jìn)店顧客的人臉跟蹤算法研究
    3.1 引言
    3.2 常用的人臉跟蹤算法及其優(yōu)缺點(diǎn)
    3.3 進(jìn)店顧客人臉跟蹤算法
        3.3.1 進(jìn)店顧客跟蹤的關(guān)鍵問(wèn)題研究
        3.3.2 TLD算法
    3.4 改進(jìn)的TLD算法
        3.4.1 LBP算法
        3.4.2 Kalman濾波器算法
        3.4.3 改進(jìn)的TLD算法實(shí)現(xiàn)
    3.5 TLD自適應(yīng)跟蹤潛在客戶維度信息提取
        3.5.1 區(qū)域維度信息提取
    3.6 實(shí)驗(yàn)結(jié)果及分析
    3.7 本章小結(jié)
4.無(wú)標(biāo)簽身份客戶信息研究
    4.1 引言
    4.2 無(wú)標(biāo)簽顧客身份識(shí)別
        4.2.1 無(wú)標(biāo)簽潛在客戶身份識(shí)別的關(guān)鍵問(wèn)題研究
        4.2.2 人臉識(shí)別算法研究
        4.2.3 人臉圖像預(yù)處理
        4.2.4 人臉特征提取
        4.2.5 SVM分類器
    4.3 汽車銷售店潛在顧客身份識(shí)別算法實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5.潛在客戶甄別系統(tǒng)的實(shí)現(xiàn)
    5.1 系統(tǒng)總體架構(gòu)
    5.2 系統(tǒng)實(shí)現(xiàn)
        5.2.1 系統(tǒng)開(kāi)發(fā)環(huán)境
        5.2.2 系統(tǒng)詳細(xì)設(shè)計(jì)
    5.3 系統(tǒng)運(yùn)行界面
    5.4 本章小結(jié)
6.總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)檢測(cè)器的多角度人臉關(guān)鍵點(diǎn)檢測(cè)[J]. 趙興文,杭麗君,宮恩來(lái),葉鋒,丁明旭.  光電工程. 2020(01)
[2]基于稠密卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像自動(dòng)色彩校正[J]. 朱思捷,雷斌,吳一戎.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2019(01)
[3]改進(jìn)Fast-RCNN的雙目視覺(jué)車輛檢測(cè)方法[J]. 張琦,胡廣地,李雨生,趙鑫.  應(yīng)用光學(xué). 2018(06)
[4]殘差網(wǎng)絡(luò)在嬰幼兒哭聲識(shí)別中的應(yīng)用[J]. 謝湘,張立強(qiáng),王晶.  電子與信息學(xué)報(bào). 2019(01)
[5]融合YCbCr膚色模型與改進(jìn)的Adaboost算法的人臉檢測(cè)[J]. 崔鵬,燕天天.  哈爾濱理工大學(xué)學(xué)報(bào). 2018(02)
[6]融合圖像顯著性與特征點(diǎn)匹配的形變目標(biāo)跟蹤[J]. 楊勇,閆鈞華,井慶豐.  中國(guó)圖象圖形學(xué)報(bào). 2018(03)
[7]基于“大T”型區(qū)域的AdaBoost人臉檢測(cè)算法[J]. 李晶惠,葉學(xué)義,夏胡云,葉楓.  軟件導(dǎo)刊. 2017(10)
[8]基于AFSA和PSO融合優(yōu)化的AdaBoost人臉檢測(cè)算法[J]. 任克強(qiáng),高曉林,謝斌.  小型微型計(jì)算機(jī)系統(tǒng). 2016(04)
[9]基于主動(dòng)視覺(jué)的人臉檢測(cè)與跟蹤算法研究[J]. 董恩增,閆勝旭,佟吉鋼.  系統(tǒng)仿真學(xué)報(bào). 2015(05)
[10]基于混合觀測(cè)模型的粒子濾波跟蹤算法[J]. 吳桐,王玲,李鐘敏,何凡.  計(jì)算機(jī)工程與應(yīng)用. 2016(06)

碩士論文
[1]基于AdaBoost的視頻人臉檢測(cè)[D]. 李晶惠.杭州電子科技大學(xué) 2017
[2]基于改進(jìn)膚色模型的AdaBoost人臉檢測(cè)算法研究[D]. 林欣.陜西科技大學(xué) 2015
[3]基于改進(jìn)的膚色模型和CPSO-AdaBoost算法的人臉檢測(cè)[D]. 閆斌.新疆大學(xué) 2014
[4]基于膚色模型和AdaBoost算法的人臉檢測(cè)研究[D]. 王琳琳.長(zhǎng)安大學(xué) 2014
[5]基于膚色和改進(jìn)的AdaBoost人臉檢測(cè)算法研究[D]. 李瑞淇.西安電子科技大學(xué) 2014



本文編號(hào)：3638263