發(fā)布時間：2022-06-03 20:53

　　人工智能近些年的發(fā)展可謂是有目共睹,伴隨著學(xué)術(shù)發(fā)展的突飛猛進(jìn),各行各業(yè)基于人工智能的應(yīng)用呈現(xiàn)井噴之勢,其中人臉識別就是比較典型的一種應(yīng)用。由于媒體行業(yè)向融媒體業(yè)務(wù)轉(zhuǎn)型的需要,播出內(nèi)容呈海量信息上升趨勢,利用原有的人工內(nèi)容審核模式已遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代融媒體業(yè)務(wù)的要求,需要技術(shù)系統(tǒng)實現(xiàn)與之相適應(yīng)的變革。本課題在深圳電視臺的融合生產(chǎn)平臺項目中,對總控系統(tǒng)播出的審看環(huán)節(jié)進(jìn)行革新——引入自動人臉識別技術(shù),近幾十年人臉識別技術(shù)積累下豐富的理論研究基礎(chǔ),并研究出大量的識別算法,盡管現(xiàn)有的人臉識別技術(shù)也能夠獲得優(yōu)越的性能,但因為媒體直播中的人臉識別易受人臉角度、物體遮擋等因素的影響,同時因為直播對人臉識別的速度有極高要求,所以媒體行業(yè)的人臉識別應(yīng)用仍然是一個復(fù)雜的問題。本文基于對人臉識別經(jīng)典算法的認(rèn)真分析基礎(chǔ)上,結(jié)合國內(nèi)外人臉識別技術(shù)的特征提取技術(shù),針對檢測算法中的PCA降維算法進(jìn)行優(yōu)化,主要通過對人臉輪廓特征點的提取方式和人臉特征模型生成方式的更新,來提高人臉檢測的效率和人臉識別的準(zhǔn)確率。同時,根據(jù)深圳電視臺的實際應(yīng)用場景,利用優(yōu)化的PCA檢測算法設(shè)計開發(fā)適用于自己的敏感人臉特征庫,并完成敏感人臉識別... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 課題研究的背景意義和現(xiàn)狀分析
        1.2.1 課題的研究背景和意義
        1.2.2 國內(nèi)外相關(guān)技術(shù)發(fā)展
        1.2.3 課題的研究現(xiàn)狀
    1.3 課題研究的主要內(nèi)容
第2章 人臉識別技術(shù)要求及經(jīng)典算法分析
    2.1 引言
    2.2 人臉識別技術(shù)要求
        2.2.1 技術(shù)要求
        2.2.2 Open CV計算機(jī)視覺庫
    2.3 Haar-like特征
        2.3.1 特征模版
        2.3.2 特征值計算
        2.3.3 積分圖特征值計算
    2.4 PCA降維算法
        2.4.1 PCA算法原理
        2.4.2 PCA降維算法
    2.5 Ada Boost人臉檢測算法
        2.5.1 Ada Boost算法原理
        2.5.2 基本分類器算法流程
        2.5.3 Ada Boost算法流程
        2.5.4 算法實例
    2.6 本章小結(jié)
第3章 基于PCA算法優(yōu)化的敏感人臉特征庫建立
    3.1 引言
    3.2 PCA降維算法的優(yōu)化
        3.2.1 結(jié)合局部信息分析法的PCA算法優(yōu)化
        3.2.2 結(jié)合子模式切分法的PCA算法優(yōu)化
        3.2.3 優(yōu)化后的PCA降維算法訓(xùn)練人臉
    3.3 特征提取技術(shù)
        3.3.1 人臉檢測
        3.3.2 人臉校正
        3.3.3 特征點定位及提取
    3.4 特征庫建立及實現(xiàn)
        3.4.1 常見的人臉特征庫介紹
        3.4.2 敏感人臉特征庫的建立
        3.4.3 敏感人臉特征庫的編碼實現(xiàn)
    3.5 特征庫提取準(zhǔn)確率測試
    3.6 本章小結(jié)
第4章 基于敏感人臉特征庫的人臉識別技術(shù)實現(xiàn)
    4.1 引言
    4.2 環(huán)境配置
        4.2.1 開發(fā)環(huán)境配置
        4.2.2 本課題涉及的Open CV核心模塊
    4.3 系統(tǒng)需求與框架設(shè)計
        4.3.1 功能性需求
        4.3.2 非功能性需求
        4.3.3 框架設(shè)計
    4.4 模塊實現(xiàn)與優(yōu)化
        4.4.1 視頻流幀處理模塊
        4.4.2 人臉檢測模塊
        4.4.3 人臉校正模塊
        4.4.4 特征點定位模塊
        4.4.5 人臉識別模塊
    4.5 系統(tǒng)接入的通信機(jī)制
    4.6 系統(tǒng)測試與分析
        4.6.1 功能測試
        4.6.2 性能測試
    4.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個人簡歷


【參考文獻(xiàn)】：
博士論文
[1]基于局部特征的人臉圖像分析和識別方法研究[D]. 宋濤.浙江大學(xué) 2015

碩士論文
[1]人臉識別中人臉檢測和特征提取算法的研究[D]. 劉勝昔.南京郵電大學(xué) 2018
[2]基于PCA和LBP在OpenCV3.0平臺人臉識別系統(tǒng)的開發(fā)[D]. 劉蒸蒸.天津理工大學(xué) 2018
[3]移動人臉識別系統(tǒng)的研究與實現(xiàn)[D]. 王遠(yuǎn).北京郵電大學(xué) 2018
[4]Adaboost算法優(yōu)化及人臉檢測識別系統(tǒng)研究[D]. 李可強(qiáng).燕山大學(xué) 2017
[5]學(xué)習(xí)過程面部特征測量系統(tǒng)的設(shè)計與實現(xiàn)[D]. 肖穎.華中科技大學(xué) 2015



本文編號：3653468