在汽車銷售行業(yè)中,顧客資源是銷售業(yè)績中重要的組成部分。而如何去甄別潛在顧客,如何收集潛在目標客戶的基本資料是汽車銷售的關(guān)鍵所在。隨著計算機視覺技術(shù)的高速發(fā)展,人臉檢測、人臉跟蹤、人臉識別技術(shù)被廣泛應用于門禁、監(jiān)控、智慧門店等各個領(lǐng)域。在無需人工干擾的前提下,如何利用計算機視覺方法,獲取客戶來店頻次、停留時間、停留區(qū)域等購買意向信息,從而對顧客進行精準的產(chǎn)品介紹與服務(wù),達到潛在客戶的識別和分析,這對建立潛在客戶消費信息、實現(xiàn)精準營銷具有顯著的意義。本文是以長安汽車4s店實際項目為研究背景,利用計算機視覺分析方法甄別潛在客戶的基本信息為需求導向,主要包括以下幾個方面的內(nèi)容:（1）人臉檢測:提出基于膚色模型與改進的AdaBoost算法相結(jié)合的人臉檢測方法。該方法通過判斷采集的人臉圖像是否需要光照補償,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圖像進行形態(tài)學處理與形狀篩選,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)域由改進后的AdaBoost算法進行人臉檢測,得到最終的人臉檢測結(jié)果。實驗結(jié)果表明,該方法能有效降低人臉誤檢率、提高人臉檢測... 

【文章來源】：重慶理工大學重慶市

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1.緒論
    1.1 課題的背景、目標及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測
        1.2.2 人臉跟蹤
        1.2.3 人臉識別
    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.汽車銷售店進店顧客的人臉自適應檢測算法研究
    2.1 引言
    2.2 基于膚色特征的人臉檢測
        2.2.1 顏色空間
        2.2.2 膚色區(qū)域模型
        2.2.3 圖像預處理及膚色分隔
    2.3 基于AdaBoost算法的人臉檢測
        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
        2.3.4 級聯(lián)分類器結(jié)構(gòu)
    2.4 基于膚色特征與AdaBoost算法相結(jié)合的顧客人臉檢測方法
    2.5 實驗結(jié)果分析
    2.6 本章小結(jié)
3.汽車銷售店進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
    3.3 進店顧客人臉跟蹤算法
        3.3.1 進店顧客跟蹤的關(guān)鍵問題研究
        3.3.2 TLD算法
    3.4 改進的TLD算法
        3.4.1 LBP算法
        3.4.2 Kalman濾波器算法
        3.4.3 改進的TLD算法實現(xiàn)
    3.5 TLD自適應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 實驗結(jié)果及分析
    3.7 本章小結(jié)
4.無標簽身份客戶信息研究
    4.1 引言
    4.2 無標簽顧客身份識別
        4.2.1 無標簽潛在客戶身份識別的關(guān)鍵問題研究
        4.2.2 人臉識別算法研究
        4.2.3 人臉圖像預處理
        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別算法實現(xiàn)
    4.4 實驗結(jié)果與分析
    4.5 本章小結(jié)
5.潛在客戶甄別系統(tǒng)的實現(xiàn)
    5.1 系統(tǒng)總體架構(gòu)
    5.2 系統(tǒng)實現(xiàn)
        5.2.1 系統(tǒng)開發(fā)環(huán)境
        5.2.2 系統(tǒng)詳細設(shè)計
    5.3 系統(tǒng)運行界面
    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
個人簡歷、在學期間發(fā)表的學術(shù)論文及取得的研究成果


【參考文獻】：
期刊論文
[1]基于深度學習檢測器的多角度人臉關(guān)鍵點檢測[J]. 趙興文,杭麗君,宮恩來,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)的遙感圖像自動色彩校正[J]. 朱思捷,雷斌,吳一戎.  中國科學院大學學報. 2019(01)
[3]改進Fast-RCNN的雙目視覺車輛檢測方法[J]. 張琦,胡廣地,李雨生,趙鑫.  應用光學. 2018(06)
[4]殘差網(wǎng)絡(luò)在嬰幼兒哭聲識別中的應用[J]. 謝湘,張立強,王晶.  電子與信息學報. 2019(01)
[5]融合YCbCr膚色模型與改進的Adaboost算法的人臉檢測[J]. 崔鵬,燕天天.  哈爾濱理工大學學報. 2018(02)
[6]融合圖像顯著性與特征點匹配的形變目標跟蹤[J]. 楊勇,閆鈞華,井慶豐.  中國圖象圖形學報. 2018(03)
[7]基于“大T”型區(qū)域的AdaBoost人臉檢測算法[J]. 李晶惠,葉學義,夏胡云,葉楓.  軟件導刊. 2017(10)
[8]基于AFSA和PSO融合優(yōu)化的AdaBoost人臉檢測算法[J]. 任克強,高曉林,謝斌.  小型微型計算機系統(tǒng). 2016(04)
[9]基于主動視覺的人臉檢測與跟蹤算法研究[J]. 董恩增,閆勝旭,佟吉鋼.  系統(tǒng)仿真學報. 2015(05)
[10]基于混合觀測模型的粒子濾波跟蹤算法[J]. 吳桐,王玲,李鐘敏,何凡.  計算機工程與應用. 2016(06)

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



本文編號：3638263