隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,各種視頻存儲(chǔ)和壓縮技術(shù)的相繼出現(xiàn),視頻信息的獲取、傳播和存儲(chǔ)變得越來(lái)越簡(jiǎn)單方便,研究視頻序列,能挖掘出更多有價(jià)值的信息。近年來(lái),隨著計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域技術(shù)的高速發(fā)展,對(duì)視頻中人物進(jìn)行有效快速地檢索成為基于內(nèi)容的視頻檢索領(lǐng)域研究的熱點(diǎn)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的新興分支之一,其具有超強(qiáng)的學(xué)習(xí)能力,以及優(yōu)于傳統(tǒng)使用手工提取圖像特征的能力,因而得到了越來(lái)越多的研究者的青睞�，F(xiàn)如今校園內(nèi)或者教室中都安裝了攝像頭,有大量視頻數(shù)據(jù),可以挖掘其中豐富的信息。所以本文針對(duì)這種場(chǎng)景,通過(guò)對(duì)人臉檢測(cè)和人臉識(shí)別算法的基礎(chǔ)理論和關(guān)鍵技術(shù)的深入研究,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于深度學(xué)習(xí)的校園視頻檢索系統(tǒng)。主要研究?jī)?nèi)容如下:設(shè)計(jì)了適于視頻檢索的卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)算法。在AlexNet卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,通過(guò)加深網(wǎng)絡(luò)的層數(shù),減小卷積層Filter大小等方法設(shè)計(jì)了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)算法,該算法模型在測(cè)試集上達(dá)到了98.78%的準(zhǔn)確率。改進(jìn)了傳統(tǒng)的人臉跟蹤算法。為了提高人臉檢測(cè)在視頻中的穩(wěn)定性,本文引入了人臉跟蹤算法。但傳統(tǒng)的人臉跟蹤算法,時(shí)間復(fù)雜度較高,為... 

【文章來(lái)源】：內(nèi)蒙古工業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet-5網(wǎng)絡(luò)模型框架

最大池化

圖 2-4 全連接和局部連接Fig. 2-4 Full Connection And Local Connection數(shù)網(wǎng)絡(luò)中，激活函數(shù)的存在具有重要的意義。激活函數(shù)的解決線性因素帶來(lái)的表達(dá)能力不足的問(wèn)題。卷積神經(jīng)網(wǎng)Sigmoid，Tanh，ReLU[36]及其改進(jìn)版本 PReLU[37]等。其經(jīng)逐漸被 ReLU 函數(shù)及其改進(jìn)版本取代。激活函數(shù)夠把輸入的連續(xù)實(shí)值控制到 0 和 1 之間。尤其注意，如出就是 0；如果是特別大的正數(shù)，輸出就是 1。數(shù)的表達(dá)式，見(jiàn)（2-1）： ( ) =


本文編號(hào)：3036024