论文部分内容阅读
随着视频广告终端的广泛应用，商家和广告受众之间的信息阻塞成为一个十分棘手的问题。一方面，商家投放视频广告后不知道有没有人看、多少人看以及什么人在看，使广告的效果难于评估;另一方面，视频广告终端布放位置的不同导致其广告观赏人群在性别、年龄上存在诸多差异，受众在观看广告时难以找到自己感兴趣的内容。 本文首次提出了一种基于受众统计特征分析的视频广告智能推送系统。该系统首先利用部署在视频广告终端侧的网络摄像头对广告投放现场及受众的影像信息进行采集。然后利用人脸检测、跟踪以及表情识别等机器视觉技术对受众统计特征进行分析提取。最后，基于每个视频广告终端受众的多维统计信息进行个性化的视频广告推送。 本文对视频广告智能推送系统中的人脸检测、人脸跟踪、表情识别、智能推送以及水印嵌入关键技术进行了深入研究。主要研究贡献和研究内容如下: 1.针对视频广告投放现场采集到的影像信息，提出了一种基于面部标志点定位的受众正脸检测算法。该算法首先基于改进的Adaboost正脸检测算法进行粗检，获得面部候选区域。然后基于面部标志点检测器进行面部标志点定位及评分。当评分高于预设的判定阈值时，将此候选区域认定为人脸。由于评分可能受到表情等因素的干扰，为了防止误判，当评分低于阈值时，选取受干扰因素影响最小的鼻子区域进行验证。实验结果表明，本文提出的人脸检测方法具有较高的查全率和查准率，平均F1值达到0.988。 2.针对受众人群广告观看过程，提出了一种基于压缩感知与图像识别的面部跟踪算法。该算法基于压缩感知算法进行人脸特征提取，然后利用在线朴素贝叶斯分类器进行人脸跟踪。为了提升算法的抗遮挡能力，本文引入图像识别思想用以辅助跟踪。实验结果表明，本文提出的人脸跟踪算法具有较高的查全率和查准率，在测试数据集上平均F1值达到0.951。 3.针对受众人群广告观看过程，提出了一种基于分层特征学习的人脸表情识别算法。该算法能够同时对人脸的高层特征和低层特征进行学习，并将两者结合在一起构成一种多特征结构。实验结果证明，本文提出的表情识别算法具有较高的识别准确率，在三种表情数据集上平均识别准确率达到93.65％。 4.针对视频广告终端的广告投放，提出了一种基于受众统计特征分析的广告智能推荐算法。算法结合局部流行度及全局相关性进行分析，得到针对每类受众的TOP2N推荐列表。然后基于时段加权最优准则得到最终的TOP N推荐列表。实验结果表明，本文方法可有效提高视频广告受众到达率，平均增幅达27.44％。 5.针对内容分发过程中的内容安全问题，提出了一种基于量化索引集合替换的线性预测编码水印嵌入方法。相较于其他方法，本文方法显著的提高了嵌入效率。最多只需要修改一个量化索引即可嵌入三比特秘密信息。实验结果表明，本文方法在嵌入容量及抗隐写分析性能方面均优于目前该领域最优秀的线性预测编码信息隐藏方法。