目录
摘 要 II
关键词 II
ABSTRACT III
KEYWORDS III
引言 1
1 选题背景 1
1.1 问题的提出 1
1.2 国内外研究状况 1
1.2.1 视频剪辑 1
1.2.2 人脸检测 2
1.2.3 人脸识别 2
1.3 研究的目的和内容 3
2 开发环境与平台 4
2.1 硬件平台 4
2.2 Django框架 4
2.3 网页实现 5
2.3.1 前端语言 5
2.3.2 WebUploader组件 5
2.4 tensorFlow深度学习框架 5
3 关键技术 6
3.1 镜头分割 6
3.1.1 视频构成 6
3.1.2 基于帧间差分的镜头分割方法 6
3.2 基于MTCNN的人脸检测算法 7
3.3 人脸识别 8
3.3.1 facNet原理 8
3.3.2 网络爬虫技术 9
3.3.3 人脸识别过程 9
3.4 本章小结 11
4 系统分析与设计 12
4.1 可行性分析 12
4.2 功能需求分析 12
4.3 用例分析 12
4.3 系统设计 13
4.3.1 系统软件结构设计 13
4.3.2 系统逻辑架构设计 14
4.4 数据库设计 14
4.5 类图设计 15
5 系统实现 15
5.1 注册登录模块 15
5.2 上传模块 16
5.3 查看记录模块 17
6 总结与展望 18
6.1 总结 18
6.2 展望 18
致谢 18
参考文献 19
基于人脸识 *51今日免费论文网|www.51jrft.com +Q: &351916072& 
别的视频剪辑系统
摘 要
国内外自媒体从业者在平台上进行视频剪辑时一般使用手动逐帧剪辑的方式，而影视作品的逐年增多，会导致视频剪辑人员需要不断手动筛选得到特定人物的视频片段的问题，本文分析并研究出适用于剪辑单人视频片段的视频自动剪辑系统，通过重剪获得明星的专属视频片段，能够更好的为后续的视频剪辑服务。
本文针对视频剪辑人员需要对视频中的特定明星人脸的片段进行手动剪辑而花费大量人工成本的问题，设计与实现了一套对视频进行自动重剪生成明星片段的视频剪辑系统。本系统利用视频镜头分割技术和人脸识别技术处理得到视频中要识别的明星人脸的镜头片段，将其合并形成新的视频片段，即只有该明星的视频片段，用户得到这些明星的专属视频后可以有效的节约时间成本，直接在此基础上进行单人视频剪辑或混剪。本设计使用Django框架建立网站，利用python语言进行开发，MySQL数据库进行数据的存储操作，faceNet网络模型训练人脸集并进行人脸识别，本系统在镜头分割和人脸识别方面都有较高准确率。由于本系统的设计，将为自媒体工作者提供视频剪辑方面的便利，也使视频剪辑爱好者或者追星的人能够在视频的选择上节约时间，减少人工成本，更高效的进行视频剪辑。
引言
1 选题背景
1.1 问题的提出
在如今这样一个全球信息化的时代，人脸识别技术的应用使我们生活环境更加智能化，便利化，不仅能提高人民群众的安全感，国家安防、金融等领域的应用还能促进社会的安定有序。信息化使得社会上有越来越多的自媒体工作者，对于这些视频剪辑爱好者或者明星粉丝，会喜欢从各类视频里截取有他们喜欢的明星的镜头片段，重新配乐获得新的剪辑视频，再上传到各大平台与大众交流展示，但是他们一般会在视频选材与剪辑上花费的大量时间和精力，这就需要自动对视频进行人脸识别生成重剪视频的系统帮他们减轻在选取视频素材上的负担。
1.2 国内外研究状况
本章节对于系统的应用前景和主要核心技术等方面进行国内外研究现状的分析，能够为系统的设计与实现作出更充分的准备。
1.2.1 视频剪辑
互联网在不断发展，而无限流量的出现说明我们的生活几乎离不开网络，上网成为生活的新常态。信息技术的不断成熟也带动着自媒体行业的发展，21世纪初，“we media”的概念由两位美国人提出[1]，即自媒体，微博、博客、个人网站的出现使得自媒体得到推广，得到很多人的青睐，现阶段，随着自媒体的发展，该领域的平台也越来越多，更加符合人脸的需求，国外的主流自媒体平台有facebook、twitter等[2]，大家分享自己剪辑的视频进行互动交流，国内以微信公众号、微博、B站、抖音等软件为主，一些视频、电商平台和其他应用软件为辅，在视频、资讯、社交等领域都有涉猎，形式也越来越多样。而视频剪辑则是自媒体工作者或视频剪辑爱好者的必备技能之一，一般的视频剪辑软件把重心放在剪辑的特效等方面，没有把人物视频片段自动剪辑出来的功能，不管是对于明星粉丝，他们为自己喜欢的明星制作各种单人剪辑视频，或者通过不同的影视作品剪辑出一个新的故事，发到各大网站吸引流量，还是靠制作视频赚取金钱或流量的视频剪辑爱好者，基于人脸识别的视频剪辑系统都能较好的节约时间成本，这样就可以把更多的时间花在其他如文案、配音、配乐等方面。
1.2.2 人脸检测
人脸检测是人脸识别前的一个尤为重要的步骤。从一张图像中检测出人脸并对其定位的过程，即为人脸检测。如果在一张图中没有正确的检测出人脸，那就更不要说识别了，这会导致准确率的降低，因此许多学者为实现高效、准确的视频人脸检测，也在这方面进行不断的研究和改进。
早期的人脸检测是利用人脸模板匹配来进行的，随着分类器算法的改进，速度和准确率也进一步提高，之后卷积神经网络(CNN)、支持向量机(SVM)等机器学习算法常被运用于该类问题。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605730.html