海量網(wǎng)絡(luò)視頻快速檢索關(guān)鍵技術(shù)研究.pdf

1、隨著計算機(jī)網(wǎng)絡(luò)和數(shù)字多媒體技術(shù)的發(fā)展，互聯(lián)網(wǎng)視頻應(yīng)用日益普及，網(wǎng)絡(luò)視頻的數(shù)量急劇膨脹，如何有效的發(fā)現(xiàn)、檢索和處理龐大的網(wǎng)絡(luò)視頻數(shù)據(jù)已成為研究領(lǐng)域和工業(yè)界中亟待研究和解決的問題。
　　 目前互聯(lián)網(wǎng)視頻檢索主要存在的問題包括：(1)檢索依賴于網(wǎng)絡(luò)視頻的標(biāo)題、描述文本等信息，視頻信息的索引不完全，文本描述信息不準(zhǔn)確，從而影響檢索的結(jié)果；(2)檢索過程中沒有充分分析和利用視頻的視覺信息，使得檢索結(jié)果存在視覺內(nèi)容上的重復(fù)，與人們的預(yù)期存在

2、偏差；(3)在處理海量網(wǎng)絡(luò)視頻數(shù)據(jù)時，傳統(tǒng)的串行方法在性能上不能滿足實用的要求。針對這幾個問題，本論文的主要研究工作和創(chuàng)新點如下：
　　 1.提出了基于語義結(jié)構(gòu)描述的視頻網(wǎng)頁識別和信息抽取方法。
　　 針對基于文本的視頻檢索系統(tǒng)，著重研究互聯(lián)網(wǎng)視頻頁面的識別方法以及視頻網(wǎng)頁文本的抽取算法。首先，提出了基于語義區(qū)域表示的視頻網(wǎng)頁描述方法，以語義區(qū)域描述視頻網(wǎng)頁的結(jié)構(gòu)，然后進(jìn)一步提出面向語義結(jié)構(gòu)的網(wǎng)頁匹配算法，并將算法應(yīng)用于

3、視頻頁面的識別和視頻描述文本的抽取，有效的提高了視頻網(wǎng)頁內(nèi)容識別和抽取的準(zhǔn)確性，算法的F值度量超過0.85。
　　 2.提出了結(jié)合SIFT特征匹配及時序特征的視頻相似度度量方法。
　　 針對傳統(tǒng)的視頻相似度度量方法存在的準(zhǔn)確率不高的問題，本文提出了結(jié)合SIFT特征匹配及時序特征的視頻相似度度量方法。首先通過SIFT特征進(jìn)行視頻幀的匹配，并通過LSH哈希優(yōu)化了匹配的效率，提高了匹配的準(zhǔn)確率。然后采用RANSAC算法對匹配幀

4、序列進(jìn)行處理，剔除離群的噪聲信息，充分挖掘視頻幀之間的相關(guān)性，有效地結(jié)合了視頻幀序列的時序信息，提高了視頻相似度度量的準(zhǔn)確率，并有效的完成視頻片段的相似性檢測和消重。在標(biāo)準(zhǔn)數(shù)據(jù)集的測試中，相似性檢測的準(zhǔn)確率和召回率均達(dá)到90％以上。
　　 3.研究了采用仿射傳播聚類算法對視頻檢索結(jié)果優(yōu)化方法。
　　 視頻的檢索結(jié)果中通常存在大量的相同或者相似的結(jié)果，從而影響檢索結(jié)果的質(zhì)量和用戶的檢索體驗。本文針對這一問題提出了基于仿射傳

5、播(Affinity Propagation)聚類的視頻檢索結(jié)果優(yōu)化方法。首先依據(jù)視頻的相似度模型，計算檢索結(jié)果中的視頻之間的相似度，構(gòu)造相似度矩陣；然后通過仿射傳播聚類算法，依據(jù)視頻之間的相似度矩陣對視頻片段進(jìn)行聚類，將在內(nèi)容上相似或者相同的視頻進(jìn)行歸類，平均聚類準(zhǔn)確率為0.83，有效地改善了視頻檢索結(jié)果的質(zhì)量，并完成檢索結(jié)果的優(yōu)化。
　　 4.提出了基于Map/Reduce的分布式海量視頻片段相似度計算方法。
　　

6、視頻數(shù)據(jù)的特征復(fù)雜使得視頻相似度度量算法在處理大規(guī)模視頻數(shù)據(jù)時存在性能瓶頸，本文針對這一問題首先提出了一種面向海量視頻相似度計算的視頻特征表示方法，該方法借鑒了信息論的模型以及文本數(shù)據(jù)相似度的計算方法。在特征描述的基礎(chǔ)上，提出了基于Map/Reduce架構(gòu)的視頻相似度計算方法，將視頻片段相似度計算的任務(wù)進(jìn)行分解，并通過分布式的框架進(jìn)行處理，有效地提高了視頻相似度的計算效率，并且具有較高的可擴(kuò)展性。
　　 上述方法己應(yīng)用于國家86