互聯(lián)網(wǎng)視頻內(nèi)容檢索的關(guān)鍵技術(shù)研究.pdf

1、隨著計(jì)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)、檢索和處理龐大的互聯(lián)網(wǎng)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(wèn)題。
　　 目前互聯(lián)網(wǎng)視頻檢索主要依賴于網(wǎng)絡(luò)視頻的標(biāo)題、描述文本等信息，存在著視頻信息的索引不完全、文本描述信息不準(zhǔn)確的問(wèn)題，從而影響檢索的結(jié)果。檢索過(guò)程中沒(méi)有充分分析和利用視頻的視覺(jué)信息，使得檢索結(jié)果存在視覺(jué)內(nèi)容上的重復(fù)，與人們的預(yù)期存在偏差。本文主要針對(duì)

2、互聯(lián)網(wǎng)視頻的繁雜冗余的特征，研究互聯(lián)網(wǎng)視頻內(nèi)容的檢索方法中的幾個(gè)關(guān)鍵問(wèn)題，包括信息的抽取、視頻相關(guān)性的挖掘和海量視頻信息的處理等，期望通過(guò)本文的研究工作促進(jìn)基于內(nèi)容的視頻檢索的發(fā)展和實(shí)用化進(jìn)程。
　　 本論文的主要研究工作如下：
　　 1.提出了基于語(yǔ)義結(jié)構(gòu)描述的視頻網(wǎng)頁(yè)識(shí)別和信息抽取方法。
　　 針對(duì)基于文本的視頻檢索，著重研究互聯(lián)網(wǎng)視頻頁(yè)面的識(shí)別方法以及視頻網(wǎng)頁(yè)文本的抽取算法。首先，提出了基于語(yǔ)義區(qū)域表示的

3、視頻網(wǎng)頁(yè)描述方法，以語(yǔ)義區(qū)域描述視頻網(wǎng)頁(yè)的結(jié)構(gòu)，進(jìn)一步提出面向語(yǔ)義結(jié)構(gòu)的網(wǎng)頁(yè)匹配算法，并將算法應(yīng)用于視頻頁(yè)面的識(shí)別和視頻描述文本的抽取，有效的提高了視頻網(wǎng)頁(yè)內(nèi)容識(shí)別和抽取的準(zhǔn)確性。
　　 2.提出了結(jié)合SIFT特征匹配及時(shí)序特征的視頻相似度度量方法。
　　 首先歸納了視頻相似度度量的方法，在傳統(tǒng)方法的基礎(chǔ)上提出了基于SIFT特征的視頻幀匹配算法，并通過(guò)LSH哈希優(yōu)化了匹配的效率，提高了匹配的準(zhǔn)確率。同時(shí)采用RANSAC

4、算法對(duì)匹配幀序列進(jìn)行處理，剔除離群的噪聲信息，充分挖掘了視頻幀之間的相關(guān)性，有效地結(jié)合了視頻幀序列的時(shí)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消重。
　　 3.提出了基于仿射傳播聚類算法的視頻檢索結(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(yàn)。針對(duì)這一問(wèn)題，本文提出了基于仿射傳播（Affinity Propagation）聚類的視頻檢索

5、結(jié)果優(yōu)化方法。首先依據(jù)視頻的相似度模型，計(jì)算檢索結(jié)果中的視頻之間的相似度，構(gòu)造相似度的矩陣；然后通過(guò)仿射傳播聚類算法，依據(jù)視頻之間的相似度矩陣對(duì)視頻內(nèi)容進(jìn)行聚類，將在內(nèi)容上相似或者相同的視頻進(jìn)行歸類，有效地改善了視頻檢索結(jié)果的質(zhì)量，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(jì)算方法。
　　 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(shí)存在性能瓶頸，針對(duì)這一