隨著計算機網絡和數字多媒體技術的發(fā)展,互聯(lián)網視頻應用日益普及,網絡視頻的數量急劇膨脹,如何有效的發(fā)現(xiàn)、檢索和處理龐大的網絡視頻數據已成為研究領域和工業(yè)界中亟待研究和解決的問題。 目前互聯(lián)網視頻檢索主要存在的問題包括：(1)檢索依賴于網絡視頻的標題、描述文本等信息,視頻信息的索引不完全,文本描述信息不準確,從而影響檢索的結果；(2)檢索過程中沒有充分分析和利用視頻的視覺信息,使得檢索結果存在視覺內容上的重復,與人們的預期存在偏差；(3)在處理海量網絡視頻數據時,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.提出了基于語義結構描述的視頻網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)網視頻頁面的識別方法以及視頻網頁文本的抽取算法。首先,提出了基于語義區(qū)域表示的視頻網頁描述方法,以語義區(qū)域描述視頻網頁的結構,然后進一步提出面向語義結構的網頁匹配算法,并將算法應用于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頁內容識別和抽取的準確性,算法的F值度量超過0.85。 2.提出了結合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確率不高的問題,本文提出了結合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,提高了匹配的準確率。然后采用RANSAC算法對匹配幀序列進行處理,剔除離群的噪聲信息,充分挖掘視頻幀之間的相關性,有效地結合了視頻幀序列的時序信息,提高了視頻相似度度量的準確率,并有效的完成視頻片段的相似性檢測和消重。在標準數據集的測試中,相似性檢測的準確率和召回率均達到90%以上。 3.研究了采用仿射傳播聚類算法對視頻檢索結果優(yōu)化方法。 視頻的檢索結果中通常存在大量的相同或者相似的結果,從而影響檢索結果的質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播(Affinity Propagation)聚類的視頻檢索結果優(yōu)化方法。首先依據視頻的相似度模型,計算檢索結果中的視頻之間的相似度,構造相似度矩陣；然后通過仿射傳播聚類算法,依據視頻之間的相似度矩陣對視頻片段進行聚類,將在內容上相似或者相同的視頻進行歸類,平均聚類準確率為0.83,有效地改善了視頻檢索結果的質量,并完成檢索結果的優(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。 視頻數據的特征復雜使得視頻相似度度量算法在處理大規(guī)模視頻數據時存在性能瓶頸,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據相似度的計算方法。在特征描述的基礎上,提出了基于Map／Reduce架構的視頻相似度計算方法,將視頻片段相似度計算的任務進行分解,并通過分布式的框架進行處理,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展性。 上述方法已應用于國家863項目“結合語義的視頻網站自動發(fā)現(xiàn)與分析評估服務”課題中的視頻片段聚類與視頻相關性檢索,并將應用于國家科技支撐計劃“支持跨區(qū)域、多運營商的新一代廣播電視服務系統(tǒng)”的“增強型新聞點播服務”中。 

 

【學位級別】：博士

 

【頁數】：124

 

【部分圖文】：

 

GGGoogleS一tesss136.4699993999YYYah00!S甘tesss51464448.555CCC日51扭erad份eee41，210005333「「OXIntefa由館Me山aaa40，457777222HHHUIUUU38，4455523萬萬功功日eomD，gj栩栩38.009999555MMMICf0SOtt象tesss36.1099913666FFFAC仁BOOKCOMMM34.214445222VVVeVOOO32，357777000八八OLLLCCC30，809997.999圖1.22010年1月美國在線視頻瀏覽情況2國內，僅2009年4月份，國內主要視頻分享網站的有效瀏覽小時。整個2009年度，國內視頻分享服務月度覆蓋人數從1長至12月份的2.1億人，增長率達32.4%，并且呈現(xiàn)持續(xù)增長之。

第2章相關技術研究與背景接，當且僅當函數節(jié)點依賴與變量節(jié)點時才有它們之間的邊作為連接。如圖2.7A所示，它包含了從函數節(jié)點發(fā)送到變量節(jié)點的消息和從變量節(jié)點到函數節(jié)點的消息。鞍鞍鞍鞍鞍鞍囊 囊囊囊囊黔黔黔瞬瞬 瞬烈 烈...沂‘裸日 日少j政JJJ迷迷羲 羲到 到圖 2.7AP算法的因子圖表示從c，到氏(c)的消息包含N個實數，并且表示為Pi。、(力，如圖2.7B，通過把這個N個實數規(guī)約到一個實數，使得AP算法成為一個有效的基于消息傳遞的算法，。從氏(c)到c

第2章相關技術研究與背景圖2.11是具體的M即 /Reduce系統(tǒng)的執(zhí)行流程(文獻「62])、】)。丹。*k/口必，‘.(2)‘、褪卯rod必‘孫l戶J.-.口月.，，一黑靂二下竺、、‘、、_‘、入‘5)憶叮舊.亡份adW改ker要氣/蕊贏戶丫理已竺wor晚r黑王受}州…驪{塑蟬洲workerIllPut nlesMap戶公eIrltenr一 ediatenles(onl沉 aldisks)Redu沈Pha滅oulPut川es圖2.11分布式Map/Reduee的執(zhí)行流程 MaP/Reduce被大量的應用于Google的各種計算任務中，以文本中的詞頻統(tǒng)計為例，MaP的過程如算法2.5所示:算算法2.5詞頻統(tǒng)計的M即流程 程 mmmaP(StringinPutkey， StringinPutvalue)::: ////inPu七 key:doeumentnameee ////inPu七 value:doeumenteontentsss ffforeaChwordwininpu七 _value::: EEE訊i七工n七ermediate(w，”1” );;;詞頻統(tǒng)計的Reduce的過程如算法2.6:算算法2.6詞頻統(tǒng)計的Reduce流程 程rrreduCe(S七 ringOu七pu七_key，工七era七。 rin七ermedia七e_va工ue

麟麟黝呱 呱圖3.1典型的視頻播放頁面的結構化表示圖3.1為一個典型的視頻播放頁面，通過結構化語義塊的表示方法，將其轉換為DOM樹結構，同時，頁面的1、2、3等標記的語義區(qū)域在DOM樹上分別對應于子樹表示。通過這種語義結構化的表示，可以通過進一步的算法來處理文檔內容，以完成視頻播放網頁的識別和視頻文本信息的抽取的工作。3.2基于語義結構化的視頻網頁識別與內容抽取