互聯網視頻內容檢索的關鍵技術研究.pdf

1、隨著計算機網絡和數字多媒體技術的發(fā)展，互聯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、檢索和處理龐大的互聯網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。
　　 目前互聯網視頻檢索主要依賴于網絡視頻的標題、描述文本等信息，存在著視頻信息的索引不完全、文本描述信息不準確的問題，從而影響檢索的結果。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。本文主要針對

2、互聯網視頻的繁雜冗余的特征，研究互聯網視頻內容的檢索方法中的幾個關鍵問題，包括信息的抽取、視頻相關性的挖掘和海量視頻信息的處理等，期望通過本文的研究工作促進基于內容的視頻檢索的發(fā)展和實用化進程。
　　 本論文的主要研究工作如下：
　　 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，著重研究互聯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

3、視頻網頁描述方法，以語義區(qū)域描述視頻網頁的結構，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。
　　 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。
　　 首先歸納了視頻相似度度量的方法，在傳統(tǒng)方法的基礎上提出了基于SIFT特征的視頻幀匹配算法，并通過LSH哈希優(yōu)化了匹配的效率，提高了匹配的準確率。同時采用RANSAC

4、算法對匹配幀序列進行處理，剔除離群的噪聲信息，充分挖掘了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消重。
　　 3.提出了基于仿射傳播聚類算法的視頻檢索結果優(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。針對這一問題，本文提出了基于仿射傳播（Affinity Propagation）聚類的視頻檢索

5、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，構造相似度的矩陣；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內容進行聚類，將在內容上相似或者相同的視頻進行歸類，有效地改善了視頻檢索結果的質量，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，針對這一