1引言

　　全國有線廣播電視監(jiān)測網(wǎng)是基于國家廣電骨干網(wǎng)和省級干線網(wǎng)而建設(shè)的大型監(jiān)測網(wǎng)絡(luò)系統(tǒng)；隨著地面無線電視納入其監(jiān)測范圍，使得監(jiān)測規(guī)模越來越大被監(jiān)測的頻道和電視節(jié)目數(shù)越來越多。視頻信息技術(shù)的發(fā)展導(dǎo)致多媒體數(shù)據(jù)庫日益龐大，一些特殊應(yīng)用需要快速地完成特定目標(biāo)視頻片斷的檢索查詢，特別作為廣播電視監(jiān)測部門，更要面對與日俱增的廣告、視頻節(jié)目及特定內(nèi)容的快速檢索。在一個(gè)視頻節(jié)目中，如何快速查找某段節(jié)目(或某幾幀)是否存在、播放的起止時(shí)間等信息、傳統(tǒng)的方法是靠人工將視頻節(jié)目文件逐一播放，查找所要的內(nèi)容，整個(gè)過程耗時(shí)費(fèi)事，效率低，勞動(dòng)強(qiáng)度大。因而人工檢索方式無法滿足多媒體信息快速檢索需求，特別是對在存儲的視頻節(jié)目中尋找指定的視頻片斷這樣的應(yīng)用需求。因此，需要建立一套快速的智能視頻檢索系統(tǒng)．以提高有線電視監(jiān)測數(shù)據(jù)統(tǒng)計(jì)、分析和報(bào)告的質(zhì)量和效率。

2視頻檢索技術(shù)簡介

　　視頻檢索技術(shù)是世界各國學(xué)者研究的熱點(diǎn)問題之一，如基于壓縮域的視頻檢索、基于語義的視頻檢索以及動(dòng)態(tài)特征的提取等。目前，國內(nèi)外已研究出多個(gè)視頻檢索系統(tǒng)，如：ibm almaden研究中心開發(fā)的qbic(query byimage content)系統(tǒng)，美國哥倫比亞大學(xué)電子工程系與電信研究中心圖像和高級電視實(shí)驗(yàn)室共同研究的、一種在互聯(lián)網(wǎng)上使用的"基于內(nèi)容"的檢索系統(tǒng)visualseek，清華大學(xué)開發(fā)的視頻節(jié)目管理系統(tǒng)tv-fi(tsinghua videofind lt)等。

　　視頻檢索把圖像檢索、模式識別、圖像數(shù)據(jù)庫等技術(shù)成果結(jié)合了起來，會有廣闊的發(fā)展前景。

　　視頻檢索是從大量的視頻數(shù)據(jù)中找到所需的視頻片斷及自動(dòng)統(tǒng)計(jì)出所需要的信息。用戶提供的例子(模板)或特征描述，系統(tǒng)就能夠自動(dòng)地找到所需的視頻片斷點(diǎn)，即實(shí)現(xiàn)基于內(nèi)容的視頻檢索。通常，一段視頻可以劃分為幾個(gè)場景，每個(gè)場景包含一個(gè)或多個(gè)鏡頭，每個(gè)鏡頭又由一系列連續(xù)記錄的圖像幀組成。因此，原始視頻可以按照由粗到細(xì)的順序劃分為幾個(gè)層次結(jié)構(gòu)：視頻(video)、場景(scene)、鏡頭(shot)和圖像幀(frame)。視頻和圖像幀是視頻本身就具有的結(jié)構(gòu)，而鏡頭和場景是人為分離出來的結(jié)構(gòu)。鏡頭一般是由攝像機(jī)一次攝像的開始和結(jié)束的所有幀構(gòu)成，表示一個(gè)物理概念。而場景是指一連串語義相關(guān)的鏡頭，一般發(fā)生在相同的時(shí)間和地點(diǎn)，出現(xiàn)相同的人物或事件，表示的是一個(gè)語義概念。通過視頻解析技術(shù)提取出鏡頭和場景后，可以用一幀或幾幀來表示它們，這樣當(dāng)檢索需要視頻資料時(shí)，就不用從頭到尾地查找一段視頻，而是通過關(guān)鍵幀的非線性瀏覽來快速定位查詢的內(nèi)容，同時(shí)這種方式也有助于我們快速理解一段原始視頻的內(nèi)容，以決定是否是需要的資料。

　　根據(jù)有線電視監(jiān)測的應(yīng)用需求．首先利用抽取關(guān)鍵幀的方法，將視頻檢索轉(zhuǎn)化為圖像檢索，基于內(nèi)容的圖像檢索理論和方法便可以很方便地應(yīng)用于圖像檢索當(dāng)中�；趦�(nèi)容的圖像檢索，是指通過對圖像視覺特征和上下文聯(lián)系的分析，提取出圖像的內(nèi)容特征作為圖像索引來得到所需圖像，然后通過視頻片斷的匹配定位出需要查找的視頻片斷的位置，為查詢、下載、觀看所用。

3視頻檢索的關(guān)鍵技術(shù)

　　視頻檢索的關(guān)鍵技術(shù)主要有：圖像特征提取、圖像特征的相似性度量、關(guān)鍵幀提取、視頻片斷匹配和評價(jià)指標(biāo)等。

(1)圖像特征提取

　　圖像特征提取是針對圖像內(nèi)容的底層物理特征進(jìn)行提�。珙伾狈綀D、圖像輪廓特征等。特征的表示方式有三種：數(shù)值信息、關(guān)系信息和文字信息。目前，多數(shù)系統(tǒng)采用的都是數(shù)值信息。

(2)圖像特征的相似性度量

　　相似性度量在鏡頭檢索上，早期的工作主要是從鏡頭中提取關(guān)鍵幀，把鏡頭檢索轉(zhuǎn)化為圖像檢索。例如，在通常情況下，圖像的特征向量可看作是多維空間中的一點(diǎn)，因此，用特征空間中點(diǎn)與點(diǎn)之間的距離來代表它們的匹配程度。距離度量是一個(gè)比較常用的方法，還有相關(guān)計(jì)算、關(guān)聯(lián)系數(shù)計(jì)算等。此外，目前研究的問題還在于怎樣對視頻中的時(shí)間信息充分進(jìn)行利用。

　　相似性度量在片段檢索上，把視頻片段分為片段、幀兩層考慮，片段的相似性利用組成幀的相似性來直接度量，缺點(diǎn)在于限制相似的片段必須遵守同樣的時(shí)間順序，這種基于每幀的比較，也使得檢索速度比較慢。

(3)關(guān)鍵幀提取

　　關(guān)鍵幀是用于描述一個(gè)鏡頭的關(guān)鍵圖像幀，它反映一個(gè)鏡頭的主要內(nèi)容。關(guān)鍵幀的選取一方面必須能夠反映鏡頭中的主要事件，因而描述應(yīng)盡可能準(zhǔn)確完全；另一方面，為便于管理，數(shù)據(jù)量應(yīng)盡量小，且計(jì)算不宜太復(fù)雜。

　　關(guān)鍵幀的選取方法很多，比較經(jīng)典的有幀平均法和直方圖平均法。幀平均法是從鏡頭中取所有幀在某個(gè)位置上像素值的平均值，然后將鏡頭中該點(diǎn)位置的像素值最接近平均值的幀作為關(guān)鍵幀；直方圖平均法則是將鏡頭中所有幀的統(tǒng)計(jì)直方圖取平均，然后選擇與該平均直方圖最接近的幀作為關(guān)鍵幀。

(4)視頻片斷匹配

　　先找出視覺上相似的片段，再根據(jù)不同的因子