1、 基于内容视频搜索引擎论文：基于内容的视频搜索引擎【中文摘要】随着互联网的飞速发展,信息出现爆炸式增长,搜索引擎已经成为了用户上网查询信息不可缺少的应用服务。搜索引擎所检索的信息覆盖面大,相关度高,在用户需要进行范围广泛的查询的时候具有极高的价值。但是随着当今网络上多媒体数据的日渐增多,传统的基于文本的搜索引擎越来越难以满足用户的需要。特别对于视频的查询,关键字的标注往往难以准确描述视频表示的含义,并且对视频进行标注需要投入大量的人力,于是基于内容的视频搜索引擎应运而生,迅速成为研究热点。本文主要研究了基于内容的视频搜索引擎中的关键算法以及整体框架,实现了搜索引擎的四个模块：视频数据抓取,数据
2、预处理,查询以及相关反馈,并从这四个方面进行了深入的研究,主要工作如下：数据抓取部分,提出了一种分布式垂直视频爬虫算法,通过主题相关度判定算法抓取网页主题链接,获取主题视频。另外,为了提高抓取效率,设计分布式结构进行并行抓取。在数据的预处理方面,提出了使用 HSV 相关图,LBP 直方图,摄像机运动以及运动活跃度四个底层特征从颜色、纹理、运动方面对镜头进行描述。此外,提出了使用倒排索引和 R 树对底层特征建立索引,提高了查询的效率。在查询方面,通过实验对比了几.【英文摘要】With the rapid development of Internet and explosive growth o
3、f information on networks, search engine has become an indispensable application for users when they search information through Internet. Search engine is of great values when users search general queries because the information it returned usually covers wide range field and is likely to central to
4、 the issues. However, the conventional search engine based on the keywords technology is powerless to the increasing multimedia data, especially videos.【关键词】基于内容视频搜索引擎 视频爬虫 底层视觉特征 相关反馈【英文关键词】Content-based video search engine video spider low-level visual feature relevance feedback【索购全文】联系 Q1：1381137
5、21 Q2：139938848【目录】基于内容的视频搜索引擎 摘要 4-5 ABSTRACT 5-6 目录 7-9 第一章 绪论 9-14 1.1 课题研究背景和意义 9-10 1.2 视频搜索引擎的关键技术 10-11 1.2.1 数据抓取模块 10 1.2.2 数据预处理模块 10-11 1.2.3 查询模块 11 1.2.4 相关反馈模块 11 1.3 本文的工作和安排 11-14 1.3.1 主要研究内容 11-12 1.3.2 论文结构安排 12-14 第二章 分布式垂直视频爬虫 14-25 2.1 分布式垂直视频爬虫原理 14-17 2.1.1 分布式垂直视频爬虫原理 14-15
6、2.1.2 分布式垂直视频爬虫系统框图 15-17 2.2 分布式垂直视频爬虫中的关键技术 17-24 2.2.1 网络编程基本技术 17-18 2.2.2 HTTP 协议解析 18-20 2.2.3 网页结构化分析 20-21 2.2.4 垂直爬取技术 21-22 2.2.5 分布式技术 22-23 2.2.6 Flash 视频网站的视频抓取技术 23-24 2.3 实验结果及分析 24 2.4 本章小结 24-25 第三章 视频结构化及特征索引建立 25-35 3.1 视频结构化及索引创建流程 25 3.2 视频数据结构化分析 25-30 3.2.1 镜头分割 26-27 3.2.2 关键
7、帧提取 27 3.2.3 底层视觉特征提取 27-30 3.3 索引技术 30-33 3.3.1 索引概念 30-31 3.3.2 倒排索引技术 31-32 3.3.3 R-TREE 32-33 3.4 Oracle 数据库 33-34 3.4.1 视频相关数据存储格式 33-34 3.4.2 使用 Pro*C/C+操作数据库 34 3.5 本章小结 34-35 第四章 基于多特征融合的视频查询 35-42 4.1 基于底层视觉特征的相似性查询 35-37 4.1.1 底层特征间的匹配策略 35-36 4.1.2 结果融合策略 36-37 4.2 相关实验及结果分析 37-41 4.3 本章小结 41-42 第五章 基于 SVM 的相关反馈算法 42-54 5.1 相关反馈的概念 42-43 5.2 相关反馈系统的框架 43-44 5.3 相关反馈的关键技术 44-47 5.3.1 SVM 基本原理 44-45 5.3.2 在线学习算法 45-46 5.3.3 多特征融合技术 46-47 5.4 相关实验及结果分析 47-53 5.5 本章小结 53-54 第六章 总结与展望 54-56 6.1 论文总结 54-55 6.2 未来工作展望 55-56 参考文献 56-59 致谢 59-60 作者攻读硕士学位期间发表的学术论文 60
