ИССЛЕДОВАНИЕ МЕТОДОВ ИНДЕКСАЦИИ И ПОИСКА ВИДЕОИНФОРМАЦИИ ПО СТАТИЧЕСКИМ ИЗОБРАЖЕНИЯМ - Студенческий научный форум

VI Международная студенческая научная конференция Студенческий научный форум - 2014

ИССЛЕДОВАНИЕ МЕТОДОВ ИНДЕКСАЦИИ И ПОИСКА ВИДЕОИНФОРМАЦИИ ПО СТАТИЧЕСКИМ ИЗОБРАЖЕНИЯМ

Ельчанинов В.С. 1, Лясин Д.Н. 1
1Волжский политехнический институт (филиал) ФГБОУ ВПО "Волгоградский государственный технический университет"
 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

С ростом объемов жестких дисков и доступности различных видеофайлов проблема индексации видеоинформации становится более острой. Быстрый поиск нужного файла по кадру практически невозможен. На данный момент существует мало систем индексации и поиска, доступных обычному пользователю на персональном компьютере. Одна из таких систем – DIVAS (Direct video & audio content search engine) – система для поиска видео по загруженным фрагментам видео и/или скриншотам из файла.

Видео индексируется по «отпечаткам» аудио-видео информации, что позволяет пользователям по коротким отрывкам находить полный источник. Однако, кроме информации о разработке этой системы [5], о ней ничего не известно. Другая система – The Stanford/Technicolor/Fraunhofer HHI Video Semantic Indexing System [6] – система, которая позволяет пользователям по текстовым запросам находить подходящее видео. Создается тестовая база кадров, для которых люди заполняют основные концепты (ландшафтные съемки, человек в кадре и т.д.). Позднее на основе этой тестовой базы анализируются кадры видео, которые заносятся в базу данных. Однако, большой минус этой системы – невозможность применения для индексации частных коллекций видео, так как нужна объемная предварительная подготовка базы данных.

Данная работа посвящена исследованию наиболее эффективных способов поиска и индексации видеоинформации с последующей разработкой программного обеспечения, позволяющего выполнять эти операции рядовому пользователю.

Проблемы индексации и поиска видео заключаются, прежде всего, в различных кодеках, которыми можно сжать файлы. Сжатый двумя различными кодеками видеофайл может сильно отличаться по качеству изображения и даже временным характеристикам. Например, может наблюдаться заторможенное воспроизведение сцены при неудачном сжатии. Кроме того, разные форматы видео хранят информацию по-разному, что усложняет создание системы, пригодной к индексации файлов любых форматов.

На данный момент двумя самыми популярными форматами видео можно назвать AVI и MPEG4. Однако файлы в формате AVI часто имеют слишком большой объем и могут быть сжаты практически любым кодеком, что может усложнить задачи индексации. MPEG4 же набирает все большую популярность, имеет небольшие размеры и хранит информацию в удобном для индексации виде.

Из методов поиска следует отметить иерархические методы и методы сравнения изображений по гистограммам яркости. Иерархические методы предполагают разложение видеофайла в граф, состоящий из пяти уровней:

  1. Кадр.

  2. Ключевой кадр.

  3. Сцена.

  4. Группа снимков.

  5. Видео.

Соответственно, при сравнении изображений, поданных на вход поисковой системы и изображений, находящихся в базе данных, вычисляется уровень схожести исходных кадров и кадров индексированных видеофайлов. Этот способ может позволить искать видео не только по кадрам, но и по отрывкам сцен. Кроме того, предлагается совмещать этот способ с текстовым описанием файлов. Это позволит сократить время поиска, если известна часть информации об искомом файле.

Таким образом, целью исследования является повышение эффективности индексации и поиска видео в больших базах видеоконтента.

Этапы исследования:

  1. Исследование существующих методов индексации и поиска видеоконтента.

  2. Разработка математической модели и алгоритма индексации видео.

  3. Программная реализация системы индексации видео.

  4. Исследование эффективности методики индексирования и программной системы.

СПИСОК ЛИТЕРАТУРЫ

  1. Feifei Lee, Koji Kotani, Qiu Chen, Tadahiro Ohmi Fast Video Search Algorithm for Large Video Database Using Adjacent Pixel Intensity Difference Quantization Histogram Feature // IJCSNS International Journal of Computer Science and Network Security, VOL.9 No.9, 2009

  2. Feifei Lee, Qiu Chen, Koji Kotani, and Tadahiro Ohmi - An Improved Fast Video Clip Search Algorithm for Copy Detection using Histogram-based Features // World Academy of Science, Engineering and Technology, №59, 2011

  3. Потапов П.В., Кориков A.M. Алгоритм поиска векторов похожести при сжатии видеоданных // Известия Томского Политехнического университета, № 5, 2008 - 34-36с

  4. Eighth MPEG-4 AVC/H.264 Video Codecs Comparison - http://compression.ru/video/codec_comparison/h264_2012/

  5. DIVAS - ftp://ftp.cordis.europa.eu/pub/ist/docs/ka4/au_fp6_divas_en.pdf

  6. The Stanford/Technicolor/Fraunhofer HHI Video Semantic Indexing System - http://www-nlpir.nist.gov/projects/tvpubs/tv12.papers/stanford.pdf

Просмотров работы: 1243