未来智讯 > 物联网论文 > 多媒体数据库检索技术在物联网中的应用

多媒体数据库检索技术在物联网中的应用

发布时间:2019-04-26 06:02:16 文章来源:未来智讯    
面向对象的网络化多媒体数据库检索学习应用技巧:在优雅中邢志毅摘要:随着物联网技术的不断发展,以及管理多媒体数据的存储日益突出,传统的数据库技术已经无法实现 管理。 在此背景下,为了对多媒体数据库检索技术进行深入研究,本文简要讨论了什么是多媒体数据库,并着重讨论了物联网多媒体数据的特点。 它引入了基于内容的检索技术并将它们分开。 详细探讨了音频,图像和视频的检索技术,最后探讨了物联网多媒体数据检索策略,以教授和应用物联网多媒体数据检索的价值。 关键词:多媒体; 数据库; 面向物联网; 检索
中图分类号:TP391文献标识码:A文章编号:2095-1302(2013)02-0065-02 0引言随着信息高速公路的兴起,多媒体正在深入我们的生活,物联网时代 离我们越来越近了。 在全面处理文本,图形,图像,视频,声音等各种媒体信息时,传统的信息检索不能满足人们的需求,信息的搜索和检索也越来越高。 1物联网的多媒体数据库特征
多媒体数据库是多媒体技术和数据库技术相结合时出现的一种新型数据库[1],这意味着数据库中的信息不仅涉及各种数字,字符 等图案表达系统,还包括多媒体非图案化表达数据库数据存储,读取,检索等数据库系统的功能[2]。 多媒体数据库继承了传统数据库的一些优点,但数据管理涉及更加混乱的处理。 与此同时,在战略和互联网之后,物联网带来了信息技术的第三次革命。 经过综合分析,物联网案例中的多媒体数据与传统数据相当,各有特色。 1.1数据的非布局声音,图像,电影和电视等数据基本上都是二进制字符串。 这些数据看不到任何布局,因此它们被称为非布局数据。 各种媒体的数字存储称为多媒体数据。 由于这些数据用于确定传感器输入机制,因此也称为传感器数据。 如果媒体数据没有夸大其词,通常很难对数据进行解释。 这些特性使传统的关系型DBMS难以有效地管理这些类型的数据,促使我们学习和引入新的DBMS系统。 1.2实时和锐利的更新物联网技术基于各种感知技术。 其上有许多类型的传感器,不同类型的传感器捕获的数据内容和数据模式是不同的。不同。 因为每个传感器是信息源,所收集的信息处于未识别的周期状态,并且传感器获得的多媒体数据不被更新,并且具有实时性能。 1.3大量数据和高维度物联网是在因特网上建立的无处不在的网络。 物联网技术的重点仍然是互联网,决定各种有线和无线网络将与互联网集成,物体信息将被实时正确传输[4]。 多媒体数据量通常很大。 虽然数据压缩技术被接受,但压缩数据量仍然很大。 物联网上的传感器按时收集的信息必须由网络传输确定。 因此,如此庞大的数据对多媒体数据库的存储和检索提出了更高的要求,同时,我们必须考虑相同的海量数据传输规模。 2用于物联网的多媒体数据库检索多媒体数据包括各种模式的信息内容,例如文本,图像,视频和音频。 随着Internet的发展,传统的基于布局的关系数据库检索格式不适用于非布局多媒体数据的检索。 人们已经提出了检索多媒体数据的新要求。 基于内容的检索是从媒体数据中提取特定信息线索,然后使用这些线索从存储在数据库中的大量媒体中搜索以检索具有类似特征的媒体数据。 它能够以更有条理的方式更深入地运用存储的多媒体信息。 基于内容的检索是一个逐步完善的过程[3]:第一个是保持媒体内容的信息线索。 基于内容的检索直接分析图像,视频和音频内容,提取特征和语义,并练习这些内容特征以进行索引和检索。 第二种是相似性匹配,即根据不可避免的匹配算法将查询特征与特征库中的数据进行匹配,并根据相似性将一组不可避免地彼此相似的候选局放入用户。 第三是特色调解。 响应于系统返回查询,用户可以选择主动,或者选择通过特征中介从中形成新查询的示例。 第四,搜索限制逐渐缩小,直到用户喜欢它。 具体过程如图1所示.2.1基于内容的图像检索技术基于内容的图像检索技术是指使用不可避免的算法来提取图像中图像的颜色,纹理,形状和其他特征。 恢复。 用户提供样本图像,系统提取样本图像的特征,然后比较数据库中所有图像的特征,并向用户返回与样本特征类似的图像。 2.2基于内容的视频检索技术视频主要由镜头组成。 镜头由一系列后续镜架组成。 帧是静态图像,是构成视频的最小单位。 基于内容的视频检索的关键程序是朋友的视频,在得分完成后,它还确定每个镜头的起点和终点位置。 每个镜头中有一个系列帧之间的差异很小,并且可以选择头部框架来描绘镜头的图像,并且可以将镜头的检索转换成帧的检索。 因为视频中的头部帧是静态图像,所以可以使用近似图像检索的方法来检索它。 2.3基于内容的音频检索技术基于内容的音频检索能够提取音频数据中的特征信息,匹配每个音频的字符,从而实现检索的目的。 通常搜索特征值的韵律,和弦,旋律和重音特征,例如重音,响度和音色,并且通过查询索引和数据库中的音频索引之间的相似性来检索音频片段。 除了实际的声乐词汇之外,语音中包含的其他信息,例如说话者的身份和情感,有助于语音索引和检索。 3物联网多媒体数据检索策略
针对多媒体数据的特点,分析了物联网信息检索中遇到的问题。 一方面,它可以考虑提高服务器的处理能力和扩展服务器的存储。 另一方面,可以考虑容量来优化查询策略以提高检索率。 可以通过三种方式考虑优化策略。 3.1临时表缓冲策略在数据表上操作时,传统方法是直接在表上执行关系操作,然后选择所需的一组。 选择临时表的方法是首先查询大数据表,预先读取前提的数据,然后将源数据表的会议转换为与临时表的会议。 预读操作的数据集将给系统带来额外的开销。 但是,在一般环境中,临时表中设置的数据远小于源数据表中设置的数据。 因此,在处理后续操作或频繁会议的海量数据时,选择此策略可以提高系统的整体直觉。 3.2数据维度减少策略人们在物联网中获得的数据量呈指数级增长。 为了减少系统检索的负担,可以减少数据。 结合特定的交易需求,在尽可能保持初始数据的条件下将数据维度减小到合理的大小,然后将维数减少后的数据发送到信息处理系统。 这是海量数据的检索。 有用。 降维算法主要分为线性降维算法和非线性降维算法。 降维的真实颜色是搜索投影变换,即从高维空间到低维空间的转换。 同时,降维也是一些智能算法的必修程序,对物联网数据检索中的智能处理非常有帮助。 3.3情境感知语义检索策略物联网(IoT)是用于射频识别,红外传感器,全球定位系统,激光扫描仪等的信息传感设备,将任何项目链接到因特网以进行数据交互。 更改。 基于网络,您可以从大规模海量数据中搜索用户的位置数据,相邻数据,通信数据和行为数据,以及对大量移动数据的实时探索,得出数据中包含的规则,感知用户的情况,发现用户的行为模式,最能满足用户的需求 需要。 需要向用户提交用于满足用户收入的局,从而提高物联网信息检索的质量。 4结论随着物联网技术应用的增长,人们对多媒体数据库的搜索需求在这种情况下变得越来越迫切。 “数据灾难”已成为亟待解决的问题。 通过执行诸如云策略和模式识别的各种策略,可以从传感器获得的大量信息中检索和处理有意义的数据。 随着理论研究和时间要求的不一致,物联网的搜索技术将不可避免地更加完善,智能物联网多媒体数据库的应用将逐步推向各个行业和类别。 参考文献[1]龚晨静,朱洪珍,李德云。 多媒体数据库技能综述[J]。 计算机常识和技能,2009(18):374-375。 [2]黄志军,曾斌。 多媒体数据库技能[M]。 北京:国防工业出版社,2005。[3]叶福军。 基于内容的多媒体数据库检索技术[J]。福建计算机,2008,24(10):34-34。 [4]张伟。 物联网的发展趋势[M]北京:清华大学出版社,2010。[5]赵睿。 基于内容检索的多媒体数据库系统[D]。 阜新:辽宁工程技术大学,2002。[6]王一燕,周明权,严国华。 基于内容的多媒体信息检索技术[J]。 当代电子技术,2005,28(2):74-76。
转载请注明来源。原文地址:http://tangtes.cn/page/2019/0426/86534/
 与本篇相关的热门内容: