대용량 비디오 데이터베이스를 위한 인덱싱

Abstract

멀티미디어 데이터베이스는 고차원의 데이터에서 좋은 성능을 제공하는 인덱싱 방안이 요구된다. LSH는 트리 기반 인덱싱과 달리 해쉬의 특성을 이용하여 고차원 데이터에도 적용할 수 있는 인덱싱 방안이나, 데이터의 특성과 파라메터 설정에 따라 성능이 크게 달라지기 때문에 실제 데이터베이스에 쉽게 적용하기 어렵다. 본 논문에서는 고차원의 비디오 데이터베이스에서의 최근접 이웃 검색을 위한 LSH 인덱싱 방안에 대해 폭넓은 실험을 수행하여 LSH의 특징과 파라메터 설정에 다른 정확도 및 검색 속도 변화를 파악하였다. 또한, 실험을 통해 파악한 LSH와 고차원 데이터의 특징을 반영하는 새로운 네 가지 해쉬 함수 생성 방안을 제시하고, 실험을 통해 정확도 및 검색 속도가 향상됨을 보였다. According to the rapid increase of multimedia data quantity recently, various means of video data search has been desired. In order to process video data effectively, it is required that the content information of video data is loaded in database and semantic-based retrieval method can be available for various query of users. Currently existent contents-based video retrieval systems search by single method such as annotation-based or feature-based retrieval, and show low search efficiency and requires many efforts of system administrator or annotator form less perfect automatic processing. In this paper, we propose semantic-based video retrieval system which support semantic retrieval of various users by feature-based retrieval and annotation-based retrieval of massive video data. By user´s fundamental query and selection of image for key frame that extracted from query, the agent gives the detail shape for annotation of extracted key frame. Also, key frame selected by user become query image and searches the most similar key frame through feature based retrieval method that propose. Therefore, we design the system that can heighten retrieval efficiency of video data through semantic-based retrieval.