CN108337912A - 对视频段的未来收看的预测以优化系统资源利用 - Google Patents
对视频段的未来收看的预测以优化系统资源利用 Download PDFInfo
- Publication number
- CN108337912A CN108337912A CN201680052207.0A CN201680052207A CN108337912A CN 108337912 A CN108337912 A CN 108337912A CN 201680052207 A CN201680052207 A CN 201680052207A CN 108337912 A CN108337912 A CN 108337912A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- video
- media segment
- popularity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000004590 computer program Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 16
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 25
- 230000000717 retained effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 30
- 239000002245 particle Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 239000000872 buffer Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 241000227653 Lycopersicon Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000012536 storage buffer Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
- H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
- G06F11/1464—Management of the backup or restore process for networked environments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Transfer Between Computers (AREA)
Abstract
提供了用于匹配系统中的系统资源的改进管理的设备、计算机程序产品和方法。例如,示例可以通过基于将识别的视频段的流行度考虑在内的数据来管理与视频段相关的数据被保留的持续时间来提高系统资源利用的效率。可以通过考虑观看视频段的观众的数量、视频段的评级、从远程源导出的度量或者可以指示视频段将被观看的可能性的任何其它因素的算法来确定所识别的流行度。
Description
相关申请的交叉引用
本申请要求于2015年7月16日提交的美国临时申请No.62/193,331的权益,其全部内容通过引用并入本文。本申请还通过引用以下内容整体并入:2013年11月25日提交的美国专利申请序列No.US14/089,003,2009年5月29日提交的美国临时申请No.61/182,334,2009年12月29日提交的美国临时申请No.61/290,714,2015年5月27日提交的美国申请No.12/787,748和2015年5月27日提交的美国申请No.12/788,721。
技术领域
本公开涉及改进用于识别由媒体系统(例如,电视系统、计算机系统或能够连接到互联网的其它电子设备)显示的内容的系统资源的管理。在一些示例中,提供各种技术和系统用于确定内容将在未来时间段内在媒体系统上显示的可能性。
背景技术
媒体系统(例如,电视系统、计算机系统或能够连接到互联网的其它电子设备)可以为观看媒体系统的用户显示内容。在一些示例中,媒体系统上显示的内容对于媒体系统以及在媒体系统上运行的任何应用程序可能是未知的。例如,媒体系统可以显示媒体系统给出的任何东西。在这种示例中,内容的标识可能不被发送到媒体系统。在其它示例中,内容的标识可能在远程系统发送内容和媒体系统接收内容之间的时间段已经丢失。由于不知道在媒体系统上正在显示什么内容,在媒体系统上示出与该内容相似或相关的附加内容的机会变得困难。
识别在媒体系统上显示的内容的一个解决方案是使用将媒体系统上显示的内容与参考内容进行匹配的匹配系统。然而,为了能够匹配内容,匹配系统必须包含大量的参考内容。另外,匹配系统不仅必须具有大量的参考内容,匹配系统也必须具有正确的参考内容。因此,本领域需要管理用于匹配系统的参考内容。
发明内容
提供了用于匹配系统中系统资源的改善管理的设备、计算机程序产品和方法。例如,示例可以通过如下方法来提高系统资源利用的效率:基于考虑到识别的视频段的流行度的数据来管理与视频段相关的数据被保留的持续时间。可以通过算法来确定识别的流行度,所述算法将观看视频段的观众数量、视频段的评级、从社交媒体导出的度量或者可以指示视频段将被观看的可能性的任何其它因素考虑在内。
在一些实施方式中,提供了用于改善匹配系统中的系统资源的管理的设备、计算机程序产品和方法。例如,一种方法可以包括接收与媒体段相关联的参考数据集并且将该参考数据集存储在参考数据库中。在一些示例中,参考数据集可以由服务器接收。服务器可以被配置为通过将未识别的数据集与参考数据集匹配来识别未识别的媒体段。在这种示例中,未识别的数据集可以与未识别的媒体段相关联。在一些示例中,参考数据集可以包括媒体段的帧的像素数据或音频数据。
该方法可以进一步包括接收指示媒体段的流行度的流行度数据。在一些示例中,流行度数据包括下列至少一者或多者:媒体段的观看信息、媒体段的评级信息或与远程源上的发布消息相关联的信息。在这种示例中,发布的消息可以与媒体段相关联。在一些示例中,与远程源上的发布消息相关联的信息包括下列至少一者或多者:远程源上的发布消息的数量、发布的正面消息的数量、发布的负面消息的数量、对发布消息的正面指示的数量、对发布消息的重新发布的数量或发布消息的观看数量。在这种示例中,发布的消息与媒体段相关联。在一些示例中,观看信息可以包括媒体段已经被服务器识别的次数。
该方法可以进一步包括确定参考数据集的删除时间。在一些示例中,删除时间可以使用流行度数据来确定。该方法可以进一步包括从参考数据库中删除参考数据集。在一些示例中,参考数据集可以在删除时间到期之后被删除。在一些示例中,确定删除时间可以包括计算流行度数据的两个或更多个值的平均值。在这种示例中,流行度数据的每个值可以与权重相关联。
在一些实施方式中,该方法可以进一步包括当参考数据集从参考数据库中被删除时将参考数据集添加到备份数据库。在这种实施方式中,服务器可以被配置为在参考数据库之后搜索备份数据库以寻找与未识别数据集匹配的数据集。
当参考附图来阅读以下描述时,本公开的特征、方面和优点将是最容易理解的,在该附图中相同的数字标识在整个附图中表示相同的组件或部分。
附图说明
以下参考以下附图详细描述说明性示例:
图1是用于识别通过媒体系统正在观看的视频内容的匹配系统的示例的框图。
图2示出识别未知数据点的匹配系统的示例。
图3是视频捕捉系统的示例的框图。
图4是用于收集由显示器呈现的视频内容的系统的示例的框图。
图5示出用于优化资源利用的匹配系统的示例。
图6是示出用于确定是否保留参考数据集的数据的相对权重的示例的图。
图7是示出用于在匹配系统中优化资源利用的过程的示例的流程图。
图8是示出点位置和它们周围的路径点的图表。
图9是示出位于与查询点相隔一定距离内的点集合的图表。
图10是示出可能的点值的图表。
图11是示出被分割成具有指数增长的宽度的环的空间的图表。
图12是示出自相交路径和查询点的图表。
图13是示出三个连续的点位置和它们周围的路径点的图表。
具体实施方式
在下面的描述中,出于解释的目的,阐述了具体细节以便提供对本发明的示例的透彻理解。然而,显而易见的是,可以在没有这些具体细节的情况下实施各种示例。附图和描述不旨在是限制性的。
接下来的描述仅提供示例性示例,而不旨在限制该公开的范围、适用性或配置。相反,示例性示例的随后描述将向本领域技术人员提供用于实施示例性示例的可能性描述。应该理解的是,在不脱离如所附权利要求阐述的本发明的精神和范围的情况下,可以对各要素的功能和布置进行各种改变。
在以下描述中给出具体细节以提供对示例的透彻理解。然而,本领域的普通技术人员将会理解,可以在没有这些具体细节的情况下实施这些示例。例如,电路、系统、网络、过程和其它组件可以被图示为框图形式的组件,以免因不必要的细节中使示例变得晦涩难懂。在其它情况下,为了避免使这些示例变得晦涩难懂,可以在没有不必要的细节的情况下示出公知的电路、过程、算法、结构和技术。
另外,应注意的是,各个示例可被描述为过程,该过程被描绘为流程图、流程示图、数据流程图、结构图或框图。尽管流程图可以将操作描述为顺序过程,但是许多操作可以并行或同时执行。另外,操作的顺序可以重新排列。过程在操作完成时被终止,但是可以具有不包括在附图中的附加步骤。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时,其终止可以对应于将函数返回到调用函数或主函数。
术语“机器可读存储介质”或“计算机可读存储介质”包括但不限于便携式或非便携式存储设备、光存储设备以及能够存储、包含或携带指令和/或数据的各种其它介质。机器可读存储介质或计算机可读存储介质可以包括其中数据可以被存储并且不包括载波和/或无线地或通过有线连接传播的暂态电子信号的非暂态介质。非暂态介质的示例可以包括但不限于磁盘或磁带,诸如光盘(CD)或数字多功能盘(DVD)的光存储介质、闪速存储器、存储器或存储器设备。计算机程序产品可以包括表示过程、功能、子程序、程序、例程、子例程、模块、软件包、类、或者指令、数据结构或程序语句的任何组合的代码和/或机器可执行指令。代码段可以通过传递和/或接收信息、数据、自变量、参数或存储器内容而耦合到另一代码段或硬件电路。信息、自变量、参数、数据或其它信息可以使用包括存储器共享、消息传递、令牌传递、网络传输或其它传输技术的任何合适的手段来传递、转发或发送。
此外,可以通过硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合来实现示例。当以软件、固件、中间件或微码实现时,执行必要任务的程序代码或代码段(例如,计算机程序产品)可存储在机器可读介质中。处理器可以执行必要的任务。
在一些附图中描绘的系统可以以各种配置来提供。在一些示例中,系统可以被配置为分布式系统,其中系统的一个或多个组件横跨云计算系统中的一个或多个网络分布。
如下面进一步详细描述的,本公开的某些方面和特征涉及通过将未知数据点与一个或多个参考数据点进行比较来识别未知视频段。本文描述的系统和方法提高了存储和搜索用于识别未知视频段的大数据集的效率。例如,该系统和方法允许识别未知数据段,同时减少执行识别所需的大数据集的密度。该技术可以应用于收获和操纵大量数据的任何系统。这些系统的说明性示例包括自动化的基于内容的搜索系统(例如,用于视频相关应用程序或其它合适的应用程序的自动内容识别)、Map Reduce系统、Big table系统、图案识别系统、面部识别系统、分类系统、计算机视觉系统、数据压缩系统、聚类分析或任何其它合适的系统。本领域的普通技术人员将认识到,本文描述的技术可以应用于存储与未知数据进行比较的数据的任何其它系统。例如,在自动内容识别(ACR)的情况下,系统和方法减少了为使匹配系统搜索并寻找未知数据组和已知数据组之间的关系所必须存储的数据量。
仅作为示例而非限制,为了说明的目的,本文描述的一些示例使用自动音频和/或视频内容识别系统。然而,本领域的普通技术人员将认识到,其它系统可以使用相同的技术。
使用大量数据的ACR系统和其它系统的一个重大挑战可能是管理系统运行所需的数据量。另一个挑战包括需要建立和维护已知内容的数据库以作为匹配传入内容的参考。建立和维护这种数据库涉及收集和摘录大量(例如,数百、数千或更多)的内容(例如,全国分布的电视节目和在许多其它潜在的内容源中的更大量的地方电视广播)。可以使用将原始数据(例如,视频或音频)精简为压缩的可搜索的数据的任何可用技术来执行摘录。通过每周7天、每天24小时的操作时间表和大概两周内容(例如电视节目)的滑动窗口来存储,执行ACR所需的数据量可能迅速累积。收获和操纵大量数据的其它系统(诸如上述示例系统)可能存在类似的挑战。
本文描述的系统和方法可以允许ACR系统中的系统资源的改进管理。例如,示例可以通过基于考虑到识别的视频段的流行度的数据来管理与视频段相关的数据被保留的持续时间来提高系统资源利用的效率。可以通过考虑观看视频段的观众的账号、视频段的评级、从社交媒体导出的度量或者可以指示视频段将被观看的可能性的任何其它因素的算法来确定识别的流行度。尽管本文的描述可以涉及视频段,但是也可以使用其它的媒体段,包括音频段。
图1示出可以识别未知内容的匹配系统100。在一些示例中,未知内容可以包括一个或多个未知数据点。在这种示例中,匹配系统100可以将未知数据点与参考数据点匹配以识别与未知数据点相关联的未知视频段。参考数据点可以被包括在参考数据库116中。
匹配系统100包括客户端设备102和匹配服务器104。客户端设备102包括媒体客户端106、输入设备108、输出设备110以及一个或多个背景应用程序126。媒体客户端106(其可以包括电视系统、计算机系统或能够连接到互联网的其它电子设备)可以解码与视频节目128相关联的数据(例如,广播信号、数据分组或其它帧数据)。媒体客户端106可以将视频的每个帧的解码内容放置到视频帧缓冲器中以准备显示或进一步处理视频帧的像素信息。客户端设备102可以是可接收和解码视频信号的任何电子解码系统。客户端设备102可以接收视频节目128并将视频信息存储在视频缓冲器(未示出)中。客户端设备102可以处理视频缓冲器信息并且产生未知的数据点(其可以被称为“线索”),如下面参考图3更详细描述的。媒体客户端106可以将未知数据点发送到匹配服务器104,以与参考数据库116中的参考数据点进行比较。
输入设备108可以包括允许请求或其它信息被输入到媒体客户端106的任何合适的设备。例如,输入设备108可以包括键盘、鼠标、语音识别输入设备、用于从无线设备(例如,从遥控器、移动设备或其它合适的无线设备)接收无线输入的无线接口,或者任何其它合适的输入设备。输出设备110可以包括可呈现或以其它方式输出信息的任何合适的设备,诸如显示器、用于向无线设备(例如,向移动设备或其它合适的无线设备)发送无线输出的无线接口、打印机或其它合适的输出设备。
匹配系统100可通过首先从已知视频数据源118收集数据样本来开始识别视频段的过程。例如,匹配服务器104收集数据以从各种视频数据源118建立和维护参考数据库116。视频数据源118可以包括电视节目、电影或任何其它合适的视频源的媒体提供者。来自视频数据源118的视频数据可以作为无线电广播、有线电视频道、来自互联网和来自任何其它视频数据源的流式来源来提供。在一些示例中,如下所述,匹配服务器104可以处理从视频数据源118接收的视频以在参考数据库116中生成和收集参考视频数据点。在一些示例中,来自视频数据源118的视频节目可以由参考视频节目摘录系统(未示出)处理,所述参考视频节目摘录系统可以产生参考视频数据点并将其发送到参考数据库116以供存储。可以如上所述使用参考数据点来确定随后用于分析未知数据点的信息。
匹配服务器104可以将在某一时间段(例如,若干天、若干周、若干个月或任何其它合适的时间段)内接收的每个视频节目的参考视频数据点存储在参考数据库116中。匹配服务器104可以建立并连续或周期性地更新电视节目样本(例如,包括也可以被称为提示或提示值的参考数据点)的参考数据库116。在一些示例中,收集的数据是从周期性视频帧(例如,每五个视频帧、每十个视频帧、每十五个视频帧或其它适当数量的帧)采样的视频信息的压缩表示。在一些示例中,为每个节目源收集每帧的数据字节数(例如,每帧25字节、每帧50字节、每帧75字节、每帧100字节,或者每帧的任何其它数量的字节)。任何数量的节目源可用于获得视频,诸如25个频道、50个频道、75个频道、100个频道、200个频道或任何其它数量的节目源。使用示例量的数据,在三天24小时期间收集的总数据变得非常大。因此,减少实际参考数据点集合的数量有利于减少匹配服务器104的存储负荷。
媒体客户端106可以将通信122发送到匹配服务器104的匹配引擎112。通信122可以包括对匹配引擎112的请求以识别未知内容。例如,未知内容可以包括一个或多个未知数据点,并且参考数据库116可以包括多个参考数据点。匹配引擎112可以通过将未知数据点与参考数据库116中的参考数据进行匹配来识别未知内容。在一些示例中,未知内容可以包括由显示器(对于基于视频的ACR)呈现的未知视频数据、搜索查询(对于Map Reduce系统,Bigtable系统或其它数据存储系统)、未知的面部图像(用于面部识别)、未知的图案图像(用于图案识别)或可以比对参考数据的数据库进行匹配的任何其它未知数据。参考数据点可以从从视频数据源118接收的数据中导出。例如,数据点可以从视频数据源118提供的信息中提取,并且可以被索引并存储在参考数据库116中。
匹配引擎112可以向候选确定引擎114发送请求以从参考数据库116确定候选数据点。候选数据点可以是与未知数据点相隔一确定距离的参考数据点。在一些示例中,参考数据点和未知数据点之间的距离可以通过将参考数据点的一个或多个像素(例如,单个像素、表示一组像素的值(例如,平均数、平均值、中值,或其它值)或其它合适数量的像素)与未知数据点的一个或多个像素进行比较来确定。在一些示例中,当每个样本位置处的像素在特定像素值范围内时,参考数据点可以与未知数据点相隔一确定的距离。
在一个说明性示例中,像素的像素值可以包括红色值、绿色值和蓝色值(在红-绿-蓝(RGB)颜色空间中)。在这种示例中,可以通过如下方式将第一像素(或者表示第一组像素的值)与第二像素(或者表示第二组像素的值)进行比较:分别比较相应的红色值、绿色值和蓝色值,并确保该值在一定的值范围内(例如在0-5的值内)。例如,当(1)第一像素的红色值在第二像素的红色值的0-255值范围(正或负)中的5个值内时,(2)第一像素的绿色值在第二像素的绿色值的0-255值范围(正或负)中的5个值内时,以及(3)第一像素的蓝色值在第二像素的蓝色值的0-255值范围(正或负)中的5个值内时,第一像素可以与第二像素匹配。在这种示例中,候选数据点是与未知数据点近似匹配的参考数据点,导致对于未知数据点识别多个候选数据点(与不同媒体段有关)。候选确定引擎114可以将候选数据点返回到匹配引擎112。
对于候选数据点,匹配引擎112可以将令牌添加到仓中,该仓与候选数据点相关联并被分配给从中导出候选数据点的已识别视频段。可将相应的令牌添加到与识别的候选数据点对应的所有仓。当匹配服务器104从客户端设备102接收到更多未知数据点(对应于正在观看的未知内容)时,可以执行类似候选数据点确定过程,并且可以将令牌添加到与识别的候选数据点对应的仓。这些仓中只有一个仓对应于正在观看的未知视频内容段,其它仓对应于由于类似的数据点值(例如,具有相似的像素颜色值)而匹配但是不对应于正在观看的实际视频内容段的候选数据点。正在观看的未知视频内容段的仓将比没有被观看的视频内容段的其它仓具有分配给它的更多令牌。例如,随着接收到更多的未知数据点,与该仓对应的更大量参考数据点被识别为候选数据点,导致更多的令牌被添加到该仓。一旦仓包括特定数量的令牌,则匹配引擎112可以确定与仓相关联的视频段当前正在客户端设备102上显示。视频段可以包括整个视频节目或视频节目的一部分。例如,视频段可以是视频节目、视频节目的场景、视频节目的一个或多个帧或视频节目的任何其它部分。
图2示出用于识别未知数据的匹配系统200的组件。例如,匹配引擎212可以使用已知内容(例如,已知的媒体段、存储在数据库中用于比对搜索的信息、已知的面部或图案等)的数据库来执行用于识别未知内容(例如,未知的媒体段、搜索查询、面部或者图案的图像等)的匹配处理。例如,匹配引擎212接收将与参考数据库中的参考数据点204的参考数据点匹配的未知数据内容202(其可以被称为“线索”)。未知数据内容202也可以由候选确定引擎214接收,或者从匹配引擎212发送到候选确定引擎214。候选确定引擎214可以进行搜索处理以通过搜索参考数据库中的参考数据点204来识别候选数据点206。在一个示例中,搜索处理可以包括产生邻近值集合(与未知数据内容202的未知值相距一定距离)的最近邻居搜索处理。候选数据点206被输入到匹配引擎212以进行匹配处理以生成匹配结果208。取决于应用,匹配结果208可以包括由显示器呈现的视频数据、搜索结果、使用面部识别确定的脸部、使用图案识别确定的图案或任何其它结果。
在确定未知数据点(例如,未知数据内容202)的候选数据点206时,候选确定引擎214确定未知数据点与参考数据库中的参考数据点204之间的距离。与未知数据点相隔一定距离的参考数据点被识别为候选数据点206。在一些示例中,参考数据点与未知数据点之间的距离可以通过将参考数据点的一个或多个像素与未知数据点的一个或多个像素进行比较来确定,如上面关于图1所描述的。在一些示例中,当每个样本位置处的像素在特定值范围内时,参考数据点可以与未知数据点相隔一定的距离。如上所述,候选数据点是与未知数据点近似匹配的参考数据点,并且由于近似匹配,对于该未知数据点识别出多个候选数据点(与不同媒体段有关)。候选确定引擎114可以将候选数据点返回到匹配引擎112。
图3示出了包括解码器的存储缓冲器302的视频摘录捕捉系统400的示例。解码器可以是匹配服务器104或媒体客户端106的一部分。解码器可以不与物理电视显示面板或设备一起操作或者不需要物理电视显示面板或设备。解码器可以解码并且在需要时将数字视频节目解密为电视节目的未压缩的位图表示。为了建立参考视频数据的参考数据库(例如,参考数据库316),匹配服务器104可以获取从视频帧缓冲器读取的视频像素的一个或多个阵列。视频像素阵列被称为视频块。视频块可以是任何形状或图案,但是为了该具体示例的目的,被描述为10×10像素阵列,包括水平十个像素和垂直十个像素。同样为了该示例的目的,假设存在从视频帧缓冲器内提取的均匀分布在缓冲器的边界内的25个像素块位置。
像素块(例如,像素块304)的示例分配在图3中示出。如上所述,像素块可以包括像素阵列,诸如10×10阵列。例如,像素块304包括10×10像素阵列。像素可以包括颜色值,诸如红色、绿色和蓝色值。例如,示出了具有红-绿-蓝(RGB)颜色值的像素306。像素的颜色值可以由每种颜色的八位二进制值表示。可以用于表示像素的颜色的其它合适的颜色值包括亮度和色度(Y,Cb,Cr)值或任何其它合适的颜色值。
取每个像素块的平均数(或在某些情况下的平均值),并且创建所得的数据记录并用时间码(或时间戳)标记它。例如,为每个10×10像素的块阵列寻找平均值,在这种情况下,对于每帧总共600位的像素信息,25个显示缓冲器位置中的每个显示缓冲器位置产生24位数据。在一个示例中,像素块304的平均值被计算,并且由像素块平均值308示出。在一个说明性示例中,时间码可以包括“新纪元时间”,其表示自1970年1月1日午夜起总的经过时间(以几分之一秒为单位)。例如,像素块平均值308的值与时间码412组合。在计算系统(包括例如基于Unix的系统)中,新纪元时间是公认的惯例。关于视频节目的信息(称为元数据)被附加到数据记录。元数据可以包括关于节目的任何信息,诸如节目标识符、节目时间、节目长度或任何其它信息。包括像素块的平均值、时间码和元数据的数据记录形成“数据点”(也被称为“线索”)。数据点310是参考视频数据点的一个示例。
识别未知视频段的过程以类似于创建参考数据库的步骤开始。例如,
图4示出包括解码器的存储器缓冲器402的视频摘录捕捉系统400。视频摘录捕捉系统400可以是处理由显示器(例如,在互联网连接的电视监控器(诸如智能电视)、移动设备或其它电视观看设备上)呈现的数据的客户端设备102的一部分。视频摘录捕捉系统400可以利用类似的过程来生成未知视频数据点410,如创建参考视频数据点310的系统300所使用的未知视频数据点410。在一个示例中,媒体客户端106可以将未知视频数据点410发送到匹配引擎112以由匹配服务器104识别与未知视频数据点410相关联的视频段。
如图4中所示,视频块404可以包括10×10像素阵列。视频块404可以从显示器呈现的视频帧中提取。可以从视频帧中提取多个这种像素块。在一个说明性示例中,如果从视频帧中提取25个这种像素块,则结果将是表示75维空间中的位置的点。可以为阵列的每个颜色值(例如,RGB颜色值、Y、Cr、Cb颜色值等)计算平均数(或平均值)。数据记录(例如,未知视频数据点410)由平均像素值形成,并且当前时间被附加到数据。可以使用上述技术将一个或多个未知视频数据点发送到匹配服务器104以与来自参考数据库116的数据匹配。
图5示出用于优化资源利用的匹配系统500的示例。匹配系统500可以类似于图1中描述的匹配系统100。例如,匹配系统500可以包括客户端设备510(其可以与客户端设备102相同或相似)。客户端设备510可以从远程源接收视频段的帧。在一些示例中,帧可以是广播信号的形式。在其它示例中,帧可以是使用网络(例如互联网)以分组发送到客户端设备510的数据(例如帧数据)的形式。在一些示例中,帧可以包括由客户端设备510用于在显示器上向用户呈现帧的像素值。
在一些示例中,可以将像素值从客户端设备510直接发送到匹配服务器520(其工作方式可以类似于匹配服务器104)。在其它示例中,使用上述技术,一部分像素值可以被发送到匹配服务器520(例如,像素线索点可被发送到匹配服务器520)。在其它示例中,可以由客户端设备510概括像素值(或其一部分),其中概括的像素值可以被发送到匹配服务器520。
匹配服务器520可以包括匹配引擎530(其可以与匹配引擎112相同或类似的方式执行)来识别在客户端设备510上显示的未识别视频段。为了识别未识别的视频段,匹配引擎530可以接收与来自客户端设备510的一个或多个帧相关联的像素值(或者像素线索点、平均像素值或者帧的其它表示)。匹配引擎530还可以接收或者获得参考数据以与像素值匹配。在一些示例中,可以从参考数据库550中接收参考数据。在这种示例中,参考数据库550可以将可以存储在参考数据库550中的一个或多个参考数据集发送到匹配引擎530。在其它示例中,匹配引擎530可以使用数据库查询从参考数据库550获得一个或多个参考数据集。在一些示例中,匹配引擎530可以向候选确定引擎540发送请求以从参考数据库550确定候选数据点。如上所述,候选数据点可以是参考数据点,该参考数据点与帧中的一个或多个数据点相隔一确定的距离。候选确定引擎540可以将候选数据点返回到匹配引擎530。
如上所述,对于候选数据点中的每一个,匹配引擎530可以将令牌添加到与识别的视频段对应的仓中。识别的视频段可以与一个或多个候选数据点相关联,该一个或多个候选数据点包括使令牌被添加到仓的候选数据点。对于从客户端设备510发送到匹配引擎530的每个新帧,该过程可以重复。一旦仓包括特定数量的令牌,则匹配引擎530可以确定与仓相关联的视频段当前正由客户端设备510显示。
一旦匹配引擎530识别视频段,则匹配引擎530就可以发送信号给结果引擎580(其可以与结果引擎120类似的方式执行),由此指示识别的视频段。结果引擎580可以响应于识别的视频段来确定要执行的动作。在一些示例中,结果引擎580可以识别与识别的视频段对应的背景应用程序。背景应用程序可以存储在客户端设备510上。在一些示例中,背景应用程序可以是与视频段的至少一部分相关联的应用程序。背景应用程序可以在客户端设备510上运行以在客户端设备510上显示内容。显示的内容可以是已经在客户端设备510上显示的内容上的覆盖内容或者可以替换在客户端设备510上显示的内容。
结果引擎580可以向客户端设备510发送信号以使识别的背景应用程序执行动作。例如,背景应用程序可以在客户端设备510上显示内容。内容可以与识别的视频段相关。识别的背景应用程序可以执行的其它动作包括但不限于,用面向特定观众的又一个商业消息替换一个商业消息,关于识别的视频段的附加信息,或与识别的视频段或正在观看识别的视频段的其他人进行交互的机会。
在一些示例中,参考数据库550中的参考数据集可以由保留引擎560来管理。参考数据集的管理可以包括确定何时从参考数据库550移除或删除参考数据集。在一些示例中,当移除与视频段相关联的某一参考数据集时,可移除也与视频段相关联的一个或多个其它参考数据集。在一些示例中,不移除一个或多个其它参考数据集。下面描述关于移除或删除参考数据集的更多细节。
在一些示例中,从参考数据库550中移除或删除的参考数据集可被添加到备份数据库(未示出)。在一些示例中,备份数据库可以位于匹配服务器520上。在其它示例中,备份数据库可以远离匹配服务器520定位。在这种示例中,备份数据库可以位于云(例如,与匹配服务器520相关联的一个或多个远程服务器)上。候选确定引擎540可以被配置为在参考数据库550已经被搜索并且没有发现匹配或者没有发现足够数量的匹配之后,搜索备份数据库中的匹配候选数据集。
本领域的普通技术人员将认识到,可能存在多于一个的备份数据库。零个或多个备份数据库可以与匹配服务器520位于相同位置,并且零个或多个备份数据库可以远离匹配服务器520定位。在一些示例中,每个附加备份数据库可以保留比先前的备份数据库更长的参考数据集。当从与匹配服务器520相关联的数据库完全移除参考数据集时,参考数据集将不再能够通过候选确定引擎540与未识别数据集进行比较。在一些示例中,每个备份数据库可以由保留引擎560管理。在其它示例中,每个备份数据库可以由单独的保留引擎管理。备份数据库可以使用与参考数据库相同的时间长度(基本上使参考数据集的寿命加倍),或者可以基于与用于确定参考数据库的时间长度的过程相同、相似或不同的过程使用不同的时间长度。
本领域的普通技术人员将认识到,使用的多个备份数据库将取决于管理备份数据库的企业可用的资源,以及使候选确定引擎搜索越来越多的备份数据库的效率考量。在一些示例中,可以使用单独的过程来搜索每个备份数据库,从而允许搜索多个备份数据库以最低程度地影响候选确定引擎540的正常操作。在一些示例中,可以并行地运行单独的过程,使得可以至少部分地并行搜索该多个备份数据库。例如,可以搜索第一数据库,直到搜索到第一数据库的特定百分比为止,此时可以开始与第一数据库并行地搜索第二数据库。
保留引擎560可以确定保留参考数据库550中的参考数据集的时间长度(例如,被称为删除时间、保留时间、移除时间或指示从参考数据库550中移除或删除参考数据集的时间的任何其它术语)。保留引擎560可以使用与视频段相关联的流行度数据(例如,统计量、数字、信息或其它流行度数据)来确定保留参考数据集的时间长度。
在一些示例中,对于与不同视频段相关联的参考数据集,对于每个参考数据集或其任何组合,时间长度可以不同。本领域的普通技术人员将认识到,可以应用参考数据集的许多时间长度配置。
在一些示例中,每当匹配服务器520发生对视频段的特定数量的观看(例如,每天1次观看,每天10次观看,每周1次观看,平均每周10次观看,或任何其它适当数量的观看),时间长度可延长。当匹配服务器520识别出媒体系统正在显示视频段时,可以确定视频段的观看,如将在下面讨论的。在一些示例中,当时间长度到期时,可以重新评估时间长度。
在一些示例中,时间长度对于内容项目(例如,电影、表演、剧集等)的所有视频段可以是一致的。例如,内容项目的所有视频段的所有参考数据集可保留一天、一周或另一时间量。在一些示例中,对于与单个视频段相关联的所有参考数据集,时间长度可以是一致的。在这种示例中,即使参考数据集没有被匹配服务器520匹配,只要与相同视频段相关联的另一个参考数据集被匹配服务器520匹配,则参考数据集就可以被保留。
在一些示例中,流行度数据可以与识别的视频段的流行度相关联。流行度数据可以包括观看信息,其可以指示来自观看信息源572的视频段的观看数量。在一些示例中,观看数量可以与特定时间段相关联。在一些示例中,时间段可以是广播视频段的日子(例如,观看数据的同一天)或在广播视频段的日子之后稍晚的时间段(延迟的观看数据)。本领域的普通技术人员将认识到,可以使用其它时间段。
在一些示例中,观看信息源572可以是(例如,网络上的,诸如使用互联网570的)第三方服务器。观看信息的示例可以包括任何类型的观众测评系统,包括但不限于,Nielsen/NetRatings、Nielsen BuzzMetrics、Nielsen Media Research(NMR)comScore、Wakoopa和Hitwise、Visible Measures、GfK、Sightcorp、TruMedia、Quividi、relEYEble、stickyPiXEL、Cognitec、goCount和CognoVision或任何其它形式的观众测量系统。
在一些示例中,可以使用匹配引擎530来确定观看信息。例如,当视频段由匹配引擎530识别时(当仓达到一定数量的令牌时,如上所述),则匹配服务器520可以存储视频段已被媒体系统显示的记录。在这种示例中,匹配服务器520可以保持跟踪媒体系统已经显示视频段的次数。因此,出于观看信息的目的,媒体系统已经显示视频段的次数可以用作视频段的观看数量。
本领域的普通技术人员还将认识到,可以使用多于一个的观看信息来确定时间长度。例如,可以利用使用匹配引擎530的观看信息和来自观看信息源572的观看信息。又例如,可以使用来自第一观看信息源的观看信息和来自第二观看信息源的观看信息。
流行度数据还可以包括来自评级源574的视频段的评级信息。评级信息可以指示视频段的合意性、流行度和/或需求。例如,评级信息可以是喜欢视频段的观众的百分比。喜欢视频段的观众的百分比可以由提供视频段评级的网络(例如互联网570)上的源确定。例如,评级可以是网站上的一个或多个评论者、移动应用程序等给予视频段的评级。在一些示例中,一个或多个评论者可以来自专业评论者群组和娱乐评论者群组中的至少一个或多个。评级源574可以是(例如,网络上的,诸如使用互联网570的)第三方服务器。评级源574的示例可以包括Rotten Tomatoes、Metacritic、Everyone’s a Critic、Reviewer、MovieAttractions、Flixster、FilmCrave、Flickchart、博客,以及诸如“波动期望的起伏曲线”(其使用自动化系统来评论视频段)的系统。本领域的普通技术人员还将认识到,可以使用多于一个的评级信息或源来确定时间长度。在一个说明性示例中,可以使用专业评论者的评级信息和来自娱乐评论者群组的评级信息。
流行度数据还可以包括与一个或多个远程源(例如,评论源或社交媒体源576,诸如网站和移动应用程序)上的一个或多个帖子(例如,发布的消息)相关联的信息。一个或多个帖子可以与视频段相关联。社交媒体源576可以是(例如,网络上的,诸如使用互联网570的)第三方服务器。社交媒体源的示例可以包括但不限于Facebook、YouTube、Twitter、LinkedIn、Pinterest、Google Plus+、Instagram、Reddit和Rotten Tomatoes。
与一个或多个帖子相关联的信息的示例可以包括但不限于至少下列一者或多者:来自一个或多个远程源的多个发布消息、来自一个或多个远程源的对视频段性质为正面(基于一个或多个消息的自然语言解析)的发布消息的数量、来自一个或多个远程源的对视频段性质为负面(同样基于一个或多个消息的自然语言解析)的发布消息的数量、来自一个或多个远程源的正面指示的数量(例如,Facebook上的“赞”)、与一个或多个远程源上的视频段相关联的发布消息的重新发布的数量、与一个或多个远程源上的视频段相关联的页面的观看数量或其任何组合。在一些示例中,可以从一个或多个发布消息确定评级(例如,1到100),该评级基于在一个或多个发布消息中使用的词语来识别视频段被多大程度地喜欢。在这种示例中,某些词语可以得某些点的分数。在一些示例中,关于视频段或与视频节目相关联的演员在社交媒体平台上的提及次数。
本领域的普通技术人员还将认识到,可以使用与一个或多个远程源信息上的一个或多个帖子相关联的多于一个的信息来确定时间长度。例如,可以使用来自一个或多个远程源的发布消息数量以及来自一个或多个远程源的正面指示数量的信息。
在一些示例中,时间长度可以通过计算流行度数据的代表值(例如,平均值、平均数、中值或其一些组合)来确定。代表值可以指示将来匹配系统是否将(或者很可能)需要参考数据集的概率,以使得在参考数据库550中保留参考数据集的开销正当化。在一些示例中,平均值可指示视频段将在特定量的时间内(例如,在一天内、一周内、一个月内或者任何其它合适的时间段内)显示在媒体系统(或者与匹配的服务器相关联或者不那样)上的可能性。当计算平均值时,保留引擎560可以识别可用的流行度数据,并使用可用的流行度数据。在计算平均值时,如果视频段不包括在源中,则与视频段相关联的参考数据集针对该源可以接收零。
在一些示例中,可以对流行度数据进行归一化,使得流行度数据全部基于类似或相同的比例。例如,从0到1的评级可以乘以100以对应于从0到100的评级。又例如,每种流行度数据的最大数可以通过分析流行度数据的类型来确定或者由用户预先识别。在这种示例中,与流行度数据类型相关联的数可以除以最大数,使得所有数都是最大数的百分比。在一些示例中,大于最大数的数可以被允许超过1的某一百分比,或者数可以在1处封顶。
在一些示例中,可以将权重应用于流行度数据,使得流行度数据的一些部分比其它部分更多地影响平均值。在说明性示例中,流行度数据的加权可以包括:视频段或者与视频段相关联的演员的直接提及的权重可以高于在社交媒体通信中视频段的提及。另一个加权因素可以是在与视频段相关的消息中使用的词语数量。另一个加权因素可以是与消息中引用的视频段相关联的数个特定演员。图6是示出用于确定是否保留参考数据集的流行度数据的相对权重的示例的图。本领域的普通技术人员将认识到,权重可以在一定范围内,诸如从0到100的范围,从0到1的范围或者其它合适的权重值范围。所有权重的总和可以等于100、1,或者在范围顶部的其它值。权重可以与流行度数据的一些部分相乘,以增强流行度数据或降低流行度数据。也可以使用其它加权数据的方法。虽然图6示出了相对权重的特定顺序,但是本领域普通技术人员将认识到,可以使用不同的顺序,并且可以使用不同的流行度数据。
在一个示例中,最高权重(例如50%)可以与流行度数据的一个或多个流行度资料相关联。流行度资料可以是来自匹配服务器的观看信息(框620)。观看信息可以指示由匹配服务器识别为已经由与匹配系统相关联的媒体系统观看的视频段的次数。如上所述,每当匹配服务器将视频段识别为由媒体系统显示时,该次数可以增加。
在相同的示例中,中等权重(例如,30%)可以与流行度数据的一个或多个流行度资料相关联。例如,流行度数据的第一流行度资料可以是用于观看信息当日的排在最前面的20个节目的列表(框630)。该列表可以包括排在最前面的20个节目被观看的次数。可以从第二来源(例如,通过互联网从观看信息源572)接收当天的观看信息。由于当天的观看信息不来自匹配服务器,而是来自第二来源,所以当天的观看信息的权重可小于来自匹配服务器的观看信息(框620)。流行度数据的第二流行度资料可以是社交媒体流行度信息(框650)。社交媒体流行度信息可以是关于一个或多个社交媒体源上的视频段的发布消息的数量。例如,Facebook上的墙帖可提及视频段的名称。墙帖可以算作关于视频段的一个发布消息。
在相同的示例中,低权重(例如,20%)也可以与流行度数据的一个或多个流行度资料相关联。例如,流行度数据中的第一流行度资料可以是第二社交媒体流行度信息(框640)。第二社交媒体流行度信息可以是来自一个或多个社交媒体源的正面指示的数量。流行度数据中的第二流行度数据可以是来自一个或多个远程源的正面指示的数量(框660)。普通技术人员将认识到,可以使用其它权重配置。另外,可以使用流行度数据的任何组合来计算权重。
可以将权重应用于流行度数据或流行度数据的平均值,以创建视频段的流行度数据的加权平均(框670)。例如,权重可以通过乘以与权重相关的平均数据来应用。
与视频段相关联的总数(例如,流行度数据的平均值、加权平均值或总和)可用于确定保留与视频段相关联的一个或多个参考数据集的时间长度。在一些示例中,可以使用某一范围的总数来计算时间长度。在一些示例中,基于可能的最大总数的特定百分比,基于已通过匹配系统观看的总数,或确定范围的一些其它方法,可以预定一范围(例如,0至50,或为保留引擎所接受的一些其它范围)。在可能的最大总数的百分比的一个说明性示例中,可用于计算总数的每个流行度数据的最大数量被求和在一起,以确定可能的最大总数。然后,每个范围可以表示可能的最大总数的一定百分比。例如,第一范围可以是所有总数,其在可能的最大总数的0和50%之间。
在一个说明性示例中,当总数在第一范围内时,与总数相关联的视频段相关联的参考数据集可保留第一时间段(例如一天)。当总数在第二范围内时,与总数相关联的视频段相关联的参考数据集可保留第二时间段(例如一周)。本领域的普通技术人员将认识到,这些范围、时间段和范围的数量可以与以上所示的不同。
确定时间长度的过程可以由保留引擎560动态地配置。例如,可以在正常处理期间操纵范围以查看不同的范围是否提供了匹配的数量和参考数据库的大小之间的有效平衡。时间长度确定的有效性可以基于确定的匹配数量以及参考数据库中的匹配之间的平均时间(其中平均时间是诸如纳秒的正整数)。例如,效率度量可以通过将确定的匹配数量除以平均时间来计算。可以通过以下步骤来优化效率度量:以小的增量改变范围、时间段和范围的数量,直到发现优化的效率度量为止。可以通过用不同的保留策略(例如,范围、时间段和范围的数量的各种配置)重新匹配过去的流行度数据来测试小的增量,以查看效率度量是增加还是减少。
在一些示例中,可以基于测量视频段被观看的平均天数的观看统计来确定时间长度。这种数据可以从诸如AC Nielsen和Rentrack的公司在市面上获得。然后可以将数据与流行度数据相关(可能通过类型,例如运动、真实电视、犯罪系列等来加权)。然后相关数据可以提供相对于流行度的直接时间度量。
在其它示例中,可以基于加权平均值的跟踪值来确定时间长度。例如,当所述平均值低于预定限值(例如,低于50%)时,视频段数据可以停止保留预定的时间段。
图7是示出用于优化匹配系统中资源利用的过程700的示例的流程图。过程700被示为逻辑流程图,其操作表示可以在硬件、计算机指令或其组合中实施的操作序列。在计算机指令的上下文中,该操作表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,该计算机可执行指令在由一个或多个处理器执行时执行所述操作。通常,计算机可执行指令包括执行特定功能或实现特定数据类型的例程、程序、对象、组件、数据结构等。描述操作的顺序不旨在被解释为限制,并且任何数量的所述操作可以以任何顺序和/或并行地组合以实现该过程。
另外,过程700可以在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可以被实现为在一个或多个处理器上共同执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用程序)、通过硬件实现、或上述两者的组合。如上所述,例如以包括可由一个或多个处理器执行的多个指令的计算机程序的形式,代码可以存储在机器可读存储介质上。机器可读存储介质可以是非暂态的。
在步骤710处,过程700包括接收与媒体段相关联的参考数据集。在一些示例中,参考数据集可以由服务器接收。服务器可以被配置为通过将未识别的数据集与参考数据集匹配来识别未识别的媒体段。在一些示例中,未识别的数据集可以与未识别的媒体段相关联。在一些示例中,参考数据集可以包括媒体段的帧的像素数据或音频数据。
在步骤720处,过程700包括将参考数据集存储在参考数据库中。
在步骤730处,过程700包括接收指示媒体段的流行度的流行度数据。在一些示例中,流行度数据包括下列至少一者或多者:媒体段的观看信息、媒体段的评级信息或与在远程源上的发布消息相关联的信息。在这种示例中,发布的消息可与媒体段相关联。在一些示例中,与远程源上的发布消息相关联的信息可以包括下列至少一者或多者:远程源上的发布消息的数量、发布的正面消息的数量、发布的负面消息的数量、对发布消息的正面指示的数量、对发布消息的重新发布的数量或发布消息的观看数量。在一些示例中,发布的消息可以与媒体段相关联。在一些示例中,观看信息可以包括媒体段已经被服务器识别的次数。
在步骤740处,过程700包括确定参考数据集的删除时间。在一些示例中,删除时间可以使用流行度数据来确定。在一些示例中,确定删除时间可以包括计算流行度数据的两个或更多个值的平均值。在这种示例中,流行度数据的每个值可以与权重相关联。
在步骤750处,过程700包括从参考数据库中删除参考数据集。在一些示例中,参考数据集可以在删除时间到期之后被删除。
在一些实施方式中,过程700可以进一步包括当参考数据集从参考数据库中被删除时将参考集添加到备份数据库。在这种实施方式中,服务器可以被配置为在参考数据库之后搜索备份数据库以寻找与未识别数据集匹配的数据集。
如上所讨论,视频匹配系统可以被配置成当媒体内容流包括未调度的媒体段时识别媒体内容流。如上面进一步讨论的,识别媒体内容流可以包括识别在未调度的媒体段之前或之后由媒体显示设备播放的媒体内容。以上关于图1讨论了用于识别媒体内容的过程。具体地,视频内容系统可以使用从媒体内容设备的显示机构取得的样本(例如,图形和/或音频样本)并且从这些样本生成线索。视频匹配系统然后可以将线索与参考数据库匹配,其中数据库包含已知内容的线索。
视频匹配系统可以进一步包括用于提高在数据库中查找潜在匹配或“候选者”的效率的各种方法。数据库可以包含大量的线索,并且因此视频匹配系统可以包括算法,该算法用于寻找候选线索以与从媒体内容设备的显示机构生成的线索相匹配。定位候选线索可能比用于将提示值与数据库中的值匹配的其它方法(诸如,将提示与数据库中的每个条目匹配)更有效。
最近的邻居和路径追踪是可用于在参考数据库中定位候选队列的技术的示例。下面给出使用模糊线索来跟踪视频传输的示例,但一般概念可以应用于从参考数据库中选择匹配候选的任何领域。
给出了一种用于高效视频追踪的方法。给定大量视频段,系统必须能够实时识别给定的查询视频输入来自哪个段以及处于怎样的时间偏移。段和偏移一起被称为位置。该方法被称为视频追踪,因为它必须能够有效地检测和适应暂停、快进、倒带、突然切换到其它段和切换到未知段。在能够追踪实时视频之前,处理数据库。视觉线索(少数像素值)每隔几分之一秒从帧中被取出,并被放入专门的数据结构(请注意,这也可以实时完成)。视频追踪通过不断接收来自输入视频的线索并更新关于其当前位置的一组确信或估计来执行。每个线索或者同意或者不同意该估计,并且它们被调节以反映新的证据。如果对此为真的信心足够高,则假设视频位置是正确的位置。通过仅追踪一小部分可能的“可疑”位置,这可以高效地完成。
描述了用于视频追踪的方法,但是使用数学结构来解释和调查它。引入数学结构的目的是给读者提供在这两个领域之间转换的必要工具。视频信号或视频数据由连续帧组成。每一帧可以被认为是静止图像。每一帧都是像素的光栅。每个像素由对应于构成该像素颜色的红色、绿色和蓝色(RGB)的三个强度值构成。在本文使用的术语中,线索是帧中的像素的子集的RGB值的列表以及对应的时间戳。线索中的像素数量明显小于帧中的像素数量,通常在5到15之间。作为标量值的有序列表,线索值实际上是向量。该向量也被称为点。
尽管这些点在高维度中,通常在15到150之间,但它们可以被想象成二维中的点。事实上,插图将作为二维绘图给出。现在,考虑视频的进展及其对应的线索点。通常,小的时间变化会导致像素值的小变化。像素点可以被视为在帧之间略微“移动”。从帧到帧之间的这些微小的移动之后,该线索跟随空间中的路径,如珠子串绕在弯曲线上那样。
在这种类比的语言中,在视频追踪中,接收珠子在空间中的位置(线索点),并且寻找珠子跟随的线的一部分(路径)。出于两个事实这显著更困难。首先,珠子不准确地跟随线,而是与线保持某一变化的未知距离。其次,线都缠在一起。这些陈述在第2节中更为精确。下面描述的算法在两个概念步骤中完成了这个任务。当接收到线索时,算法查找所有已知路径上足够接近线索点的所有点;这些点被称为可疑者。这使用等球算法中概率点位置有效地进行。这些可疑者被添加到历史数据结构中,并且计算它们中每一个指示真实位置的概率。该步骤进一步包括移除可能性不大的可疑位置。该历史更新过程一方面确保只保留一小段历史,另一方面永远不会删除可能的位置。通用算法在算法1中给出,并在图10中示出。
下节以描述第1节中的等球中概率点位置(PPLEB)算法开始。使用PPLEB算法以便有效地执行上述算法1中的第5行。迅速执行搜索可疑者的能力对于该方法的适用性至关重要。在第2节中,描述了执行第6和7行的一个可能的统计模型。所描述的模型是设置的自然选择。它也显示了如何可以非常有效地使用它。
第1节-等球中的概率点位置
下节描述了用于执行等球中概率点位置(PPLEB)的简单算法。在传统的PLEB(等球中的点位置)中,在lR d和半径为r的特定球中,算法以n点集合x开始。该算法被给予O(多(n))预处理时间以产生有效的数据结构。然后,给定查询点x,算法需要返回所有点x,使得||x-xi||≤r。点的集合使得||x-xi||≤r几何地位于围绕查询x的半径r的球内(见图23)。该关系被称为x,接近x或者作为x,并且x是邻居。
PPLEB的问题和最近邻居搜索的问题是在学术界受到很多关注的两个类似的问题。事实上,这些问题是计算几何学领域最早研究的问题。许多不同的方法迎合环境维度较小或不变的情况。这些以不同的方式划分空间,并递归搜索各部分。这些方法包括KD树、覆盖树和其它。尽管在低维度方面非常有效,但是当环境维度高时,它们往往表现很差。这被称为“维度诅咒”。各种方法试图解决这个问题,同时克服维度诅咒。本文使用的算法使用更简单和更快的版本的算法,并且可以依靠局部敏感散列(Local Sensitive Hashing)。
第1.1节局部敏感散列
在局部敏感散列的方案中,人们设计了散列函数族H,使得:
换句话说,如果x和y彼此接近,x和y被映射到相同的值h的概率显著更高。
为了清楚起见,让我们首先讨论所有进入的向量具有相同长度r'和的简化情况。后一条件的原因稍后会变得清楚。首先定义随机函数u∈U,它根据x和y之间的角度在x和y之间分开。令是从单位球Sd-1中均匀选择的随机向量,令很容易验证Pru-U(u(x))≠u(y))=0x,y/π。此外,对于圆上的任何点x、y、x'、y',使得实现||x′-y′||≤2||x-y||,0x′,y≤20x,y。定义p,使用以下方程:
函数族H被设定为u的t个独立副本的叉积,即h(x)=[u1(x),…,ut(x)]。直觉上,人们希望如果h(x)=h(y),则x和y很可能彼此接近。让我们量化一下。首先,计算假阳性错误的预期数量nfp。这些是h(x)=h(y)但是||x-y||>2r的情况。找到nfp不超过1的值t,即,一预计不会是错的。
E[nft]≤n(1-2p)t≤1
→t≥log(1/n)/log(1-2p)
假设h(x)和h(y)是邻居,现在计算h(x)=h(y)的概率:
这里注意,必须使2p<1,这需要这听起来可能不像是非常高的成功概率。事实上,显著小于1/2。下一节将介绍如何将这个概率提高到1/2。
第1.2节点搜索算法
每个函数h将空间中的每个点映射到桶。将点x的桶函数Bh:相对于散列函数h定义为Bh(x)≡{xi|h(xi)=h(x)}。所维护的数据结构是桶函数[Bh1,…,Bhm]的实例。当搜索点x时,函数返回根据上一节,有两个期望的结果:
Pr(xi∈B(x)|||xi-x||≤r)≥1/2
换句话说,尽管发现x的每个邻居至少有1/2的概率,但是不可能找到许多非邻居。
第1.3节处理不同的半径输入向量
前一节仅处理搜索相同长度的向量,即r'。现在描述的是如何使用该构造作为构件块来支持不同半径的搜索。如图11中可见,空间被分成若干具有指数增长宽度的环。由Ri表示的环i包括所有的点xi,使得‖xi‖∈[2r(1+∈)i,2r(1+∈)i+1]。这样做达到了两个目的。首先,如果xi和xj属于同一个环,则||xj||/(1+∈)≤‖xi‖≤||xj||(1+∈)。其次,任何搜索都可以在最多1/∈这种环中执行。此外,如果数据集中的最大长度向量是r',则系统中环的总数是O(log(r'/r))。
第2节路径追踪问题
在路径追踪问题中,空间中的固定路径与时间点序列中的粒子的位置一起给出。术语“粒子”、“线索”和“点”将可以互换使用。该算法需要输出粒子在路径上的位置。这因为几个因素而变得更加困难:粒子只是近似跟随路径;路径可以不连续并多次自行相交;粒子和路径位置二者都是按时间点序列给出的(每个时间点都不相同)。
注意到该问题可以模拟在任何数量的路径上跟踪粒子是重要的。这可以通过简单地将路径连接成一个长路径并将所得位置解释为单个路径上的位置来完成。
更准确地说,令路径P为参数曲线P:曲线参数将被称为时间。我们所知的路径上的点是在任意时间点ti给出的,即给出n对(ti,P(ti))。粒子跟随路径,但其位置在不同的时间点给出,如图12中所示。此外,还给出了m对(t’j,x(t’j)),其中x(t’j)是时间t’j中粒子的位置。
第2.1节似然估计
由于粒子不精确地跟随路径,并且由于路径可以多次自行相交,所以通常不可能明确地识别粒子实际上在路径上的位置。因此,在所有可能的路径位置上计算概率分布。如果位置概率是显著可能的,则假定粒子位置是已知的。下节描述如何有效地完成此操作。
如果粒子跟随路径,则粒子时间戳与P上相应点的偏移之间的时间差应相对固定。换句话说,如果x(t')当前在路径上的偏移t中,则它应该接近P(t)。另外,τ秒之前,它应该已经在偏移t-τ中。因此x(t'-τ)应该接近P(t-τ)(注意,如果粒子与路径相交,且x(t')暂时接近P(t),则x(t'-τ)和P(t-τ)不大可能也接近)。定义相对偏移为Δ=t-t'。注意,只要粒子遵循路径,则相对偏移Δ保持不变。即,x(t')接近P(t'+Δ)。
通过计算得到最大似然相对偏移:
换句话说,最有可能的相对偏移是粒子历史对其而言最有可能的那个相对偏移。然而该方程不能在没有统计模型的情况下求解。该模型必须量化:x跟随路径有多紧;x在各个位置之间跳跃的概率有多大;路径和粒子曲线在测量点之间有多平滑。
第2.2节时间折扣建仓
现在描述用于估计似然函数的统计模型。该模型假设粒子偏离路径的偏差以标准偏差ar正常分布。它还假定在任何给定的时间点,粒子将突然切换到另一条路径的一些非零的概率。这体现在对过去点数的指数折扣。除了作为建模观点的合理选择之外,该模型还具有可高效更新的优点。对于一些恒定的时间单位1,设定似然函数与f成比例,其定义如下:
这里α<<1是比例系数并且ζ>0是粒子将以给定时间单位跳到路径上的随机位置的概率。
有效地更新函数f可以使用以下简单的观察来实现。
此外,由于α<<1,如果||x(t′m)-P(ti)||≥r,则发生以下情况:
这是似然函数的重要性质,因为总和更新现在可以仅在x(t’j)的邻居上而不是在整个路径上执行。用S表示(ti,P(ti))的集合使得||x(t′m)-P(ti)||≤r。以下方程发生:
这在下面的算法2.2中描述。项f被用作也接收负整数索引的稀疏向量。集合S是路径上x(ti)的所有邻居的集合,并且可以使用PPLEB算法快速计算。很容易验证,如果x(ti)的邻居数受一些常数nnear限制,则向量f中非零的数量由仅是更大的常数因子的nnear/ζ限制。该算法的最后阶段是如果超过一些阈值,则输出特定值δ。
图8给出三个连续的点位置和它们周围的路径点。请注意,无论是最低点还是中间点单独都不足以识别路径的正确部分。然而它们在一起可以识别。添加顶点增加了粒子确实是路径的最终(左)曲线的确定性。
在图9中,给定n(灰色)点集合,该算法被给予查询点(黑色),并返回与查询点相隔距离r内的点集合(圆内的点)。在传统设定中,算法必须返回所有这些点。在概率设定中,每个这种点应该以一些恒定的概率返回。
图10示出了u(x1)、u(x2)和u(x)的值。直观地说,如果虚线在它们之间经过,则函数u给x1和x2赋予不同的值,如若不然,则赋予相同的值。沿随机方向经过的虚线确保发生这种情况的概率与x1和x2之间的角度成正比。
图11示出通过将空间划分为多个环使得环Ri在半径2r(1+∈)i和2r(1+∈)i+1之间,可以确保环内的任何两个向量长度跨多个(1+∈)因子都是相同的,并且任何搜索在至多1/∈环中执行。
图12示出自相交的路径和查询点(黑色)。它表明,没有粒子位置的历史,就不可能知道它在路径上的位置。
图13给出三个连续的点位置和它们周围的路径点。请注意,x(t1)和x(t2)单独都不足以识别路径的正确部分。然而它们在一起可以识别。添加x(t3)增加了粒子确实是路径的最终(左)曲线的确定性。
可以根据具体要求做出实质性的变化。例如,也可以使用定制的硬件,和/或可以用硬件、软件(包括便携式软件,诸如小应用程序等)或前述两者来实现特定的要素。此外,可以利用到诸如网络输入/输出设备的其它访问或计算设备的连接。
在前述说明书中,参考其具体示例描述了本发明的各方面,但是本领域技术人员将认识到,本发明不限于此。以上描述的本发明的各种特征和方面可以单独或联合使用。此外,在不脱离本说明书的更宽泛的精神和范围的情况下,可以在除本文所描述的那些以外的任何数量的环境和应用中使用示例。因此,说明书和附图被认为是说明性的而不是限制性的。
在前面的描述中,为了说明的目的,以特定的顺序描述了方法。应该理解的是,在替代示例中,可以以与所描述的顺序不同的顺序来执行这些方法。还应该理解的是,上述方法可以由硬件组件来执行,或者可以按照机器可执行指令的顺序来实施,该机器可执行指令可用于使机器(诸如通用或专用处理器或用这些指令编程的逻辑电路)来执行该方法。这些机器可执行指令可以存储在一个或多个机器可读介质上,诸如CD-ROM或其它类型的光盘、软盘、ROM、RAM、EPROM、EEPROM、磁卡或光卡、闪速存储器或适于存储电子指令的其它类型机器可读介质。可替代地,该方法可以通过硬件和软件的组合来执行。
在将组件描述为被配置为执行某些操作的情况下,可以例如通过设计执行该操作的电子电路或其它硬件,通过对执行操作的电子电路(例如,微处理器或其它合适的电子电路)进行编程,或其任何组合来实现这种配置。
虽然本文已经详细描述了本申请的说明性示例,但是应该理解,本发明构思可以以其它方式被不同地体现和采用,并且所附权利要求旨在被解释为包括这种变体,除了受现有技术的限制。
Claims (20)
1.一种计算机实现的方法,包括:
由服务器接收与媒体段相关联的参考数据集,其中所述服务器被配置为通过将未识别的数据集与所述参考数据集匹配来识别未识别的媒体段,并且其中所述未识别的数据集与所述未识别的媒体段相关联;
将所述参考数据集存储在参考数据库中;
接收指示所述媒体段的流行度的流行度数据,其中所述流行度数据包括所述媒体段的观看信息、所述媒体段的评级信息或与在远程源上的发布消息相关联的信息中的至少一者或多者,并且其中所述发布消息与所述媒体段相关联;
确定所述参考数据集的删除时间,其中使用所述流行度数据确定所述删除时间;以及
从所述参考数据库中删除所述参考数据集,其中所述参考数据集在所述删除时间到期后被删除。
2.根据权利要求1所述的计算机实现的方法,进一步包括:
当所述参考数据集从所述参考数据库中删除时,将所述参考数据集添加到备份数据库,其中所述服务器被配置为在所述参考数据库之后搜索所述备份数据库以寻找与所述未识别数据集匹配的数据集。
3.根据权利要求1所述的计算机实现的方法,其中所述参考数据集包括所述媒体段的帧的像素数据或音频数据。
4.根据权利要求1所述的计算机实现的方法,其中确定删除时间包括计算所述流行度数据的两个或更多个值的平均值。
5.根据权利要求4所述的计算机实现的方法,其中所述流行度数据的每个值与权重相关联。
6.根据权利要求1所述的计算机实现的方法,其中与所述远程源上的所述发布消息相关联的所述信息包括下列一者或多者:所述远程源上的发布消息的数量、发布的正面消息的数量、发布的负面消息的数量、对所述发布消息的正面指示的数量、对所述发布消息的重新发布的数量或所述发布消息的观看数量,并且其中所述发布消息与所述媒体段相关联。
7.根据权利要求1所述的计算机实现的方法,其中所述观看信息包括所述媒体段已被所述服务器识别的次数。
8.一种系统,包括:
一个或多个处理器;以及
包含指令的非暂态计算机可读介质,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行操作,所述操作包括:
由服务器接收与媒体段相关联的参考数据集,其中所述服务器被配置为通过将未识别的数据集与所述参考数据集进行匹配来识别未识别的媒体段,并且其中所述未识别的数据集与所述未识别的媒体段相关联;
将所述参考数据集存储在参考数据库中;
接收指示所述媒体段的流行度的流行度数据,其中所述流行度数据包括所述媒体段的观看信息、所述媒体段的评级信息或与在远程源上的发布消息相关联的信息中的至少一者或多者,并且其中所述发布消息与所述媒体段相关联;
确定所述参考数据集的删除时间,其中使用所述流行度数据确定所述删除时间;以及
从所述参考数据库中删除所述参考数据集,其中所述参考数据集在所述删除时间到期后被删除。
9.根据权利要求8所述的系统,进一步包括指令,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行操作,所述操作包括:
当所述参考数据集从所述参考数据库中删除时,将所述参考数据集添加到备份数据库,其中所述服务器被配置为在所述参考数据库之后搜索所述备份数据库以寻找与所述未识别数据集匹配的数据集。
10.根据权利要求8所述的系统,其中所述参考数据集包括所述媒体段的帧的像素数据或音频数据。
11.根据权利要求8所述的系统,其中确定删除时间包括计算所述流行度数据的两个或更多个值的平均值。
12.根据权利要求11所述的系统,其中所述流行度数据的每个值与权重相关联。
13.根据权利要求8所述的系统,其中与所述远程源上的所述发布消息相关联的所述信息包括下列一者或多者:所述远程源上的发布消息的数量、发布的正面消息的数量、发布的负面消息的数量、对所述发布消息的正面指示的数量、对所述发布消息的重新发布的数量或所述发布消息的观看数量,并且其中所述发布消息与所述媒体段相关联。
14.根据权利要求8所述的系统,其中所述观看信息包括所述媒体段已被所述服务器识别的次数。
15.一种有形地体现在非暂态机器可读存储介质中的计算机程序产品,包括指令,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器:
由服务器接收与媒体段相关联的参考数据集,其中所述服务器被配置为通过将未识别的数据集与所述参考数据集进行匹配来识别未识别的媒体段,并且其中所述未识别的数据集与所述未识别的媒体段相关联;
将所述参考数据集存储在参考数据库中;
接收指示所述媒体段的流行度的流行度数据,其中所述流行度数据包括所述媒体段的观看信息、所述媒体段的评级信息或与在远程源上的发布消息相关联的信息中的至少一者或多者,并且其中所述发布消息与所述媒体段相关联;
确定所述参考数据集的删除时间,其中使用所述流行度数据确定所述删除时间;以及
从所述参考数据库中删除所述参考数据集,其中所述参考数据集在所述删除时间到期后被删除。
16.根据权利要求15所述的计算机程序产品,进一步包括指令,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器:
当所述参考数据集从所述参考数据库中删除时,将所述参考数据集添加到备份数据库,其中所述服务器被配置为在所述参考数据库之后搜索所述备份数据库以寻找与所述未识别数据集匹配的数据集。
17.根据权利要求15所述的计算机程序产品,其中所述参考数据集包括所述媒体段的帧的像素数据或音频数据。
18.根据权利要求15所述的计算机程序产品,其中确定删除时间包括计算所述流行度数据的两个或更多个值的平均值。
19.根据权利要求18所述的计算机程序产品,其中所述流行度数据的每个值与权重相关联。
20.根据权利要求15所述的计算机程序产品,其中与所述远程源上的所述发布消息相关联的所述信息包括下列一者或多者:所述远程源上的发布消息的数量、发布的正面消息的数量、发布的负面消息的数量、对所述发布消息的正面指示的数量、对所述发布消息的重新发布的数量或所述发布消息的观看数量,并且其中所述发布消息与所述媒体段相关联。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562193331P | 2015-07-16 | 2015-07-16 | |
US62/193,331 | 2015-07-16 | ||
PCT/US2016/042611 WO2017011792A1 (en) | 2015-07-16 | 2016-07-15 | Prediction of future views of video segments to optimize system resource utilization |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108337912A true CN108337912A (zh) | 2018-07-27 |
Family
ID=56550417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680052207.0A Pending CN108337912A (zh) | 2015-07-16 | 2016-07-15 | 对视频段的未来收看的预测以优化系统资源利用 |
Country Status (12)
Country | Link |
---|---|
US (1) | US10902048B2 (zh) |
EP (1) | EP3323054A1 (zh) |
JP (1) | JP6891170B2 (zh) |
KR (1) | KR102531622B1 (zh) |
CN (1) | CN108337912A (zh) |
AU (1) | AU2016291690B2 (zh) |
BR (1) | BR112018000820A2 (zh) |
CA (1) | CA2992529C (zh) |
CL (1) | CL2018000122A1 (zh) |
HK (1) | HK1255124A1 (zh) |
MX (1) | MX2018000568A (zh) |
WO (1) | WO2017011792A1 (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10949458B2 (en) | 2009-05-29 | 2021-03-16 | Inscape Data, Inc. | System and method for improving work load management in ACR television monitoring system |
US10375451B2 (en) | 2009-05-29 | 2019-08-06 | Inscape Data, Inc. | Detection of common media segments |
US9449090B2 (en) | 2009-05-29 | 2016-09-20 | Vizio Inscape Technologies, Llc | Systems and methods for addressing a media database using distance associative hashing |
US9071868B2 (en) | 2009-05-29 | 2015-06-30 | Cognitive Networks, Inc. | Systems and methods for improving server and client performance in fingerprint ACR systems |
US8769584B2 (en) | 2009-05-29 | 2014-07-01 | TVI Interactive Systems, Inc. | Methods for displaying contextually targeted content on a connected television |
US10116972B2 (en) | 2009-05-29 | 2018-10-30 | Inscape Data, Inc. | Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device |
US9838753B2 (en) | 2013-12-23 | 2017-12-05 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
US10192138B2 (en) | 2010-05-27 | 2019-01-29 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
US9955192B2 (en) | 2013-12-23 | 2018-04-24 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
CN108337925B (zh) | 2015-01-30 | 2024-02-27 | 构造数据有限责任公司 | 用于识别视频片段以及显示从替代源和/或在替代设备上观看的选项的方法 |
CA2982797C (en) | 2015-04-17 | 2023-03-14 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
EP3323055A1 (en) | 2015-07-16 | 2018-05-23 | Inscape Data, Inc. | Systems and methods for partitioning search indexes for improved efficiency in identifying media segments |
US10080062B2 (en) | 2015-07-16 | 2018-09-18 | Inscape Data, Inc. | Optimizing media fingerprint retention to improve system resource utilization |
CN108337912A (zh) | 2015-07-16 | 2018-07-27 | 构造数据有限责任公司 | 对视频段的未来收看的预测以优化系统资源利用 |
JP6903653B2 (ja) | 2015-07-16 | 2021-07-14 | インスケイプ データ インコーポレイテッド | 共通メディアセグメントの検出 |
US10341405B2 (en) * | 2015-12-29 | 2019-07-02 | Facebook, Inc. | Social networking interactions with portions of digital videos |
WO2018187592A1 (en) | 2017-04-06 | 2018-10-11 | Inscape Data, Inc. | Systems and methods for improving accuracy of device maps using media viewing data |
US10904022B2 (en) * | 2018-08-30 | 2021-01-26 | Acronis International Gmbh | System and method for utility ranking and funding for cloud storage |
US10848819B2 (en) | 2018-09-25 | 2020-11-24 | Rovi Guides, Inc. | Systems and methods for adjusting buffer size |
US11265597B2 (en) * | 2018-10-23 | 2022-03-01 | Rovi Guides, Inc. | Methods and systems for predictive buffering of related content segments |
US11329902B2 (en) | 2019-03-12 | 2022-05-10 | The Nielsen Company (Us), Llc | Methods and apparatus to credit streaming activity using domain level bandwidth information |
US20220084187A1 (en) * | 2020-09-14 | 2022-03-17 | City University Of Hong Kong | Method, device and computer readable medium for intrinsic popularity evaluation and content compression based thereon |
CN112511901B (zh) * | 2020-12-07 | 2023-01-24 | 北京秒针人工智能科技有限公司 | 综艺剧目播放量预测方法、系统、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101361076A (zh) * | 2005-09-08 | 2009-02-04 | 桑迪士克股份有限公司 | 用于媒体内容的安全存储和传递的移动存储器系统 |
CN103179440A (zh) * | 2013-03-12 | 2013-06-26 | 南京工业大学 | 一种面向3g用户的增值业务时移电视系统 |
US20140201772A1 (en) * | 2009-05-29 | 2014-07-17 | Zeev Neumeier | Systems and methods for addressing a media database using distance associative hashing |
CN104604240A (zh) * | 2012-07-18 | 2015-05-06 | 欧朋软件爱尔兰有限责任公司 | 准时分布式视频高速缓存 |
Family Cites Families (229)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4697209A (en) | 1984-04-26 | 1987-09-29 | A. C. Nielsen Company | Methods and apparatus for automatically identifying programs viewed or recorded |
US4677466A (en) | 1985-07-29 | 1987-06-30 | A. C. Nielsen Company | Broadcast program identification method and apparatus |
US4739398A (en) | 1986-05-02 | 1988-04-19 | Control Data Corporation | Method, apparatus and system for recognizing broadcast segments |
US5019899A (en) | 1988-11-01 | 1991-05-28 | Control Data Corporation | Electronic data encoding and recognition system |
US5319453A (en) | 1989-06-22 | 1994-06-07 | Airtrax | Method and apparatus for video signal encoding, decoding and monitoring |
US5436653A (en) | 1992-04-30 | 1995-07-25 | The Arbitron Company | Method and system for recognition of broadcast segments |
US5721788A (en) | 1992-07-31 | 1998-02-24 | Corbis Corporation | Method and system for digital image signatures |
US6463585B1 (en) | 1992-12-09 | 2002-10-08 | Discovery Communications, Inc. | Targeted advertisement using television delivery systems |
US5557334A (en) | 1993-01-12 | 1996-09-17 | Visual Automation Systems, Inc. | Apparatus for tracking the flow of video signals by incorporating patterns of machine readable signals which will appear at predetermined locations of a television picture |
US5481294A (en) | 1993-10-27 | 1996-01-02 | A. C. Nielsen Company | Audience measurement system utilizing ancillary codes and passive signatures |
US5812286A (en) | 1995-08-30 | 1998-09-22 | Hewlett-Packard Company | Automatic color processing to correct hue shift and incorrect exposure |
US6035177A (en) | 1996-02-26 | 2000-03-07 | Donald W. Moses | Simultaneous transmission of ancillary and audio signals by means of perceptual coding |
US5900905A (en) | 1996-06-05 | 1999-05-04 | Microsoft Corporation | System and method for linking video, services and applications in an interactive television system |
US5918223A (en) | 1996-07-22 | 1999-06-29 | Muscle Fish | Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information |
US6647548B1 (en) | 1996-09-06 | 2003-11-11 | Nielsen Media Research, Inc. | Coded/non-coded program audience measurement system |
US20020120925A1 (en) | 2000-03-28 | 2002-08-29 | Logan James D. | Audio and video program recording, editing and playback systems using metadata |
US6771316B1 (en) | 1996-11-01 | 2004-08-03 | Jerry Iggulden | Method and apparatus for selectively altering a televised video signal in real-time |
US6983478B1 (en) | 2000-02-01 | 2006-01-03 | Bellsouth Intellectual Property Corporation | Method and system for tracking network use |
US5826165A (en) | 1997-01-21 | 1998-10-20 | Hughes Electronics Corporation | Advertisement reconciliation system |
US6675383B1 (en) | 1997-01-22 | 2004-01-06 | Nielsen Media Research, Inc. | Source detection apparatus and method for audience measurement |
US6173271B1 (en) | 1997-11-26 | 2001-01-09 | California Institute Of Technology | Television advertising automated billing system |
US6804659B1 (en) | 2000-01-14 | 2004-10-12 | Ricoh Company Ltd. | Content based web advertising |
US6008802A (en) | 1998-01-05 | 1999-12-28 | Intel Corporation | Method and apparatus for automatically performing a function based on the reception of information corresponding to broadcast data |
US6064764A (en) | 1998-03-30 | 2000-05-16 | Seiko Epson Corporation | Fragile watermarks for detecting tampering in images |
US6950539B2 (en) | 1998-09-16 | 2005-09-27 | Digital Persona | Configurable multi-function touchpad device |
US7421723B2 (en) | 1999-01-07 | 2008-09-02 | Nielsen Media Research, Inc. | Detection of media links in broadcast signals |
US7051351B2 (en) | 1999-03-08 | 2006-05-23 | Microsoft Corporation | System and method of inserting advertisements into an information retrieval system display |
US6774917B1 (en) | 1999-03-11 | 2004-08-10 | Fuji Xerox Co., Ltd. | Methods and apparatuses for interactive similarity searching, retrieval, and browsing of video |
ATE270019T1 (de) | 1999-03-18 | 2004-07-15 | British Broadcasting Corp | Wasserzeichen |
US6973663B1 (en) | 1999-03-29 | 2005-12-06 | The Directv Group, Inc. | Method and apparatus for detecting and viewing similar programs within a video system |
US6381362B1 (en) | 1999-04-08 | 2002-04-30 | Tata America International Corporation | Method and apparatus for including virtual ads in video presentations |
US6415438B1 (en) | 1999-10-05 | 2002-07-02 | Webtv Networks, Inc. | Trigger having a time attribute |
US6469749B1 (en) | 1999-10-13 | 2002-10-22 | Koninklijke Philips Electronics N.V. | Automatic signature-based spotting, learning and extracting of commercials and other video content |
US6993245B1 (en) | 1999-11-18 | 2006-01-31 | Vulcan Patents Llc | Iterative, maximally probable, batch-mode commercial detection for audiovisual content |
AU2748901A (en) | 1999-12-15 | 2001-06-25 | Yellowbrix, Inc. | Context matching system and method |
AU7233700A (en) | 1999-12-23 | 2001-06-28 | Access Devices Limited | TV receiving and internet browsing apparatus |
WO2001051887A1 (en) | 2000-01-07 | 2001-07-19 | Cyberoptics Corporation | Phase profilometry system with telecentric projector |
US6577346B1 (en) | 2000-01-24 | 2003-06-10 | Webtv Networks, Inc. | Recognizing a pattern in a video segment to identify the video segment |
US7028327B1 (en) | 2000-02-02 | 2006-04-11 | Wink Communication | Using the electronic program guide to synchronize interactivity with broadcast programs |
US6675174B1 (en) | 2000-02-02 | 2004-01-06 | International Business Machines Corp. | System and method for measuring similarity between a set of known temporal media segments and a one or more temporal media streams |
US7089240B2 (en) | 2000-04-06 | 2006-08-08 | International Business Machines Corporation | Longest prefix match lookup using hash function |
AU2001253239A1 (en) | 2000-04-07 | 2001-10-23 | America Online, Inc. | Contextual programming |
PT1158185E (pt) | 2000-05-26 | 2005-11-30 | Hettich Paul Gmbh & Co | Elemento de fixacao rapida |
US6990453B2 (en) | 2000-07-31 | 2006-01-24 | Landmark Digital Services Llc | System and methods for recognizing sound and music signals in high noise and distortion |
US6774908B2 (en) | 2000-10-03 | 2004-08-10 | Creative Frontier Inc. | System and method for tracking an object in a video and linking information thereto |
US20060253330A1 (en) | 2000-10-12 | 2006-11-09 | Maggio Frank S | Method and system for automatically substituting media content |
ATE495628T1 (de) | 2000-10-15 | 2011-01-15 | Directv Group Inc | Verfahren und system zum werben während einer pause |
JP2002140602A (ja) * | 2000-10-31 | 2002-05-17 | Sharp Corp | コンテンツ管理システム |
US7237250B2 (en) | 2000-11-28 | 2007-06-26 | Navic Systems, Inc. | Promotion server using video on demand channel |
US7210157B2 (en) | 2000-12-18 | 2007-04-24 | Koninklijke Philips Electronics N.V. | Apparatus and method of program classification using observed cues in the transcript information |
WO2002058246A2 (en) | 2001-01-17 | 2002-07-25 | Koninklijke Philips Electronics N.V. | Robust checksums |
WO2002062009A1 (en) | 2001-01-30 | 2002-08-08 | Digimarc Corporation | Efficient interactive tv |
US7584491B2 (en) | 2001-04-25 | 2009-09-01 | Sony Corporation | System and method for managing interactive programming and advertisements in interactive broadcast systems |
US20020162117A1 (en) | 2001-04-26 | 2002-10-31 | Martin Pearson | System and method for broadcast-synchronized interactive content interrelated to broadcast content |
US20030026422A1 (en) | 2001-06-19 | 2003-02-06 | Usa Video Interactive Corporation | Method and apparatus for digitally fingerprinting videos |
DE60236161D1 (de) | 2001-07-20 | 2010-06-10 | Gracenote Inc | Automatische identifizierung von klangaufzeichnungen |
WO2003017640A2 (en) | 2001-08-16 | 2003-02-27 | Goldpocket Interactive | Digital data monitoring and logging in an itv system |
US7089575B2 (en) | 2001-09-04 | 2006-08-08 | Koninklijke Philips Electronics N.V. | Method of using transcript information to identify and learn commercial portions of a program |
US6968091B2 (en) | 2001-09-18 | 2005-11-22 | Emc Corporation | Insertion of noise for reduction in the number of bits for variable-length coding of (run, level) pairs |
US20030056010A1 (en) | 2001-09-20 | 2003-03-20 | Koninklijke Philips Electronics N.V. | Downstream metadata altering |
US7064796B2 (en) | 2001-12-21 | 2006-06-20 | Eloda Inc. | Method and system for re-identifying broadcast segments using statistical profiles |
US6978470B2 (en) | 2001-12-26 | 2005-12-20 | Bellsouth Intellectual Property Corporation | System and method for inserting advertising content in broadcast programming |
US7136875B2 (en) | 2002-09-24 | 2006-11-14 | Google, Inc. | Serving advertisements based on content |
US7716161B2 (en) | 2002-09-24 | 2010-05-11 | Google, Inc, | Methods and apparatus for serving relevant advertisements |
AU2003280513A1 (en) | 2002-07-01 | 2004-01-19 | Microsoft Corporation | A system and method for providing user control over repeating objects embedded in a stream |
US20040045020A1 (en) | 2002-08-29 | 2004-03-04 | Witt Jeffrey Michael | Commercial identification system |
US7171402B1 (en) | 2002-10-02 | 2007-01-30 | Sony Computer Entertainment America Inc. | Dynamic interactive content system |
US7809154B2 (en) | 2003-03-07 | 2010-10-05 | Technology, Patents & Licensing, Inc. | Video entity recognition in compressed digital video streams |
US7738704B2 (en) | 2003-03-07 | 2010-06-15 | Technology, Patents And Licensing, Inc. | Detecting known video entities utilizing fingerprints |
US7032096B2 (en) | 2003-04-22 | 2006-04-18 | Hewlett-Packard Development Company, L.P. | Memory management system and method using a hash table |
US20040226035A1 (en) | 2003-05-05 | 2004-11-11 | Hauser David L. | Method and apparatus for detecting media content |
US20040240562A1 (en) | 2003-05-28 | 2004-12-02 | Microsoft Corporation | Process and system for identifying a position in video using content-based video timelines |
US8918316B2 (en) | 2003-07-29 | 2014-12-23 | Alcatel Lucent | Content identification system |
AU2003272483A1 (en) | 2003-09-12 | 2005-04-27 | Nielsen Media Research, Inc. | Digital video signature apparatus and methods for use with video program identification systems |
US7050068B1 (en) | 2003-12-02 | 2006-05-23 | Nvidia Corporation | Generation of jittered sub-pixel samples using programmable sub-pixel offsets |
CN102857796B (zh) | 2004-02-04 | 2015-05-27 | 爱立信电视公司 | Itv环境中的同步和自动化 |
TWI411301B (zh) | 2004-02-17 | 2013-10-01 | Nielsen Media Res Inc | 決定錄影過節目之觀眾觀看的方法及設備 |
KR20060135794A (ko) | 2004-02-26 | 2006-12-29 | 미디어 가이드, 인코포레이티드 | 방송 오디오 또는 비디오 프로그래밍 신호의 자동 검출 및식별 방법, 및 장치 |
US8229751B2 (en) | 2004-02-26 | 2012-07-24 | Mediaguide, Inc. | Method and apparatus for automatic detection and identification of unidentified Broadcast audio or video signals |
US20050207416A1 (en) | 2004-03-16 | 2005-09-22 | Samsung Electronics Co. , Ltd. | Apparatus and method for deploying efficient broadcast multicast services in a wireless network |
US7131936B2 (en) | 2004-03-17 | 2006-11-07 | Schlosser Frank J | Apparatus for training a body part of a person and method for using same |
US8407752B2 (en) | 2004-03-18 | 2013-03-26 | Digimarc Corporation | Synchronizing broadcast content with corresponding network content |
US20050210501A1 (en) | 2004-03-19 | 2005-09-22 | Microsoft Corporation | Method and apparatus for handling metadata |
WO2005101998A2 (en) | 2004-04-19 | 2005-11-03 | Landmark Digital Services Llc | Content sampling and identification |
US7769756B2 (en) | 2004-06-07 | 2010-08-03 | Sling Media, Inc. | Selection and presentation of context-relevant supplemental content and advertising |
WO2005125198A2 (en) | 2004-06-09 | 2005-12-29 | Nielsen Media Research, Inc. | Methods and apparatus to identify viewing information |
AU2005273948B2 (en) | 2004-08-09 | 2010-02-04 | The Nielsen Company (Us), Llc | Methods and apparatus to monitor audio/visual content from various sources |
WO2006023770A2 (en) | 2004-08-18 | 2006-03-02 | Nielsen Media Research, Inc. | Methods and apparatus for generating signatures |
US7623823B2 (en) | 2004-08-31 | 2009-11-24 | Integrated Media Measurement, Inc. | Detecting and measuring exposure to media content items |
CA2588217C (en) | 2004-11-22 | 2014-04-22 | Nielsen Media Research, Inc. | Methods and apparatus for media source identification and time shifted media consumption measurements |
WO2006072896A2 (en) | 2005-01-07 | 2006-07-13 | Koninklijke Philips Electronics N.V. | Method and electronic device for detecting a graphical object |
US20060195860A1 (en) | 2005-02-25 | 2006-08-31 | Eldering Charles A | Acting on known video entities detected utilizing fingerprinting |
KR100694107B1 (ko) | 2005-04-28 | 2007-03-12 | 삼성전자주식회사 | 휴대 기기의 컨텐츠 리스트를 제공하는 장치 및 방법 |
KR100707189B1 (ko) | 2005-04-29 | 2007-04-13 | 삼성전자주식회사 | 동영상의 광고 검출 장치 및 방법과 그 장치를 제어하는컴퓨터 프로그램을 저장하는 컴퓨터로 읽을 수 있는 기록매체 |
EP1750439A1 (en) | 2005-08-03 | 2007-02-07 | Thomson Licensing | EPG content analyser |
US20070061831A1 (en) | 2005-09-09 | 2007-03-15 | Sbc Knowledge Ventures L.P. | IPTV channel usage and video delivery path monitoring architecture |
CA2622900C (en) | 2005-09-15 | 2014-04-29 | Biap, Inc. | Self-contained mini-applications system and method for digital television |
JP4839771B2 (ja) | 2005-10-20 | 2011-12-21 | ソニー株式会社 | ディジタル放送受信装置、ディジタル放送受信方法及びプログラム |
US7933451B2 (en) | 2005-11-23 | 2011-04-26 | Leica Geosystems Ag | Feature extraction using pixel-level and object-level analysis |
US8756633B2 (en) | 2005-12-19 | 2014-06-17 | At&T Intellectual Property I, L.P | Methods, systems, and computer program products for selectively facilitating internet content and/or alerts on a television crawl screen, closed caption and/or picture-in-picture area |
US7639309B2 (en) | 2005-12-20 | 2009-12-29 | Broadcom Corporation | Method and system for analog video noise reduction by blending FIR and IIR filtering |
JP2009521169A (ja) | 2005-12-23 | 2009-05-28 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | コンテンツストリームから決定されたフィンガープリントを使用したスクリプト同期 |
JP4321518B2 (ja) | 2005-12-27 | 2009-08-26 | 三菱電機株式会社 | 楽曲区間検出方法、及びその装置、並びにデータ記録方法、及びその装置 |
US8645991B2 (en) | 2006-03-30 | 2014-02-04 | Tout Industries, Inc. | Method and apparatus for annotating media streams |
WO2007114796A1 (en) | 2006-04-05 | 2007-10-11 | Agency For Science, Technology And Research | Apparatus and method for analysing a video broadcast |
US7761491B2 (en) | 2006-04-18 | 2010-07-20 | Ecodisc Technology Ag | Method for detecting a commercial in a video data stream by evaluating descriptor information |
US7840540B2 (en) | 2006-04-20 | 2010-11-23 | Datascout, Inc. | Surrogate hashing |
US20070300280A1 (en) | 2006-06-21 | 2007-12-27 | Turner Media Group | Interactive method of advertising |
US7590998B2 (en) | 2006-07-27 | 2009-09-15 | Sharp Laboratories Of America, Inc. | Television system having internet web browsing capability |
US20080089551A1 (en) | 2006-10-16 | 2008-04-17 | Ashley Heather | Interactive TV data track synchronization system and method |
GB0623961D0 (en) | 2006-11-30 | 2007-01-10 | Univ St Andrews | Video fingerprinting |
US20080155627A1 (en) | 2006-12-04 | 2008-06-26 | O'connor Daniel | Systems and methods of searching for and presenting video and audio |
US8493510B2 (en) | 2006-12-12 | 2013-07-23 | Time Warner Inc. | Method and apparatus for concealing portions of a video screen |
US8196166B2 (en) | 2006-12-21 | 2012-06-05 | Verizon Patent And Licensing Inc. | Content hosting and advertising systems and methods |
US8494234B1 (en) | 2007-03-07 | 2013-07-23 | MotionDSP, Inc. | Video hashing system and method |
JP4525692B2 (ja) | 2007-03-27 | 2010-08-18 | 株式会社日立製作所 | 画像処理装置、画像処理方法、画像表示装置 |
US8566164B2 (en) | 2007-12-31 | 2013-10-22 | Intent IQ, LLC | Targeted online advertisements based on viewing or interacting with television advertisements |
US20080276266A1 (en) | 2007-04-18 | 2008-11-06 | Google Inc. | Characterizing content for identification of advertising |
US9179086B2 (en) | 2007-05-07 | 2015-11-03 | Yahoo! Inc. | System and method for providing dynamically updating applications in a television display environment |
US8094872B1 (en) | 2007-05-09 | 2012-01-10 | Google Inc. | Three-dimensional wavelet based video fingerprinting |
CN101731011B (zh) | 2007-05-11 | 2014-05-28 | 奥迪耐特有限公司 | 用于设置接收器延迟时间的方法 |
US7972296B2 (en) | 2007-10-10 | 2011-07-05 | Optiscan Biomedical Corporation | Fluid component analysis system and method for glucose monitoring and control |
US8229227B2 (en) | 2007-06-18 | 2012-07-24 | Zeitera, Llc | Methods and apparatus for providing a scalable identification of digital video sequences |
US8171030B2 (en) | 2007-06-18 | 2012-05-01 | Zeitera, Llc | Method and apparatus for multi-dimensional content search and video identification |
US9438860B2 (en) | 2007-06-26 | 2016-09-06 | Verizon Patent And Licensing Inc. | Method and system for filtering advertisements in a media stream |
US8069414B2 (en) | 2007-07-18 | 2011-11-29 | Google Inc. | Embedded video player |
US20090028517A1 (en) | 2007-07-27 | 2009-01-29 | The University Of Queensland | Real-time near duplicate video clip detection method |
US8001571B1 (en) | 2007-08-21 | 2011-08-16 | Google Inc. | Identifying programming information of a telecommunications provider |
US8238669B2 (en) | 2007-08-22 | 2012-08-07 | Google Inc. | Detection and classification of matches between time-based media |
US8275764B2 (en) * | 2007-08-24 | 2012-09-25 | Google Inc. | Recommending media programs based on media program popularity |
US8175333B2 (en) | 2007-09-27 | 2012-05-08 | Behavioral Recognition Systems, Inc. | Estimator identifier component for behavioral recognition system |
JP5341095B2 (ja) | 2007-10-05 | 2013-11-13 | ドルビー ラボラトリーズ ライセンシング コーポレイション | メディア・コンテンツに信頼性よく対応するメディア・フィンガープリント |
JP4424410B2 (ja) | 2007-11-07 | 2010-03-03 | ソニー株式会社 | 情報処理システム、情報処理方法 |
CN101162470B (zh) | 2007-11-16 | 2011-04-20 | 北京交通大学 | 一种基于分层匹配的视频广告识别方法 |
US8776117B2 (en) | 2007-12-28 | 2014-07-08 | Verizon Patent And Licensing Inc. | Method and apparatus for providing expanded displayable applications |
GB2457694B (en) | 2008-02-21 | 2012-09-26 | Snell Ltd | Method of Deriving an Audio-Visual Signature |
US20090213270A1 (en) | 2008-02-22 | 2009-08-27 | Ryan Ismert | Video indexing and fingerprinting for video enhancement |
US20090235312A1 (en) | 2008-03-11 | 2009-09-17 | Amir Morad | Targeted content with broadcast material |
US8959202B2 (en) | 2008-03-18 | 2015-02-17 | Civolution B.V. | Generating statistics of popular content |
US8705873B2 (en) | 2008-03-20 | 2014-04-22 | Universite De Geneve | Secure item identification and authentication system and method based on unclonable features |
JP2009251757A (ja) * | 2008-04-02 | 2009-10-29 | Nec Corp | コンテンツデータ保管装置、コンテンツ管理システム及びコンテンツ削除順序決定方法 |
EP2272011A2 (en) | 2008-04-13 | 2011-01-12 | Ipharro Media, Gmbh | Media asset management |
US8051444B2 (en) | 2008-06-02 | 2011-11-01 | Intent IQ, LLC | Targeted television advertisements selected on the basis of an online user profile and presented with television programs or channels related to that profile |
GB2460844B (en) | 2008-06-10 | 2012-06-06 | Half Minute Media Ltd | Automatic detection of repeating video sequences |
US8189945B2 (en) | 2009-05-27 | 2012-05-29 | Zeitera, Llc | Digital video content fingerprinting based on scale invariant interest region detection with an array of anisotropic filters |
US8959108B2 (en) | 2008-06-18 | 2015-02-17 | Zeitera, Llc | Distributed and tiered architecture for content search and content monitoring |
US8335786B2 (en) | 2009-05-28 | 2012-12-18 | Zeitera, Llc | Multi-media content identification using multi-level content signature correlation and fast similarity search |
US8385644B2 (en) | 2008-07-08 | 2013-02-26 | Zeitera, Llc | Digital video fingerprinting based on resultant weighted gradient orientation computation |
US8195689B2 (en) | 2009-06-10 | 2012-06-05 | Zeitera, Llc | Media fingerprinting and identification system |
US8634944B2 (en) | 2008-07-10 | 2014-01-21 | Apple Inc. | Auto-station tuning |
JP5200735B2 (ja) * | 2008-07-29 | 2013-06-05 | 沖電気工業株式会社 | コンテンツ配信システム及びコンテンツ配信方法 |
US8180712B2 (en) | 2008-09-30 | 2012-05-15 | The Nielsen Company (Us), Llc | Methods and apparatus for determining whether a media presentation device is in an on state or an off state |
GB2465141B (en) | 2008-10-31 | 2014-01-22 | Media Instr Sa | Simulcast resolution in content matching systems |
CN101742269A (zh) | 2008-11-17 | 2010-06-16 | 华为技术有限公司 | 一种频道切换方法、装置和系统 |
JP5156594B2 (ja) | 2008-11-19 | 2013-03-06 | キヤノン株式会社 | 再生装置及びその制御方法 |
US10334324B2 (en) | 2008-11-26 | 2019-06-25 | Free Stream Media Corp. | Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device |
US20100166257A1 (en) | 2008-12-30 | 2010-07-01 | Ati Technologies Ulc | Method and apparatus for detecting semi-transparencies in video |
KR101369915B1 (ko) | 2009-01-23 | 2014-03-06 | 닛본 덴끼 가부시끼가이샤 | 영상 식별자 추출 장치 |
US20100191689A1 (en) | 2009-01-27 | 2010-07-29 | Google Inc. | Video content analysis for automatic demographics recognition of users and videos |
US8200602B2 (en) | 2009-02-02 | 2012-06-12 | Napo Enterprises, Llc | System and method for creating thematic listening experiences in a networked peer media recommendation environment |
US8175413B1 (en) | 2009-03-05 | 2012-05-08 | Google Inc. | Video identification through detection of proprietary rights logos in media |
WO2010135082A1 (en) | 2009-05-19 | 2010-11-25 | Dolby Laboratories Licensing Corporation | Localized weak bit assignment |
US10949458B2 (en) | 2009-05-29 | 2021-03-16 | Inscape Data, Inc. | System and method for improving work load management in ACR television monitoring system |
US8930980B2 (en) | 2010-05-27 | 2015-01-06 | Cognitive Networks, Inc. | Systems and methods for real-time television ad detection using an automated content recognition database |
US8769584B2 (en) | 2009-05-29 | 2014-07-01 | TVI Interactive Systems, Inc. | Methods for displaying contextually targeted content on a connected television |
US10116972B2 (en) | 2009-05-29 | 2018-10-30 | Inscape Data, Inc. | Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device |
US10375451B2 (en) | 2009-05-29 | 2019-08-06 | Inscape Data, Inc. | Detection of common media segments |
US9449090B2 (en) | 2009-05-29 | 2016-09-20 | Vizio Inscape Technologies, Llc | Systems and methods for addressing a media database using distance associative hashing |
US20110015996A1 (en) | 2009-07-14 | 2011-01-20 | Anna Kassoway | Systems and Methods For Providing Keyword Related Search Results in Augmented Content for Text on a Web Page |
US8392789B2 (en) | 2009-07-28 | 2013-03-05 | Texas Instruments Incorporated | Method and system for decoding low density parity check codes |
US20110041154A1 (en) | 2009-08-14 | 2011-02-17 | All Media Guide, Llc | Content Recognition and Synchronization on a Television or Consumer Electronics Device |
US20110055552A1 (en) | 2009-09-02 | 2011-03-03 | Max Planck Gesellschaft Zur Foerderung Der Wissenschaften | Private, accountable, and personalized information delivery in a networked system |
CN102763123B (zh) | 2009-12-02 | 2015-03-25 | 高通股份有限公司 | 通过使查询图像和模型图像中的检测到的关键点成群集而进行特征匹配 |
EP2541963B1 (en) | 2009-12-29 | 2021-03-17 | Inscape Data, Inc. | Method for identifying video segments and displaying contextually targeted content on a connected television |
US20110234900A1 (en) * | 2010-03-29 | 2011-09-29 | Rovi Technologies Corporation | Method and apparatus for identifying video program material or content via closed caption data |
US9264785B2 (en) * | 2010-04-01 | 2016-02-16 | Sony Computer Entertainment Inc. | Media fingerprinting for content determination and retrieval |
US20110251987A1 (en) | 2010-04-13 | 2011-10-13 | Buchheit Brian K | Time-shifting a content streaming request |
WO2011130564A1 (en) | 2010-04-14 | 2011-10-20 | Sven Riethmueller | Platform-independent interactivity with media broadcasts |
US20110289099A1 (en) | 2010-05-20 | 2011-11-24 | Rovi Technologies Corporation | Method and apparatus for identifying video program material via dvs or sap data |
US8522283B2 (en) | 2010-05-20 | 2013-08-27 | Google Inc. | Television remote control data transfer |
US9838753B2 (en) | 2013-12-23 | 2017-12-05 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
US8625902B2 (en) | 2010-07-30 | 2014-01-07 | Qualcomm Incorporated | Object recognition using incremental feature extraction |
CN102377960B (zh) | 2010-08-24 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 视频画面显示方法及装置 |
US8533141B2 (en) | 2010-08-31 | 2013-09-10 | Vibrant Media, Inc. | Systems and methods for rule based inclusion of pixel retargeting in campaign management |
WO2012057724A1 (en) | 2010-10-26 | 2012-05-03 | Thomson Licensing | Systems for identifying audio information from a television data stream and related methods |
US20120158511A1 (en) | 2010-12-21 | 2012-06-21 | Microsoft Corporation | Provision of contextual advertising |
US8793730B2 (en) | 2010-12-30 | 2014-07-29 | Yahoo! Inc. | Entertainment companion content application for interacting with television content |
US8396302B2 (en) | 2011-01-11 | 2013-03-12 | Intel Corporation | Method of detecting logos, titles, or sub-titles in video frames |
US9093120B2 (en) | 2011-02-10 | 2015-07-28 | Yahoo! Inc. | Audio fingerprint extraction by scaling in time and resampling |
WO2012089288A1 (en) | 2011-06-06 | 2012-07-05 | Bridge Mediatech, S.L. | Method and system for robust audio hashing |
BR112013031576A2 (pt) | 2011-06-08 | 2017-03-21 | Shazam Entertainment Ltd | métodos e sistemas para realizar comparações de dados recebidos e prover um serviço de acompanhamento baseado nestas comparações. |
EP2718849A1 (en) | 2011-06-10 | 2014-04-16 | Shazam Entertainment Ltd. | Methods and systems for identifying content in a data stream |
US9077458B2 (en) | 2011-06-17 | 2015-07-07 | Microsoft Technology Licensing, Llc | Selection of advertisements via viewer feedback |
US9049073B2 (en) | 2011-06-28 | 2015-06-02 | Rovi Guides, Inc. | Systems and methods for initializing allocations of transport streams based on historical data |
JP5535998B2 (ja) * | 2011-08-09 | 2014-07-02 | ビッグローブ株式会社 | データ管理システムおよびデータ管理方法 |
US20130054356A1 (en) | 2011-08-31 | 2013-02-28 | Jason Richman | Systems and methods for contextualizing services for images |
US8443408B2 (en) | 2011-09-12 | 2013-05-14 | Rogers Communications Inc. | Method and system for managing bandwidth |
US9866915B2 (en) | 2011-11-28 | 2018-01-09 | Excalibur Ip, Llc | Context relevant interactive television |
US8776105B2 (en) | 2012-02-07 | 2014-07-08 | Tuner Broadcasting System, Inc. | Method and system for automatic content recognition protocols |
TWI502977B (zh) | 2012-02-13 | 2015-10-01 | Acer Inc | 影音播放裝置、影音處理裝置、系統以及方法 |
US8769854B1 (en) | 2012-04-10 | 2014-07-08 | Vincent P. Battaglia | Solid chassis rifle |
US9703932B2 (en) | 2012-04-30 | 2017-07-11 | Excalibur Ip, Llc | Continuous content identification of broadcast content |
US9473780B2 (en) | 2012-07-13 | 2016-10-18 | Apple Inc. | Video transmission using content-based frame search |
US9286912B2 (en) | 2012-09-26 | 2016-03-15 | The Nielsen Company (Us), Llc | Methods and apparatus for identifying media |
US8799957B2 (en) | 2012-11-08 | 2014-08-05 | Motorola Mobility Llc | Electronic program guide with display of alternative-source multimedia program options and estimated availability parameters |
US9146990B2 (en) | 2013-01-07 | 2015-09-29 | Gracenote, Inc. | Search and identification of video content |
US9495451B2 (en) | 2013-01-07 | 2016-11-15 | Gracenote, Inc. | Identifying video content via fingerprint matching |
CN103973441B (zh) | 2013-01-29 | 2016-03-09 | 腾讯科技(深圳)有限公司 | 基于音视频的用户认证方法和装置 |
JP6017335B2 (ja) | 2013-02-06 | 2016-10-26 | 株式会社東芝 | パターン認識装置、その方法、及び、そのプログラム |
US20140258375A1 (en) | 2013-03-11 | 2014-09-11 | Lsi Corporation | System and method for large object cache management in a network |
US20140270489A1 (en) | 2013-03-12 | 2014-09-18 | Microsoft Corporation | Learned mid-level representation for contour and object detection |
WO2014142758A1 (en) | 2013-03-14 | 2014-09-18 | Rocks International Group Pte Ltd | An interactive system for video customization and delivery |
WO2014144589A1 (en) | 2013-03-15 | 2014-09-18 | The Nielsen Company (Us), Llc | Systems, methods, and apparatus to identify linear and non-linear media presentations |
US9058522B2 (en) | 2013-03-15 | 2015-06-16 | Arris Technology, Inc. | Logo presence detection based on blending characteristics |
US9165203B2 (en) | 2013-03-15 | 2015-10-20 | Arris Technology, Inc. | Legibility enhancement for a logo, text or other region of interest in video |
MX2020001441A (es) | 2013-03-15 | 2021-08-20 | Inscape Data Inc | Sistemas y metodos para direccionar una base de datos de medios usando troceo asociativo en distancia. |
US9143840B2 (en) | 2013-05-20 | 2015-09-22 | Veenome, Inc. | Systems and methods for evaluating online videos |
US20150100979A1 (en) | 2013-10-07 | 2015-04-09 | Smrtv, Inc. | System and method for creating contextual messages for videos |
US20150163545A1 (en) | 2013-12-11 | 2015-06-11 | Echostar Technologies L.L.C. | Identification of video content segments based on signature analysis of the video content |
US9955192B2 (en) | 2013-12-23 | 2018-04-24 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
MX2016008483A (es) | 2013-12-23 | 2017-01-11 | Vizio Inscape Tech Llc | Seguimiento de pixels y cookies para visualizacion de television por evento. |
MX2017007165A (es) | 2014-12-01 | 2017-11-17 | Inscape Data Inc | Sistema y metodo para identificacion continua de segmentos de medios. |
CN108337925B (zh) | 2015-01-30 | 2024-02-27 | 构造数据有限责任公司 | 用于识别视频片段以及显示从替代源和/或在替代设备上观看的选项的方法 |
EP3275202B1 (en) | 2015-03-27 | 2021-12-29 | Twitter, Inc. | Live video streaming services |
CA2982797C (en) | 2015-04-17 | 2023-03-14 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
CN108337912A (zh) | 2015-07-16 | 2018-07-27 | 构造数据有限责任公司 | 对视频段的未来收看的预测以优化系统资源利用 |
US10080062B2 (en) | 2015-07-16 | 2018-09-18 | Inscape Data, Inc. | Optimizing media fingerprint retention to improve system resource utilization |
EP3323055A1 (en) | 2015-07-16 | 2018-05-23 | Inscape Data, Inc. | Systems and methods for partitioning search indexes for improved efficiency in identifying media segments |
US20170186042A1 (en) | 2015-12-28 | 2017-06-29 | Facebook, Inc. | Systems and methods for promoting content items |
-
2016
- 2016-07-15 CN CN201680052207.0A patent/CN108337912A/zh active Pending
- 2016-07-15 WO PCT/US2016/042611 patent/WO2017011792A1/en active Application Filing
- 2016-07-15 EP EP16742565.1A patent/EP3323054A1/en not_active Ceased
- 2016-07-15 US US15/211,991 patent/US10902048B2/en active Active
- 2016-07-15 MX MX2018000568A patent/MX2018000568A/es unknown
- 2016-07-15 KR KR1020187004737A patent/KR102531622B1/ko active IP Right Grant
- 2016-07-15 JP JP2018521495A patent/JP6891170B2/ja active Active
- 2016-07-15 AU AU2016291690A patent/AU2016291690B2/en active Active
- 2016-07-15 BR BR112018000820A patent/BR112018000820A2/pt not_active Application Discontinuation
- 2016-07-15 CA CA2992529A patent/CA2992529C/en active Active
-
2018
- 2018-01-15 CL CL2018000122A patent/CL2018000122A1/es unknown
- 2018-10-31 HK HK18113911.9A patent/HK1255124A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101361076A (zh) * | 2005-09-08 | 2009-02-04 | 桑迪士克股份有限公司 | 用于媒体内容的安全存储和传递的移动存储器系统 |
US20140201772A1 (en) * | 2009-05-29 | 2014-07-17 | Zeev Neumeier | Systems and methods for addressing a media database using distance associative hashing |
CN104604240A (zh) * | 2012-07-18 | 2015-05-06 | 欧朋软件爱尔兰有限责任公司 | 准时分布式视频高速缓存 |
CN103179440A (zh) * | 2013-03-12 | 2013-06-26 | 南京工业大学 | 一种面向3g用户的增值业务时移电视系统 |
Also Published As
Publication number | Publication date |
---|---|
US10902048B2 (en) | 2021-01-26 |
AU2016291690A1 (en) | 2018-02-01 |
CL2018000122A1 (es) | 2018-06-29 |
AU2016291690B2 (en) | 2020-08-27 |
KR20180031024A (ko) | 2018-03-27 |
EP3323054A1 (en) | 2018-05-23 |
JP6891170B2 (ja) | 2021-06-18 |
US20170017652A1 (en) | 2017-01-19 |
KR102531622B1 (ko) | 2023-05-10 |
BR112018000820A2 (pt) | 2018-09-04 |
CA2992529C (en) | 2022-02-15 |
JP2018530272A (ja) | 2018-10-11 |
MX2018000568A (es) | 2018-04-24 |
HK1255124A1 (zh) | 2019-08-02 |
CA2992529A1 (en) | 2017-01-19 |
WO2017011792A1 (en) | 2017-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108337912A (zh) | 对视频段的未来收看的预测以优化系统资源利用 | |
CN108353208A (zh) | 优化媒体指纹保持以提高系统资源利用率 | |
CN108351879A (zh) | 用于提高识别媒体段的效率的划分搜索索引的系统和方法 | |
US10482349B2 (en) | Systems and methods for reducing data density in large datasets | |
CN105144141B (zh) | 用于使用距离关联性散列法对媒体数据库定址的系统和方法 | |
CN110784759B (zh) | 弹幕信息处理方法、装置、电子设备及存储介质 | |
US10192138B2 (en) | Systems and methods for reducing data density in large datasets | |
CN110347872B (zh) | 视频封面图像提取方法及装置、存储介质及电子设备 | |
Koch et al. | Collaborations on YouTube: From unsupervised detection to the impact on video and channel popularity | |
KR102601485B1 (ko) | Acr 텔레비전 모니터링 시스템에서의 작업 부하 관리를 개선하기 위한 시스템 및 방법 | |
CN110546932B (zh) | 使用媒体查看数据提高设备映射图准确度的系统和方法 | |
KR101280804B1 (ko) | 영상 콘텐츠의 영상을 분석하는 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1255124 Country of ref document: HK |