KR20180030885A - 미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법 - Google Patents

미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법 Download PDF

Info

Publication number
KR20180030885A
KR20180030885A KR1020187004663A KR20187004663A KR20180030885A KR 20180030885 A KR20180030885 A KR 20180030885A KR 1020187004663 A KR1020187004663 A KR 1020187004663A KR 20187004663 A KR20187004663 A KR 20187004663A KR 20180030885 A KR20180030885 A KR 20180030885A
Authority
KR
South Korea
Prior art keywords
content
unknown
index
media content
bucket
Prior art date
Application number
KR1020187004663A
Other languages
English (en)
Inventor
지브 노이마이어
마이클 콜렛
Original Assignee
인스케이프 데이터, 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 인스케이프 데이터, 인코포레이티드 filed Critical 인스케이프 데이터, 인코포레이티드
Publication of KR20180030885A publication Critical patent/KR20180030885A/ko

Links

Images

Classifications

    • G06F17/30858—
    • 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
    • G06F16/41—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
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/61—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
    • G06F16/71—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
    • G06F17/30784—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • 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
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/835—Generation of protective data, e.g. certificates
    • H04N21/8352—Generation of protective data, e.g. certificates involving content or source identification data, e.g. Unique Material Identifier [UMID]
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Abstract

오디오 또는 비디오 컨텐츠의 미디어 세그먼트를 식별하기 위한 시스템 및 방법이 개시된다. 비디오 세그먼트는 미디어 콘텐츠로부터 데이터를 유도하고 상기 비디오 세그먼트를 식별하기 위해 상기 데이터를 기준 데이터베이스와 비교함으로써 식별된다. 본 발명의 실시예들은, 예를 들어, 높은 가치의 기준 정보가 벌크 정보로부터 분리되는 구획에서 인덱스를 유리하게 나눔으로써 미디어 식별 프로세스의 속도 및 정확도를 향상시킨다.

Description

미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법
관련 출원에 대한 상호 참조
본 출원은 2015년 7월 16일자로 출원된 미국 임시출원 제62/193,351호에 기초한 우선권을 주장하며, 그 모든 내용은 참조에 의하여 본원에 편입된다.
본 출원은 2009년 5월 29일 출원된 미국 임시 특허 출원 제61/182,334호 및 2009년 12월 29일 출원된 미국 임시 특허 출원 제61/290,714호에 기초한 우선권을 주장하는 2010년 5월 27일 출원된 미국 특허 출원 제12/788,721호(현재 미국 특허 제8,595,781호 B2)의 계속 출원인, 2014년 11월 24일 출원된 미국 특허 출원 제14/551,933호와 관련되고, 상기 모든 출원의 개시 내용은 그 전체가 참조에 의하여 본원에 편입된다.
본 출원의 내용은 미디어 시스템(예를 들어, 텔레비전 시스템, 컴퓨터 시스템, 또는 인터넷에 연결할 수 있는 다른 전자 장치)에 의해 디스플레이된 콘텐츠의 인식을 위해 사용되는 시스템 리소스의 관리를 개선하는 것과 관련된다. 또한, 본 출원의 내용은 콘텐츠를 효과적으로 그리고 효율적으로 식별하는 것과 관련된다. 예를 들어, 콘텐츠의 식별 효율을 향상시키기 위해 검색 인덱스를 병렬로 검색될 수 있는 버킷(bucket)으로 나누기 위한 다양한 기술 및 시스템이 제공된다.
광섬유 및 디지털 전송 기술의 진보로 인해 TV 산업은 채널 용량을 빠르게 증가시켜 수천 개 이상의 온 디맨드 프로그래밍 채널에 더하여 수백 개의 TV 프로그램 채널을 제공할 수 있게 되었다.
전국적으로 텔레비전 수신기를 모니터링하는 자동화된 콘텐츠 인식(Automated Content Recognition; ACR) 시스템의 관점에서, 주요 DMA당 10 내지 20개의 로컬 채널(미국의 경우 약 100 개)이 존재하여 총 수천 개의 방송 채널과 수만 개의 온 디맨드 콘텐츠가 존재하면 문제는 더욱 어려워진다.
본 발명의 실시예들은 일반적으로 임의의 소스로부터 텔레비전 시스템 또는 오디오 세그먼트의 스크린 상에 디스플레이된 비디오 세그먼트를 식별하는 시스템 및 방법, 및 이러한 비디오 또는 오디오 세그먼트 식별에 기초하여 맥락상 타겟팅된 콘텐츠를 미디어 시스템에 제공하는 시스템 및 방법에 관한 것이다. 본 명세서에 사용된 바와 같이, "미디어 시스템"이라는 용어는 텔레비전 시스템, 오디오 시스템 등을 포함하지만 이에 국한되지 않는다. 본 명세서에 사용된 바와 같이, "텔레비전 시스템"이라는 용어는 웹 TV 및 커넥티드 TV("스마트 TV"라고도 함)와 같은 텔레비전 및 텔레비전에 통합되거나 텔레비전과 함께 설치되는, 셋톱 박스(set-top box; STB), 디지털 비디오 디스크(DVD) 플레이어 또는 디지털 비디오 레코더(DVR)와 같은 장비를 포함하지만 이에 국한되지 않는다. 본 명세서에 사용된 바와 같이, "텔레비전 신호"라는 용어는 텔레비전 프로그램 또는 광고 방송의 화상 및 사운드 컴포넌트를 제공하기 위해 함께 방송되는 비디오 및 오디오 데이터(메타 데이터가 있거나 없는)를 나타내는 신호를 포함한다. 본 명세서에 사용된 바와 같이, "메타 데이터"라는 용어는 텔레비전 신호의 비디오/오디오 데이터에 관련된 혹은 그에 관한 데이터를 의미한다.
본 발명의 실시예들은 자동화된 콘텐츠 인식의 목적으로 매우 많은 양의 콘텐츠를 유리하게 나누어 스마트 TV, 케이블 및 위성 셋톱 박스 및 인터넷 접속 네트워크 미디어 플레이어 등을 포함하는 클라이언트 미디어 디바이스와 같은 미지의 소스로부터의 콘텐츠 인식의 정확도를 향상시키는 시스템 및 방법에 관한 것이다. 본 발명은 미디어 데이터뿐만 아니라 여러 차원에서 동시에 검색되어야 하는 대형 데이터베이스에 적용될 수 있음을 알 수 있다.
다수의 콘텐츠 소스가 로딩될 때, 긍정 오류(false positive)를 최소화하고 정확한 콘텐츠 식별을 극대화하는 작업은, 콘텐츠 식별자(본 명세서에서는 "큐(cue)"라고도 함)의 다중 인덱스를 생성함으로써 상당히 향상될 수 있고 여기서 어떤 인덱스들은 더 큰 정보 집합의 다양한 서브 세트이다. 이러한 그룹화된 인덱스는, 예를 들어, TV 등급(rating) 또는 소셜 미디어 멘션에 의해 결정되는 텔레비전 프로그램의 인기와 같은 다양한 파라미터를 사용하여 선택될 수 있다. 예를 들어, 상위 10%와 같은 인기있는 채널을 하나의 검색 인덱스로 그룹화하고 나머지 90%를 다른 인덱스로 그룹화할 수 있다. 또 다른 그룹화는 콘텐츠를 단지 로컬 텔레비전 채널들의 제3 인덱스로 분리하는 것이고, 네 번째 예는 주문형 방송 콘텐츠를 주문형 인덱스로 분리하는 것일 수 있다. 또 다른 콘텐츠 그룹은 상업적으로 중요하다고 간주되는 콘텐츠로부터 파생될 수 있고 별도의 검색 공간에 격리됨으로써 유용하게 사용될 수 있다. 관련된 콘텐츠의 적절한 분리가 본 발명의 실시예들의 이점을 더 이용하기 위해 사용될 수있다.
콘텐츠 그룹으로 분리되고 인덱싱(해시)되면, 그 결과는, '공간(space)'으로 알려지고 일상적으로는 "버킷(bucket)"으로 불리는 16 내지 100 사이의 여러 차원의 벡터 공간이다. 버킷은 개별적으로 검색되고 검색 결과는 미국 특허 제8,595,781호에 설명된 경로 추적(path pursuit) 프로세스에 공급되며, 상기 미국 특허는 전체로서 참조에 의해 본 명세서에 편입된다. 경로 추적 프로세스는 각 개별 버킷에서 매칭되는 미디어 세그먼트를 찾으려고 시도하며 동시에 또는 병렬로 실행될 수 있다. 각각의 상기 버킷으로부터의 후보들이 평가되고 가장 매칭되는 비디오 세그먼트를 선택하는 최종 결정이 이루어져서, 어떤 비디오 세그먼트가 텔레비전 시스템의 스크린 상에 디스플레이되고 있는지를 식별한다. 특히 현재 시청중인 비디오 세그먼트를 식별한 결과 데이터를 사용하여 캡처(capture)를 활성화하고 TV 시청자의 반응(예를 들어, 스크린상의 광고되는 제품에 대한 더 많은 정보 또는 배우의 배경 정보에 대한 요청)에 적절하게 응답할 수 있다. 또한, 어떤 비디오 세그먼트가 스크린상에 디스플레이되고 있는지를 식별하는 것은 본 발명의 중앙 시스템이 다양한 데이터 분석 용도를 위해 현재 시청되는 텔레비전 프로그래밍의 센서스(census; 통계 조사)를 유지할 수 있게 한다. 현재의 비디오 세그먼트에 대한 지식의 많은 다른 용도는, 다른 선택 사항들 중에서도, 검출된 광고 방송 시간 중에 더 관련성이 높은 상업적 메시지로 대체하는 것을 포함할 수 있다.
일부 실시예에 의하면, 비디오 세그먼트는 특정 간격(예를 들어, 100 밀리초(milliseconds))으로 스크린상에 디스플레이되는 픽셀 데이터(또는 연관된 오디오 데이터)의 서브 세트를 샘플링하고, 유사한 픽셀(또는 오디오) 데이터를 콘텐츠 데이터베이스에서 찾음으로써 식별된다. 다른 실시예에 의하면, 비디오 세그먼트는 그러한 비디오 세그먼트와 관련된 오디오 또는 이미지 데이터를 추출한 다음, 콘텐츠 데이터베이스에서 유사한 오디오 또는 이미지 데이터를 발견함으로써 식별된다. 다른 실시예에 의하면, 비디오 세그먼트는 공지 된 자동 음성 인식 기술을 사용하여 그러한 비디오 세그먼트와 연관된 오디오 데이터를 처리함으로써 식별된다. 또 다른 실시예에 의하면, 비디오 세그먼트는 그러한 비디오 세그먼트와 관련된 메타 데이터(metadata)를 처리함으로써 식별된다.
본 발명의 실시예들은 또한 인터랙티브(interactive) 텔레비전 시스템에 맥락상 타겟팅된(contextually targeted) 콘텐츠를 제공하기 위한 시스템 및 방법에 관한 것이다. 맥락상 타겟팅은 디스플레이되는 비디오 세그먼트의 식별뿐만 아니라, 현재 디스플레이되고 있는 비디오 세그먼트의 특정 부분의 재생 시간 또는 오프셋(offset) 시간에 관한 결정에 기초한다. "재생 시간" 및 "오프셋 시간"이라는 용어는 본 명세서에서 상호 교환적으로 사용되고, 특정 텔레비전 프로그램 또는 광고 방송의 시작 시간과 같은 고정된 시점으로부터 오프셋된 시간을 가리킨다.
보다 구체적으로, 본 발명의 실시예들은 커넥티드 TV에서 재생중인 것을 검출하고, 재생되는 대상의 주제를 추론하고, 그에 따라 시청자와 상호 작용할 수 있는 기술을 포함한다. 특히, 본 명세서에 개시된 기술은 인터랙티브 TV의 제한된 능력을 극복하여, 인터넷을 통해 서버로부터 기능을 정확하게 끌어내고, 이로써 주문형(video-on-demand; VOD) 버전의 콘텐츠에 즉각적인 액세스를 제공하는 능력을 포함하는 신규 비즈니스 모델을 가능하게 하고, 다시 시작, 빨리 감기, 일시 중지, 및 되감기의 추가적인 능력과 함께, 가능하다면 더 높은 해상도나 3D 포맷의 콘텐츠를 볼 수 있는 옵션을 사용자에게 제공한다. 본 발명은 또한, 예로서만 그리고 제한없이, 시청자의 위치, 인구 통계학적 그룹 또는 쇼핑 이력과 관련하여 맞춤화된 현재 VOD 프로그래밍에 포함된 광고 메시지의 일부 또는 전부를 가질 수 있게 하거나, 광고 방송이 특정 비즈니스 모델을 지원하기 위해 수량 또는 길이에 있어서 단축되거나 완전히 제거될 수 있게 한다.
일부 실시예에 의하면, 스크린상에 디스플레이되는 픽셀 데이터(또는 관련 오디오 데이터)의 서브 세트를 샘플링한 다음 콘텐츠 데이터베이스에서 유사한 픽셀 (또는 오디오) 데이터를 찾음으로써 비디오 세그먼트가 식별되고 오프셋 시간이 결정된다. 다른 실시예에 의하면, 비디오 세그먼트와 연관된 오디오 또는 이미지 데이터를 추출한 다음 콘텐츠 데이터베이스에서 유사한 오디오 또는 이미지 데이터를 찾는 것에 의해 비디오 세그먼트가 식별되고 오프셋 시간이 결정된다. 다른 실시예에 의하면, 공지된 자동 음성 인식 기술을 사용하여 비디오 세그먼트와 연관된 오디오 데이터를 처리함으로써 비디오 세그먼트가 식별되고 오프셋 시간이 결정된다. 또 다른 실시예에 의하면, 비디오 세그먼트와 연관된 메타 데이터를 처리함으로써 비디오 세그먼트가 식별되고 오프셋 시간이 결정된다.
본 명세서에서보다 상세히 설명되는 바와 같이, 커넥티드 TV에서 시청되는 비디오 세그먼트를 식별하고, 선택적으로 오프셋 시간을 결정하는 시스템은 커넥티드 TV가 구성 요소인 텔레비전 시스템상에 존재할 수 있다. 다른 실시예에 의하면, 비디오 세그먼트를 식별하는 소프트웨어의 일부분은 텔레비전 시스템상에 존재하고 다른 부분은 인터넷을 통해 텔레비전 시스템에 접속된 서버상에 존재한다.
본 발명의 일 실시예에 의하면, 방법이 제공된다. 상기 방법은 복수의 알려진 미디어 콘텐츠를 수신하는 단계를 포함한다. 상기 복수의 알려진 미디어 콘텐츠는 연관된 알려진 콘텐트 식별자(즉, 큐(cue))를 갖는다. 상기 방법은 상기 복수의 알려진 미디어 콘텐츠를 제1 인덱스 및 제2 인덱스로 나누는 단계와, 제1 인덱스를 하나 또는 그 이상의 제1 버킷으로 분리하는 단계를 더 포함한다. 상기 제1 인덱스는 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제1 버킷으로 분리된다. 상기 방법은 상기 제2 인덱스를 하나 또는 그 이상의 제2 버킷으로 분리하는 단계를 더 포함한다. 상기 제2 인덱스는 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제2 버킷으로 분리된다. 상기 방법은 미디어 시스템에 의해 디스플레이되는 미지의 미디어 콘텐츠에 대응하는 미지의 콘텐츠 식별자를 수신하는 단계와, 상기 미지의 콘텐츠 식별자를 상기 제1 버킷과 상기 제2 버킷에서 동시에 검색하는 단계를 더 포함한다. 상기 방법은 제1 버킷 또는 제2 버킷으로부터 알려진 미디어 콘텐츠를 선택하는 단계를 더 포함한다. 선택된 알려진 미디어 콘텐츠는 미지의 콘텐츠 식별자와 연관된다. 상기 방법은 상기 미지의 미디어 콘텐츠를 상기 알려진 미디어 콘텐츠로서 식별하는 단계를 더 포함한다. 상기 방법은 컴퓨터상에서 구현될 수 있다.
본 발명의 다른 실시예에 의하면, 시스템이 제공된다. 상기 시스템은 하나 또는 그 이상의 프로세서를 포함한다. 상기 시스템은 또한 하나 또는 그 이상의 프로세서에서 실행될 때 하나 또는 그 이상의 프로세서로 하여금 상기 방법에서 기술된 단계를 포함하는 오퍼레이션을 수행하게하는 명령어를 포함하는 비 일시적(non-transitory) 기계 판독 가능 저장 매체를 더 포함한다.
본 발명의 다른 실시예에 의하면, 컴퓨팅 장치의 비 일시적 기계 판독 가능 저장 매체에 유형적으로 구현된 컴퓨터 프로그램 제품이 제공될 수 있다. 상기 컴퓨터 프로그램 제품은 하나 또는 그 이상의 데이터 프로세서로 하여금 상기 방법에서 기술된 단계를 수행하게 하도록 구성된 명령을 포함할 수 있다.
사용된 용어 및 표현들은 본 발명을 제한하는 것이 아닌 설명의 용어로서 사용되고, 도시 및 설명된 특징 또는 그 일부의 등가물을 배제하는 용어 및 표현의 사용에는 의도가 없다. 그러나, 청구된 시스템 및 방법의 범위 내에서 다양한 수정이 가능하다는 것이 인식된다. 따라서, 본 발명의 시스템 및 방법이 예시 및 선택적 특징들에 의해 구체적으로 개시되었지만, 본 명세서에 개시된 개념들의 수정 및 변형이 당업자에 의해 채택될 수 있고, 그러한 수정 및 변형은 첨부된 청구범위에 의해 정의된 시스템 및 방법의 범위 내에 있는 것으로 고려된다.
이러한 본 발명의 요약은 청구된 발명의 핵심 또는 필수 기능을 식별하기 위한 것이 아니며, 청구된 발명의 범위를 결정하기 위해 단독으로 사용되어서는 안 된다. 본 발명의 주제는 이 특허의 전체 명세서, 일부 또는 모든 도면, 및 각 청구항의 적절한 부분을 참조하여 이해되어야 한다.
상기한 내용은 다른 특징 및 실시예와 함께 다음의 명세서, 청구범위 및 첨부 도면을 참조하면 더욱 명백해질 것이다.
본 발명의 예시적인 실시예들은 다음의 도면을 참조하여 이하 상세히 설명되고, 동일한 도면 부호는 여러 도면에 걸쳐 동일한 구성 요소 또는 부품을 나타낸다.
도 1은 본 발명의 실시예들에 의한 미디어 시스템에 의해 디스플레이되는 미디어 콘텐츠를 식별하기 위한 매칭 시스템의 일 예를 도시한 블록도이다.
도 2는 본 발명의 실시예들에 의한 미지의 데이터 포인트를 식별하는 매칭 시스템의 일 예를 도시한다.
도 3은 본 발명의 실시예들에 의한 미디어 캡처 시스템의 일 예를 도시한 블록도이다.
도 4는 본 발명의 실시예들에 의한 디스플레이에 의해 제시되는 미디어 콘텐츠를 수집하기 위한 시스템의 일 예를 도시한 블록도이다.
도 5는 본 발명의 실시예들에 의한 큐 데이터의 처리 경로를 나타내는 도면이다.
도 6은 본 발명의 실시예들에 의한 과도하게 클러스터링된 의사 랜덤 투영(pseudorandom projection)을 사용하여 레이아웃된 벡터 맵의 그래픽 플롯이다.
도 7은 본 발명의 실시예들에 의한 더 균일하게 이격된 의사 랜덤 투영을 사용하여 레이아웃된 벡터 맵의 그래픽 플롯이다.
도 8은 본 발명의 실시예들에 의한 랜덤하게 생성된 벡터의 중심에 있지 않은 클러스터링된 큐 데이터를 도시한다.
도 9는 본 발명의 실시예들에 의한 수학적 오프셋 기능을 사용하여 랜덤하게 생성된 벡터의 중심에 있는 클러스터링된 큐 데이터를 도시한다.
도 10은 후보 매칭 큐를 배치하기 위해 본 발명의 실시예들에 의해 사용되는, "버킷"으로 알려진 2개의 벡터 사이의 영역에 적당한 수의 큐 포인트를 나타내는 그래픽 플롯이다.
도 11은 본 발명의 실시예들에 의한 버킷에서 다수의 큐 포인트를 나타내는 그래픽 플롯이다.
도 12는 본 발명의 실시예들에 의한 미디어 매칭 엔진에 공급되는 매칭 후보들에 대해 검색되는 버킷의 그래픽 표현이다.
도 13은 본 발명의 실시예들에 의한, 동시에 또는 병렬로 검색될 수 있는 상이한 크기의 버킷들의 그래픽 표현이고, 각각의 버킷은 미디어 매칭 엔진에 공급된다.
도 14는 본 발명의 실시예들에 의한 개별 출력들을 생성하기 위해 개별 미디어 매칭 프로세스들에 의해 검색되는 개별 인덱스들로 미디어 타입들이 처리되는 비디오 큐를 처리하기 위한 인터랙티브 텔레비전 시스템 및 관련 서버 시스템을 나타낸 도면이다.
도 15는 본 발명의 실시예들에 의한 개별 출력을 생성하기 위해 미디어 타입들이 개별 미디어 매칭 프로세스에 의해 검색되는 개별 인덱스들로 처리되는 비디오 큐를 처리하는 방법의 흐름도이다.
도 16은 본 발명의 실시예들에 의한, 미디어 타입이 미디어 매칭 프로세스에 의해 검색되기 전에 결합되는 개별 인덱스로 처리되는 비디오 큐를 처리하기 위한 인터랙티브 텔레비전 시스템 및 관련 서버 시스템을 나타낸 도면이다.
도 17은 본 발명의 일 실시예에 의한, 미디어 타입이 미디어 매칭 프로세스에 의해 검색되기 전에 결합되는 개별 인덱스로 처리되는 비디오 큐를 처리하는 방법의 흐름도이다.
도 18은 본 발명의 실시예들에 의한, 미디어 타입이 미디어 매칭 프로세스에 의해 검색되기 전에 개별적으로 태깅되고 가중(weight)되는 개별 인덱스로 처리되는 비디오 큐를 처리하는 인터랙티브 텔레비전 시스템 및 관련 서버 시스템을 나타낸 도면이다.
도 19는 본 발명의 실시예들에 의한, 미디어 타입이 미디어 매칭 프로세스에 의해 검색되기 전에 개별적으로 태깅되고 가중되는 개별 인덱스로 처리되는 비디오 큐를 처리하는 방법의 흐름도이다.
도 20은 본 발명의 실시예들에 의한 텔레비전 광고를 검출하는 미디어 프로세싱 센터를 나타낸 도면이다.
도 21은 본 발명의 실시예들에 의한 텔레비전 광고를 식별하는 방법의 흐름도이다.
도 22는 본 발명의 실시예들에 의한 TV 광고가 대체되는 광고 블록(즉, 광고 포드)을 갖는 비디오 세그먼트를 나타낸 도면이다.
도 23은 본 발명의 실시예들에 의한 비디오 프로그램 세그먼트를 검출하는 미디어 프로세싱 센터를 나타낸 도면이다.
도 24는 본 발명의 실시예들에 의한 비디오 프로그램 세그먼트를 식별하고 맥랙상 관련있는 멀티미디어를 오버레이하는 방법의 흐름도이다.
도 25는 본 발명의 실시예들에 의한 오버레이된 맥락상 관련있는 멀티미디어 콘텐츠를 갖는 비디오 세그먼트를 나타낸 도면이다.
도 26은 본 발명의 실시예들에 의한 맥락상 관련있는 멀티미디어 콘텐츠가 오버레이된 비디오 세그먼트 및 오버레이되지 않은 비디오 세그먼트를 나타낸 도면이다.
도 27은 본 발명의 실시예들에 의한 포인트 위치 및 그 주위의 경로 포인트(path point)를 도시한 차트이다.
도 28은 본 발명의 실시예들에 의한 쿼리 포인트(query point)로부터 소정 거리 내에 있는 포인트들의 세트를 도시한 차트이다.
도 29는 본 발명의 실시예들에 의한 가능한 포인트 값을 도시하는 차트이다.
도 30은 본 발명의 실시예들에 의한 지수적으로(exponentially) 증가하는 폭의 링으로 분할된 공간을 도시한 차트이다.
도 31은 본 발명의 실시예들에 의한 자기 교차 경로(self-intersecting path) 및 쿼리 포인트를 도시한 차트이다.
도 32는 본 발명의 실시예들에 의한 3개의 연속적인 포인트 위치 및 그 주위의 경로 포인트를 도시한 차트이다.
이하의 기술에서는, 설명의 목적으로, 본 발명의 실시예들에 관한 완전한 이해를 제공하기 위해 구체적인 세부 사항들이 제시된다. 그러나, 이들 구체적인 세부 사항 없이도 다양한 실시예가 실시될 수 있음이 명백하다. 도면 및 설명은 본 발명을 제한하려는 것이 아니다.
이하의 설명은 단지 본 발명의 예시적인 실시예들을 제공하며, 본 명세서의 개시 내용의 범위, 적용 가능성, 또는 구성을 제한하려는 것은 아니다. 오히려, 예시적인 실시예들에 관한 이하의 설명은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "당업자"라고도 함)에게 본 발명의 일 실시예를 구현가능하게 하는 기술(description)을 제공할 것이다. 첨부된 청구범위에 설명된 본원 발명의 사상 및 범위를 벗어나지 않고 구성 요소의 기능 및 배열에 다양한 변경이 가해질 수 있음을 이해해야 한다.
본 발명의 실시예들에 대한 완벽한 이해를 돕기 위해 이하에 구체적인 세부 사항들이 제공된다. 그러나, 당업자는 이러한 구체적인 세부 사항 없이도 본 발명의 실시예들이 실시될 수 있음을 이해할 것이다. 예를 들어, 회로, 시스템, 네트워크, 프로세스 및 다른 컴포넌트들은 불필요한 세부 사항에서 실시예들을 모호하게 하지 않기 위해 블록도 형태의 컴포넌트들로서 표시될 수 있다. 다른 경우에는, 공지된 회로, 프로세스, 알고리즘, 구조 및 기술은 실시예들을 모호하게 하는 것을 피하기 위해 불필요한 세부 사항 없이 도시될 수도 있다.
또한, 개별적인 예들은 흐름도(플로우차트), 플로우 다이어그램, 데이터 흐름도, 구조도 또는 블록도로서 도시된 프로세스로서 설명될 수 있음에 유의해야 한다. 흐름도가 오퍼레이션들을 순차적인 프로세스로 기술할 수 있지만, 많은 오퍼레이션이 병렬로 또는 동시에 수행될 수 있다. 또한 오퍼레이션 순서를 재정렬할 수 있다. 프로세스는 그 오퍼레이션이 완료되면 종료되지만, 도면에는 포함되지 않은 추가적인 단계가 있을 수 있다. 프로세스는 방법, 함수, 프로시저, 서브루틴, 서브프로그램 등에 대응할 수 있다. 프로세스가 함수에 대응할 때 프로세스의 종료는 호출한 함수 또는 메인 함수로 상기 함수를 리턴하는 것에 대응할 수 있다.
"기계 판독 가능 저장 매체" 또는 "컴퓨터 판독 가능 저장 매체"라는 용어는, 휴대용 또는 비휴대용 저장 장치, 광학 저장 장치, 및 명령 및/또는 데이터를 저장, 포함 또는 운반할 수 있는 다양한 다른 매체를 포함할 수 있으며, 여기에 한정되지 않는다. 기계 판독 가능 저장 매체 또는 컴퓨터 판독 가능 저장 매체는 데이터가 저장 될 수 있고 무선 또는 유선 접속을 통해 전파하는 반송파 및/또는 일시적인 전자 신호를 포함하지 않는 비일시적인 매체를 포함할 수 있다. 비일시적인 매체의 예로는 자기 디스크 또는 테이프, 콤팩트 디스크(CD) 또는 디지털 다용도 디스크(DVD)와 같은 광학 저장 매체, 플래시 메모리, 메모리 또는 메모리 장치가 포함되나, 이에 한정되는 것은 아니다. 컴퓨터 프로그램 제품은 프로시저, 함수, 서브프로그램, 프로그램, 루틴, 서브루틴, 모듈, 소프트웨어 패키지, 클래스, 또는 명령, 데이터 구조 또는 프로그램 문장의 임의의 조합을 나타낼 수 있는 코드 및/또는 기계 실행 가능 명령어를 포함할 수 있다. 코드 세그먼트는 정보, 데이터, 인수(argument), 파라미터 또는 메모리 콘텐츠를 전달 및/또는 수신함으로써 다른 코드 세그먼트 또는 하드웨어 회로에 연결될 수 있다. 정보, 인수, 파라미터, 데이터 또는 다른 정보는 메모리 공유, 메시지 전달, 토큰 전달, 네트워크 전송 또는 기타 전송 기술을 포함한 적절한 수단을 사용하여 전달, 포워딩 또는 전송될 수 있다.
또한, 실시예들은 하드웨어, 소프트웨어, 펌웨어, 미들웨어, 마이크로 코드, 하드웨어 기술 언어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어, 펌웨어, 미들웨어 또는 마이크로 코드로 구현되는 경우, 필요한 작업을 수행하기 위한 프로그램 코드 또는 코드 세그먼트(예를 들어, 컴퓨터 프로그램 제품)는 머신 판독 가능 매체에 저장될 수 있다. 하나 또는 그 이상의 프로세서가 필요한 작업을 수행할 수 있다.
일부 도면들에 도시된 시스템들은 다양한 구성으로 제공될 수 있다. 일부 실시예에 있어서, 시스템은 그의 하나 또는 그 이상의 컴포넌트가 클라우드 컴퓨팅 시스템의 하나 또는 그 이상의 네트워크에 걸쳐 분산된 분산형 시스템으로 구성될 수 있다.
광섬유 및 디지털 전송 기술의 진보로 인해 TV 산업은 채널 용량을 빠르게 증가시킬 수 있었고 전국적으로 수천 채널의 텔레비전 프로그래밍과 수십만 개의 온-디맨드 프로그래밍 채널을 제공할 수 있게 되었다. 수백만 개의 액티브 TV 디스플레이 시스템을 모니터링하고, 때로는 실시간에 가깝게, 수천개의 방송 채널 및 수만개의 온-디맨드 콘텐츠 배포 시스템을 신속하게 식별하며, 그렇게 하기 위해 상업적으로 합리적인 컴퓨팅 리소스를 활용하는 것을 포함하는 전국적 비즈니스 모델의 지원은 충족되지 않은 요구이며, 본 명세서에 설명된 시스템 및 방법에 의해 해결된다.
아래에서 더 상세히 설명하는 바와 같이, 본 명세서에 개시된 특정 국면 및 특징은 미지의 데이터 포인트를 하나 또는 그 이상의 기준 데이터 포인트와 비교함으로써 미지의 비디오 세그먼트를 식별하는 것과 관련된다. 본 명세서에 설명된 시스템 및 방법은 미지의 비디오 세그먼트를 식별하는데 사용되는 큰 데이터 세트를 저장 및 검색하는 효율을 향상시킨다. 예를 들어, 상기 시스템 및 방법은 식별을 수행하는데 필요한 큰 데이터 세트의 밀도를 감소시키면서 미지의 데이터 세그먼트를 식별할 수 있게 한다. 이 기술은 많은 양의 데이터를 수집하고 조작하는 모든 시스템에 적용될 수 있다. 이러한 시스템의 예로는 자동화된 콘텐츠 기반 검색 시스템(예를 들면, 비디오 관련 애플리케이션 또는 다른 적합한 애플리케이션을 위한 자동 콘텐츠 인식), 맵리듀스(MapReduce) 시스템, 빅테이블(Bigtable) 시스템, 패턴 인식 시스템, 얼굴 인식 시스템, 분류 시스템, 컴퓨터 비전 시스템, 데이터 압축 시스템, 클러스터 분석, 또는 임의의 다른 적절한 시스템을 포함 할 수 있다. 당업자는 본원에 설명된 기술들이 미지의 데이터와 비교되는 데이터를 저장하는 임의의 다른 시스템에 적용될 수 있다는 것을 이해할 것이다. 예를 들어, 자동화된 콘텐츠 인식(automated content recognition; ACR)과 관련하여, 본 발명의 시스템 및 방법은 매칭 시스템이 미지의 데이터 그룹과 알려진 데이터 그룹 사이의 관계를 검색하고 찾기 위해 저장되어야 하는 데이터의 양을 감소시킨다.
본 발명을 한정하지 않는 단지 예로서, 본원에 설명 된 일부 예들은 설명을 목적으로 자동화된 오디오 및/또는 비디오 콘텐츠 인식 시스템을 사용한다. 그러나, 당업자는 다른 시스템이 동일한 기술을 사용할 수 있다는 것을 이해할 것이다.
많은 양의 데이터를 사용하는 ACR 시스템 및 기타 시스템의 중요한 과제는 시스템이 기능하는 데 필요한 데이터의 양을 관리하는 것일 수 있다. 또 다른 과제는 유입되는 콘텐츠를 매칭시키기 위한 기준으로서 기능할 알려진 콘텐츠의 데이터베이스를 구축하고 유지할 필요가 있다는 것이다. 이러한 데이터베이스를 구축하고 유지하는 것은 방대한 양(예를 들어, 수백, 수천 또는 그 이상의)의 콘텐츠(예를 들어, 전국적으로 배포된 텔레비전 프로그램 및 많은 다른 잠재적인 콘텐츠 소스 중 더 많은 양의 로컬 텔레비전 방송)를 수집 및 처리(digesting)하는 것을 포함한다. 처리는 가공되지 않은 데이터(예를 들어, 비디오 또는 오디오)를 압축되고 검색 가능한 데이터로 감축시키는 임의의 이용가능한 기술을 사용하여 수행될 수 있다. 하루 24시간, 주 7일의 운영 일정과 저장할 2주간의 콘텐츠(예를 들면, 텔레비전 프로그래밍)의 슬라이딩 윈도우를 사용해서, ACR을 수행하는데 필요한 데이터 볼륨을 신속하게 구축할 수 있다. 위에 설명한 예시적인 시스템과 같이, 많은 양의 데이터를 수집하고 조작하는 다른 시스템에도 이와 유사한 과제가 존재할 수 있다.
본 명세서에 설명된 중앙 자동 콘텐츠 인식(ACR) 시스템은 원격 클라이언트 텔레비전 시스템상에 현재 디스플레이되고 있는 비디오 프로그램을 검출하고 식별하는데 사용되고, 특정 비즈니스 모델을 지원하기 위해 실시간에 가깝게 이를 수행할 수 있다. 미디어 매칭 엔진은, 일반적으로 버킷(bucket)으로 불리는 다수의 세그먼트로 분할되는 미디어 검색 인덱스(예를 들어, 해시(hash) 테이블)를 사용한다. 일부 실시예에서, 큐 데이터(예를 들어, 콘텐츠 식별자들)는 전국적 콘텐츠를 로컬 콘텐츠로부터 분리하거나, 인기있는 상위 10% 콘텐츠를 덜 인기있는 나머지 90% 콘텐츠로부터 분리하거나, 방송 미디어를 주문형 미디어로부터 분리하는 것과 같은 복수의 결정 인자들에 기초해서 독립적인 인덱스들로 처리된다. 일단 분리되면, 클라이언트 텔레비전 시스템 또는 다른 장치로부터의 미지의 큐 데이터는 각 인덱스에 대해 중앙 서버에 의해서 테스트될 수 있다. 하나 또는 그 이상의 인덱스를 검색하는 것은 병렬로(즉, 동시에) 행해질 수있다. 각각의 인덱스 룩업(즉, 검색)의 결과들은, 그 전체가 참조에 의해 본 명세서에 편입된 미국 특허 제8,595,781 B2호의 경로 추적 시스템과 같은 콘텐츠 매칭 시스템에 함께 적용될 수 있다.
더 작은 데이터 세트(즉, 버킷)는 더 정확한 매칭 결과를 산출할 수 있고, 이렇게 해서 콘텐츠 매칭 시스템의 검색 효율을 향상시킬 수 있다.
도 1은 미지의 콘텐츠를 식별할 수 있는 매칭 시스템 100을 도시한 도면이다. 일부 실시예에 있어서, 미지의 콘텐츠는 하나 또는 그 이상의 미지의 데이터 포인트(data point)를 포함할 수 있다. 그러한 실시예에 있어서, 매칭 시스템 100은, 미지의 데이터 포인트와 연관된 미지의 비디오 세그먼트를 식별하기 위하여, 미지의 데이터 포인트를 기준 데이터 포인트(reference data point)와 매칭시킬 수 있다. 기준 데이터 포인트는 기준 데이터베이스(reference database) 116에 포함될 수 있다.
매칭 시스템 100은 클라이언트 장치(client device) 102 및 매칭 서버(matching server) 104를 포함한다. 클라이언트 장치 102는 미디어 클라이언트(media client) 106, 입력 장치 108, 출력 장치 110, 및 하나 또는 그 이상의 컨텍스트 애플리케이션(contextual application) 126을 포함한다. 미디어 클라이언트 106(미디어 클라이언트는, 텔레비전 시스템, 컴퓨터 시스템 또는 인터넷에 접속할 수 있는 다른 전자 장치를 포함할 수 있음)은, 비디오 프로그램 128과 연관된 데이터(예를 들어, 방송 신호, 데이터 패킷 또는 다른 프레임 데이터)를 디코딩할 수 있다. 미디어 클라이언트 106은, 비디오 프레임의 픽셀 정보를 디스플레이하거나 추가적인 처리를 준비하기 위해, 비디오의 각 프레임의 디코딩된 콘텐츠를 비디오 프레임 버퍼에 배치할 수 있다. 클라이언트 장치 102는, 비디오 신호를 수신 및 디코딩할 수 있는 임의의 전자 디코딩 시스템일 수 있다. 클라이언트 장치 102는, 비디오 프로그램 128을 수신하고 비디오 버퍼(도시되지 않음)에 비디오 정보를 저장할 수 있다. 클라이언트 장치 102는, 비디오 버퍼 정보를 처리할 수 있으며, 도 3과 관련하여 이하에서 더욱 상세히 설명되는 미지의 데이터 포인트("큐(cue)"라고도 함)를 생성할 수 있다. 미디어 클라이언트 106은, 기준 데이터베이스 116의 기준 데이터 포인트와의 비교를 위해, 미지의 데이터 포인트를 매칭 서버 104에 전송할 수 있다.
입력 장치 108은, 요청(request) 또는 다른 정보가 미디어 클라이언트 106에 입력될 수 있게 하는 임의의 적절한 장치를 포함할 수 있다. 예를 들어, 입력 장치 108은, 키보드, 마우스, 음성 인식 입력 장치, 무선 장치(예를 들어, 리모콘, 모바일 장치 또는 다른 적절한 무선 장치)로부터 무선 입력을 수신하기 위한 무선 인터페이스, 또는 임의의 다른 적절한 입력 장치를 포함할 수 있다. 출력 장치 110은, 디스플레이, 무선 출력을 무선 장치(예를 들어, 모바일 장치 또는 다른 적절한 무선 장치)에 전송하기 위한 무선 인터페이스, 프린터 또는 다른 적절한 출력 장치와 같이, 정보를 나타내거나 다른 방법으로 출력할 수 있는 임의의 적절한 장치를 포함할 수 있다.
매칭 시스템 100은, 먼저 이미 알려진 비디오 데이터 소스 118로부터 데이터 샘플을 수집함으로써, 비디오 세그먼트를 식별하는 프로세스를 시작할 수 있다. 예를 들어, 매칭 서버 104는, 다양한 비디오 데이터 소스 118로부터 기준 데이터베이스 116을 구축하고 유지하기 위한 데이터를 수집한다. 비디오 데이터 소스 118은, 텔레비전 프로그램, 영화 또는 임의의 다른 적합한 비디오 소스의 미디어 공급자를 포함할 수 있다. 비디오 데이터 소스 118로부터의 비디오 데이터는, 공중파 방송으로서, 케이블 TV 채널로서, 인터넷으로부터의 스트리밍 소스로서, 그리고 임의의 다른 비디오 데이터 소스로부터 제공될 수 있다. 일부 실시예에 있어서, 매칭 서버 104는, 비디오 데이터 소스들 118로부터 수신된 비디오를 처리하여, 후술하는 바와 같이 기준 데이터베이스 116의 기준 비디오 데이터 포인트를 생성 및 수집할 수 있다. 일부 실시예에 있어서, 비디오 데이터 소스 118로부터의 비디오 프로그램은, 기준 비디오 데이터 포인트를 생성하고 이를 저장하기 위해 기준 데이터베이스 116로 보낼 수 있는 기준 비디오 프로그램 인제스트 시스템(reference video program ingest system)(도시되지 않음)에 의해 처리될 수 있다. 기준 데이터 포인트는, 상기한 바와 같이, 미지의 데이터 포인트를 분석하는데 사용되는 정보를 결정하는데 사용될 수 있다.
매칭 서버 104는, 일정 기간(예를 들어, 수일, 수주, 수개월 또는 임의의 다른 적절한 기간)동안 수신된 각각의 비디오 프로그램에 대한 기준 비디오 데이터 포인트를 기준 데이터베이스 116에 저장할 수 있다. 매칭 서버 104는, 텔레비전 프로그램 편성 샘플(예를 들어, 큐 또는 큐값으로 지칭될 수 있는 기준 데이터 포인트를 포함)의 기준 데이터베이스 116을 구축하고, 지속적으로 또는 주기적으로 업데이트할 수 있다. 일부 실시예에 있어서, 수집된 데이터는, 주기적인 비디오 프레임(예를 들어, 매 5번째 비디오 프레임, 매 10번째 비디오 프레임, 매 15번째 비디오 프레임, 또는 다른 적절한 수의 프레임)으로부터 샘플링된 비디오 정보의 압축된 표현이다. 일부 실시예에 있어서, 각 프로그램 소스에 대해 프레임당 수 바이트의 데이터(예를 들어, 25바이트, 50바이트, 75바이트, 100바이트 또는 프레임당 임의의 다른 양의 바이트)가 수집된다. 비디오를 획득하기 위해, 25개의 채널, 50개의 채널, 75개의 채널, 100개의 채널, 200개의 채널 또는 임의의 다른 수의 프로그램 소스와 같은, 임의의 수의 프로그램 소스가 사용될 수 있다. 예시된 데이터의 양을 사용하면, 24시간 내내 3일에 걸쳐 수집된 총 데이터는 매우 큰 양이 된다. 그러므로, 실제 기준 데이터 포인트 세트의 수를 감소시키는 것은, 매칭 서버 104의 저장 부하를 감소시키는데 유리하다.
미디어 클라이언트 106은, 매칭 서버 104의 매칭 엔진(matching engine) 112에 통신 122를 전송할 수 있다. 통신 122는 미지의 콘텐츠를 식별하기 위한 매칭 엔진 112에 대한 요청을 포함할 수 있다. 예를 들어, 미지의 콘텐츠는 하나 또는 그 이상의 미지의 데이터 포인트를 포함할 수 있고, 기준 데이터베이스 116은 복수의 기준 데이터 포인트를 포함할 수 있다. 매칭 엔진 112는, 미지의 데이터 포인트를 기준 데이터베이스 116의 기준 데이터에 매칭시킴으로써, 상기 미지의 콘텐츠를 식별할 수 있다. 일부 실시예에 있어서, 미지의 콘텐츠는, 디스플레이에 의해 제시되는 미지의 비디오 데이터(비디오 기반 ACR을 위해), 검색 질의(search query)(맵리듀스(MapReduce) 시스템, 빅테이블(Bigtable) 시스템 또는 다른 데이터 저장 시스템을 위해), 미지의 얼굴 이미지(얼굴 인식을 위해), 미지의 패턴 이미지(패턴 인식을 위해), 또는 기준 데이터의 데이터베이스와 매칭될 수 있는 임의의 다른 미지의 데이터를 포함할 수 있다. 기준 데이터 포인트는, 비디오 데이터 소스 118로부터 수신된 데이터로부터 도출될 수 있다. 예를 들어, 데이터 포인트는, 비디오 데이터 소스 118로부터 제공된 정보로부터 추출될 수 있고, 인덱싱되어 기준 데이터베이스 116에 저장될 수 있다.
매칭 엔진 112는, 기준 데이터베이스 116으로부터 후보 데이터 포인트(candidate data point)를 결정하기 위해 후보 결정 엔진(candidate determination engine) 114에 요청을 송신할 수 있다. 후보 데이터 포인트는 미지의 데이터 포인트로부터 소정의 결정된 거리의 기준 데이터 포인트가 될 수 있다. 일부 실시예에 있어서, 기준 데이터 포인트와 미지의 데이터 포인트 사이의 거리는, 기준 데이터 포인트의 하나 또는 그 이상의 픽셀(예를 들어, 단일 픽셀, 픽셀의 그룹을 대표하는 값(예컨대, 평균(mean), 산술 평균(average), 중앙값(median), 또는 다른 값), 또는 다른 적절한 수의 픽셀)을 미지의 데이터 포인트의 하나 또는 그 이상의 픽셀과 비교함으로써 결정될 수 있다. 일부 예들에서, 기준 데이터 포인트는, 각 샘플 위치에서의 픽셀들이 특정한 픽셀 값 범위(pixel value range) 내에 있을 때, 미지의 데이터 포인트로부터 소정의 결정된 거리일 수 있다.
하나의 예시적인 실시예에 있어서, 픽셀의 픽셀 값은 적색 값, 녹색 값 및 청색 값(RGB 색 공간에서)을 포함할 수 있다. 이러한 예에 있어서, 제1 픽셀(또는 제1 픽셀 그룹을 대표하는 값)은, 대응되는 적색 값, 녹색 값 및 청색 값을 각각 비교하고 그 값이 특정 값 범위 내에(예컨대, 0 내지 5의 값 내에) 있는지 확인함으로써, 제2 픽셀(또는 제2 픽셀 그룹을 대표하는 값)과 비교될 수 있다. 예를 들어, (1) 제1 픽셀의 적색 값이 제2 픽셀의 적색 값의 0 내지 255 값 범위에서 (플러스 또는 마이너스) 5개의 값 이내에 있고, (2) 제1 픽셀의 녹색 값이 제2 픽셀의 녹색 값의 0 내지 255 값 범위에서 (플러스 또는 마이너스) 5개의 값 이내에 있으며, (3) 제1 픽셀의 청색 값이 제2 픽셀의 청색 값의 0 내지 255 값 범위에서 (플러스 또는 마이너스) 5개의 값 이내에 있는 경우, 제1 픽셀은 제2 픽셀과 매칭될 수 있다. 그러한 예에 있어서, 후보 데이터 포인트는 미지의 데이터 포인트에 대해 근사하게 매칭되는 기준 데이터 포인트이고, 미지의 데이터 포인트에 대해 다수의 후보 데이터 포인트(서로 다른 미디어 세그먼트와 관련됨)가 식별되게 된다. 후보 결정 엔진 114는 후보 데이터 포인트를 매칭 엔진 112로 리턴(return)할 수 있다.
후보 데이터 포인트에 대해, 매칭 엔진 112은, 후보 데이터 포인트와 연관되고 후보 데이터 포인트가 유도되는 식별된 비디오 세그먼트에 할당되는 저장소(bin)에 토큰(token)을 추가할 수 있다. 대응되는 토큰이, 식별된 후보 데이터 포인트에 대응되는 모든 저장소에 추가될 수 있다. 더 많은 미지의 데이터 포인트(시청중인 미지의 콘텐츠에 대응함)가 매칭 서버 104에 의해 클라이언트 장치 102로부터 수신됨에 따라, 유사한 후보 데이터 포인트 결정 프로세스가 수행될 수 있고, 식별된 후보 데이터 포인트에 대응되는 저장소에 토큰이 추가될 수 있다. 저장소 중 단 하나만이 시청중인 미지의 비디오 콘텐츠의 세그먼트에 대응되며, 다른 저장소는, 시청중인 실제 세그먼트에는 대응되지 않지만, 유사한 데이터 포인트 값(예를 들어, 유사한 픽셀 컬러 값을 가짐)으로 인해 매칭된 후보 데이터 포인트에 대응된다. 시청중인 미지의 비디오 콘텐츠 세그먼트에 대한 저장소에는, 시청되고 있지 않은 세그먼트에 대한 다른 저장소보다 더 많은 토큰이 할당된다. 예를 들어, 더 많은 미지의 데이터 포인트가 수신됨에 따라, 저장소에 대응되는 더 많은 수의 기준 데이터 포인트가 후보 데이터 포인트로서 식별되어, 더 많은 토큰이 저장소에 추가되게 된다. 일단 저장소가 특정 개수의 토큰을 포함하면, 매칭 엔진 112는 저장소와 연관된 비디오 세그먼트가 현재 클라이언트 장치 102에 디스플레이되고 있다고 결정할 수 있다. 비디오 세그먼트는 전체 비디오 프로그램 또는 비디오 프로그램의 일부를 포함할 수 있다. 예를 들어, 비디오 세그먼트는 비디오 프로그램, 비디오 프로그램의 장면, 비디오 프로그램의 하나 또는 그 이상의 프레임, 또는 비디오 프로그램의 임의의 다른 부분일 수 있다.
도 2는 미지의 데이터를 식별하기 위한 매칭 시스템 200의 구성 요소를 도시한 도면이다. 예를 들어, 매칭 엔진 212는 알려진 콘텐츠(예를 들어, 알려진 미디어 세그먼트, 검색을 위해 데이터베이스에 저장된 정보, 알려진 얼굴 또는 패턴 등)의 데이터베이스를 사용하여 미지의 콘텐츠(예를 들어, 미지의 미디어 세그먼트, 검색 쿼리, 얼굴 또는 패턴의 이미지, 등)를 식별하기 위한 매칭 프로세스를 수행할 수 있다. 예를 들어, 매칭 엔진 212는, 기준 데이터베이스의 기준 데이터 포인트 204의 기준 데이터 포인트와 매칭되는 미지의 데이터 콘텐츠 202("큐(cue)"로 칭할 수도 있음)를 수신한다. 또한, 미지의 데이터 콘텐츠 202는 후보 결정 엔진 214에 의해 수신되거나, 매칭 엔진 212로부터 후보 결정 엔진 214로 송신될 수 있다. 후보 결정 엔진 214는, 기준 데이터베이스의 기준 데이터 포인트 204를 검색함으로써, 후보 데이터 포인트 206을 식별하기 위한 검색 프로세스를 수행할 수 있다. 일 예에 있어서, 검색 프로세스는 이웃 값들의 세트(미지의 데이터 콘텐츠 202의 미지의 값으로부터 일정한 거리에 있음)를 생성하기 위한 최근접 이웃 검색 프로세스(nearest neighbor search process)를 포함할 수 있다. 후보 데이터 포인트 206은, 매칭 결과 208을 생성하기 위해 매칭 프로세스를 수행하기 위한 매칭 엔진 212에 입력된다. 애플리케이션에 따라서는, 매칭 결과 208은 디스플레이에 의해 제시되는 비디오 데이터, 검색 결과, 안면 인식을 사용하여 결정된 얼굴, 패턴 인식을 사용하여 결정된 패턴, 또는 임의의 다른 결과를 포함할 수 있다.
미지의 데이터 포인트(예를 들어, 미지의 데이터 콘텐츠 202)에 대한 후보 데이터 포인트 206을 결정함에 있어서, 후보 결정 엔진 214는 미지의 데이터 포인트와 기준 데이터베이스의 기준 데이터 포인트 204 사이의 거리를 결정한다. 미지의 데이터 포인트로부터 일정 거리인 기준 데이터 포인트가 후보 데이터 포인트 206으로서 식별된다. 일부 실시예에 있어서, 기준 데이터 포인트와 미지의 데이터 포인트 사이의 거리는, 도 1을 참조하여 상기한 바와 같이, 기준 데이터 포인트의 하나 또는 그 이상의 픽셀을 미지의 데이터 포인트의 하나 또는 그 이상의 픽셀과 비교함으로써 결정될 수 있다. 일부 실시예에 있어서, 기준 데이터 포인트는, 각 샘플 위치의 픽셀이 특정 값 범위 내에 있을 때, 미지의 데이터 포인트로부터 상기 일정 거리일 수 있다. 상기한 바와 같이, 후보 데이터 포인트는 미지의 데이터 포인트에 대해 근사하게 매칭되는 기준 데이터 포인트이며, 이러한 근사 매칭으로 인하여, 미지의 데이터 포인트에 대해 다수의 후보 데이터 포인트(서로 다른 미디어 세그먼트에 관련됨)가 식별된다. 후보 결정 엔진 114는 후보 데이터 포인트를 매칭 엔진 112로 리턴할 수 있다.
도 3은 디코더의 메모리 버퍼 302를 포함하는 비디오 인제스트 캡처(video ingest capture) 시스템 400의 일예를 도시한 도면이다. 디코더는 매칭 서버 104 또는 미디어 클라이언트 106의 일부일 수 있다. 디코더는 물리적 텔레비전 디스플레이 패널 또는 장치와 함께 동작하지 않거나 이를 필요로 하지 않을 수 있다. 디코더는 디코딩할 수 있고, 필요한 경우 디지털 비디오 프로그램을 텔레비전 프로그램의 압축되지 않은 비트 맵 표현으로 해독할 수 있다. 기준 비디오 데이터의 기준 데이터베이스(예를 들어, 기준 데이터베이스 316)를 구축하기 위해, 매칭 서버 104는 비디오 프레임 버퍼로부터 판독되는 하나 또는 그 이상의 비디오 픽셀의 배열(array)을 취득할 수 있다. 비디오 픽셀의 배열을 비디오 패치(video patch)라 부른다. 비디오 패치는 임의의 형태 또는 패턴일 수 있지만, 이 특정 실시예를 위하여, 수평 10 픽셀 및 수직 10 픽셀을 포함하는 10x10 픽셀 배열로 기술된다. 또한 이 실시예에 있어서, 비디오 프레임 버퍼 내에서 추출된 25개의 픽셀-패치 위치가 버퍼 경계 내에 고르게 분포하고 있다고 가정한다.
픽셀 패치(예를 들어, 픽셀 패치 304)의 예시적인 할당은 도 3에 도시된 바와 같다. 상기한 바와 같이, 픽셀 패치는 10x10 배열과 같은 픽셀의 배열을 포함할 수 있다. 예를 들어, 픽셀 패치 304는 10x10 픽셀 배열을 포함한다. 픽셀에는 적색, 녹색 및 청색 값과 같은 컬러 값이 포함될 수 있다. 예를 들어, 적색-녹색-청색(RGB) 컬러 값을 갖는 픽셀 306이 도시되어 있다. 픽셀의 컬러 값은 각 컬러에 대해 8비트의 2진수 값으로 표현될 수 있다. 픽셀의 컬러를 표현하기 위해 사용될 수 있는 다른 적절한 컬러 값은, 루마 및 크로마 값(Y, Cb, Cr), 또는 임의의 다른 적절한 컬러 값을 포함한다.
각 픽셀 패치의 평균값(또는 경우에 따라 산술 평균값)이 취해지고, 결과 데이터 레코드가 생성되며, 타임 코드(또는 타임 스탬프)로 태그된다. 예를 들어, 각각의 10x10 픽셀 패치 배열에 대해 평균값이 발견되며, 이 경우 25 개의 디스플레이 버퍼 위치 당 24 비트의 데이터가 프레임 당 총 600 비트의 픽셀 정보에 대해 생성된다. 일 예에서, 픽셀 패치 304의 평균이 계산되고, 픽셀 패치 평균 308이 도시되어 있다. 하나의 예시적인 실시예에 있어서, 타임 코드는 1970년 1월 1일 자정 이후의 총 경과 시간(1초 이하의 단위로)을 나타내는 "에폭 시간(epoch time)"을 포함할 수 있다. 예를 들어, 픽셀 패치 평균 308 값은 타임 코드 412와 함께 조립(assemble)된다. 에폭 시간은, 예를 들어 유닉스(Unix) 기반 시스템을 포함하는 컴퓨팅 시스템에서 채택되는 관례이다. 메타 데이터로 알려진 비디오 프로그램에 관한 정보가 데이터 레코드에 첨부된다. 메타 데이터는, 프로그램 식별자, 프로그램 시간, 프로그램 길이 또는 임의의 다른 정보와 같은, 프로그램에 관한 임의의 정보를 포함할 수 있다. 픽셀 패치의 평균값, 타임 코드 및 메타 데이터를 포함하는 데이터 레코드는 "데이터 포인트"("큐"라고도 함)를 형성한다. 데이터 포인트 310은 기준 비디오 데이터 포인트의 일 예이다.
미지의 비디오 세그먼트를 식별하는 프로세스는 기준 데이터베이스를 생성하는 것과 유사한 단계로 시작된다. 예를 들어, 도 4는 디코더의 메모리 버퍼 402를 포함하는 비디오 인제스트 캡처 시스템 400을 도시한다. 비디오 인제스트 캡처 시스템 400은, (예를 들어, 스마트 TV와 같은 인터넷에 연결된 텔레비전 모니터, 모바일 장치, 또는 다른 텔레비전 시청 장치에서) 디스플레이에 의해 제시되는 데이터를 처리하는 클라이언트 장치 102의 일부일 수 있다. 비디오 인제스트 캡처 시스템 400은, 미지의 비디오 데이터 포인트 410을 생성하기 위해, 시스템 300에 의해 기준 비디오 데이터 포인트 310을 생성하기 위해 사용되는 것과 유사한 프로세스를 이용할 수 있다. 일 예에 있어서, 미디어 클라이언트 106은, 매칭 서버 104에 의해 미지의 비디오 데이터 포인트 410과 연관된 비디오 세그먼트를 식별하기 위해, 미지의 비디오 데이터 포인트 410을 매칭 엔진 112에 송신할 수 있다.
도 4에 도시된 바와 같이, 비디오 패치 404는 10x10 픽셀 배열을 포함할 수 있다. 비디오 패치 404는 디스플레이에 의해 제시되는 비디오 프레임으로부터 추출될 수 있다. 그러한 복수의 픽셀 패치가 비디오 프레임으로부터 추출될 수 있다. 하나의 예시적인 실시예에 있어서, 만약 25개의 그러한 픽셀 패치가 비디오 프레임으로부터 추출된다면, 그 결과는 75차원 공간에서의 위치를 대표하는 포인트가 될 것이다. 배열의 각 컬러 값(예를 들어, RGB 컬러 값, Y, Cr, Cb 컬러 값, 등)에 대해 평균(또는 산술 평균) 값이 계산될 수 있다. 데이터 레코드(예를 들어, 미지의 비디오 데이터 포인트 410)는 평균 픽셀 값으로부터 형성되고, 현재 시간이 데이터에 첨부된다. 하나 또는 그 이상의 미지의 비디오 데이터 포인트는 상기한 기술을 사용하여 기준 데이터베이스 116으로부터의 데이터와 매칭되도록 매칭 서버 104에 전송될 수 있다.
본 발명의 일부 실시예에 의하면, 검색되는 데이터의 크기가 감소되어 상기 데이터를 검색하는 더욱 효율적인 방법을 생성한다. 인덱스를 생성하는 프로세스의 블록도가 도 5에 도시되어 있는데, 비디오 프레임 501의 영역의 평균 픽셀 값의 형태의 유입 큐가 해시 함수(hash function) 502에 의해 처리되고, 데이터베이스 510에 저장되는 값 503을 생성한다. 데이터베이스 510은 벡터들 508 및 509에 의해 4개의 섹션들로 분할된다. 해시 함수 502를 적용한 결과는 저장 영역을 어드레싱하기 위해 사용된다. 이 예에서, 2 개의 최상위 비트 505는 저장 공간(즉, 벡터 공간),이 경우에는, 좌측 상부 사분면의 비트 10과 연관된 저장 공간을 결정한다. 나머지 비트들 506은 저장 공간의 구획(subdivision)을 어드레싱한다. 이 예에서, 하위 6비트 506은 버킷 507로 알려진 64개의 구획 중 하나를 어드레싱한다.
ACR에 적합한 데이터베이스를 구획으로 세분하는 프로세스는 도 6 및 도 7에 더욱 도시된다. 도 6에서, 큰 미디어 큐 데이터베이스를 어드레싱하는데 사용하기 위해 데카르트(Cartesian) 공간을 분할하는 의사 랜덤으로 생성된 벡터를 플로팅하는 프로세스가 도시되어 있다. 일 실시예에서 벡터들은 몬테 카를로(Monte Carlo) 방법으로 생성될 수 있다. 이 예에서 의사 랜덤 프로세스는 충분히 균일하게 분산된 벡터 세트를 플로팅하지 않았다. 이는 벡터 603과 벡터 604 사이의 각도 차이와 비교하여 벡터 601과 벡터 602 사이의 각도 차이를 조사할 때 명백하다.
도 7에서는, 벡터 703과 벡터 704 사이의 각도 차이와 비교하여 벡터 701과 벡터 702 사이의 각도 차이를 조사함으로써 도시된 바와 같이 벡터들이 훨씬 더 고르게 분포된 것을 볼 수 있다. 일 실시예에서 벡터들은 몬테 카를로 방법으로 생성될 수 있다. 이 프로세스는 당업자가 알 수 있듯이, 관찰에 의해 자동적으로 또는 간단히 정량화되고 측정될 수 있다. 랜덤한 투영 세트가 발견되면, 이 프로세스를 반복할 필요가 없다.
ACR 시스템의 저장 및 검색 공간을 준비하는 다음 단계는 데이터 샘플의 대표 선택의 중심에 있도록 어드레스 공간을 정규화하는 단계를 포함한다. 도 8은 그것이 표현되는 벡터 공간의 중심에 있지 않은 큐 데이터의 데이터 세트 801을 도시한다. 검색 공간에서 이 데이터의 오프셋은 ACR 시스템에서 매칭되는 데이터를 찾는데 있어서의 정확도를 떨어뜨릴 수 있다. 그 결과, 도 9에 도시된 바와 같이, 큐 데이터 901이 벡터 공간에서 중심에 오도록 데이터 세트의 값에 프로세스가 적용될 수 있다.
ACR 목적을 위해 큐 데이터의 데이터 세트를 최적화함에 있어서 추가로 고려해야 할 사항은 데이터베이스의 각 버킷에서 발견되는 데이터 밀도를 고려하는 것을 포함한다. 예를 들어, 도 10에, 이상적인 데이터 밀도를 나타내는 적당한 수의 데이터 아이템 1001을 포함하는 버킷 1002가 도시되어 있다. 대조적으로, 도 11은 지나치게 많은 데이터 아이템 1101을 포함하는 버킷 1102를 갖는 다른 벡터 공간을 도시한다. 일부 실시예에 의하면, 이 프로세스가 미디어 매칭 엔진의 일부로서 채용되는 경우, 비록 결과를 찾는데 지연이 있더라도, 지나치게 가득 찬 버킷을 직면했을 때 데이터가 폐기되고 검색이 계속된다.
도 12는 모든 기준 데이터(예를 들어, 비디오 데이터 큐와 같은)를 어드레스 공간 세그먼트당 단일 버킷 1201을 포함하는 어드레싱 스킴에 저장하는 것을 포함할 수 있는 시스템의 예시이다. 단일 버킷 접근법은 미디어 매칭 엔진 1202에 의한 사용을 위해 후보 매치 데이터(즉, "용의(suspect) 데이터")를 위치시키기 위한 검색 공간을 제공한다. 미디어 소스의 수에 따라 많은 수의 버킷이 과도하게 가득 차고 ACR 시스템의 정확성을 떨어뜨려서, 추가적인 긍정 오류(false positive) 매칭 또는 매칭을 발견할 기회의 상실을 일으킬 수 있다. 또한 전체 시스템의 계산 부하가 증가하여 매칭 결과를 생성함에 있어 지연이 발생할 수 있고, 이는 어떤 구성이나 비즈니스 모델의 기능을 저하시키거나 무력화할 수 있다.
본 발명의 실시예들은 바람직하지 않은 버킷의 가득참을 최소화하도록 데이터 저장을 최적화하는 다수의 방법을 제공한다. 예로서, 본 발명의 일 실시예의 예시는 도 13에 도시된다. 도 13에서, 다수의 버킷들 1301-1303은, 이 도시된 예에서 미디어 타입 또는 지역적인 고려 사항들에 의해 분리된 데이터의 구획들을 나타내기 위해 사용된다. 이 다중 버킷 접근법은 또한 미디어 매칭 엔진 1304에 의한 사용을 위해 후보 매칭 데이터를 위치시키기 위한 검색 공간을 제공한다.
보다 효율적인 저장을 위해 데이터를 분리하는 특정 예에서, 도 14는 주문형 비디오(VOD) 콘텐츠 피드 1401이 큐를 추출하고, 큐를 인덱싱하고, 결과를 데이터베이스 1407에 저장하는 인제스트(ingest) 프로세서 1404에 공급되는 시스템을 도시한다. 유사하게, 주요 텔레비전 피드 1402는 큐를 추출하고, 큐를 인덱싱하고, 결과를 데이터베이스 1408에 저장하는 인제스트 프로세서 1405에 공급된다. 텔레비전 이벤트 피드 1403은 큐를 추출하고, 큐를 인덱싱하고, 결과를 데이터베이스 1409에 저장하는 인제스트 프로세서 1406에 공급된다. VOD 콘텐츠 피드 1401, 주요 텔레비전 피드 1402 및 텔레비전 이벤트 피드 1403은 집합적으로 "알려진(known) 콘텐츠"로 불릴 수 있다. 텔레비전 이벤트 피드 1403은, 예를 들어, 이벤트의 정확하고 시의 적절한 검출을 요구하는 타겟팅된 광고의 목적을 위해 도 14의 시스템에 의해 검출되어야 하는 텔레비전 광고일 수 있다. 마찬가지로, 텔레비전 이벤트 피드들 1403은 특정 프로그램 장면들 동안에 디스플레이되어야 할 연관된 인터랙티브 콘텐츠를 갖는 프로그래밍, 정확성을 요구하는 프로세스 및 실시간 응답을 포함할 수 있다.
이 예에서, 프로그래밍 1401-1403의 각 타입은 미지의 미디어 1413이 미디어 시스템상에 디스플레이되는 것과 병렬로(즉, 동시에) 처리된다. 그러나, 다른 실시예에서, 프로그래밍 1401-1403은 미지의 미디어 1413을 수신하기 전에 처리될 수 있다. 미지의 미디어 1413은 큐 복제 엔진 1414에 의해 복제된다. 그 다음, 미지의 큐들(즉, 미지의 콘텐츠 식별자들)은 독립적인 미디어 매칭 엔진 1410-1412에 제공될 수 있다. 미디어 매칭 엔진 1410-1412는 도 1의 매칭 엔진 112와 유사할 수 있다. 미디어 매칭 엔진 1410은 미지의 큐를 VOD 콘텐츠 피드 1401과 연관된 큐와 비교할 수 있다. 미디어 매칭 엔진 1411은 미지의 큐를 주요 텔레비전 피드 1402와 연관된 큐와 비교할 수 있다. 미디어 매칭 엔진 1412는 미지의 큐를 텔레비전 이벤트 피드 1403과 연관된 큐와 비교할 수 있다. 각각의 미디어 매칭 엔진 1410-1412는 하나 또는 그 이상의 매칭(예컨대, 버킷당 하나의 매칭)을 선택하고 이를 결과 엔진 1415에 제공할 수 있다. 결과 엔진 1415는 도 1의 결과 엔진 120과 유사할 수 있다. 결과 엔진 1415는 매칭을 축적 및 처리하고 최종 결과 1416을 결정한다. 최종 결과 1416은 데이터베이스에 저장될 수 있고, 프로그래밍 센서스에 사용되며, 그리고/또는 본 명세서에 후술하는 바와 같이 맥락상 타겟팅된 정보를 제공하는데 사용될 수 있다.
도 14의 시스템에 의해 채용될 수 있는 방법이 도 15의 흐름도를 참조하여 설명된다. 단계 1501에서, 적어도 하나의 타입의 알려진 미디어 콘텐츠(예컨대, VOD 콘텐츠 피드 1401, 주요 텔레비전 피드 1402, 텔레비전 이벤트 피드 1403 등)가 수신된다. 단계 1502에서, 해시 함수가 인제스트 프로세서 1404-1406에 의해 생성된 알려진 미디어 콘텐츠와 연관된 큐에 적용되고, 알려진 큐가 인덱싱된다. 단계 1503에서, 해시된 큐 인덱스는 각각의 데이터베이스 1407-1409에 저장된다.
단계 1504에서, 미지의 미디어 콘텐츠 1413이 수신되고, 그 큐가 큐 복제 엔진 1414에 의해 복사되며, 미지의 큐가 미디어 매칭 엔진 1410-1412에 제공된다. 단계 1506에서, 수집된 용의 데이터(즉, 매칭)의 수가 임의의 인덱스(즉, VOD 콘텐츠 피드 1401, 주요 텔레비전 피드 1402 및/또는 텔레비전 이벤트 피드 1403과 연관된 큐들의 인덱스)에 대한 문턱값보다 큰지를 결정한다. 수집된 용의 데이터의 수가 문턱값보다 큰 경우, 이들 용의 데이터는 단계 1507에서 폐기되고, 본 방법은 단계 1505로 돌아간다. 예를 들어, 다수의 용의 데이터가 다수의 긍정 오류를 포함할 수 있기 때문에, 단계 1507이 수행될 수 있다. 수집된 용의 데이터의 수가 문턱값보다 크지 않으면, 단계 1508에서 미지의 미디어 콘텐츠 큐와 알려진 미디어 콘텐츠 큐 사이에 매칭 프로세스가 실행되어 매칭되는 알려진 미디어 콘텐츠의 식별을 초래한다. 단계 1510에서, 매칭되는 알려진 미디어 콘텐츠의 식별에 기초하여 이벤트(예를 들어, 맥락상 타겟팅된 정보의 디스플레이)가 트리거되거나, 통계가 집계되는 등의 결과가 실행된다.
ACR 시스템을 최적화하는 다른 예가 도 16에 도시되어 있다. 도 16에서, VOD 콘텐츠 피드 1601, 주요 텔레비전 피드 1602 및 텔레비전 이벤트 피드 1603은 인제스트 프로세서 1604-1606에 의해 개별적으로 처리되고(예를 들어, 큐잉되고, 인덱싱되고, 버킷으로 분리되고) 개별 데이터베이스 1607-1609에 저장된다. 독립적으로 데이터를 더 처리하는 대신에, 도 16의 실시예는 버킷을 독립적으로 어드레싱하고, 버킷 결합기 엔진 1610으로 이들을 결합한다. 일 실시예에 의하면, 버킷이 과도하게 가득 차 있으면, 버킷은 거부될 수 있고 다른 버킷과 결합되지 않을 수 있다.
미디어 시스템에 의해 디스플레이되는 미지의 미디어 1613은 미디어 매칭 및 결과 프로세싱 엔진 1614에 제공된다. 결합된 버킷으로부터, 미디어 매칭 및 결과 프로세싱 엔진 1614는, 예를 들어, 매칭 결과 1615를 찾기 위해 용의 데이터를 추출하고 경로 추적 시스템을 사용하여 매칭 프로세스를 수행한다. 미디어 매칭 및 결과 프로세싱 엔진 1614는 예를 들어, 도 1의 매칭 엔진 112 및 결과 엔진 120과 유사할 수 있다. 도 16의 실시예는 각 버킷이 가득 차 있는지 검사된 후에 버킷들이 결합되고 소정의 문턱값을 초과하면 버킷이 거부된다는 점에서 유리하다. 피드 1601-1603의 독립적인 데이터 그룹을 사용하여, 도 16의 시스템은 증가된 정확도 및 감소된 프로세싱 요구를 달성한다.
도 16의 시스템에 의해 채용될 수있는 방법이 도 17의 흐름도를 참조하여 설명된다. 단계 1701에서, 적어도 하나의 타입의 알려진 미디어 콘텐츠(예컨대, VOD 콘텐츠 피드 1601, 주요 텔레비전 피드 1602, 텔레비전 이벤트 피드 1603, 등)가 수신된다. 단계 1702에서, 해시 함수는 인제스트 프로세서 1604 ~ 1606에 의해 생성된 알려진 미디어 콘텐츠와 연관된 큐에 적용되고, 알려진 큐는 인덱싱되고 버킷화된다. 단계 1703에서, 해시된 큐 인덱스는 각각의 데이터베이스 1607-1609에 저장된다. 단계 1704에서, 인덱스는 버킷 결합기 엔진 1610에 의해 결합된다.
단계 1705에서, 미지의 미디어 콘텐츠 1613이 수신되고, 그 큐가 복사되며, 미지의 큐가 미디어 매칭 엔진 1614에 제공된다. 단계 1706에서, 미디어 매칭 엔진 1614는 결합된 버킷으로부터 용의 데이터를 수집하고, 단계 1707에서 매치를 식별하기 위해 알려진 큐와 알려지지 않은 큐 간의 매칭 프로세스를 실행한다. 단계 1708에서는, 매칭되는 알려진 미디어 콘텐츠의 식별에 기초해서 이벤트가 트리거되거나(예컨대, 맥락상 타겟팅된 정보의 디스플레이), 통계가 집계되는 등의 결과가 실행된다.
본 발명의 다른 실시예가 도 18에 도시되어 있다. 도 18에서, VOD 콘텐츠 피드 1801, 주요 텔레비전 피드 1802 및 텔레비전 이벤트 피드 1803은 인제스트 프로세서들 1804-1806에 의해 개별적으로 처리되고(예를 들어, 큐잉되고, 인덱싱되고, 버킷들로 분리되고) 개별 데이터베이스 1807-1809에 저장된다. 이 실시예에 의하면, 인덱스들은 독립적으로 태깅되고 인덱스 태깅 및 가중 엔진 1810-1812에 의해 가중치가 부여된다. 그 다음, 태깅된, 가중치가 부여된, 그리고 버킷화된 큐는 버킷 결합기 엔진 1810을 사용하여 각각의 태그와 결합된다. 일 실시예에 의하면, 버킷이 과도하게 가득 차 있는 경우, 버킷은 거부될 수 있고 다른 버킷과 결합되지 않을 수 있다.
미디어 시스템에 의해 디스플레이되는 미지의 미디어 1813은 미디어 매칭 및 결과 프로세싱 엔진 1814에 제공된다. 미디어 매칭 및 결과 프로세싱 엔진 1814는, 예를 들어, 도 1의 매칭 엔진 112 및 결과 엔진 120과 유사할 수 있다. 결합된 버킷으로부터, 미디어 매칭 및 결과 프로세싱 엔진 1814는 용의 데이터를 추출하고, 예를 들어, 매칭 결과 1815를 찾기 위해 경로 추적 시스템을 사용하여 매칭 프로세스를 수행한다. 결과 1815는 인덱스에 가중치(weighting) 함수가 적용된다는 이점을 더 갖는다. 도 18의 실시예는 각 버킷이 가득 차 있는지 검사된 후에 버킷들이 결합되고 소정의 문턱값을 초과하면 버킷이 거부된다는 점에서 유리하다. 피드 1801-1803의 독립적인 데이터 그룹을 사용함으로써, 도 18의 시스템은 증가된 정확도 및 감소된 처리 요구를 달성한다. 또한, 매칭 결과의 각 인덱스에 첨부된 태그 정보는 매칭 결과가 긍정으로 식별된 때에 액션들의 우선 순위를 제공하도록 평가될 수 있다.
도 18의 시스템에 의해 채용될 수 있는 방법이 도 19의 흐름도를 참조하여 설명된다. 단계 1901에서, 적어도 하나의 타입의 알려진 미디어 콘텐츠(예컨대, VOD 콘텐츠 피드 1801, 주요 텔레비전 피드 1802, 텔레비전 이벤트 피드 1803, 등)가 수신된다. 단계 1902에서, 해시 함수는 인제스트 프로세서 1804-1806에 의해 생성된 알려진 미디어 콘텐츠와 연관된 큐에 적용되고, 알려진 큐는 인덱싱되고 버킷화된다. 단계 1903에서, 해시된 큐 인덱스는 각각의 데이터베이스 1807-1809에 저장된다. 단계 1904에서, 인덱스는 인덱스 태깅 및 가중 엔진 1810-1812에 의해 태깅되고 가중치가 부여된다. 단계 1905에서, 인덱스들은 버킷 결합기 엔진 1810에 의해 결합된다.
단계 1906에서, 미지의 미디어 콘텐츠 1813이 수신되고, 그 큐가 복사되며, 미지의 큐가 미디어 매칭 엔진 1814에 제공된다. 단계 1907에서, 미디어 매칭 엔진 1814는 결합된 버킷으로부터 용의 데이터를 수집하고, 단계 1908에서 매칭을 식별하기 위해 알려진 큐와 미지의 큐 간의 매칭 프로세스를 실행한다. 단계 1909에서는, 매칭되는 알려진 미디어 콘텐츠의 식별에 기초해서 이벤트가 트리거되거나(예를 들어, 맥락상 타겟팅된 정보의 디스플레이), 통계가 집계되는 등의 결과가 실행된다.
도 20은 본 발명의 실시예들에 의한 텔레비전 광고를 검출하는 미디어 프로세싱 센터 2000의 도면이다. 미디어 프로세싱 센터 2000은 예를 들어 중앙 서버일 수 있다. 미디어 프로세싱 센터 2000은 참여하는 콘텐츠 소스로부터 텔레비전 인제스트 2001에서 기준 텔레비전 프로그램 정보를 수신한다. 텔레비전 프로그래밍은, 예를 들어, 텔레비전 데이터베이스 2002에 의해 처리되고 저장될 수 있다. 프로그래밍은 케이블 및 위성 기반의 다중 채널 비디오 프로그램 배포기(multichannel video program distributor; MVPD)뿐만 아니라 인터넷을 통해 콘텐츠를 배포하는 소스에 의해 제공될 수 있다고 생각된다.
텔레비전 광고 대체의 이러한 특정 예에서, 도 20의 시스템은, 대체를 위한 후보인 텔레비전 광고와 같은 특별한 이벤트를 검출하는 고속 비디오 세그먼트 검출기 2005와 함께 사용되는 제2 기준 데이터베이스(즉, 비디오 세그먼트 데이터베이스 2004)를 채용한다. 이러한 이벤트는 후보 비디오 세그먼트(예를 들어, 텔레비전 광고)의 리스트를 관리하는 이벤트 관리자 2006에 의해 검출되고, 비디오 세그먼트가 검출될 때 텔레비전 시스템 2007에 명령을 내린다. 맥락적 이벤트(contextual event) 관리자 2008은 코맨드에 따라 텔레비전 시스템 2007에 의해 실행되어야 할 명령을 수신한다.
텔레비전 클라이언트 2009는 디스플레이 텔레비젼 프로그래밍으로부터 비디오 또는 오디오 또는 둘 모두의 미디어 큐를 추출한다. 미디어 큐는 미디어 프로세싱 센터 2000의 비디오 세그먼트 매칭 엔진 2003에 네트워크를 통해 전송된다. 특별한 비디오 세그먼트에 매칭이 발견되면, 비디오 세그먼트를 현재 디스플레이하고 있는 모든 등록된 텔레비전들에 메시지 2011이 발행된다(예를 들어, 맥락적 이벤트 관리자 2008를 통해 텔레비전 시스템 2007에). 메시지 2011을 수신하면, 맥락적 이벤트 관리자 2008은 대체 시간 및 지속 기간과 함께 대체될 텔레비전 광고의 이전에 제공된 주소를 검색한다. 맥락적 이벤트 관리자 2008은 제공된 시작 시간에 2012에서 대체 광고 데이터베이스 2010을 어드레싱하고, 대체 광고 데이터베이스 2010은 어드레싱된 대체 광고 2013을 텔레비전 시스템 2007로 스트리밍한다. 이벤트 관리자 2006에 의해 전달되는 것과 같은 대체 기간의 끝에서, 텔레비전 시스템 2007은 대체 시퀀스의 시작시에 재생 중이었던 원래의 텔레비전 프로그램으로 다시 전환한다.
도 21의 흐름도를 참조하여 도 20의 시스템에 의해 채용될 수 있는 방법이 설명된다. 단계 2101에서, 텔레비전 인제스트가 수신되고 미지의 비디오 세그먼트의 미디어 큐가 추출된다. 단계 2102에서, 미지의 비디오 세그먼트의 큐들은 비디오 세그먼트 데이터베이스 2103로부터 추출된 알려진 비디오 세그먼트의 큐에 대해 테스트된다. 단계 2104에서, 알려진 비디오 세그먼트에서 매칭이 발견되었는지 결정된다. 매칭이 발견되지 않으면, 본 방법은 단계 2102로 되돌아 가고, 미지의 비디오 세그먼트는 다른 알려진 비디오 세그먼트와 비교된다. 매칭이 발견되면, 본 방법은 단계 2106에서 계속된다.
단계 2106에서, 매칭되는 알려진 비디오 세그먼트와 연관된 비디오 세그먼트 식별자가 광고 대체 식별자들의 데이터베이스 2105에 대해 테스트된다. 단계 2107에서, 광고 대체 이벤트 매칭이 존재하는지(즉, 비디오 세그먼트 식별자가 데이터베이스 2105의 식별자와 매칭되는지)가 결정된다. 매칭이 발견되지 않으면, 본 방법은 단계 2106으로 되돌아 가고, 비디오 세그먼트 식별자는 다른 광고 대체 식별자와 비교된다. 매칭이 발견되면, 본 방법은 단계 1808에서 계속된다.
단계 2108에서, 각 채널에 튜닝된 모든 활성 텔레비전 시스템에 대체 광고 시작의 통지가 전송된다. 단계 2109에서, 텔레비전 시스템은 대체 광고의 방송에 대한 카운트 다운 타이머를 시작한다. 단계 2110에서, 타임 아웃(timeout)이 발생했는지가 결정된다. 타임 아웃이 발생하지 않았으면, 카운트 다운 타이머가 계속된다. 타임 아웃이 발생하면(즉, 카운트 다운이 만료되면), 단계 2111에서 대체 광고 서버 또는 데이터베이스 2112로부터 대체 광고가 인출된다. 단계 2113에서, 텔레비전 시스템상에 디스플레이되는 비디오 및/또는 오디오는 대체 광고로 전환된다. 단계 2114에서, 타임 아웃이 발생했는지가 결정된다. 타임 아웃이 발생하지 않았으면, 대체 광고가 계속해서 방영된다. 타임 아웃이 발생하면(즉, 대체 광고가 종료되면), 단계 2115에서 비디오 및/또는 오디오는 다시 텔레비전 시스템상의 원래 프로그래밍으로 전환된다.
상기한 텔레비전 광고 대체 시스템 및 방법의 타이밍을 더 이해하기 위해, 도 22는 텔레비전 광고 그룹 2204("애드 포드(ad pod)"라고도 알려짐)과 함께 미디어 프로세싱 센터(예를 들어, 미디어 프로세싱 센터 2000)에서 수신되는 비디오 세그먼트 타임 라인 2201을 도시한다. 애드 포드 2204는 다양한 기간의 다수의 개별 텔레비전 광고를 포함한다. 비디오 세그먼트 2201은 미디어 프로세싱 센터(예컨대, 미디어 프로세싱 센터 2000)에 의해 처리되고 비디오 매칭 기준 데이터베이스에 추가된다. 30초 광고가 2202에서 시작되고, 그 다음에 짧은 광고와 긴 광고가 방송되고, 15초 광고가 2203에서 방송된다. 2205에서 애드 포드 2204가 종료되고 프로그래밍이 재개된다.
텔레비전 시스템 2007(예를 들어, 전형적인 가정 내의 소비자 텔레비전)은 미디어 프로세싱 센터와 동일한 텔레비전 프로그래밍 2206을 수신한다. 그러나, 텔레비전 배포 네트워크의 구조 때문에, 미디어 프로세싱 센터는 동일한 프로그래밍이 사용자의 텔레비전(예를 들어, 텔레비전 시스템 2007)에서 수신되기 약 4-5초 전에 텔레비전 프로그래밍을 수신한다. 이러한 지연을 이용하여, 본 발명의 실시예들에 의한 미디어 프로세싱 센터는 추가적인 프로세싱을 위한 후보가 될 수 있는 특정 비디오 세그먼트를 검출하기에 충분한 시간을 갖고, 이벤트가 시간 2208에서 비디오 세그먼트 데이터베이스 2004에 저장되는지를 결정한다. 이벤트가 저장되면, 이벤트 관리자 2006은 명령을 제공할 수 있고, 만약 적절하다면, 맥락적 이벤트 관리자 2008을 통해 자격이 있는 텔레비전 클라이언트(예를 들어, 텔레비전 시스템 2007)에 추가적인 미디어를 제공할 수 있다. 그 다음, 맥락적 이벤트 관리자 2008은 대체 비디오 세그먼트 2209b를 어드레싱하기 위해 시간 2207에 응답하고 원래의 방송 비디오 세그먼트 2209a 대신에 대체 비디오 세그먼트가 텔레비전 시스템 2007 상에 디스플레이되게 한다. 대체 비디오 세그먼트 2209b는 미디어 프로세싱 센터의 구내의 비디오 서버로부터 어드레싱되거나 인터넷에 연결된 임의의 서버로부터 어드레싱될 수 있다.
본 발명의 또 다른 실시예에서, 비디오 세그먼트의 검출은 텔레비전 클라이언트 2309 내에서 동작하는 프로세스로부터 디스플레이되어야 할 추가 정보를 트리거할 수 있다. 도 23은, 많은 서비스 중에서, 예를 들어, 비디오 프레임 2309b의 큐를 알려진 콘텐츠의 알려진 큐와 비교함으로써, 텔레비전 클라이언트 2309 상에 디스플레이하는 비디오 세그먼트를 검출하는 미디어 프로세싱 센터 2300을 도시한다. 알려진 콘텐츠는 텔레비전 인제스트 2301에 의해 수신되며, 큐가 추출되고 텔레비전 데이터베이스 2302에 저장될 수 있다. 큐들은 비디오 세그먼트 매칭 엔진 2303에 의해 매칭된다. 매칭 결과는 이벤트 관리자 2306에 적용될 수 있다.
매칭된 비디오 세그먼트가 존재하는 경우 이벤트가 동작을 트리거하도록 등록되었다면, 컨텍스트 자산(context asset) 관리자 2305는 예를 들어 컨텍스트 자산 데이터베이스 2304에 의해 저장된 바와 같이 그래픽 오버레이 윈도우(graphic overlay window)의 형태로 미디어를 공급하도록 어드레싱될 것이다. 그래픽 오버레이 윈도우는 소정 타이밍 정보와 함께 네트워크 2311을 통해 비디오 세그먼트를 디스플레이하고 있는 것으로 검출된 각 텔레비전 시스템 2307의 맥락적 이벤트 관리자 2308로 전송된다. 맥락상 관련된 미디어를 수신하면, 맥락적 이벤트 관리자 2308은 예를 들어 디스플레이 영역의 일부를 차지하고 보통은 현재 디스플레이되고 있는 비디오 세그먼트의 주제와 관련된 정보를 포함하는 오버레이된 윈도우로서 미디어를 디스플레이할 수 있다.
도 23의 시스템에 의해 채용 될 수 있는 방법은 도 24의 흐름도를 참조하여 설명된다. 단계 2401에서, 텔레비전 인제스트가 수신되고 미지의 비디오 세그먼트의 미디어 큐가 추출된다. 단계 2402에서, 미지의 비디오 세그먼트의 큐들은 비디오 세그먼트 데이터베이스 2403으로부터 추출된 알려진 비디오 세그먼트의 큐에 대해 테스트된다. 단계 2404에서, 알려진 비디오 세그먼트에서 매칭이 발견되었는지 판별된다. 매칭이 발견되지 않으면, 본 방법은 단계 2402로 되돌아 가고, 미지의 비디오 세그먼트는 다른 알려진 비디오 세그먼트와 비교된다. 매칭이 발견되면, 본 방법은 단계 2406에서 계속된다.
단계 2406에서, 매칭되는 알려진 비디오 세그먼트와 연관된 비디오 세그먼트 식별자는 컨텍스트 연관 미디어(context associated media) 2405의 데이터베이스에 대해 테스트된다. 단계 2407에서, 맥락상 관련된 미디어 이벤트 매칭이 존재하는지(즉, 비디오 세그먼트 식별자가 데이터베이스 2405의 식별자와 매칭되는지)가 판별된다. 매칭이 발견되지 않으면, 본 방법은 단계 2406으로 되돌아 가고, 비디오 세그먼트 식별자는 맥락상 관련된 이벤트 식별자와 비교된다. 매칭이 발견되면, 본 방법은 단계 2408에서 계속된다.
단계 2408에서, 각 채널에 튜닝된 모든 활성 텔레비전 시스템에 비디오 세그먼트 시작의 통지가 전송된다. 단계 2409에서, 텔레비전 시스템은 비디오 세그먼트의 방영에 대한 카운트 다운 타이머를 시작한다. 단계 2410에서, 타임 아웃이 발생했는지가 결정된다. 타임 아웃이 발생하지 않았으면, 카운트 다운 타이머가 계속된다. 타임 아웃이 발생하면(즉, 카운트 다운이 만료되면), 단계 2411에서 오버레이된 미디어는 오버레이 미디어 데이터베이스 2412로부터 트리거된다. 단계 2413에서, 오버레이된 윈도우가 열리고 원래의 프로그래밍상에 디스플레이된다. 단계 2414에서, 타이머의 종료 시에(예를 들어, 30 초의 종료 시에) 또는 세그먼트 변경 트리거에서(예를 들어, 비디오 세그먼트의 종료 및 새로운 비디오 세그먼트의 시작에서) 오버레이된 윈도우가 닫힌다.
맥락적 미디어 오버레이 그래픽의 타이밍은 도 25에 도시된다. 텔레비전 프로그램 채널 2501은 미디어 프로세싱 센터에서 수신되고, 비디오 세그먼트가 검출되고 기준 미디어 데이터베이스에 저장된다. 텔레비전 시스템상의 로컬 디스플레이를 위한 연관된 맥락상 관련있는 미디어를 갖는 비디오 세그먼트 2502가 검출되면, 2506에서 신호가 동일한 텔레비전 프로그램 채널 2504를 디스플레이하고 있는 것으로 검출된 텔레비전 시스템으로 전송된다(즉, 2501 및 2504는 동일한 텔레비전 프로그램 채널을 나타냄). 텔레비전 시스템상의 비디오 세그먼트 2의 시작시(즉, 시간 2505a에서), 텔레비전 시스템의 로컬 프로세서는 미디어 프로세싱 센터로부터 수신된 명령을 실행한다. 상기 명령은 기본 비디오 프로그램과 관련된 추가적인 정보를 갖는 그래픽 오버레이 윈도우(즉, 보충 텔레비전 콘텐츠 2507)를 디스플레이한다. 보충 텔레비전 콘텐츠 2507은 비디오 세그먼트 2 2505b의 끝까지 디스플레이한다.
도 26의 비디오 프레임 표현은 일 실시예에 의한 도 25의 타임 라인에 기초한 동작을 도시한다. 도 26에서, 비디오 세그먼트 2601은 열대 섬의 장면을 디스플레이한다. 비디오 세그먼트 2602에서, 콘텐츠 프로그래머는 시청자가 열대 섬으로의 휴가를 예약하기 위한 정보를 수신하도록 초대하는 오버레이 윈도우를 디스플레이하기를 원한다. 상술한 바와 같이, 비디오 세그먼트 2602의 시작인 시간 2505에서, 텔레비전 시스템의 프로세서는 보충 정보 2604를 갖는 그래픽 오버레이 윈도우를 디스플레이하기 위해 제공된 명령을 따른다. 세그먼트 2505b의 끝에서, 텔레비전 시스템의 프로세서에 대한 명령은 비디오 오버레이 윈도우가 제거되도록 하여, 방해받지 않는 비디오 세그먼트 2603을 초래한다.
이전에 언급된 최근접 이웃 및 경로 추적 기술이 상세히 설명된다. 모호한 큐를 사용하여 비디오 전송을 추적하는 예가 제공되지만, 일반적인 개념은 위에서 설명한 것과 같이 모든 필드에 적용될 수 있다.
효율적인 비디오 추적(video pursuit)을 위한 방법이 제시된다. 많은 수의 비디오 세그먼트가 주어진 경우, 시스템은, 주어진 쿼리 비디오 입력이 어떤 세그먼트로부터 그리고 어떤 시간 오프셋(time offset)에 취득되는지를 실시간으로 식별할 수 있어야 한다. 세그먼트와 오프셋을 함께 위치(location)라고 부른다. 이 방법은, 일시 중지, 빨리 감기, 되감기, 다른 세그먼트로의 갑작스러운 전환 및 미지의 세그먼트로의 전환 등을 효율적으로 감지하고 그에 적응할 수 있어야 하므로, 비디오 추적이라고 불린다. 라이브 비디오를 추적할 수 있기 전에 데이터베이스가 처리된다. 시각적 큐(약간의 픽셀 값)는 일정한 매우 짧은 시간마다(every constant fraction of a second) 프레임으로부터 취득되고 특수한 데이터 구조에 넣어진다(이는 실시간으로 행해질 수도 있음에 유의한다). 비디오 추적은, 입력 비디오로부터 지속적으로 큐를 수신하고 현재 위치에 대한 믿음(belief) 또는 추정(estimate)의 집합을 업데이트함으로써 수행된다. 각 큐는, 추정에 동의하거나 동의하지 않으며, 새로운 증거를 반영하기 위해 조정된다. 이것이 사실일 것이라는 자신감(confidence)이 충분히 높으면, 동영상의 위치가 정확한 것으로 가정된다. 잠재적인 "용의(suspect; 의심스러운)" 위치의 작은 집합만 추적함으로써, 이를 효율적으로 수행할 수 있다.
비디오 추적을 위한 방법이 기술되어 있지만, 이를 설명하고 조사하기 위해 수학적 해석을 사용한다. 두 영역 간의 해석에 필요한 도구를 독자에게 제공하는 것이 이 소개의 목표이다. 비디오 신호는 순차적인 프레임으로 구성된다. 각각은 정지 이미지로서 생각될 수 있다. 모든 프레임은 픽셀의 래스터(raster)이다. 각 픽셀은, 픽셀의 색상을 만드는 적색, 녹색 및 청색(RGB)에 대응되는 세 가지 농도 값으로 구성된다. 이 문서에서 사용된 용어에서, 큐(cue)는 프레임 내의 픽셀의 서브 세트의 RGB 값 및 대응하는 타임 스탬프(time stamp)의 목록이다. 큐의 픽셀 수는 프레임의 픽셀 수보다 현저히 적으며, 일반적으로 5와 15 사이이다. 스칼라 값의 정렬된 목록이므로, 큐 값은 사실상 벡터이다. 이 벡터를 포인트(point)라고도 부른다.
이 포인트는 일반적으로 15에서 150 사이의 높은 차원을 갖지만, 2차원의 포인트로서 상상될 수 있다. 실제로, 도면은 2차원 도표(plot)로 주어질 것이다. 이제 비디오의 프로그래션(progression)과 그에 대응되는 큐 포인트를 고려하라. 일반적으로 시간의 작은 변화는 픽셀 값의 작은 변화를 가져온다. 픽셀 포인트는 프레임간에 조금씩 움직이는 것으로 보일 수 있다. 프레임에서 프레임으로의 이러한 작은 움직임에 따라, 큐는 구부러진 와이어(wire)상에 있는 구슬(bead)처럼 공간 내의 경로를 따른다.
이러한 비유(analogy)에 있어서, 비디오 추적에서 공간에서의 구슬의 위치(큐 포인트)가 수신되고, 구슬이 따르는 와이어(경로) 부분이 검색된다. 이것은 두 가지 사실에 의해 현저히 더 어려워진다. 첫째, 구슬은 와이어를 정확히 따라가지 않고, 대신에 그로부터 미지의 변화하는 거리를 유지한다. 두번째로, 와이어는 모두 함께 얽혀 있다. 이 진술은 섹션 2에서 정확하게 작성되었다. 이하에 기술된 알고리즘은 두 가지 개념적인 단계에서 이를 수행한다. 큐가 수신되면, 그것은 큐 포인트에 충분히 근접한 알려진 모든 경로에서 모든 포인트를 찾는데, 이들을 용의점(suspect)이라고 부른다. 이는 이퀄 볼즈(Equal Balls) 알고리즘의 확률적 포인트 위치(Probabilistic Point Location)를 사용하여 효율적으로 수행된다. 이러한 용의점은 히스토리 데이터 구조에 추가되고, 각각이 실제 위치를 나타낼 확률이 계산된다. 이 단계는 충분히 가능성이 낮은 용의 위치를 제거하는 단계도 포함한다. 이 히스토리 업데이트 프로세스는, 한편으로는 작은 히스토리만 유지하지만 다른 한편으로는 가능한 위치가 삭제되지 않도록 한다. 일반적인 알고리즘은 알고리즘 1에 주어지고 도 27에 도시된다.
Figure pct00001
섹션 1의 이퀄 볼즈의 확률적 포인트 위치(Probabilistic Point Location in Equal Balls; PPLEB) 알고리즘을 기술하는 것으로 설명을 시작한다. 이는 알고리즘 1의 제5 행을 효율적으로 수행하기 위해 사용된다. 용의점을 신속하게 검색할 수 있는 능력은 이 방법의 적용 가능성에 결정적이다. 이후에, 섹션 2에서, 제6 행과 제7 행을 수행하기 위한 한 가지 가능한 통계 모델이 기술된다. 기술된 모델은 설정에 대한 자연스러운 선택이다. 또한 이것이 매우 효율적으로 사용될 수 있는 방법을 보여준다.
섹션 1 - 이퀄 볼즈에 있어서 확률적 포인트 위치
이하의 섹션은 이퀄 볼즈에 있어서 확률적 포인트 위치(PPLEB)를 수행하기 위한 간단한 알고리즘을 설명한다. 전통적인 PLEB(point location in equal balls; 이퀄 볼즈의 포인트 위치)에서는 lR d의 n 개의 포인트 x의 집합과 반경 r의 특정 구체(ball)로 시작한다. 알고리즘에는, 효율적인 데이터 구조를 생성하기 위해, O(poly(n))의 전처리 시간(preprocessing time)이 주어진다. 그 다음, 쿼리 포인트(query point) x가 주어지면, 알고리즘은
Figure pct00002
인 모든 포인트 x를 리턴할 것이 요구된다.
Figure pct00003
인 포인트의 집합은, 기하학적으로 쿼리 x를 둘러싼 반경 r의 구체 내에 위치한다(도 23 참조). 이 관계를, x 및 그에 가까운, 또는 x 및 그의 이웃이라 부른다.
PPLEB의 문제와 최근접 이웃 탐색의 문제는 학계에서 많은 관심을 받은 두가지 유사한 문제이다. 사실, 이러한 문제는 전산 기하학 분야에서 처음 연구된 것들에 속한다. 많은 다른 방법은, 주변 차수가 작거나 일정한 경우에 대응된다. 이는 공간을 서로 다른 방법으로 분할하고, 그 부분을 재귀적으로 검색한다. 이러한 방법에는 KD-트리(tree), 커버-트리(cover-tree) 및 기타가 포함된다. 낮은 차원에서 매우 효율적이지만, 주변 차원이 높으면 성능이 매우 떨어진다. 이것은 "차원의 저주(curse of dimensionality)"로 알려져 있다. 다양한 접근 방식은 차원의 저주를 극복하면서 이 문제를 해결하려고 한다. 여기에 사용된 알고리즘은 더 간단하고 빠른 알고리즘 버전을 사용하며 로컬 감지 해싱(Local Sensitive Hashing)에 의존할 수 있다.
섹션 1.1 로컬 감지 해싱
로컬 감지 해싱 방식에 있어서, 해시 함수 H의 패밀리(family)를 다음과 같이 고안한다.
Figure pct00004
말하자면, h에 의하여 x와 y가 같은 값으로 매핑될 확률은, 그들이 서로 가깝다면 훨씬 더 높다.
명확히 하기 위해, 모든 들어오는 벡터의 길이 r'가 동일하고 r'
Figure pct00005
인 단순한 시나리오를 먼저 다루도록 한다. 그리고 후자의 조건의 이유는 나중에 분명해질 것이다. 먼저 랜덤한 함수
Figure pct00006
가 정의되는데, 이는 x와 y 사이의 각도에 따라 x와 y를 구분한다.
Figure pct00007
를 단위 구(unit sphere) S d -1 에서 균일하게 선택되는 임의의 벡터라 하고
Figure pct00008
라 하자.
Figure pct00009
를 검증하는 것은 용이하다. 또한,
Figure pct00010
인 원 상의 임의의 포인트 x, y, x', y'에 대해서,
Figure pct00011
가 얻어진다. p를 정의하면, 다음의 식이 사용된다.
Figure pct00012
함수 H의 패밀리는, u의 독립적인 복사본들의 벡터곱(cross product)으로 설정된다: 즉, h(x) = [u1(x), ... , ut(x)]. 직관적으로, 만약 h(x)=h(y)라면 x와 y가 서로 가까울 것이라고 생각하고 싶을 것이다. 그것을 정량화하자. 먼저, 잘못된 양의 실수(false positive mistake)의 예상 개수 nfp를 계산한다. 이는 h(x)=h(y) 그러나 ||x-y||>2r에 대한 경우이다. 값 t는 nfp가 1보다 크지 않은 경우에 대하여 발견되는데, 즉, 잘못될 것으로 예상되지 않는다.
Figure pct00013
이제, h(x)=h(y)인 경우 그들이 이웃일 확률은 다음과 같이 계산된다.
Figure pct00014
여기서 r'
Figure pct00015
을 요하는 2p<1이 만족되어야 함을 주의하여야 한다. 이는 성공 확률이 매우 높아 보이지 않는다. 실제로
Figure pct00016
은 1/2보다 훨씬 작다. 다음 섹션에서는 이 확률을 1/2까지 높이는 방법을 설명한다.
섹션 1.2 포인트 검색 알고리즘
각 함수 h는 공간의 모든 점을 버킷(bucket)에 매핑한다. 해시 함수 h에 대한 포인트 x의 버킷 함수
Figure pct00017
를
Figure pct00018
로 정의한다. 유지되는 데이터 구조는 버킷 함수 [Bh1, ... , Bhm]의 m=O(
Figure pct00019
) 인스턴스이다. 하나의 포인트 x를 검색하면 함수는
Figure pct00020
를 리턴한다. 앞 섹션에 의하면, 두 가지 원하는 결과가 있다: 즉,
Figure pct00021
즉, x의 각 이웃이 적어도 1/2의 확률로 발견되지만, 이웃이 아닌 많은 포인트를 발견할 가능성은 없다.
섹션 1.3 서로 다른 반경의 입력 벡터의 취급
이전 섹션은 동일한 길이의 벡터, 즉 r'을 통한 검색만을 다루었다. 이제, 서로 다른 반지름에서의 검색을 지원하는 빌딩 블록으로 구조를 사용할 수 있는 방법에 대해 설명한다. 도 11에 도시된 바와 같이, 공간은 기하급수적으로 증가하는 폭의 고리(ring)로 분할된다. Ri로 지시되는 고리 i에는
Figure pct00022
을 만족하는 모든 포인트 xi가 포함된다. 이렇게 함으로써 두 가지 목적을 달성할 수 있다. 첫째, 만약 xi와 xj가 동일한 고리에 속하는 경우,
Figure pct00023
가 된다. 둘째, 모든 검색은 최대
Figure pct00024
의 고리에서 수행될 수 있다. 또한 데이터 세트의 최대 길이 벡터가 r'이면 시스템의 고리의 총 개수는 O(log(r'/r))이다.
섹션 2 경로 추적 문제(The Path Pursuit Problem)
경로 추적 문제에서, 공간에 고정된 경로는 시간 포인트의 시퀀스에서 입자의 위치와 함께 주어진다. 입자, 큐 및 포인트라는 용어가 교환 가능하게 사용된다. 알고리즘은 경로상의 입자 위치를 출력하도록 요구된다. 이것은 몇 가지 요인에 의해 더욱 어려워진다: 입자는 경로를 대략적으로 따를 뿐이다; 경로는 불연속적이고 여러번 스스로 교차할 수 있다; 입자와 경로 위치 모두 시간 포인트의 시퀀스에 주어진다(각각에 대해 서로 다름).
이 문제는 임의의 개수의 경로에서 입자 추적을 시뮬레이션할 수 있다는 점에 주의해야 한다. 이는 경로를 하나의 긴 경로로 연결하고 결과 위치를 개별 경로의 위치로 해석함으로써 간단히 수행된다.
좀 더 정확히 말하자면, 경로 P가 파라미터 곡선
Figure pct00025
이라 하자. 곡선의 파라미터를 시간이라 부른다. 우리에게 이미 알려진 경로상의 포인트는 임의의 시간 포인트 ti에 주어지는데, 즉 n쌍 (ti, P (ti))이 주어진다. 입자는 경로를 따르지만, 도 12에 도시된 바와 같이, 그 위치는 상이한 시점에 주어진다. 또한, m쌍의 (t'j, x(t'j))가 주어지는데, x(t'j)는 시간 t'j에서의 입자의 위치이다.
섹션 2.1 우도 추정(Likelihood Estimation)
입자가 경로를 정확히 따르지 않고 경로가 여러번 스스로 교차할 수 있기 때문에, 입자가 실제로 위치하고 있는 경로상의 위치를 적극적으로 식별하는 것은 일반적으로 불가능하다. 따라서 모든 가능한 경로 위치에서 확률 분포가 계산된다. 위치 확률이 현저히 높으면 입자 위치를 알게 되었다고 가정한다. 다음 섹션에서는 이러한 작업을 효율적으로 수행하는 방법에 대해 설명한다.
만약 입자가 경로를 따른다면, 입자의 타임 스탬프와 P상의 대응하는 포인트의 오프셋 사이의 시간차는 상대적으로 고정되어야 한다. 즉, 만약 x(t')가 현재 경로상의 오프셋 t에 있으면, 그것은 P(t)에 가까워야 한다. 또한 τ초 전에 그것은 오프셋 t-τ에 있었어야 한다. 따라서 x(t'-τ)는 P(t-τ)에 가까워야 한다(만약 입자가 경로를 가로지르고 있고 x(t')가 일시적으로 P(t)에 가깝다면, x(t'-τ)와 P(t-τ)가 가까이에 있지 않을 것이다.). 상대적 오프셋을 △=t-t'라고 정의하자. 입자가 경로를 따르는 한 상대적 오프셋 △는 변경되지 않는다. 즉, x(t')는 P(t'+△)에 가깝다.
최대 우도 상대적 오프셋(maximum likelihood relative offset)은 다음을 계산함으로써 얻어진다:
Figure pct00026
다시 말하면, 가장 가능성 있는 상대적 오프셋은, 입자의 히스토리가 가장 가능성이 높은 오프셋이다. 그러나 이 방정식은 통계적 모델 없이는 풀 수 없다. 이 모델은 다음을 수량화해야 한다: x가 얼마나 밀접하게 경로를 따르는가; x가 위치간에 점프할 가능성은 얼마나 높은가; 경로와 입자 곡선이 측정된 포인트들 사이에서 얼마나 매끄러운가.
섹션 2.2 시간 할인 저장소 할당(times discounted binning)
우도 함수를 추정하기 위한 통계 모델이 설명된다. 이 모델은 입자의 경로 이탈 편차가, 표준 편차 ar의 정규 분포를 갖는다고 가정한다. 또한 임의의 주어진 시점에서 입자가 갑자기 다른 경로로 전환될 확률이 0이 아닌 것으로 가정한다. 이것은 과거 포인트에 대한 시간의 지수 할인으로 나타난다. 모델링 관점에서 합리적인 선택을 하는 것 외에도, 이 모델은 효율적으로 업데이트할 수 있다는 이점을 갖는다. 어떤 일정 시간 단위 1에 대해, 우도 함수를 다음과 같이 정의되는 f에 비례하도록 설정한다:
Figure pct00027
여기서
Figure pct00028
은 스케일 계수(scale coefficient)이며,
Figure pct00029
은 입자가 주어진 시간 단위에서 경로상의 랜덤한 위치로 점프할 확률이다.
다음과 같은 간단한 관찰을 통해 함수 f를 효율적으로 업데이트할 수 있다.
Figure pct00030
또한,
Figure pct00031
이므로, 만약
Figure pct00032
이라면 다음과 같이 된다:
Figure pct00033
합(sum)의 업데이트는 이제 전체 경로가 아닌 x(t'j)의 이웃에서만 수행될 수 있으므로, 이것은 우도 함수의 중요한 속성이다.
Figure pct00034
를 만족하는 (ti, P(ti))의 집합을 S로 표시한다. 다음의 방정식이 성립한다:
Figure pct00035
이는 이하의 알고리즘 2.2에 설명되어 있다. f는 음의 정수 인덱스를 받는 희소 벡터(sparse vector)로 사용된다. 집합 S는, 경로상의 x(ti)의 모든 이웃의 집합이며 PPLEB 알고리즘을 사용하여 빠르게 계산할 수 있다. 만약 x(ti)의 이웃의 수가 일정한 상수 nnear에 의해 한정되어 있다면, 벡터 f의 영이 아닌 수가 단지 일정한 인수만큼만 큰
Figure pct00036
에 의하여 한정된다는 것을 검증하는 것은 쉽다. 알고리즘의 마지막 단계는, 만약
Figure pct00037
가 어떤 문턱값 이상일 경우
Figure pct00038
의 특정 값을 출력하는 것이다.
Figure pct00039
도 28은 3개의 연속적인 포인트 위치 및 그 주위의 경로 포인트를 도시한 도면이다. 하단의 포인트도 중간의 포인트도 경로의 정확한 부분을 식별하기에 충분하지 않음을 주의하라. 그러나, 그들은 함께 있다. 상단의 포인트를 추가하면 입자가 실제로 경로의 최종(왼쪽) 커브가 될 확실성이 높아진다.
도 29에 있어서, n(회색) 포인트의 집합이 주어지면, 알고리즘에는 쿼리 포인트(검정색)가 주어지고, 그것으로부터 거리 r 내에 있는 포인트(원 내부의 포인트)의 집합을 리턴한다. 전통적인 설정에서, 알고리즘은 이러한 모든 점을 리턴해야 한다. 확률적 설정에서는, 그러한 각 포인트는 일정한 확률로 리턴되어야 한다.
도 30은 u(x1), u(x2) 및 u(x)의 값을 도시한 도면이다. 직관적으로, 함수 u는 만약 파선이 그들 사이를 통과하면 x1과 x2에 서로 다른 값을 주고, 그렇지 않다면 같은 값을 준다. 파선을 임의의 방향으로 이동하면 이러한 일이 발생할 확률이 x1과 x2 사이의 각도에 정비례한다.
도 31은, 고리 Ri가 반경
Figure pct00040
과
Figure pct00041
사이가 되도록 하여 공간을 고리로 분할함으로써, 고리내의 임의의 두 벡터가
Figure pct00042
인수까지 동일한 길이이고, 모든 검색이 최대
Figure pct00043
고리 내에서 수행된다는 것을 확실히 할 수 있다는 것을 도시한 도면이다.
도 32는 자기 교차 경로와 쿼리 포인트(검정색)를 도시한 도면이다. 입자 위치의 히스토리가 없으면 그것이 경로상의 어디에 있는지 알 수 없다는 것을 도시한다.
도 32는 3개의 연속적인 포인트 위치 및 그 주위의 경로 포인트를 도시한다. x(t1)과 x(t2)만으로는 경로의 정확한 부분을 식별하기에 충분하지 않음을 유의하라. 그러나 그들은 함께 있다. x(t3)를 추가하면 입자가 실제로 경로의 최종(왼쪽) 곡선에 있을 가능성을 높인다.
요약하면, 본 발명의 실시예들은 기준 데이터(즉, 알려진 미디어 콘텐츠 데이터)를 독립적으로, 동시에, 함께, 또는 조합하여 검색될 수 있는 복수의 기준 데이터베이스들로 분할함으로써 미디어 매칭 및 식별 프로세스를 개선한다. 검색 프로세스의 결과에 가중치가 부여되고 최종 결과를 위해 점수가 매겨질 수 있다.
본 명세서에 설명된 시스템 및 방법은 텔레비전 프로그래밍의 실시간 식별과 관련하여 설명되었지만, 데이터 세트를 바람직한 서브 세트로 나눔으로써 다차원 검색이 향상될 수 있는 임의의 "빅 데이터" 문제에 적용될 수 있다. 또한, 본 명세서에서 비디오 데이터 및 그래픽 디스플레이와 관련하여 본질적으로 설명되었지만, 본 명세서에 설명된 시스템 및 방법은 오디오 데이터 및 가청 디스플레이와 관련하여 유사하게 사용될 수 있음을 생각할 수 있다. 예를 들어, 대체 오디오 데이터가 특정 실시예에서 제공될 수 있다.
특정 요구 사항에 따라 상당한 변화가 있을 수 있다. 예를 들어, 맞춤형 하드웨어가 사용될 수도 있고, 또는 특정 구성 요소가 하드웨어, 소프트웨어(애플릿 등의 포터블 소프트웨어 포함) 또는 이 둘 모두로 구현될 수도 있다. 또한, 네트워크 입/출력 장치와 같은 다른 액세스 또는 컴퓨팅 장치에 대한 연결이 사용될 수 있다.
상기한 명세서에서, 본 발명의 다양한 태양은 그 특정 실시예를 참조하여 설명되지만, 본 발명의 기술 분야에서 통상의 지식을 가진 자는 본 발명이 이에 제한되지 않는다는 것을 인식할 것이다. 상기한 본 발명의 다양한 특징 및 태양은 개별적으로 또는 공동으로 사용될 수 있다. 또한, 실시예는 명세서의 더 넓은 사상 및 범위를 벗어나지 않으면서 본 명세서에 기재된 것 이외의 임의의 개수의 환경 및 애플리케이션에서 이용될 수 있다. 따라서, 명세서 및 도면은 제한적인 것이 아니라 예시적인 것으로 간주되어야 한다.
상기한 설명에서, 설명의 목적상, 방법은 특정 순서로 기술되었다. 다른 실시예에서, 상기 방법들은 설명된 것과 다른 순서로 수행될 수 있다는 것을 이해해야 한다. 상기한 방법들은 하드웨어 구성 요소들에 의해 수행될 수 있거나, 기계 실행 가능 명령어들의 시퀀스로 구현될 수 있는데, 상기 명령어들은, 범용 또는 특수 목적 프로세서 또는 명령어로 프로그램 된 로직 회로와 같은 기계로 하여금 방법을 수행하도록 사용될 수 있다. 이러한 기계 실행 가능 명령어는, CD-ROM 또는 다른 유형의 광학 디스크, 플로피 디스켓, ROM, RAM, EPROM, EEPROM, 자기 또는 광 카드, 플래시 메모리 또는 전자 명령을 저장하기에 적합한 다른 유형의 기계 판독 가능 매체와 같은 하나 이상의 기계 판독 가능 매체에 저장될 수 있다. 대안적으로, 상기 방법은 하드웨어와 소프트웨어의 조합에 의해 수행될 수 있다.
구성 요소가 특정 동작을 수행하도록 구성된 것으로 설명되는 경우, 그러한 구성은 예를 들어, 전자 회로 또는 다른 하드웨어를 설계하여 프로그램 가능한 전자 회로(예를 들어, 마이크로 프로세서 또는 다른 적절한 전자 회로)를 프로그램함으로써, 동작 또는 이들의 임의의 조합을 수행하도록 수행될 수 있다.
본 출원의 예시적인 실시예들이 본 명세서에서 상세히 설명되었지만, 본 발명의 개념은 달리 다양하게 구체화되고 채택될 수 있으며, 첨부된 특허 청구 범위는 선행기술에 의해 제한되는 것을 제외하고는 그러한 변형을 포함하는 것으로 해석되도록 의도된다.

Claims (22)

  1. 하나 또는 그 이상의 프로세서; 및
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금 소정의 오퍼레이션을 수행하게 하는 명령을 포함하는 하나 또는 그 이상의 비일시적 머신 판독 가능 매체
    를 포함하되, 상기 오퍼레이션은,
    복수의 알려진 미디어 콘텐츠를 수신하는 단계 - 상기 복수의 알려진 미디어 콘텐츠는 연관된 알려진 콘텐트 식별자를 가짐 -;
    상기 복수의 알려진 미디어 콘텐츠를 제1 인덱스 및 제2 인덱스로 나누는 단계;
    상기 제1 인덱스를 하나 또는 그 이상의 제1 버킷으로 분리하는 단계 - 상기 제1 인덱스는 상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제1 버킷으로 분리됨 -;
    상기 제2 인덱스를 하나 또는 그 이상의 제2 버킷으로 분리하는 단계 - 상기 제2 인덱스는 상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제2 버킷으로 분리됨 -;
    미디어 시스템에 의해 디스플레이되는 미지의 미디어 콘텐츠에 대응하는 미지의 콘텐츠 식별자를 수신하는 단계 -;
    상기 미지의 콘텐츠 식별자를 상기 제1 버킷과 상기 제2 버킷에서 동시에 검색하는 단계 -;
    상기 제1 버킷 또는 상기 제2 버킷으로부터 알려진 미디어 콘텐츠를 선택하는 단계 - 선택된 알려진 미디어 콘텐츠는 상기 미지의 콘텐츠 식별자와 연관됨 -; 및
    상기 미지의 미디어 콘텐츠를 상기 선택된 알려진 미디어 콘텐츠로서 식별하는 단계
    를 포함하는 시스템.
  2. 제1항에 있어서,
    상기 복수의 알려진 미디어 콘텐츠는 상기 알려진 미디어 콘텐츠의 파라미터를 사용하여 상기 제1 인덱스 및 상기 제2 인덱스로 나누어지는, 시스템.
  3. 제1항에 있어서,
    상기 오퍼레이션은,
    상기 선택된 알려진 미디어 콘텐츠와 연관된 맥락상 타겟팅된 데이터를 검색하는 단계; 및
    상기 맥락상 타겟팅된 데이터를 디스플레이를 위해 상기 미디어 시스템으로 전송하는 단계
    를 더 포함하는 시스템.
  4. 제1항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 메타 데이터를 포함하는,
    시스템.
  5. 제1항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 픽셀 데이터를 포함하는,
    시스템.
  6. 제1항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 오디오 데이터를 포함하는,
    시스템.
  7. 제6항에 있어서,
    상기 미지의 콘텐츠 식별자를 상기 제1 버킷과 상기 제2 버킷에서 검색하는 단계는 상기 제1 버킷의 알려진 미디어 콘텐츠와 상기 제2 버킷의 알려진 미디어 콘텐츠에 음성 인식 기술을 적용하는 단계를 포함하는, 시스템.
  8. 제1항에 있어서,
    상기 오퍼레이션은,
    상기 미지의 콘텐츠 식별자를 사용하여 상기 선택된 알려진 미디어 콘텐츠 내의 오프셋 시간을 결정하는 단계를 더 포함하고, 상기 오프셋 시간은 상기 미디어 시스템에 의해 디스플레이되고 있는 미지의 미디어 콘텐츠 내의 소정 시간에 대응하는,
    시스템.
  9. 제1항에 있어서,
    상기 제1 인덱스를 하나 또는 그 이상의 제1 버킷으로 분리하는 단계는 상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 해시하는 단계를 포함하고,
    상기 제2 인덱스를 하나 또는 그 이상의 제2 버킷으로 분리하는 단계는 상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 해시하는 단계를 포함하는,
    시스템.
  10. 제9항에 있어서,
    상기 오퍼레이션은,
    상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 상기 해시된 알려진 콘텐츠 식별자를 정규화하는 단계; 및
    상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 상기 해시된 알려진 콘텐츠 식별자를 정규화하는 단계
    를 더 포함하는 시스템.
  11. 제1항에 있어서,
    상기 오퍼레이션은,
    상기 하나 또는 그 이상의 제1 버킷 중 제1 버킷의 알려진 미디어 콘텐츠의 양이 문턱값을 넘는다고 결정하는 단계; 및
    상기 제1 버킷을 폐기하는 단계
    를 더 포함하는 시스템.
  12. 복수의 알려진 미디어 콘텐츠를 수신하는 단계 - 상기 복수의 알려진 미디어 콘텐츠는 연관된 알려진 콘텐트 식별자를 가짐 -;
    상기 복수의 알려진 미디어 콘텐츠를 제1 인덱스 및 제2 인덱스로 나누는 단계;
    상기 제1 인덱스를 하나 또는 그 이상의 제1 버킷으로 분리하는 단계 - 상기 제1 인덱스는 상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제1 버킷으로 분리됨 -;
    상기 제2 인덱스를 하나 또는 그 이상의 제2 버킷으로 분리하는 단계 - 상기 제2 인덱스는 상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 사용하여 제2 버킷으로 분리됨 -;
    미디어 시스템에 의해 디스플레이되는 미지의 미디어 콘텐츠에 대응하는 미지의 콘텐츠 식별자를 수신하는 단계 -;
    상기 미지의 콘텐츠 식별자를 상기 제1 버킷과 상기 제2 버킷에서 동시에 검색하는 단계 -;
    상기 제1 버킷 또는 상기 제2 버킷으로부터 알려진 미디어 콘텐츠를 선택하는 단계 - 선택된 알려진 미디어 콘텐츠는 상기 미지의 콘텐츠 식별자와 연관됨 -; 및
    상기 미지의 미디어 콘텐츠를 상기 선택된 알려진 미디어 콘텐츠로서 식별하는 단계
    를 포함하는 방법.
  13. 제12항에 있어서,
    상기 복수의 알려진 미디어 콘텐츠는 상기 알려진 미디어 콘텐츠의 파라미터를 사용하여 상기 제1 인덱스 및 상기 제2 인덱스로 나누어지는, 방법.
  14. 제12항에 있어서,
    상기 선택된 알려진 미디어 콘텐츠와 연관된 맥락상 타겟팅된 데이터를 검색하는 단계; 및
    상기 맥락상 타겟팅된 데이터를 디스플레이를 위해 상기 미디어 시스템으로 전송하는 단계
    를 더 포함하는 방법.
  15. 제12항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 메타 데이터를 포함하는,
    방법.
  16. 제12항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 픽셀 데이터를 포함하는,
    방법.
  17. 제12항에 있어서,
    상기 미지의 콘텐츠 식별자는 상기 미지의 콘텐츠와 연관된 오디오 데이터를 포함하는,
    방법.
  18. 제17항에 있어서,
    상기 미지의 콘텐츠 식별자를 상기 제1 버킷과 상기 제2 버킷에서 검색하는 단계는 상기 제1 버킷의 알려진 미디어 콘텐츠와 상기 제2 버킷의 알려진 미디어 콘텐츠에 음성 인식 기술을 적용하는 단계를 포함하는, 방법.
  19. 제12항에 있어서,
    상기 미지의 콘텐츠 식별자를 사용하여 상기 선택된 알려진 미디어 콘텐츠 내의 오프셋 시간을 결정하는 단계를 더 포함하고, 상기 오프셋 시간은 상기 미디어 시스템에 의해 디스플레이되고 있는 미지의 미디어 콘텐츠 내의 소정 시간에 대응하는,
    방법.
  20. 제12항에 있어서,
    상기 제1 인덱스를 하나 또는 그 이상의 제1 버킷으로 분리하는 단계는 상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 해시하는 단계를 포함하고,
    상기 제2 인덱스를 하나 또는 그 이상의 제2 버킷으로 분리하는 단계는 상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 알려진 콘텐츠 식별자를 해시하는 단계를 포함하는,
    방법.
  21. 제20항에 있어서,
    상기 제1 인덱스의 알려진 미디어 콘텐츠와 연관된 상기 해시된 알려진 콘텐츠 식별자를 정규화하는 단계; 및
    상기 제2 인덱스의 알려진 미디어 콘텐츠와 연관된 상기 해시된 알려진 콘텐츠 식별자를 정규화하는 단계
    를 더 포함하는 방법.
  22. 제12항에 있어서,
    상기 하나 또는 그 이상의 제1 버킷 중 제1 버킷의 알려진 미디어 콘텐츠의 양이 문턱값을 넘는다고 결정하는 단계; 및
    상기 제1 버킷을 폐기하는 단계
    를 더 포함하는 방법.
KR1020187004663A 2015-07-16 2016-07-15 미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법 KR20180030885A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562193351P 2015-07-16 2015-07-16
US62/193,351 2015-07-16
PCT/US2016/042557 WO2017011768A1 (en) 2015-07-16 2016-07-15 Systems and methods for partitioning search indexes for improved efficiency in identifying media segments

Publications (1)

Publication Number Publication Date
KR20180030885A true KR20180030885A (ko) 2018-03-26

Family

ID=56551008

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187004663A KR20180030885A (ko) 2015-07-16 2016-07-15 미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법

Country Status (12)

Country Link
US (2) US11308144B2 (ko)
EP (1) EP3323055A1 (ko)
JP (2) JP6763019B2 (ko)
KR (1) KR20180030885A (ko)
CN (1) CN108351879B (ko)
AU (1) AU2016291674B2 (ko)
BR (1) BR112018000801A2 (ko)
CA (2) CA2992519C (ko)
CL (1) CL2018000126A1 (ko)
HK (1) HK1255272A1 (ko)
MX (1) MX2018000651A (ko)
WO (1) WO2017011768A1 (ko)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10375451B2 (en) 2009-05-29 2019-08-06 Inscape Data, Inc. Detection of common media segments
US10949458B2 (en) 2009-05-29 2021-03-16 Inscape Data, Inc. System and method for improving work load management in ACR television monitoring system
US9094714B2 (en) 2009-05-29 2015-07-28 Cognitive Networks, Inc. Systems and methods for on-screen graphics detection
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
US9449090B2 (en) 2009-05-29 2016-09-20 Vizio Inscape Technologies, Llc Systems and methods for addressing a media database using distance associative hashing
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
CA2973740C (en) 2015-01-30 2021-06-08 Inscape Data, Inc. Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device
EP3284017B1 (en) 2015-04-17 2024-03-27 Inscape Data, Inc. Systems and methods for reducing data density in large datasets
US10080062B2 (en) 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization
KR102531622B1 (ko) 2015-07-16 2023-05-10 인스케이프 데이터, 인코포레이티드 시스템 자원 활용 최적화를 위한 비디오 세그먼트의 미래 시청 예측
CN108293140B (zh) 2015-07-16 2020-10-02 构造数据有限责任公司 公共媒体段的检测
BR112018000801A2 (pt) 2015-07-16 2018-09-04 Inscape Data Inc sistema, e método
US10158904B2 (en) * 2015-09-23 2018-12-18 Rovi Guides, Inc. Systems and methods to combine programming from multiple channels
KR102560635B1 (ko) * 2015-12-28 2023-07-28 삼성전자주식회사 컨텐트 인식 장치 및 그 동작 방법
US10575055B2 (en) * 2016-07-11 2020-02-25 Sony Corporation Using automatic content recognition (ACR) to weight search results for audio video display device (AVDD)
US10909173B2 (en) * 2016-12-09 2021-02-02 The Nielsen Company (Us), Llc Scalable architectures for reference signature matching and updating
CN110546932B (zh) * 2017-04-06 2022-06-10 构造数据有限责任公司 使用媒体查看数据提高设备映射图准确度的系统和方法
US10679068B2 (en) * 2017-06-13 2020-06-09 Google Llc Media contextual information from buffered media data
US11106708B2 (en) 2018-03-01 2021-08-31 Huawei Technologies Canada Co., Ltd. Layered locality sensitive hashing (LSH) partition indexing for big data applications
US10860647B2 (en) * 2018-09-06 2020-12-08 Gracenote, Inc. Systems, methods, and apparatus to improve media identification
US11582537B2 (en) * 2019-10-14 2023-02-14 Inscape Data, Inc. Dynamic content serving using a media device
US11120839B1 (en) * 2019-12-12 2021-09-14 Amazon Technologies, Inc. Segmenting and classifying video content using conversation
US11342003B1 (en) 2019-12-12 2022-05-24 Amazon Technologies, Inc. Segmenting and classifying video content using sounds
US20230169721A1 (en) * 2021-11-29 2023-06-01 Nvidia Corporation Consistent sampling for spatial hashing

Family Cites Families (294)

* Cited by examiner, † Cited by third party
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
US5006987A (en) * 1986-03-25 1991-04-09 Harless William G Audiovisual system for simulation of an interaction between persons through output of stored dramatic scenes in response to user vocal input
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
FR2648979B1 (fr) 1989-06-27 1996-09-06 Thomson Consumer Electronics Procede de segmentation du champ de mouvement d'une image et son application au codage d'images video
US5210820A (en) 1990-05-02 1993-05-11 Broadcast Data Systems Limited Partnership Signal recognition system and method
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
US6025837A (en) 1996-03-29 2000-02-15 Micrsoft Corporation Electronic program guide with hyperlinks to target resources
US6473099B1 (en) 1996-06-03 2002-10-29 Webtv Networks, Inc. Automatically upgrading software over a satellite link
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
US6298482B1 (en) 1997-11-12 2001-10-02 International Business Machines Corporation System for two-way digital multimedia broadcast and interactive services
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
US8290351B2 (en) * 2001-04-03 2012-10-16 Prime Research Alliance E., Inc. Alternative advertising in prerecorded media
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
AU3308400A (en) 1999-03-18 2000-10-04 British Broadcasting Corporation, The Watermarking
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
US7178106B2 (en) * 1999-04-21 2007-02-13 Sonic Solutions, A California Corporation Presentation of media content from multiple media sources
US6415438B1 (en) 1999-10-05 2002-07-02 Webtv Networks, Inc. Trigger having a time attribute
US7356830B1 (en) 1999-07-09 2008-04-08 Koninklijke Philips Electronics N.V. Method and apparatus for linking a video segment to another segment or information source
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
WO2001044992A1 (en) 1999-12-15 2001-06-21 Yellowbrix, Inc. Context matching system and method
AU7233700A (en) 1999-12-23 2001-06-28 Access Devices Limited TV receiving and internet browsing apparatus
JP2003527582A (ja) 2000-01-07 2003-09-16 サイバーオプティクス コーポレーション テレセントリック・プロジェクタを有する位相プロフィル測定システム
US6577346B1 (en) 2000-01-24 2003-06-10 Webtv Networks, Inc. Recognizing a pattern in a video segment to identify the video segment
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
US7028327B1 (en) 2000-02-02 2006-04-11 Wink Communication Using the electronic program guide to synchronize interactivity with broadcast programs
US7089240B2 (en) 2000-04-06 2006-08-08 International Business Machines Corporation Longest prefix match lookup using hash function
WO2001078401A2 (en) 2000-04-07 2001-10-18 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
US7787696B2 (en) 2000-08-28 2010-08-31 University Of North Carolina At Charlotte Systems and methods for adaptive sampling and estimating a systematic relationship between a plurality of points
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
EP1340377A2 (en) 2000-10-15 2003-09-03 Digital Networks North America, Inc. Method and system for dynamic ad placement
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
CN100431271C (zh) 2001-01-17 2008-11-05 皇家菲利浦电子有限公司 鲁棒的检查和
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
GB2395100B (en) 2001-08-16 2005-11-23 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
US20030105794A1 (en) 2001-11-09 2003-06-05 Jasinschi Radu S. Systems for sensing similarity in monitored broadcast content streams and methods of operating the same
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
US7716161B2 (en) 2002-09-24 2010-05-11 Google, Inc, Methods and apparatus for serving relevant advertisements
US7136875B2 (en) 2002-09-24 2006-11-14 Google, Inc. Serving advertisements based on content
ES2312772T3 (es) 2002-04-25 2009-03-01 Landmark Digital Services Llc Equivalencia solida e invariante de patron de audio.
US20150135206A1 (en) * 2002-05-10 2015-05-14 Convergent Media Solutions Llc Method and apparatus for browsing using alternative linkbases
WO2003096669A2 (en) * 2002-05-10 2003-11-20 Reisman Richard R Method and apparatus for browsing using multiple coordinated device
JP4658598B2 (ja) 2002-07-01 2011-03-23 マイクロソフト コーポレーション ストリームに埋め込まれた反復オブジェクトに対するユーザ制御を提供するシステムおよび方法
US20040045020A1 (en) 2002-08-29 2004-03-04 Witt Jeffrey Michael Commercial identification system
JP4198550B2 (ja) 2002-09-10 2008-12-17 株式会社東芝 フレーム補間方法およびこのフレーム補間方法を用いた装置
US7171402B1 (en) 2002-10-02 2007-01-30 Sony Computer Entertainment America Inc. Dynamic interactive content system
US7124149B2 (en) * 2002-12-13 2006-10-17 International Business Machines Corporation Method and apparatus for content representation and retrieval in concept model space
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
EP1463301A1 (en) 2003-03-19 2004-09-29 Thomson Licensing S.A. Method for identification of tokens in video sequences
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
JP2005084770A (ja) 2003-09-05 2005-03-31 Sony Corp コンテンツ提供システムおよび方法、提供装置および方法、再生装置および方法、並びにプログラム
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
CA2554306C (en) 2004-02-04 2014-04-08 Goldpocket Interactive, Inc. Synchronization and automation in an itv environment
EP1792422A4 (en) 2004-02-17 2012-10-17 Nielsen Media Res Inc METHOD AND DEVICE FOR DETERMINING THE SEEKERS 'HABITS FOR RECORDED PROGRAMS
MXPA06009614A (es) 2004-02-26 2007-02-22 Mediaguide Inc Metodo y aparato para deteccion e identificacion automaticas de difusion de senal de programacion de audio o video.
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
EP1766816A4 (en) 2004-04-19 2009-10-28 Landmark Digital Services Llc PROCESS AND SYSTEM FOR SAMPLING AND IDENTIFICATION OF CONTENT
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
KR100620452B1 (ko) 2004-08-09 2006-09-08 삼성전자주식회사 이미지 프로세싱 방법
CA2576865C (en) 2004-08-09 2013-06-18 Nielsen Media Research, Inc. 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
EP1829368B1 (en) 2004-11-22 2019-09-11 Nielsen Media Research, Inc. Methods and apparatus for media source identification and time shifted media consumption measurements
US7545984B1 (en) 2004-12-16 2009-06-09 Nvidia Corporation Quantifying graphics image difference
US20070005540A1 (en) * 2005-01-06 2007-01-04 Fadde Peter J Interactive video training of perceptual decision-making
JP2008527525A (ja) 2005-01-07 2008-07-24 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 グラフィカルなオブジェクトを検出するための方法及び電子装置
EP1864243A4 (en) 2005-02-08 2009-08-05 Landmark Digital Services Llc AUTOMATIC IDENTIFICATION OF REPEATED MATERIAL IN AUDIO SIGNALS
US20060195860A1 (en) 2005-02-25 2006-08-31 Eldering Charles A Acting on known video entities detected utilizing fingerprinting
US7804993B2 (en) 2005-02-28 2010-09-28 Applied Materials South East Asia Pte. Ltd. Method and apparatus for detecting defects in wafers including alignment of the wafer images so as to induce the same smear in all images
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
US20070242880A1 (en) 2005-05-18 2007-10-18 Stebbings David W System and method for the identification of motional media of widely varying picture content
US8893199B2 (en) 2005-06-22 2014-11-18 At&T Intellectual Property I, L.P. System and method of managing video content delivery
US20080052161A1 (en) * 2005-07-01 2008-02-28 Searete Llc Alteration of promotional content in media works
EP1750439A1 (en) 2005-08-03 2007-02-07 Thomson Licensing EPG content analyser
US7516074B2 (en) 2005-09-01 2009-04-07 Auditude, Inc. Extraction and matching of characteristic fingerprints from audio signals
US20070061831A1 (en) 2005-09-09 2007-03-15 Sbc Knowledge Ventures L.P. IPTV channel usage and video delivery path monitoring architecture
AU2006292506B2 (en) 2005-09-15 2010-04-22 Fourthwall Media, Inc Self-contained mini-applications system and method for digital television
US20070083901A1 (en) 2005-10-12 2007-04-12 Bond Madison E System and method for customized program scheduling
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
WO2007072326A2 (en) 2005-12-23 2007-06-28 Koninklijke Philips Electronics N.V. Script synchronization using fingerprints determined from a content stream
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
US20070154169A1 (en) * 2005-12-29 2007-07-05 United Video Properties, Inc. Systems and methods for accessing media program options based on program segment interest
US8011012B2 (en) * 2006-02-17 2011-08-30 Microsoft Corporation Program substitution
JP5649303B2 (ja) 2006-03-30 2015-01-07 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ メディア・ストリームに注釈を付ける方法および装置
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
US7873261B2 (en) * 2006-08-31 2011-01-18 At&T Intellectual Property I, L.P. Methods, systems, and computer-readable media for providing alternative media content
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
US20080209480A1 (en) * 2006-12-20 2008-08-28 Eide Kurt S Method for enhanced video programming system for integrating internet data for on-demand interactive retrieval
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
US8171152B2 (en) 2007-05-11 2012-05-01 Audinate Pty Limited Systems, methods and computer-readable media for configuring receiver latency
ATE494587T1 (de) 2007-05-17 2011-01-15 Dolby Lab Licensing Corp Ableitung von gegen bildbearbeitung und rahmenratenumwandlung unempfindlichen videosignaturen
US7972296B2 (en) 2007-10-10 2011-07-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US8560391B1 (en) * 2007-06-15 2013-10-15 At&T Mobility Ii Llc Classification engine for dynamic E-advertisement content insertion
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
FR2917929B1 (fr) * 2007-06-19 2010-05-28 Alcatel Lucent Dispositif de gestion d'insertion de contenus complementaires dans des flux de contenus multimedia.
US9438860B2 (en) 2007-06-26 2016-09-06 Verizon Patent And Licensing Inc. Method and system for filtering advertisements in a media stream
US8417037B2 (en) 2007-07-16 2013-04-09 Alexander Bronstein Methods and systems for representation and matching of video content
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
US8175333B2 (en) 2007-09-27 2012-05-08 Behavioral Recognition Systems, Inc. Estimator identifier component for behavioral recognition system
US8351643B2 (en) 2007-10-05 2013-01-08 Dolby Laboratories Licensing Corporation Media fingerprints that reliably correspond to media content
US8619877B2 (en) 2007-10-11 2013-12-31 Microsoft Corporation Optimized key frame caching for remote interface rendering
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
WO2009116856A2 (en) 2008-03-18 2009-09-24 Civolution B.V. Generating statistics of popular content
EP2257909B1 (en) 2008-03-20 2015-05-13 Université de Genève Secure item identification and authentication system and method based on unclonable features
JP2011519454A (ja) 2008-04-13 2011-07-07 アイファロ メディア ゲーエムベーハー メディア資産管理
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
JP5080368B2 (ja) * 2008-06-06 2012-11-21 日本放送協会 映像コンテンツ検索装置及びコンピュータプログラム
GB2460844B (en) 2008-06-10 2012-06-06 Half Minute Media Ltd Automatic detection of repeating video sequences
US8195689B2 (en) 2009-06-10 2012-06-05 Zeitera, Llc Media fingerprinting and identification system
US8385644B2 (en) 2008-07-08 2013-02-26 Zeitera, Llc Digital video fingerprinting based on resultant weighted gradient orientation computation
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
US8634944B2 (en) 2008-07-10 2014-01-21 Apple Inc. Auto-station tuning
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
CN102292726B (zh) 2009-01-23 2014-10-22 日本电气株式会社 视频标识符提取设备
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
WO2010120480A1 (en) 2009-04-01 2010-10-21 Marvell World Trade, Ltd. Cadence detection in progressive video
WO2010135082A1 (en) 2009-05-19 2010-11-25 Dolby Laboratories Licensing Corporation Localized weak bit assignment
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
US10949458B2 (en) 2009-05-29 2021-03-16 Inscape Data, Inc. System and method for improving work load management in ACR television monitoring system
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
US9449090B2 (en) 2009-05-29 2016-09-20 Vizio Inscape Technologies, Llc Systems and methods for addressing a media database using distance associative hashing
US9094714B2 (en) 2009-05-29 2015-07-28 Cognitive Networks, Inc. Systems and methods for on-screen graphics detection
US10375451B2 (en) 2009-05-29 2019-08-06 Inscape Data, Inc. Detection of common media segments
WO2011008771A1 (en) 2009-07-14 2011-01-20 Vibrant Media, Inc. 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
US20110066944A1 (en) * 2009-09-14 2011-03-17 Barton James M Multifunction Multimedia Device
EP2507744A2 (en) 2009-12-02 2012-10-10 QUALCOMM Incorporated Feature matching by clustering detected keypoints in query and model images
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
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
CN103069823A (zh) 2010-04-14 2013-04-24 斯文·里思米勒 与媒体广播的平台无关的交互性
US8522283B2 (en) 2010-05-20 2013-08-27 Google Inc. Television remote control data transfer
US20110289099A1 (en) 2010-05-20 2011-11-24 Rovi Technologies Corporation Method and apparatus for identifying video program material via dvs or sap data
US10192138B2 (en) 2010-05-27 2019-01-29 Inscape Data, Inc. Systems and methods for reducing data density in large datasets
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
US9118842B2 (en) 2010-09-16 2015-08-25 Intellectual Ventures Fund 83 Llc Producing focused videos from single captured video
JP5092000B2 (ja) 2010-09-24 2012-12-05 株式会社東芝 映像処理装置、方法、及び映像処理システム
WO2012057724A1 (en) 2010-10-26 2012-05-03 Thomson Licensing Systems for identifying audio information from a television data stream and related methods
US8863165B2 (en) 2010-11-01 2014-10-14 Gracenote, Inc. Method and system for presenting additional content at a media system
US20120294586A1 (en) 2010-11-18 2012-11-22 David John Weaver Controlling time-sensitive content in a time-shifted environment
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
EP2507790B1 (en) 2011-06-06 2014-01-22 Bridge Mediatech, S.L. Method and system for robust audio hashing.
JP6060155B2 (ja) 2011-06-08 2017-01-11 シャザム エンターテインメント リミテッドＳｈａｚａｍ Ｅｎｔｅｒｔａｉｎｍｅｎｔ Ｌｉｍｉｔｅｄ 受信データの比較を実行しその比較に基づいて後続サービスを提供する方法及びシステム
BR112013031574A2 (pt) 2011-06-10 2018-04-24 Shazam Entertainment Ltd métodos e sistemas para identificar conteúdo em um fluxo de dados
US9077458B2 (en) 2011-06-17 2015-07-07 Microsoft Technology Licensing, Llc Selection of advertisements via viewer feedback
EP2727335A4 (en) 2011-06-28 2015-01-14 Tata Consultancy Services Ltd PROCESS AND SYSTEM FOR CONTEXTIC RECOMMENDATIONS
US9049073B2 (en) 2011-06-28 2015-06-02 Rovi Guides, Inc. Systems and methods for initializing allocations of transport streams based on historical data
JP5598925B2 (ja) * 2011-06-29 2014-10-01 Ｋｄｄｉ株式会社 高次元の特徴ベクトルを高精度で検索する検索装置及びプログラム
WO2013021824A1 (ja) 2011-08-05 2013-02-14 ソニー株式会社 受信装置、受信方法、プログラム、及び情報処理システム
WO2013023705A1 (en) 2011-08-18 2013-02-21 Layar B.V. Methods and systems for enabling creation of augmented reality content
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
US8737813B2 (en) * 2011-09-16 2014-05-27 Nbcuniversal Media, Llc Automatic content recognition system and method for providing supplementary content
JP2013070158A (ja) * 2011-09-21 2013-04-18 Kddi Corp 映像検索装置およびプログラム
US9866915B2 (en) 2011-11-28 2018-01-09 Excalibur Ip, Llc Context relevant interactive television
US8997133B2 (en) 2012-02-07 2015-03-31 Turner Broadcasting System, Inc. Method and system for utilizing automatic content recognition for content tracking
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
US20130263166A1 (en) 2012-03-27 2013-10-03 Bluefin Labs, Inc. Social Networking System Targeted Message Synchronization
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
CA2775700C (en) 2012-05-04 2013-07-23 Microsoft Corporation Determining a future portion of a currently presented media program
KR101315970B1 (ko) 2012-05-23 2013-10-08 (주)엔써즈 오디오 신호를 이용한 콘텐츠 인식 장치 및 방법
US9473780B2 (en) 2012-07-13 2016-10-18 Apple Inc. Video transmission using content-based frame search
US8823507B1 (en) 2012-09-19 2014-09-02 Amazon Technologies, Inc. Variable notification alerts
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
WO2014144408A2 (en) 2013-03-15 2014-09-18 Nito, Inc. Systems, methods, and software for detecting an object in an image
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.
CN103326953B (zh) 2013-03-28 2016-06-29 华为技术有限公司 一种基于令牌桶的流量限制方法和装置
US9143840B2 (en) 2013-05-20 2015-09-22 Veenome, Inc. Systems and methods for evaluating online videos
US9986307B2 (en) 2013-07-19 2018-05-29 Bottle Rocket LLC Interactive video viewing
US9769539B2 (en) * 2013-09-03 2017-09-19 International Business Machines Corporation Consumer-configurable alternative advertising reception with incentives
GB201316196D0 (en) 2013-09-11 2013-10-23 Piksel Inc Triggering an action in a computer device
CN103530326A (zh) * 2013-09-25 2014-01-22 深圳先进技术研究院 在视频文件中添加地理位置信息并建立索引的方法
US20150100979A1 (en) 2013-10-07 2015-04-09 Smrtv, Inc. System and method for creating contextual messages for videos
US9325646B2 (en) 2013-10-28 2016-04-26 Verizon Patent And Licensing Inc. Providing contextual messages relating to currently accessed content
US9363551B2 (en) 2013-10-31 2016-06-07 Tencent Technology (Shenzhen) Company Limited TV program identification method, apparatus, terminal, server and system
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
CA2934956C (en) 2013-12-23 2023-06-13 Vizio Inscape Technologies, Llc Tracking pixels and cookies for television event viewing
KR102229156B1 (ko) 2014-03-05 2021-03-18 삼성전자주식회사 디스플레이 장치 및 디스플레이 장치의 제어 방법
US20150302890A1 (en) 2014-04-17 2015-10-22 Echostar Technologies L.L.C. Pausing and resuming media play
BR112017011522A2 (pt) * 2014-12-01 2018-05-15 Inscape Data Inc sistema, e, método
CN107113477B (zh) 2015-01-16 2020-07-03 金子太郎 移动图像回放方法、设备及计算机可读存储介质
CA2973740C (en) 2015-01-30 2021-06-08 Inscape Data, Inc. Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device
US10721499B2 (en) 2015-03-27 2020-07-21 Twitter, Inc. Live video streaming services
EP3284017B1 (en) 2015-04-17 2024-03-27 Inscape Data, Inc. Systems and methods for reducing data density in large datasets
US20160314794A1 (en) 2015-04-27 2016-10-27 Soundhound, Inc. System and method for continuing an interrupted broadcast stream
US10923116B2 (en) 2015-06-01 2021-02-16 Sinclair Broadcast Group, Inc. Break state detection in content management systems
US10484329B2 (en) 2015-06-03 2019-11-19 Oath Inc. Computerized notification system and method for delivering breaking news content
BR112018000801A2 (pt) 2015-07-16 2018-09-04 Inscape Data Inc sistema, e método
US10080062B2 (en) 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization
KR102531622B1 (ko) 2015-07-16 2023-05-10 인스케이프 데이터, 인코포레이티드 시스템 자원 활용 최적화를 위한 비디오 세그먼트의 미래 시청 예측
US20170186042A1 (en) 2015-12-28 2017-06-29 Facebook, Inc. Systems and methods for promoting content items
US10225623B2 (en) 2016-06-07 2019-03-05 Comcast Cable Communications, Llc Non-temporal advertising

Also Published As

Publication number Publication date
JP6763019B2 (ja) 2020-09-30
CN108351879A (zh) 2018-07-31
US11308144B2 (en) 2022-04-19
US20220269708A1 (en) 2022-08-25
CN108351879B (zh) 2022-02-18
CA2992519A1 (en) 2017-01-19
US20170017645A1 (en) 2017-01-19
BR112018000801A2 (pt) 2018-09-04
WO2017011768A1 (en) 2017-01-19
MX2018000651A (es) 2018-05-11
HK1255272A1 (zh) 2019-08-09
CA3229617A1 (en) 2017-01-19
AU2016291674A1 (en) 2018-02-08
JP2021007013A (ja) 2021-01-21
EP3323055A1 (en) 2018-05-23
JP2018530080A (ja) 2018-10-11
JP6972260B2 (ja) 2021-11-24
AU2016291674B2 (en) 2021-08-26
CA2992519C (en) 2024-04-02
CL2018000126A1 (es) 2018-06-29

Similar Documents

Publication Publication Date Title
JP6972260B2 (ja) メディアセグメント識別効率向上のために探索索引を区分するためのシステムおよび方法
AU2016291690B2 (en) Prediction of future views of video segments to optimize system resource utilization
JP6833842B2 (ja) システムリソース利用を改善するためのメディア指紋保持の最適化
US11659255B2 (en) Detection of common media segments
US20210216582A1 (en) System and method for improving work load management in acr television monitoring system
KR102660052B1 (ko) 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화

Legal Events

Date Code Title Description
E902 Notification of reason for refusal