KR20240056772A - 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화 - Google Patents

시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화 Download PDF

Info

Publication number
KR20240056772A
KR20240056772A KR1020247012847A KR20247012847A KR20240056772A KR 20240056772 A KR20240056772 A KR 20240056772A KR 1020247012847 A KR1020247012847 A KR 1020247012847A KR 20247012847 A KR20247012847 A KR 20247012847A KR 20240056772 A KR20240056772 A KR 20240056772A
Authority
KR
South Korea
Prior art keywords
frame
data
pixel data
previous
cue
Prior art date
Application number
KR1020247012847A
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 KR20240056772A publication Critical patent/KR20240056772A/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234381—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the temporal resolution, e.g. decreasing the frame rate by frame skipping
    • 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
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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 
    • H04N21/61—Network physical structure; Signal processing
    • H04N21/6106—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network
    • H04N21/6125—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network involving transmission via Internet
    • 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

Abstract

프레임과 관련된 불필요한 데이터를 제거하기 위한 장치, 컴퓨터 프로그램 제품, 및 방법이 제공된다. 예를 들어, 방법은 초기 프레임을 수신하는 단계, 초기 프레임에 대한 초기 큐 데이터를 결정하는 단계, 및 초기 큐 데이터를 서버에 전송하는 단계를 포함할 수 있다. 상기 방법은 새로운 프레임을 수신하는 단계 및 상기 새로운 프레임에 대한 새로운 큐 데이터를 결정하는 단계를 더 포함할 수 있다. 상기 방법은 픽셀 값 범위를 식별하는 단계를 더 포함할 수 있다. 상기 방법은 초기 픽셀 데이터 샘플과 새로운 픽셀 데이터 샘플 간의 픽셀 값 차이를 결정하는 단계를 더 포함할 수 있다. 상기 방법은 픽셀 값 차이가 픽셀 값 범위 내에 있음을 결정하는 단계, 및 픽셀 값 차이가 픽셀 값 범위 내에 있을 때 새로운 큐 데이터로부터 새로운 픽셀 데이터 샘플을 제거함으로써 새로운 큐 데이터를 업데이트하는 단계를 더 포함할 수 있다. 상기 방법은 업데이트 된 새로운 큐 데이터를 서버에 전송하는 단계를 더 포함할 수 있다.

Description

시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화{OPTIMIZING MEDIA FINGERPRINT RETENTION TO IMPROVE SYSTEM RESOURCE UTILIZATION}
관련 출원에 대한 상호 참조
본 출원은 2015년 7월 16일자로 출원된 미국 임시출원 제 62/193,342 호에 기초한 우선권을 주장하며, 그 모든 내용은 참조에 의하여 본원에 편입된다. 또한, 2013년 11월 25일 출원된 미국 특허 출원 제 14/089,003호, 2009년 5월 29일 출원된 미국 임시 출원 제 61/182,334호, 2009년 12월 29일 출원된 미국 임시 출원 제 61/290,714호, 2015년 5월 27일 출원된 미국 특허 출원 제 12/788,748호, 및 2015년 5월 27일 출원된 미국 특허 출원 제 12/788,721호의 모든 내용은 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 디스플레이 된 콘텐츠의 인식을 위해 사용되는 시스템 리소스의 관리를 개선하는 것과 관련된다. 일부 예들에서, 매칭 서버에 전송되는 데이터의 양과 매칭 서버 또는 매칭 서버에 관련된 데이터베이스에 의해 저장되는 데이터의 양을 감소시키기 위해 매칭 서버에 전송되는 데이터의 일부를 제거하기 위한 다양한 기술 및 시스템이 제공된다.
밀도높은 데이터 세트들을 관리하는 것은 중대한 과제를 제공한다. 예를 들어, 대량의 데이터를 저장, 인덱싱 및 관리함에 있어 어려움이 존재한다. 이러한 어려움은 데이터 세트들에 저장된 참조 데이터를 사용하여 데이터간에 가장 가까운 매치(match)를 검색하고 식별하는 시스템에서 발생할 수 있다.
프레임과 관련된 불필요한 데이터를 제거하기 위한 장치, 컴퓨터 프로그램 제품, 및 방법이 제공된다. 이러한 제거는 미디어 시스템 또는 매칭 서버에 의해 수행될 수 있다.
일부 구현예에서, 불필요한 데이터를 제거하기 위한 장치, 컴퓨터 프로그램 제품, 및 방법이 제공된다. 예를 들어, 이러한 방법 중 하나는 초기 프레임을 수신하는 단계를 포함할 수 있다. 일부 예에서, 초기 프레임은 픽셀 데이터를 포함한다. 상기 방법은 초기 프레임에 대한 초기 큐 데이터를 결정하는 단계를 더 포함할 수 있다. 일부 예에서, 초기 큐 데이터는 초기 프레임과 연관된 복수의 초기 픽셀 데이터 샘플을 포함한다.
상기 방법은 초기 큐 데이터를 전송하는 단계를 더 포함할 수 있다. 일부 예에서, 초기 큐 데이터는 서버로 어드레스된다. 상기 방법은 새로운 프레임을 수신하는 단계를 더 포함할 수 있다. 일부 예에서, 새로운 프레임은 픽셀 데이터를 포함한다. 상기 방법은 새로운 프레임에 대한 새로운 큐 데이터를 결정하는 단계를 더 포함할 수 있다. 일부 예에서, 새로운 큐 데이터는 새로운 프레임과 연관된 복수의 새로운 픽셀 데이터 샘플을 포함한다. 상기 방법은 픽셀 값 범위를 식별하는 단계를 더 포함할 수 있다. 일부 예에서, 픽셀 데이터 샘플들은 상기 픽셀 데이터 샘플들 간의 픽셀 값 차이가 픽셀 값 범위 내에 있을 때 유사하다고 판단된다.
상기 방법은 초기 픽셀 데이터 샘플과 새로운 픽셀 데이터 샘플 간의 픽셀 값 차이를 결정하는 단계를 더 포함할 수 있다. 일부 예에서, 상기 초기 픽셀 데이터 샘플은 상기 새로운 픽셀 데이터 샘플에 대응한다. 상기 방법은 픽셀 값 차이가 픽셀 값 범위 내에 있음을 결정하는 단계를 더 포함할 수 있다. 상기 방법은 픽셀 값 차이가 픽셀 값 범위 내에 있을 때 새로운 큐 데이터로부터 새로운 픽셀 데이터 샘플을 제거함으로써 새로운 큐 데이터를 업데이트하는 단계를 더 포함할 수 있다. 상기 방법은 업데이트 된 새로운 큐 데이터를 전송하는 단계를 더 포함할 수 있다. 일부 예에서, 업데이트된 새로운 큐 데이터는 서버로 어드레스된다.
일부 구현예에서, 상기 방법은 새로운 픽셀 데이터 샘플이 새로운 큐 데이터로부터 제거됨을 나타내는 플래그를 전송하는 단계를 더 포함 할 수 있다. 일부 예에서, 플래그는 서버로 어드레스된다.
일부 구현예에서, 상기 방법은 한 행(row)의 픽셀 데이터 샘플이 상기 새로운 큐 데이터로부터 제거됨을 나타내는 플래그를 전송하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 새로운 픽셀 데이터 샘플이 상기 행에 포함된다. 일부 예에서, 상기 플래그는 서버로 어드레스된다.
일부 구현예에서, 픽셀 데이터 샘플이 픽셀 패치(patch)로부터 계산된다. 일부 예에서, 상기 플래그는 서버로 어드레스된다. 이러한 구현예에서, 상기 픽셀 패치는 프레임의 픽셀들의 배열을 포함한다. 일부 구현예에서, 상기 픽셀 데이터 샘플은 상기 픽셀 패치 내의 픽셀들의 픽셀 값의 평균을 취함으로써 계산된다.
일부 구현예에서, 제거된 하나 또는 그 이상의 부분과 데이터를 매칭하기 위한 장치, 컴퓨터 프로그램 제품, 및 방법이 제공된다. 예를 들어, 상기 방법은 복수의 기준 데이터 세트들을 기준 데이터베이스에 저장하는 단계를 포함할 수 있다. 일부 예에서, 기준 데이터 세트는 미디어 세그먼트와 연관된다. 상기 방법은, 서버에 의해 프레임에 대한 큐 데이터를 수신하는 단계를 더 포함할 수 있다. 일부 예에서, 상기 큐 데이터는 프레임으로부터의 복수의 픽셀 데이터 샘플들을 포함한다. 일부 예에서, 프레임은 식별되지 않은 미디어 세그먼트와 연관된다.
상기 방법은 상기 프레임에 대한 큐 데이터로부터 픽셀 데이터 샘플의 부재를 식별하는 단계를 더 포함할 수 있다. 상기 방법은 상기 프레임에 대한 큐 데이터를 기준 데이터 세트와 매칭시키는 단계를 더 포함할 수 있다. 일부 예에서, 매칭은 이전 큐 데이터의 이전 픽셀 데이터 샘플을 이용하는 단계를 포함한다. 일부 예에서, 상기 이전 큐 데이터는 이전 프레임으로부터의 것이다. 일부 예에서, 상기 이전 픽셀 데이터 샘플은 상기 프레임에 없는 픽셀 데이터 샘플에 대응한다. 일부 예에서, 상기 기준 데이터 세트는 미디어 세그먼트와 연관된다. 상기 방법은 상기 식별되지 않은 미디어 세그먼트가 상기 미디어 세그먼트임을 결정하는 단계를 더 포함할 수 있다.
일부 구현예에서, 상기 방법은 상기 픽셀 데이터 샘플이 상기 큐 데이터에 부재함을 나타내는 플래그를 수신하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 픽셀 데이터 샘플의 부재는 상기 플래그를 사용하여 식별된다.
일부 구현예에서, 상기 방법은 한 행의 픽셀 데이터 샘플이 상기 큐 데이터에 부재함을 나타내는 플래그를 수신하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 픽셀 데이터 샘플은 상기 행에 포함된다.
일부 구현예에서, 상기 픽셀 데이터 샘플의 부재를 식별하는 단계는 누락된 픽셀 데이터 샘플에 대한 큐 데이터를 분석하는 단계를 포함한다.
일부 구현예에서, 상기 방법은 상기 이전 큐 데이터를 식별하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 방법은 상기 이전 큐 데이터가 상기 이전 픽셀 데이터 샘플을 포함하는 것으로 결정하는 단계를 더 포함할 수 있다.
일부 구현예에서, 상기 방법은 상기 이전 큐 데이터를 식별하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 방법은 상기 이전 픽셀 데이터 샘플이 상기 이전 큐 데이터에 부재함을 결정하는 단계를 더 포함할 수 있다. 이러한 구현예에서, 상기 방법은 상기 프레임에 대한 큐 데이터를 상기 기준 데이터 세트와 매칭시키기 위해 상기 이전 픽셀 데이터 샘플을 사용할 것을 결정하는 단계를 더 포함할 수 있다.
본 발명의 특징, 국면, 및 이점은 첨부된 도면을 참조하여 이하의 설명을 읽을 때 가장 쉽게 이해될 것이며, 상기 도면에 있어서 동일한 번호는 도면 전반에 걸쳐 동일한 컴포넌트 또는 부품을 나타낸다.
구체적인 예들이 첨부된 도면을 참조하여 이하에 상세히 설명된다.
도 1은 미디어 시스템에 의해 보여지는 비디오 콘텐츠를 식별하기 위한 매칭 시스템의 일 예의 블록도이다.
도 2는 미지의 데이터 포인트를 식별하기 위한 매칭 시스템의 일 예를 도시한 도면이다.
도 3은 비디오 캡처 시스템(video capture system)의 일 예를 도시한 블록도이다.
도 4는 디스플레이에 의해 제공되는 비디오 콘텐츠를 수집하는 시스템의 일 예를 도시한 블록도이다.
도 5는 매칭 서버에 전송될 수있는 프레임 시퀀스의 일 예를 도시한다.
도 6은 픽셀 데이터 샘플들의 행들이 제거된 프레임 시퀀스의 일 예를 도시한다.
도 7은 매칭 서버에 전송되지 않은 프레임들을 갖는 프레임 시퀀스의 일 예를 도시한다.
도 8은 프레임의 큐 데이터로부터 픽셀 데이터 샘플을 버리는 프로세스의 일 예를 도시한 흐름도이다.
도 9는 새로운 프레임 데이터를 보충하기 위해 초기 프레임 데이터를 사용하는, 식별되지 않은 미디어 세그먼트를 결정하는 프로세스의 일 예를 도시한 흐름도이다.
도 10은 포인트 위치(point location) 및 그 주위의 경로 포인트(path point)를 도시한 차트이다.
도 11은 쿼리 포인트(query point)로부터 소정 거리 내에 있는 포인트들의 세트를 도시한 차트이다.
도 12는 가능한 포인트 값을 도시하는 차트이다.
도 13은 지수적으로(exponentially) 증가하는 폭의 링으로 분할된 공간을 예시한 차트이다.
도 14는 자기 교차 경로(self-intersecting path) 및 쿼리 포인트를 도시한 차트이다.
도 15는 3개의 연속적인 포인트 위치 및 그 주위의 경로 포인트를 도시한 차트이다.
이하의 기술에서는, 설명의 목적으로, 본 명세서에 개시된 예들에 관한 완전한 이해를 제공하기 위해 구체적인 세부 사항들이 제시된다. 그러나, 이들 구체적인 세부 사항 없이도 다양한 예가 실시될 수 있음이 명백하다. 도면 및 설명은 본 발명을 제한하려는 것이 아니다.
이하의 설명은 단지 본 발명의 예시를 제공하며, 본 명세서의 개시 내용의 범위, 적용 가능성, 또는 구성을 제한하려는 것은 아니다. 오히려, 예시에 관한 이하의 설명은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "당업자")에게 본 발명의 일 예를 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 예시에 대한 완벽한 이해를 돕기 위해 이하에 구체적인 세부 사항들이 제공된다. 그러나, 당업자는 이러한 구체적인 세부 사항 없이도 본 발명의 예시들이 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 예시들을 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.
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 시스템 및 방법은 ACR 시스템에서 시스템 리소스의 개선된 관리를 가능하게 할 수 있다. 예를 들어, ACR 시스템으로 보내거나 ACR 시스템에 저장된 데이터를 관리함으로써 시스템 리소스 활용의 효율성을 높일 수 있다. 본 명세서의 설명은 비디오 세그먼트에 적용할 수 있지만, 오디오 세그먼트를 포함하는 다른 미디어 세그먼트 또한 사용될 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 데이터(cue data)"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.
일부 실시예에서, 큐 데이터는 매칭 서버(예를 들어, 매칭 서버 104)에 전송되기 전에 분석될 수 있으며, 이에 의해 매칭 서버로 전송되는 데이터의 양 및 미디어 시스템으로부터(예를 들어, 매칭 서버 상에서 또는 매칭 서버와 연관된 데이터베이스에서) 원격으로 저장된 데이터의 양을 감소시킬 수 있다. 일부 실시예에서, 새로운 큐 데이터의 적어도 일부분은 새로운 큐 데이터가 이미 매칭 서버에 전송된 이전 큐 데이터와 충분히 유사한지 여부의 결정에 따라 폐기될 수 있다. 예를 들어, 하나 또는 그 이상의 픽셀 데이터 샘플은 새로운 큐 데이터로부터 폐기될 수 있다. 다른 예에서는, 본원에 있어서의 픽셀 데이터 샘플을 폐기하는 방법은, 픽셀 데이터 샘플이 매칭 서버에 의해 수신된 후에, 매칭 서버상에서 발생할 수 있다.
도 5는 매칭 서버(예를 들어, 매칭 서버 104)에 전송될 수 있는 프레임들의 시퀀스(이하, "프레임 시퀀스"라고도 함)의 일 예를 도시한다. 프레임들의 시퀀스는 제1 프레임 510, 제2 프레임 520, 제3 프레임 530 및 제4 프레임 540을 포함 할 수 있다. 당업자는 프레임들의 시퀀스에서 더 많거나 적은 프레임들이 존재할 수 있음을 인식할 것이다.
일부 예에서, 프레임 시퀀스의 프레임을 큐 데이터로 변환하는 프로세스는 도 3에서 논의된 것과 유사 할 수 있다. 예를 들어, 하나 또는 그 이상의 위치가 프레임 내에서 식별 될 수 있다(예를 들어, 위치 1, 위치 2, 위치 3, 위치 4, 위치 5, 위치 6, 위치 7, 및 위치 8). 일부 실시예에서, 위치는 픽셀의 배열(예를 들어, 10 x 10과 같은 포맷으로 배열된 하나 또는 그 이상의 픽셀)을 포함할 수 있는 픽셀 패치일 수 있다. 일부 실시예에서, 픽셀은 적색 값, 녹색 값 및 청색 값(적 - 녹 - 청(RGB) 색 공간에서)을 포함할 수 있다. 당업자는 다른 색 공간이 사용될 수 있음을 인식할 것이다. 일부 실시예에서, 픽셀의 배열 내의 하나 또는 그 이상의 픽셀은 매칭 서버에 전송되기 전에 요약될 수 있다. 예를 들어, 하나 또는 그 이상의 픽셀은 각각, 하나 또는 그 이상의 픽셀에 대한 평균 적색 값을 생성하기 위해 평균한 하나 또는 그 이상의 픽셀의 적색 값을 가질 수 있다. 또한, 하나 또는 그 이상의 픽셀은 각각, 하나 또는 그 이상의 픽셀에 대한 평균 녹색 값을 생성하도록 평균한 하나 또는 그 이상의 픽셀의 녹색 값을 가질 수 있다. 또한, 하나 이상의 픽셀은 각각, 하나 또는 그 이상의 픽셀에 대한 평균 청색 값을 생성하기 위해 평균한 하나 또는 그 이상의 픽셀의 청색 값을 가질 수 있다. 일부 실시예에서, 픽셀에 대한 평균 적색 값, 평균 녹색 값 및 평균 청색 값은, 위치에 대한 픽셀 데이터 샘플을 생성하기 위해 픽셀 배열의 픽셀들에 대한 다른 평균 적색 값, 평균 녹색 값 및 평균 청색 값과 유사한 방식으로 함께 평균을 낼 수 있다. 예를 들어, 하나 또는 그 이상의 픽셀에 대한 적색 평균은 0 일 수 있고, 하나 또는 그 이상의 픽셀에 대한 녹색 평균은 255 일 수 있고, 하나 또는 그 이상의 픽셀에 대한 청색 평균은 45 일 수 있다. 이러한 예에서, 하나 또는 그 이상의 픽셀에 대한 픽셀 데이터 샘플은 0, 255 및 45일 수 있으며, 하나 또는 그 이상의 픽셀이 3개의 수를 사용하여 요약될 수 있게 한다.
다른 실시예에서, 픽셀의 적색 값, 녹색 값, 및 청색 값을 함께 평균하여 픽셀에 대한 평균 픽셀 값을 생성할 수 있다. 픽셀 어레이의 픽셀에 대한 평균 픽셀 값을 픽셀 어레이의 다른 픽셀에 대한 다른 평균 픽셀 값과 함께 평균하여 위치에 대한 픽셀 데이터 샘플을 생성할 수 있다. 그러한 예에서, 하나 또는 그 이상의 적색 값, 하나 또는 그 이상의 녹색 값, 및 하나 또는 그 이상의 청색 값을 함께 평균하여 하나 또는 그 이상의 픽셀을 요약하는 하나의 숫자를 생성할 수 있다. 위의 예에서, 하나 또는 그 이상의 픽셀을 요약하는 하나의 숫자는 0, 255 및 45의 평균인 100일 수 있다.
일부 실시예에서, 픽셀 데이터 샘플은 프레임의 각 위치에 대해 계산될 수 있다. 그리고 프레임에 대한 픽셀 데이터 샘플을 결합하여 매칭 서버로 보낼 수 있다. 일부 실시예에서, 결합은 하나의 숫자를 생성하기 위해 숫자들을 함께 첨부하는 것을 포함할 수 있다. 예를 들어, 100, 25 및 55를 결합하여 100025055가 될 수 있다. 다른 실시예에서, 큐 데이터 객체는 각 위치에 대한 변수로 생성될 수 있다. 이러한 예에서, 큐 데이터 객체는 매칭 서버에 전송될 수 있다. 다른 실시예에서, 픽셀 데이터(예를 들어, 픽셀에 대한 적색 값, 녹색 값 및 청색 값)는 위치들(상기한 바와 같음)이 값들을 포함하는지 여부를 나타내는 비트 맵으로 직렬화될 수 있다. 예를 들어, 값을 포함하는 위치는 "1"을 포함할 수 있고 값을 포함하지 않는(예를 들어 값이 제거됨) 위치는 "0"을 포함할 수 있다. 당업자는 프레임 내의 위치를 요약하는 다른 방법들이 사용될 수 있음을 인식할 것이다.
도 6은 픽셀 데이터 샘플들의 행(row)이 제거된 프레임들의 시퀀스의 일 예를 도시한다. 픽셀 데이터 샘플의 행을 제거함으로써, 프레임들의 시퀀스의 크기가 감소될 수 있고, 프레임들의 시퀀스를 저장하는데 요구되는 메모리의 양이 감소될 수 있다. 당업자는 단일 픽셀 데이터 샘플이, 전체 행이 아닌 큐 데이터로부터 제거될 수 있다는 것을 인식할 것이다.
일부 실시예에서, 큐 데이터의 하나 또는 그 이상의 픽셀 데이터 샘플이 이전 큐 데이터와 유사한 경우에 큐 데이터로부터 픽셀 데이터 샘플의 행을 제거할 수 있다. 일부 실시예에서, 픽셀 데이터 샘플은 두 픽셀 데이터 샘플 간의 차이가 픽셀 값 범위 내에 있는 경우에 다른 픽셀 데이터 샘플과 유사 할 수 있다. 픽셀 값 범위는 미리 구성될 수 있다. 예를 들어, 픽셀 값 범위는 0-255 값 범위에서 5개의 값(플러스 또는 마이너스)이 될 수 있다. 이러한 실시예에서, 제1 픽셀 데이터 샘플은, 제1 픽셀 데이터 샘플이 제2 픽셀 데이터 샘플의 5개의 값들 내에 있는 경우에, 제2 픽셀 데이터 샘플과 유사하다.
하나의 예시적인 실시예에서, 프레임 610은 8 개의 픽셀 데이터 샘플 모두를 포함할 수 있다. 그러나, 도 620은 픽셀 데이터 샘플 1-3이 아닌 픽셀 데이터 샘플 4-8을 포함할 수 있다. 프레임 620의 픽셀 데이터 샘플 1-3은, 프레임 620의 픽셀 데이터 샘플 1-3의 적어도 하나의 픽셀 데이터 샘플이 프레임 610의 픽셀 데이터 샘플 1-3의 대응하는 픽셀 데이터 샘플과 유사하기 때문에 제거될 수 있다. 또한, 프레임 630은 픽셀 데이터 샘플 1-3 및 6-8을 포함 할 수 있지만, 픽셀 데이터 샘플 4-5는 포함할 수 없다. 프레임 620의 픽셀 데이터 샘플 1-3은, 프레임 630의 픽셀 데이터 샘플 1-3이 프레임 620의 픽셀 데이터 샘플 1-3과 상이하기 때문에 유지될 수 있다. 그러나, 프레임 630의 픽셀 데이터 샘플 4-5는, 프레임 630의 픽셀 데이터 샘플 4-5의 적어도 하나의 픽셀 데이터 샘플이 프레임 620의 픽셀 데이터 샘플 4-5의 대응하는 픽셀 데이터 샘플과 유사하기 때문에 제거될 수 있다. 또한, 프레임 640은 픽셀 데이터 샘플 6-8을 포함할 수 있지만 픽셀 데이터 샘플 1-5는 포함할 수 없다. 프레임 640의 픽셀 데이터 샘플 1-3은, 프레임 640의 픽셀 데이터 샘플 1-3의 적어도 하나의 픽셀 데이터 샘플이 프레임 630의 픽셀 데이터 샘플 1-3의 대응하는 픽셀 데이터 샘플과 유사하기 때문에 제거될 수 있다. 프레임 640의 픽셀 데이터 샘플 4-5는, 프레임 640의 픽셀 데이터 샘플 4-5의 적어도 하나의 픽셀 데이터 샘플이 프레임 620의 픽셀 데이터 샘플 4-5의 대응 픽셀 데이터 샘플과 유사하기 때문에 제거될 수 있다(프레임 630의 픽셀 데이터 샘플 4-5가 제거되었으므로 프레임 630과의 비교는 생략될 수 있음). 다른 실시예에서, 미디어 시스템은 프레임 630의 픽셀 데이터 샘플 4-5를 저장할 수 있으므로, 미디어 시스템은 다수의 프레임으로부터의 픽셀 데이터 샘플을 저장할 필요가 없다. 이러한 실시예에서, 프레임 640은 모든 픽셀 데이터 샘플에 대해서 프레임 630과 비교될 수 있다.
일부 실시예에서, 하나 또는 그 이상의 플래그가 큐 데이터와 함께, 또는 큐 데이터에 더하여, 매칭 서버에 전송될 수 있다. 하나 또는 그 이상의 플래그는 행이 프레임에서 제거되었는지 여부를 나타낼 수 있다. 예를 들어 플래그가 "0"이면 행이 제거되지 않았 음을 나타내고 "1"이면 행이 제거되었음을 나타낼 수 있다. 다른 실시예에서, 특정 픽셀 데이터 샘플이 제거되었는지 여부를 나타내는 플래그가 각 픽셀 데이터 샘플과 연관될 수 있다. 당업자는 하나 또는 그 이상의 플래그가 매칭 서버에 어떤 행 또는 픽셀 데이터 샘플이 제거되었는지를 나타내는 한, 하나 또는 그 이상의 플래그가 다른 방식으로 구현될 수 있음을 인식할 것이다.
도 6은 프레임의 각 행에 대한 플래그를 도시한다. 플래그 612는 프레임 610과 연관된다. 플래그 612는 제1 플래그 614, 제2 플래그 616 및 제3 플래그 618을 포함한다. 제1 플래그 614는 픽셀 데이터 샘플 1-3을 포함할 수 있는 프레임 610의 픽셀 데이터 샘플의 제1 행과 연관될 수 있다. 제1 플래그 614는 프레임 610의 픽셀 데이터 샘플 1-3이 제거되지 않았음을 나타내는 "0"을 포함한다. 제2 플래그 616은 픽셀 데이터 샘플 4-5를 포함할 수 있는 프레임 610의 픽셀 데이터 샘플의 제2 행과 연관될 수 있다. 제2 플래그 616은 프레임 610의 픽셀 데이터 샘플 4-5가 제거되지 않았음을 나타내는 "0"을 포함한다. 제3 플래그 618은 픽셀 데이터 샘플 6-8을 포함 할 수있는 프레임 610의 픽셀 데이터 샘플의 제3 행과 연관련 될 수 있다. 제3 플래그 618은 프레임 610의 픽셀 데이터 샘플 6-8이 제거되지 않았음을 나타내는 "1"을 포함한다.
플래그 622는 프레임 620과 연관된다. 플래그 622는 제1 플래그 624, 제2 플래그 626 및 제3 플래그를 포함한다. 제1 플래그 624는 픽셀 데이터 샘플 1-3을 포함할 수 있는 프레임 620의 픽셀 데이터 샘플의 제1 열과 연관될 수 있다. 제1 플래그 624는 프레임 610의 픽셀 데이터 샘플 1-3이 제거되었음을 나타내는 "1"을 포함한다. 제2 플래그 626은 픽셀 데이터 샘플 4-5를 포함할 수 있는 프레임 620의 픽셀 데이터 샘플의 제2 행과 연관될 수 있다. 제2 플래그 626은 프레임 620의 픽셀 데이터 샘플 4-5가 제거되지 않았음을 나타내는 "0"을 포함한다.
일부 실시예에서, 플래그는 매칭 서버에 의해 수신될 수 있다. 매칭 서버는 큐 데이터와 연관된 하나 또는 그 이상의 플래그에 기초해서 큐 데이터에 대한 오퍼레이션을 수행할 때 어떤 픽셀 데이터 샘플을 사용할지를 결정할 수 있다. 예를 들어, 매칭 서버는 프레임 620의 큐 데이터에 대한 오퍼레이션을 수행 할 때, 픽셀 데이터 샘플 1-3에 대한 프레임 610의 큐 데이터 및 픽셀 데이터 샘플 4-8에 대한 프레임 620의 큐 데이터를 사용하도록 결정할 수 있다. 일부 실시예에서, 상술한 바와 같이 오퍼레이션은 큐 데이터를 기준 데이터 세트와 매칭시키는 것을 포함할 수 있다.
이전 프레임(예를 들어, 프레임 630)이 현재 프레임(예컨대, 프레임 640)과 동일한 픽셀 데이터 샘플이 제거된 경우, 매칭 서버는 상기 이전 프레임 이전의 프레임(예를 들어, 프레임 620)을 사용할 수 있다. 예를 들어, 프레임 640에 대한 오퍼레이션을 수행할 때, 매칭 서버는 프레임 630의 픽셀 데이터 샘플 1-3, 프레임 620의 픽셀 데이터 샘플 4-5 및 프레임 640의 픽셀 데이터 샘플 6-8을 사용할 수 있다.
일부 실시예에서, 픽셀 데이터 샘플 부재의 지시(예를 들어, 플래그)는 매칭 서버에 전송되지 않는다. 누락된 픽셀 데이터 샘플의 표시를 보내지 않음으로써, 미디어 시스템은 매칭 서버에 더 적은 데이터를 전송할 수 있다. 이러한 실시예에서, 매칭 서버는 픽셀 데이터 샘플의 부재를 검출할 수 있다. 픽셀 데이터 샘플의 부재를 판단하는 하나의 방법은 큐 데이터의 일부가 누락되었는지를 식별하는 것이다. 예를 들어, 큐 데이터가 각 위치에 대한 변수를 갖는 객체인 경우, 매칭 서버는 변수가 값을 포함하지 않을 때(또는 null 값, 음수 값, 또는 픽셀 데이터 샘플이 포함되지 않았다는 다른 지시를 포함할 때) 누락된 픽셀 데이터 샘플을 식별할 수 있다. 큐 데이터가 비객체(non-object) 포맷인 경우, 콤마, 공백 또는 다른 문자와 같은 필드 구분자를 사용할 수 있다. 의도된 누락 데이터는 두 개의 필드 구분자 사이에 하나 또는 그 이상의 값을 포함하지 않음으로써 전달 될 수 있다. 누락된 픽셀 데이터 샘플을 검출하면, 매칭 서버는 하나 또는 그 이상의 이전 프레임으로부터의 마지막 비유사 픽셀 데이터 샘플을 대체할 수 있다.
프레임으로부터 픽셀 데이터 샘플을 제거함으로써, 매칭 서버의 전체적인 저장 부하를 줄일 수 있다. 이것이 일어날 수 있는 예는 많은 프레임에 대해서 변경되지 않는 푸른 하늘을 포함하는 비디오 세그먼트이다. 많은 프레임에 대한 푸른 하늘과 연관된 픽셀 데이터 샘플은 큐 데이터로부터 제거될 수 있고 매칭 서버로 전송되거나 저장되지 않을 수 있다. 불필요한 데이터의 또 다른 예는 뉴스, 스포츠 또는 엔터테인먼트 인터뷰 프로그래밍에서 프레임의 일부분만 움직이는(예를 들면, 말하는 사람) 경우에 발견될 수 있다. 움직이지 않는 프레임의 일부분은 큐 데이터로부터 제거 될 수 있고 매칭 서버로 전송되거나 저장되지 않을 수 있다.
도 7은 매칭 서버(예를 들어, 매칭 서버 104)로 전송되지 않는 프레임을 갖는 프레임 시퀀스 700의 일 예를 도시한다. 일부 실시예에서, 미디어 시스템은 프레임이 이전 프레임과 충분히 유사할 때 상기 프레임을 매칭 서버에 송신하지 않을 것을 결정할 수 있다. 다른 실시예에서, 미디어 시스템은 하루 중 특정 시간대에 프레임을 매칭 서버에 송신하지 않을 것을 결정할 수 있다. 이러한 실시예에서, 더 낮은 프레임 레이트는 시청 통계를 모니터링하기에 충분할 수 있다.
일부 실시예에서, 충분히 유사하다는 것은, 상기한 바와 같이, 현재 프레임의 하나 또는 그 이상의 현재 픽셀 데이터 샘플을 이전 프레임의 하나 또는 그 이상의 이전 픽셀 데이터 샘플과 비교함으로써 결정될 수 있다. 일부 실시예에서, 현재 프레임의 하나 또는 그 이상의 현재 픽셀 데이터 샘플은 유사한 픽셀 데이터 샘플에 대한 임의의 이전 픽셀 데이터 샘플과 비교 될 수 있다. 미디어 시스템은 이전 프레임의 이전 픽셀 데이터 샘플과 매칭되는 현재 프레임의 현재 픽셀 데이터 샘플의 수를 비교할 수 있다. 일부 구현예에서, 상기 수가 문턱값을 초과하면, 미디어 시스템은 현재 프레임을 매칭 서버에 전송하지 않을 것을 결정할 수 있다. 일부 실시예에서, 문턱값은 픽셀 데이터 샘플의 백분율(예를 들어, 80 %, 90 %, 또는 미디어 시스템이 현재 프레임과 이전 프레임이 충분히 유사하다는 것을 충분히 확신함을 나타내는 일부 다른 백분율)일 수 있다. 당업자는 문턱값이 상이한 포맷(예를 들어, 유사한 픽셀 데이터 샘플의 최소 개수, 유사한 각각의 행의 픽셀 데이터 샘플의 개수, 또는 프레임과 다른 프레임 간의 유사성을 나타내는 다른 측정치)이 될 수 있음을 인식할 것이다.
프레임들이 전송되지 않는 예를 설명하기 위해, 프레임의 시퀀스 700은 몇몇 프레임(예를 들어, 제1 프레임 710, 제2 프레임 720, 제3 프레임 730, 제4 프레임 740, 제 5 프레임 750, 제 6 프레임 760, 및 제 7 프레임 770)을 포함한다. 실선을 포함하는 프레임은 해당 프레임이 미디어 시스템으로부터 매칭 서버로 전송됨을 나타낼 수 있다. 점선을 포함하는 프레임은 해당 프레임이 미디어 시스템으로부터 매칭 서버로 전송되지 않음을 나타낼 수 있다. 제1 프레임 710은 실선을 포함하고, 이는 제1 프레임 710이 매칭 서버에 전송됨을 나타낸다. 제1 프레임 710은 매칭될 이전 프레임을 갖지 않기 때문에 제1 프레임 710은 매칭 서버에 전송될 수 있다. 한편, 제2 프레임 720은 제1 프레임 710과 충분히 유사하기 때문에 미디어 시스템은 제2 프레임 720이 매칭 서버에 전송되어서는 안 되는 것으로 판단할 수 있다.
제3 프레임 730은 매칭 서버에 전송될 수 있고, 제3 프레임이 제2 프레임 720과 충분히 다름을 나타내어 제3 프레임 730이 매칭 서버에 전송되도록 요구할 수 있다.
일부 실시예에서, 프레임이 매칭 서버로 전송되지 않는 경우에, 미디어 시스템은 해당 프레임을 저장하지 않을 수 있다. 이러한 실시예에서 현재 프레임 및 이전 프레임과의 비교는 매칭 서버로 전송되지 않은 모든 프레임을 건너 뛸 수 있다. 예를 들어, 제5 프레임 750과 제6 프레임 760 모두가 매칭 서버에 전송되지 않았기 때문에, 제7 프레임 770은 제4 프레임 740과 비교 될 수 있다. 이러한 실시예에서, 매칭 서버에 전송된 이전 프레임 만이 미디어 시스템에 의해 저장될 수 있다.
다른 실시예에서, 미디어 시스템은 큐 데이터가 매칭 서버로 전송되었는지 여부에 관계없이 큐 데이터로 변환된 이전 프레임만을 저장할 수 있다. 이러한 실시예에서, 현재 프레임과 이전 프레임과의 비교는 매칭 서버에 전송되지 않은 프레임들에 대해 행해질 수 있다. 예를 들어, 제6 프레임 760이 매칭 서버에 전송되지 않았더라도, 제7 프레임 770이 제6 프레임 760과 비교될 수 있다.
유사한 프레임의 예는, 프레임의 사운드 컴포넌트만이 변경되는 경우(예를 들어, 고정된 이미지)에, 뉴스, 스포츠 또는 엔터테인먼트 인터뷰 프로그래밍에서 발견될 수 있지만 이에 국한되지는 않는다. 이러한 예에서, 미디어 시스템은 특정 개수의 연속적인 프레임이 매칭 시스템에 전송되지 않았다고 결정할 수 있다. 특정 개수의 연속적인 프레임이 전송되지 않았다고 결정하면, 미디어 시스템은 미디어 시스템 상에 디스플레이되는 프레임의 식별을 위해 다른 정보를 매칭 서버에 전송할 것을 결정할 수 있다(예를 들어, 비디오 부분이 아니라 프레임의 오디오 부분이 전송될 수 있음). 이러한 실시예에서, 매칭 서버는 하나 또는 그 이상의 비디오 부분(예를 들어, 하나 또는 그 이상의 프레임의 픽셀)보다는 하나 또는 그 이상의 오디오 부분을 사용하여 미디어 시스템 상에 디스플레이되는 비디오 세그먼트를 식별할 수 있다.
프레임이 매칭 서버로 전송되지 않는 예에서, 미디어 시스템은 프레임이 전송되지 않았음을 나타내는 플래그를 전송할 수 있다. 다른 실시예에서, 매칭 서버가 프레임이 전송되지 않았을 때를 판별할 수 있도록, 프레임 번호를 나타내는 플래그가 매칭 서버에 전송되는 프레임과 함께 포함될 수 있다. 다른 실시예에서는, 매칭 서버에 플래그가 전송되지 않는다. 이러한 실시예에서, 매칭 서버는 누락된 프레임에 대한 어떠한 지식도 없이 계속해서 비디오 세그먼트에 프레임을 매칭시킬 수 있다. 본원에 있어서 매칭시키는 방법은, 하나 또는 그 이상의 프레임이 매칭 서버에 전송되지 않을 때도, 매칭 서버가 여전히 비디오 세그먼트를 식별할 수 있게 한다.
도 8은 프레임의 큐 데이터로부터 픽셀 데이터 샘플을 폐기하는 프로세스 800의 일 예를 도시하는 흐름도이다. 일부 실시예에서, 프로세스 800은 미디어 시스템에 의해 수행될 수 있다. 프로세스 800은 논리 플로우 다이어그램으로서 도시되어 있으며, 그 오퍼레이션은 하드웨어, 컴퓨터 명령, 또는 이들의 조합으로 구현될 수 있는 일련의 오퍼레이션들을 나타낸다. 컴퓨터 명령어의 관점에서, 상기 오퍼레이션들은 하나 또는 그 이상의 프로세서들에 의해 실행될 때 상기 오퍼레이션들을 수행하는 하나 또는 그 이상의 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 실행 가능 명령을 나타낸다. 일반적으로, 컴퓨터 실행 가능 명령은 특정 기능을 수행하거나 특정 데이터 타입을 구현하는 루틴, 프로그램, 객체, 컴포넌트, 데이터 구조, 등을 포함한다. 오퍼레이션들이 기술되는 순서는 발명을 제한하는 것으로서 해석되어서는 안 되고, 설명된 오퍼레이션들 중 임의의 수의 오퍼레이션은 임의의 순서로 및/또는 병렬로 결합되어 프로세스를 구현할 수 있다.
부가적으로, 프로세스 800은 실행 가능한 명령들로 구성된 하나 또는 그 이상의 컴퓨터 시스템들의 제어하에 수행될 수 있고, 하나 또는 그 이상의 프로세서상에서, 하드웨어에 의해, 또는 이들의 조합에 의하여 집합적으로 실행되는 코드(예를 들어, 실행 가능한 명령들, 하나 또는 그 이상의 컴퓨터 프로그램들, 또는 하나 또는 그 이상의 애플리케이션들)로서 구현될 수 있다. 상기한 바와 같이, 코드는 예를 들어, 하나 또는 그 이상의 프로세서에 의해 실행 가능한 복수의 명령을 포함하는 컴퓨터 프로그램의 형태로, 기계 판독 가능 저장 매체 상에 저장될 수 있다. 기계 판독 가능 저장 매체는 비일시적일 수 있다.
단계 805에서, 프로세스 800는 초기 프레임을 수신하는 단계를 포함한다. 일부 실시예에서, 초기 프레임은 제1 비디오 세그먼트와 연관 될 수 있다. 이러한 실시예에서, 미디어 시스템은 제1 비디오 세그먼트의 식별을 알 수 없다. 미디어 시스템은 방송 제공자 또는 네트워크(예를 들어, 인터넷) 상의 서버를 포함하는 원격 소스로부터 초기 프레임을 수신할 수 있다. 일부 실시예에서, 초기 프레임은 픽셀 데이터를 포함할 수 있다. 픽셀 데이터는 프레임이 디스플레이될 수 있게 하는 픽셀을 포함할 수 있다. 일부 실시예에서, 픽셀은 하나 또는 그 이상의 픽셀 값(예를 들어, 적 - 녹 - 청 (RGB) 색 공간에서 적색 값, 녹색 값 및 청색 값)을 포함 할 수 있다.
단계 810에서, 프로세스 800는 초기 프레임에 대한 초기 큐 데이터를 결정하는 단계를 포함한다. 초기 큐 데이터는 초기 프레임과 연관된 복수의 초기 픽셀 데이터 샘플을 포함할 수 있다. 일부 실시예에서, 초기 픽셀 데이터 샘플은 초기 프레임의 하나 또는 그 이상의 위치(예를 들어, 픽셀 패치)의 각각에 대해 결정될 수 있다. 일부 실시예에서, 초기 픽셀 데이터 샘플은 위치에 포함된 하나 또는 그 이상의 픽셀을 요약(예를 들어, 평균을 취함)함으로써 해당 위치에 대해 계산될 수 있다. 하나 또는 그 이상의 픽셀은 픽셀의 배열(예를 들어, 10 x 10)일 수 있다. 일부 실시예에서, 하나 또는 그 이상의 픽셀의 적색 값, 녹색 값 및 청색 값은 개별적으로 요약될 수 있다. 다른 실시예에서, 하나 또는 이상의 픽셀의 적색 값, 녹색 값 및 청색 값은 함께 요약되어 위치에 대한 하나의 숫자를 생성할 수 있다.
단계 815에서, 프로세스 800은 초기 큐 데이터를 전송하는 단계를 포함한다. 초기 큐 데이터를 서버로 어드레싱함으로써 초기 큐 데이터를 서버(예를 들어, 매칭 서버)에 전송할 수 있다. 서버는 초기 큐 데이터를 제1 참조 데이터 세트와 매칭시키려고 시도할 수 있다. 매칭은 초기 큐 데이터를 다른 큐 데이터(예를 들어, 제 1 기준 데이터 세트)와 비교함으로써 일어날 수 있다.
단계 820에서, 프로세스 800은 새로운 프레임을 수신하는 단계를 포함한다. 일부 실시예에서, 새로운 프레임은 픽셀 데이터를 포함할 수 있고, 초기 프레임 이후에 수신될 수 있다. 새로운 프레임은 제2 비디오 세그먼트와 연관될 수 있다. 일부 실시예에서, 제2 비디오 세그먼트는 제1 비디오 세그먼트와 동일할 수 있다. 예를 들어, 미디어 시스템은 동일한 비디오 세그먼트로부터 두 개의 프레임을 수신할 수 있다. 다른 실시예에서, 제2 비디오 세그먼트는 제1 비디오 세그먼트와 상이할 수 있다. 예를 들어, 제 1 비디오 세그먼트와 제2 비디오 세그먼트 사이의 트랜지션은 초기 프레임과 새로운 프레임을 수신하는 사이에 발생할 수 있다.
단계 825에서, 프로세스 800은 새로운 프레임에 대한 새로운 큐 데이터를 결정하는 단계를 포함한다. 새로운 큐 데이터는 새로운 프레임과 관련된 복수의 새로운 픽셀 데이터 샘플을 포함할 수 있다. 새로운 큐 데이터는 초기 큐 데이터에 대해서 위에서 논의한 것과 유사하게 결정될 수 있다.
단계 830에서, 프로세스 800은 픽셀 값 범위를 식별하는 단계를 포함한다. 일부 실시예에서, 픽셀 값 범위는 다수의 픽셀 값일 수 있다. 일부 실시예에서, 픽셀 데이터 샘플들은, 픽셀 데이터 샘플 간의 픽셀 값 차이가 픽셀 값 범위 내에 있을 때 유사한 것으로 판단된다. 예를 들어, 픽셀 값 범위는 5개의 값이 될 수 있다. 이러한 예에서, 제 2 픽셀 데이터 샘플이 제1 픽셀 데이터 샘플의 ±5값 내에 있을 때 제1 픽셀 데이터 샘플은 제2 픽셀 데이터 샘플의 픽셀 값 범위 내에 있을 것이다.
단계 835에서, 프로세스 800은 초기 픽셀 데이터 샘플과 새로운 픽셀 데이터 샘플 간의 픽셀 값 범위 차이를 결정하는 단계를 포함한다. 일부 실시예에서, 초기 픽셀 데이터 샘플은 새로운 픽셀 데이터 샘플에 대응할 수 있다. 예를 들어, 초기 픽셀 데이터 샘플이 도 5의 제1 프레임 510의 위치 1과 연관되면, 제2 프레임 520의 위치 1과 연관된 픽셀 데이터 샘플은 초기 픽셀 데이터 샘플과 대응할 것이다.
단계 840에서, 프로세스 800은 픽셀 값 차이가 픽셀 값 범위 내에 있음을 결정하는 단계를 포함한다. 일부 실시예에서, 픽셀 값 차이를 픽셀 값 범위와 비교하여 픽셀 값 차이가 픽셀 값 범위보다 작은지를 식별함으로써 픽셀 값 차이가 픽셀 값 범위 내에 있는 것으로 결정될 수 있다.
단계 845에서, 프로세스 800은 픽셀 값 차이가 픽셀 값 범위 내에 있을 때 새로운 큐 데이터로부터 새로운 픽셀 데이터 샘플을 제거함으로써 새로운 큐 데이터를 업데이트하는 단계를 포함한다. 일부 실시예에서, 새로운 큐 데이터로부터 새로운 픽셀 데이터 샘플을 제거하는 단계는 새로운 큐 데이터로부터 픽셀 데이터 샘플의 행을 제거하는 단계를 포함할 수 있다. 이러한 실시예에서, 새로운 픽셀 데이터 샘플은 픽셀 데이터 샘플의 행에 포함될 수있다. 다른 실시예들에서는, 새로운 픽셀 데이터 샘플만이 전체 행이 아닌 새로운 큐 데이터로부터 제거될 수 있다.
단계 850에서, 프로세스 800은 업데이트된 새로운 큐 데이터를 전송하는 단계를 포함한다. 업데이트 된 새로운 큐 데이터를 서버에 어드레싱함으로써 서버로 업데이트된 새로운 큐 데이터를 전송할 수 있다. 서버는 업데이트된 새로운 큐 데이터를 제2 기준 데이터 세트와 매칭시키려고 시도할 수 있다. 매칭은 새로운 업데이트된 큐 데이터를 다른 큐 데이터(예를 들어, 제2 기준 데이터 세트)와 비교함으로써 일어날 수 있다. 일부 실시예에서, 새로운 업데이트된 큐 데이터를 다른 큐 데이터와 비교할 때, 매칭 서버는 제거된 픽셀 데이터 샘플을 대체하기 위해 업데이트된 새로운 큐 데이터 이전에 수신된 큐 데이터로부터의 픽셀 데이터 샘플을 사용할 수 있다. 이러한 실시예에서, 매칭 서버는 제거된 픽셀 데이터 샘플에 대응하는 이전 프레임의 픽셀 데이터 샘플을 사용할 수 있다.
일부 실시예에서, 프로세스 800은 새로운 픽셀 데이터 샘플이 새로운 큐 데이터로부터 제거됨을 나타내는 플래그를 전송하는 단계를 더 포함할 수 있다. 다른 실시예에서, 프로세스 800은 픽셀 데이터 샘플들의 행이 새로운 큐 데이터로부터 제거됨을 나타내는 플래그를 전송하는 단계를 더 포함할 수 있다. 이러한 실시예에서, 새로운 픽셀 데이터 샘플은 행에 포함될 수 있다. 어느 한 세트의 실시예에서, 플래그를 서버에 어드레싱함으로써 플래그를 서버에 전송할 수 있다.
도 9는 새로운 프레임 데이터를 보충하기 위해 초기 프레임 데이터를 사용하여 식별되지 않은 미디어 세그먼트를 결정하는 프로세스 900의 일 예를 도시한 흐름도이다. 일부 실시예에서, 프로세스 900은 미디어 시스템에 의해 수행될 수 있다. 프로세스 900은 논리 플로우 다이어그램으로서 도시되고, 그 오퍼레이션은 하드웨어, 컴퓨터 명령들, 또는 이들의 조합으로 구현될 수 있는 오퍼레이션들의 시퀀스를 나타낸다. 컴퓨터 명령어들의 관점에서, 상기 오퍼레이션들은 하나 또는 그 이상의 프로세서들에 의해 실행될 때 상기 오퍼레이션들을 수행하는 하나 또는 그 이상의 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 실행 가능 명령어들을 나타낸다. 일반적으로, 컴퓨터 실행 가능 명령은 특정 기능을 수행하거나 특정 데이터 타입을 구현하는 루틴, 프로그램, 객체, 컴포넌트, 데이터 구조 등을 포함한다. 오퍼레이션들이 기술되는 순서는 본 발명을 제한하는 것으로 해석되어서는 안 되고, 임의의 수의 오퍼레이션은 임의의 순서 및/또는 병렬로 결합되어 프로세스를 구현할 수 있다.
이에 더하여, 프로세스 900은 실행 가능한 명령들로 구성된 하나 또는 그 이상의 컴퓨터 시스템의 제어하에 수행 될 수 있고, 하나 또는 그 이상의 프로세서상에서, 하드웨어에 의해, 또는 이들의 조합에 이해 집합적으로 실행되는 코드(예를 들어, 실행 가능한 명령, 하나 또는 그 이상의 컴퓨터 프로그램, 또는 하나 또는 그 이상의 애플리케이션)로서 구현될 수 있다. 상기한 바와 같이, 코드는 예를 들어, 하나 또는 그 이상의 프로세서에 의해 실행 가능한 복수의 명령을 포함하는 컴퓨터 프로그램의 형태로 기계 판독 가능 저장 매체 상에 저장될 수 있다. 기계 판독 가능 저장 매체는 비일시적일 수 있다.
단계 910에서, 프로세스 900은 복수의 기준 데이터 세트를 기준 데이터베이스에 저장하는 단계를 포함한다. 일부 실시예에서, 기준 데이터 세트는 미디어 세그먼트와 연관 될 수 있다. 일부 실시예에서, 기준 데이터 세트는 큐 데이터에 대응할 수 있다(예를 들어, 기준 데이터 세트가 큐 데이터와 매칭 될 수 있도록 기준 데이터 세트가 큐 데이터와 유사하게 결정될 수 있다).
단계 920에서, 프로세스 900은 프레임에 대한 큐 데이터를 수신하는 단계를 포함한다. 큐 데이터는 서버(예를 들어, 매칭 서버)로부터 수신될 수 있다. 일부 실시예에서, 큐 데이터는 프레임과 연관된 복수의 픽셀 데이터 샘플을 포함할 수 있다. 프레임은 식별되지 않은 제1 미디어 세그먼트와 연관될 수 있다.
단계 930에서, 프로세스 900은 프레임에 대한 큐 데이터로부터 픽셀 데이터 샘플의 부재를 식별하는 단계를 포함한다. 일부 실시예에서, 픽셀 데이터 샘플의 부재를 식별하는 단계는 상기한 바와 같이 누락된 픽셀 데이터 샘플에 대한 큐 데이터를 분석하는 단계를 포함한다.
다른 실시예에서, 프로세스 900은 다음의 단계를 통해 픽셀 데이터 샘플의 부재를 식별할 수 있다. 매칭 서버는 상기한 바와 같이 이전 큐 데이터를 식별하고 이전 큐 데이터가 이전 픽셀 데이터 샘플을 포함하는지를 결정할 수 있다. 이전 큐 데이터는 큐 데이터 이전에 수신될 수 있다. 다른 실시예에서는, 상기한 바와 같이, 매칭 서버가 이전 큐 데이터를 식별할 수 있고, 이전 픽셀 데이터 샘플이 이전 큐 데이터에 부재함을 결정할 수 있고, 기준 데이터 세트의 프레임에 대한 큐 데이터를 매칭하기 위한 이전 픽셀 데이터 샘플을 사용하는 것으로 결정할 수 있다.
단계 940에서, 프로세스 900은 프레임에 대한 큐 데이터를 기준 데이터 세트에 매칭시키는 단계를 포함한다. 기준 데이터 세트는 미디어 세그먼트와 연관될 수 있다. 일부 실시예에서, 매칭은 이전 큐 데이터의 이전 픽셀 데이터 샘플을 이용하는 단계를 포함할 수 있다. 이전 큐 데이터는 이전 프레임으로부터의 것일 수 있다. 일부 실시예에서, 이전 픽셀 데이터 샘플은 프레임에 부재한 픽셀 데이터 샘플에 대응한다.
단계 950에서, 프로세스 900은 식별되지 않은 미디어 세그먼트가 미디어 세그먼트임을 결정하는 단계를 포함한다. 식별되지 않은 미디어 세그먼트는, 상기한 바와 같이, 미디어 세그먼트와 연관된 저장소가 문턱값에 도달할 때, 미디어 세그먼트로서 식별될 수 있다.
일부 실시예에서, 프로세스 900은 픽셀 데이터 샘플이 큐 데이터에 부재함을 나타내는 플래그를 수신하는 단계를 더 포함할 수 있다. 플래그를 사용하여 픽셀 데이터 샘플의 부재를 식별할 수 있다. 다른 실시예에서, 프로세스 900은 픽셀 데이터 샘플의 행이 큐 데이터로부터 부재함을 나타내는 플래그를 수신하는 단계를 더 포함할 수 있다. 이러한 실시예에서, 픽셀 데이터 샘플은 열에 포함될 수 있다.
일부 실시예에서, 프로세스 900은 중간 프레임으로부터 중간 큐 데이터를 식별하는 단계를 더 포함할 수 있다. 중간 큐 데이터는 중간 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함할 수 있다. 일부 실시예에서, 중간 프레임은 식별되지 않은 제1 미디어 세그먼트와 연관될 수 있다. 이러한 실시예에서, 프로세스 900은 중간 프레임에 대해서 중간 큐 데이터에 중간 픽셀 데이터 샘플이 부재함을 식별하는 단계를 더 포함할 수 있다.
이러한 실시예에서, 프로세스 900은 이전 프레임으로부터의 이전 큐 데이터를 식별하는 단계를 더 포함할 수 있다. 이전 큐 데이터는 이전 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함할 수있다. 일부 실시예에서, 이전 프레임은 식별되지 않은 제2 미디어 세그먼트와 연관 될 수 있다. 일부 실시예에서, 식별되지 않은 제2 비디오 세그먼트는 식별되지 않은 제1 비디오 세그먼트와 동일할 수 있다. 예를 들어, 미디어 시스템은 동일한 미확인 비디오 세그먼트로부터 두 개의 프레임을 수신하고 매칭 서버로 전송할 수 있다. 다른 예에서, 식별되지 않은 제2 비디오 세그먼트는 식별되지 않은 제1 비디오 세그먼트와 상이할 수 있다. 예를 들어, 식별되지 않은 제1 비디오 세그먼트와 식별되지 않은 제2 비디오 세그먼트 사이의 트랜지션은 초기 프레임과 새로운 프레임을 수신하는 사이에 발생할 수 있다.
상기한 바와 같이, 비디오 매칭 시스템은, 미디어 콘텐츠 스트림이 식별되지 않은 미디어 세그먼트를 포함할 때, 미디어 콘텐츠 스트림을 식별하도록 구성될 수 있다. 또한 상기한 바와 같이, 미디어 콘텐츠 스트림을 식별하는 단계는, 식별되지 않은 미디어 세그먼트의 이전 또는 이후에 미디어 디스플레이 장치에 의해 제시된 미디어 콘텐츠를 식별하는 단계를 포함할 수 있다. 미디어 콘텐츠를 식별하는 프로세스는 도 1과 관련하여 상기한 바와 같다. 구체적으로, 비디오 콘텐츠 시스템은, 미디어 콘텐츠 장치의 디스플레이 메커니즘으로부터 취해진 샘플(예를 들어, 그래픽 및/또는 오디오 샘플)을 사용하고, 이 샘플로부터 큐를 생성할 수 있다. 비디오 매칭 시스템은 기준 데이터베이스에 대해 큐를 매칭시킬 수 있는데, 데이터베이스는 이미 알려진 콘텐츠의 큐를 포함한다.
비디오 매칭 시스템은 데이터베이스에서 잠재적인 매칭 또는 "후보(candidate)"를 찾는 효율을 향상시키는 다양한 방법들을 더 포함할 수 있다. 데이터베이스는 막대한 개수의 큐를 포함할 수 있으며, 따라서 비디오 매칭 시스템은 미디어 콘텐츠 장치의 디스플레이 메커니즘으로부터 생성된 큐와 후보 큐를 발견하는 알고리즘을 더 포함할 수 있다. 후보 큐의 위치를 찾는 것은, 데이터베이스의 모든 엔트리(entry)에 대해 큐를 매칭시키는 것과 같이, 데이터베이스의 값과 큐 값을 매칭시키는 다른 방법보다 효율적일 수 있다.
최근접 이웃(nearest neighbor) 및 경로 추적(path pursuit)은 기준 데이터베이스에서 후보 큐의 위치를 발견하는데 사용될 수 있는 기술의 일 예이다. 이하에, 모호한 큐(ambiguous cue)를 사용하여 비디오 전송을 추적하는 예가 설명되지만, 일반적인 개념은 매칭 후보가 기준 데이터베이스로부터 선택되는 모든 분야에 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 "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. 본 명세서에서 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, 알고리즘은 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 10에 도시된다.
이하의 섹션들은, 섹션 1의 이퀄 볼즈의 확률적 포인트 위치(Probabilistic Point Location in Equal Balls; PPLEB) 알고리즘을 기술하는 것으로 시작한다. PPLEB 알고리즘은 상기 알고리즘 1의 제5 행을 효율적으로 수행하기 위해 사용된다. 용의점을 신속하게 검색할 수 있는 능력은 이 방법의 적용 가능성에 결정적이다. 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 인 모든 포인트 x를 리턴할 것이 요구된다. 인 포인트의 집합은, 기하학적으로 쿼리 x를 둘러싼 반경 r의 구체 내에 위치한다. 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.
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'인 단순한 시나리오를 먼저 다루도록 한다. 그리고 후자의 조건의 이유는 나중에 분명해질 것이다. 먼저 랜덤한 함수 가 정의되는데, 이는 x와 y 사이의 각도에 따라 x와 y를 구분한다. 를 단위 구(unit sphere) S d-1 에서 균일하게 선택되는 임의의 벡터라 하고 라 하자. 를 검증하는 것은 용이하다. 또한, 원의 임의의 포인트 x, y, x', y'에 대해서 다음과 같다.
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.
이제, h(x)=h(y)인 경우 그들이 이웃일 확률은 다음과 같이 계산된다.
여기서 r'을 요하는 2p<1이 만족되어야 함을 주의하여야 한다. 이는 성공 확률이 매우 높아 보이지 않는다. 실제로 은 1/2보다 훨씬 작다. 다음 섹션에서는 이 확률을 1/2까지 높이는 방법을 설명한다.
섹션 1.2 포인트 검색 알고리즘
함수 h는 공간의 모든 점을 버킷(bucket)에 매핑한다. 해시 함수 h에 대한 포인트 x의 버킷 함수 를 로 정의한다. 유지되는 데이터 구조는 버킷 함수 [Bh1, ... , Bhm]의 m=O() 인스턴스이다. 하나의 포인트 x를 검색하면 함수는 를 리턴한다. 앞 섹션에 의하면, 두 가지 원하는 결과가 있다: 즉,
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 14에 도시된 바와 같이, 공간은 기하급수적으로 증가하는 폭의 고리(ring)로 분할된다. Ri로 지시되는 고리 i에는 을 만족하는 모든 포인트 xi가 포함된다. 이렇게 함으로써 두 가지 목적을 달성할 수 있다. 첫째, 만약 xi와 xj가 동일한 고리에 속하는 경우, 가 된다. 둘째, 모든 검색은 최대 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 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 14에 도시 된 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:
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:
여기서 은 스케일 계수(scale coefficient)이며, 은 입자가 주어진 시간 단위에서 경로상의 랜덤한 위치로 점프할 확률이다.
다음과 같은 간단한 관찰을 통해 함수 f를 효율적으로 업데이트할 수 있다.
또한, 이므로, 만약 이라면 다음과 같이 된다:
합(sum)의 업데이트는 이제 전체 경로가 아닌 x(t'j)의 이웃에서만 수행될 수 있으므로, 이것은 우도 함수의 중요한 속성이다. 를 만족하는 (ti, P(ti))의 집합을 S로 표시한다. 다음의 방정식이 성립한다:
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 에 의하여 한정된다는 것을 검증하는 것은 쉽다. 알고리즘의 마지막 단계는, 만약 가 어떤 문턱값 이상일 경우 의 특정 값을 출력하는 것이다.
도 10은 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 11에 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 12는 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 13은, 고리 Ri가 반경 과 사이가 되도록 하여 공간을 고리로 분할함으로써, 고리내의 임의의 두 벡터가 인수까지 동일한 길이이고, 모든 검색이 최대 고리 내에서 수행된다는 것을 확실히 할 수 있다는 것을 도시한 도면이다.
도 14는 자기 교차 경로와 쿼리 포인트(검정색)를 도시한 도면이다. 입자 위치의 히스토리가 없으면 그것이 경로상의 어디에 있는지 알 수 없다는 것을 도시한다.
도 15는 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.
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, 다양한 구현예의 태양은 그 특정 구현예를 참조하여 설명되지만, 본 발명의 기술 분야에서 통상의 지식을 가진 자는 구현예가 이에 제한되지 않는다는 것을 인식할 것이다. 상기한 실시예의 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 예들에서, 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 (20)

  1. 컴퓨터로 구현되는 방법에 있어서,
    복수의 기준 데이터 세트들을 기준 데이터베이스에 저장하는 단계 - 기준 데이터 세트는 미디어 세그먼트와 연관됨 -;
    서버에 의해, 프레임에 대한 큐 데이터를 수신하는 단계 - 상기 큐 데이터는 상기 프레임으로부터의 복수의 픽셀 데이터 샘플들을 포함하고, 상기 프레임은 식별되지 않은 미디어 세그먼트와 연관됨 -;
    상기 프레임에 대한 상기 큐 데이터로부터 픽셀 데이터 샘플의 부재를 식별하는 단계;
    상기 프레임에 대한 상기 큐 데이터를 기준 데이터 세트와 매칭시키는 단계 - 매칭은 이전 프레임으로부터의 이전 픽셀 데이터 샘플을 이용하는 단계를 포함하고, 상기 이전 픽셀 데이터 샘플은 상기 프레임에 부재한 상기 픽셀 데이터 샘플에 대응하고, 상기 기준 데이터 세트는 미디어 세그먼트와 연관됨 -; 및
    상기 식별되지 않은 미디어 세그먼트가 상기 미디어 세그먼트임을 결정하는 단계
    를 포함하는 컴퓨터 구현 방법.
  2. 제1항에 있어서,
    상기 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 더 포함하고,
    상기 픽셀 데이터 샘플의 부재는 상기 플래그를 사용하여 식별되는, 컴퓨터 구현 방법.
  3. 제1항에 있어서,
    한 행의 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 더 포함하고,
    상기 픽셀 데이터 샘플은 상기 행에 포함되는, 컴퓨터 구현 방법.
  4. 제1항에 있어서,
    상기 픽셀 데이터 샘플의 부재를 식별하는 단계는 누락된 픽셀 데이터 샘플에 대해 상기 큐 데이터를 분석하는 단계를 포함하는, 컴퓨터 구현 방법.
  5. 제1항에 있어서,
    상기 이전 프레임을 식별하는 단계; 및
    상기 이전 프레임에 대한 이전 큐 데이터가 상기 이전 픽셀 데이터 샘플을 포함하는 것으로 결정하는 단계
    를 더 포함하는 컴퓨터 구현 방법.
  6. 제5항에 있어서,
    상기 이전 프레임에 대한 상기 이전 큐 데이터로부터 상기 이전 픽셀 데이터 샘플을 식별하는 단계;
    상기 이전 픽셀 데이터 샘플이 상기 이전 프레임에 대한 상기 이전 큐 데이터에 부재하지 않음을 결정하는 단계; 및
    상기 프레임에 대한 상기 큐 데이터를 상기 기준 데이터 세트와 매칭시키기 위해 상기 이전 픽셀 데이터 샘플을 사용할 것을 결정하는 단계
    를 더 포함하는 컴퓨터 구현 방법.
  7. 제6항에 있어서,
    중간 프레임으로부터 중간 큐 데이터를 식별하는 단계 - 상기 중간 큐 데이터는 중간 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함하고, 상기 중간 프레임은 상기 식별되지 않은 미디어 세그먼트와 연관되며, 상기 중간 프레임은 상기 프레임 전에 그리고 상기 이전 프레임 후에 수신되었음 -;
    상기 중간 프레임에 대한 상기 중간 큐 데이터로부터 중간 픽셀 데이터 샘플의 부재를 식별하는 단계; 및
    상기 이전 프레임으로부터 상기 이전 큐 데이터를 식별하는 단계 - 상기 이전 큐 데이터는 상기 이전 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함하고, 상기 이전 프레임은 상기 식별되지 않은 미디어 세그먼트와 연관됨 -
    를 더 포함하는 컴퓨터 구현 방법.
  8. 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 비일시적 컴퓨터 판독 가능 매체
    를 포함하되, 상기 오퍼레이션은,
    복수의 기준 데이터 세트들을 기준 데이터베이스에 저장하는 단계 - 기준 데이터 세트는 미디어 세그먼트와 연관됨 -;
    서버에 의해, 프레임에 대한 큐 데이터를 수신하는 단계 - 상기 큐 데이터는 상기 프레임으로부터의 복수의 픽셀 데이터 샘플들을 포함하고, 상기 프레임은 식별되지 않은 미디어 세그먼트와 연관됨 -;
    상기 프레임에 대한 상기 큐 데이터로부터 픽셀 데이터 샘플의 부재를 식별하는 단계;
    상기 프레임에 대한 상기 큐 데이터를 기준 데이터 세트와 매칭시키는 단계 - 매칭은 이전 프레임으로부터의 이전 픽셀 데이터 샘플을 이용하는 단계를 포함하고, 상기 이전 픽셀 데이터 샘플은 상기 프레임에 부재한 상기 픽셀 데이터 샘플에 대응하고, 상기 기준 데이터 세트는 미디어 세그먼트와 연관됨 -; 및
    상기 식별되지 않은 미디어 세그먼트가 상기 미디어 세그먼트임을 결정하는 단계
    를 포함하는 시스템.
  9. 제8항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금,
    상기 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 포함하는 오퍼레이션을 수행하게 하는 명령을 더 포함하고,
    상기 픽셀 데이터 샘플의 부재는 상기 플래그를 사용하여 식별되는, 시스템.
  10. 제8항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금,
    한 행의 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 포함하는 오퍼레이션을 수행하게 하는 명령을 더 포함하고,
    상기 픽셀 데이터 샘플은 상기 행에 포함되는, 시스템.
  11. 제8항에 있어서,
    상기 픽셀 데이터 샘플의 부재를 식별하는 단계는 누락된 픽셀 데이터 샘플에 대해 상기 큐 데이터를 분석하는 단계를 포함하는, 시스템.
  12. 제8항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금:
    상기 이전 프레임을 식별하는 단계; 및
    상기 이전 프레임에 대한 이전 큐 데이터가 상기 이전 픽셀 데이터 샘플을 포함하는 것으로 결정하는 단계를 포함하는 오퍼레이션을 수행하게 하는 명령을 더 포함하는 시스템.
  13. 제12항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금:
    상기 이전 프레임에 대한 상기 이전 큐 데이터로부터 상기 이전 픽셀 데이터 샘플을 식별하는 단계;
    상기 이전 픽셀 데이터 샘플이 상기 이전 프레임에 대한 상기 이전 큐 데이터에 부재하지 않음을 결정하는 단계; 및
    상기 프레임에 대한 상기 큐 데이터를 상기 기준 데이터 세트와 매칭시키기 위해 상기 이전 픽셀 데이터 샘플을 사용할 것을 결정하는 단계를 포함하는 오퍼레이션을 수행하게 하는 명령을 더 포함하는 시스템.
  14. 제13항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금:
    중간 프레임으로부터 중간 큐 데이터를 식별하는 단계 - 상기 중간 큐 데이터는 중간 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함하고, 상기 중간 프레임은 상기 식별되지 않은 미디어 세그먼트와 연관되며, 상기 중간 프레임은 상기 프레임 전에 그리고 상기 이전 프레임 후에 수신되었음 -;
    상기 중간 프레임에 대한 상기 중간 큐 데이터로부터 중간 픽셀 데이터 샘플의 부재를 식별하는 단계; 및
    상기 이전 프레임으로부터 상기 이전 큐 데이터를 식별하는 단계 - 상기 이전 큐 데이터는 상기 이전 프레임으로부터의 복수의 픽셀 데이터 샘플을 포함하고, 상기 이전 프레임은 상기 식별되지 않은 미디어 세그먼트와 연관됨 -
    를 포함하는 오퍼레이션을 수행하게 하는 명령을 더 포함하는 시스템.
  15. 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금 소정의 단계를 수행하게 하는 명령을 포함하는 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 소정의 단계는,
    복수의 기준 데이터 세트들을 기준 데이터베이스에 저장하는 단계 - 기준 데이터 세트는 미디어 세그먼트와 연관됨 -;
    프레임에 대한 큐 데이터를 수신하는 단계 - 상기 큐 데이터는 상기 프레임으로부터의 복수의 픽셀 데이터 샘플들을 포함하고, 상기 프레임은 식별되지 않은 미디어 세그먼트와 연관됨 -;
    상기 프레임에 대한 상기 큐 데이터로부터 픽셀 데이터 샘플의 부재를 식별하는 단계;
    상기 프레임에 대한 상기 큐 데이터를 기준 데이터 세트와 매칭시키는 단계 - 매칭은 이전 프레임으로부터의 이전 픽셀 데이터 샘플을 이용하는 단계를 포함하고, 상기 이전 픽셀 데이터 샘플은 상기 프레임에 부재한 상기 픽셀 데이터 샘플에 대응하고, 상기 기준 데이터 세트는 미디어 세그먼트와 연관됨 -; 및
    상기 식별되지 않은 미디어 세그먼트가 상기 미디어 세그먼트임을 결정하는 단계
    를 포함하는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  16. 제15항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금,
    상기 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 수행하게 하는 명령을 더 포함하고,
    상기 픽셀 데이터 샘플의 부재는 상기 플래그를 사용하여 식별되는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  17. 제15항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금,
    한 행의 픽셀 데이터 샘플이 상기 프레임에 부재함을 나타내는 플래그를 수신하는 단계를 수행하게 하는 명령을 더 포함하고,
    상기 픽셀 데이터 샘플은 상기 행에 포함되는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  18. 제15항에 있어서,
    상기 픽셀 데이터 샘플의 부재를 식별하는 단계는 누락된 픽셀 데이터 샘플에 대해 상기 큐 데이터를 분석하는 단계를 포함하는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  19. 제15항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금:
    상기 이전 프레임을 식별하는 단계; 및
    상기 이전 프레임에 대한 이전 큐 데이터가 상기 이전 픽셀 데이터 샘플을 포함하는 것으로 결정하는 단계를 수행하게 하는 명령을 더 포함하는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  20. 제19항에 있어서,
    상기 하나 또는 그 이상의 프로세서에 의해 실행될 때, 상기 하나 또는 그 이상의 프로세서로 하여금:
    상기 이전 프레임에 대한 상기 이전 큐 데이터로부터 상기 이전 픽셀 데이터 샘플을 식별하는 단계;
    상기 이전 픽셀 데이터 샘플이 상기 이전 프레임에 대한 상기 이전 큐 데이터에 부재하지 않음을 결정하는 단계; 및
    상기 프레임에 대한 상기 큐 데이터를 상기 기준 데이터 세트와 매칭시키기 위해 상기 이전 픽셀 데이터 샘플을 사용할 것을 결정하는 단계를 수행하게 하는 명령을 더 포함하는, 비일시적 기계 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020247012847A 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화 KR20240056772A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562193342P 2015-07-16 2015-07-16
US62/193,342 2015-07-16
KR1020187004336A KR102660052B1 (ko) 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화
PCT/US2016/042522 WO2017011758A1 (en) 2015-07-16 2016-07-15 Optimizing media fingerprint retention to improve system resource utilization

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020187004336A Division KR102660052B1 (ko) 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화

Publications (1)

Publication Number Publication Date
KR20240056772A true KR20240056772A (ko) 2024-04-30

Family

ID=56616027

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020187004336A KR102660052B1 (ko) 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화
KR1020247012847A KR20240056772A (ko) 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020187004336A KR102660052B1 (ko) 2015-07-16 2016-07-15 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화

Country Status (11)

Country Link
US (3) US10080062B2 (ko)
EP (1) EP3323248B1 (ko)
JP (1) JP6833842B2 (ko)
KR (2) KR102660052B1 (ko)
CN (1) CN108353208B (ko)
AU (1) AU2016291669B2 (ko)
CA (1) CA2992301C (ko)
CL (1) CL2018000115A1 (ko)
HK (1) HK1255273A1 (ko)
MX (1) MX2018000565A (ko)
WO (1) WO2017011758A1 (ko)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9055309B2 (en) 2009-05-29 2015-06-09 Cognitive Networks, Inc. Systems and methods for identifying video segments for displaying contextually relevant content
US10116972B2 (en) 2009-05-29 2018-10-30 Inscape Data, Inc. Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device
US10375451B2 (en) 2009-05-29 2019-08-06 Inscape Data, Inc. Detection of common media segments
US10949458B2 (en) 2009-05-29 2021-03-16 Inscape Data, Inc. System and method for improving work load management in ACR television monitoring system
US9449090B2 (en) 2009-05-29 2016-09-20 Vizio Inscape Technologies, Llc Systems and methods for addressing a media database using distance associative hashing
US8595781B2 (en) 2009-05-29 2013-11-26 Cognitive Media Networks, Inc. Methods for identifying video segments and displaying contextual targeted content on a connected television
US9838753B2 (en) 2013-12-23 2017-12-05 Inscape Data, Inc. Monitoring individual viewing of television events using tracking pixels and cookies
US10192138B2 (en) 2010-05-27 2019-01-29 Inscape Data, Inc. Systems and methods for reducing data density in large datasets
US9955192B2 (en) 2013-12-23 2018-04-24 Inscape Data, Inc. Monitoring individual viewing of television events using tracking pixels and cookies
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
CN107949849B (zh) 2015-04-17 2021-10-08 构造数据有限责任公司 缩减大数据集中数据密度的系统和方法
CA3216076A1 (en) 2015-07-16 2017-01-19 Inscape Data, Inc. Detection of common media segments
US10080062B2 (en) 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization
WO2017011792A1 (en) 2015-07-16 2017-01-19 Vizio Inscape Technologies, Llc Prediction of future views of video segments to optimize system resource utilization
CA2992519C (en) 2015-07-16 2024-04-02 Inscape Data, Inc. Systems and methods for partitioning search indexes for improved efficiency in identifying media segments
KR102457004B1 (ko) * 2015-07-31 2022-10-21 가부시끼가이샤 디디에스 정보 처리 프로그램 및 정보 처리 장치
US10244234B2 (en) * 2015-11-20 2019-03-26 Ellation, Inc. Adaptive compression rate control
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
US10970577B1 (en) 2017-09-29 2021-04-06 Snap Inc. Machine learned single image icon identification

Family Cites Families (297)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US1019213A (en) 1908-05-14 1912-03-05 Clarence E Adams Electromagnetic rock drill and chipping hammer.
US1018576A (en) 1910-02-25 1912-02-27 Pelouze Electric Heater Co Combination sad-iron and cooker.
US1011697A (en) 1910-10-11 1911-12-12 Louis C Witkowski Combined mailing-card and merchandise-carrier.
US1008006A (en) 1910-10-18 1911-11-07 Paul Berthold Support for bicycles.
US1016945A (en) 1911-01-06 1912-02-13 Spaulding & Sons Company J Leather-board machine.
US4697209A (en) 1984-04-26 1987-09-29 A. C. Nielsen Company Methods and apparatus for automatically identifying programs viewed or recorded
US4677466A (en) 1985-07-29 1987-06-30 A. C. Nielsen Company Broadcast program identification method and apparatus
US4739398A (en) 1986-05-02 1988-04-19 Control Data Corporation Method, apparatus and system for recognizing broadcast segments
US5019899A (en) 1988-11-01 1991-05-28 Control Data Corporation Electronic data encoding and recognition system
US5319453A (en) 1989-06-22 1994-06-07 Airtrax Method and apparatus for video signal encoding, decoding and monitoring
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
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
DE60011773T2 (de) 1999-03-18 2005-07-07 British Broadcasting Corp. Wasserzeichen
US6973663B1 (en) 1999-03-29 2005-12-06 The Directv Group, Inc. Method and apparatus for detecting and viewing similar programs within a video system
US6381362B1 (en) 1999-04-08 2002-04-30 Tata America International Corporation Method and apparatus for including virtual ads in video presentations
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
AU2748901A (en) 1999-12-15 2001-06-25 Yellowbrix, Inc. Context matching system and method
AU7233700A (en) 1999-12-23 2001-06-28 Access Devices Limited TV receiving and internet browsing apparatus
GB2375392B (en) 2000-01-07 2004-12-15 Cyberoptics Corp Phase profilometry system with telecentric projector
US6577346B1 (en) 2000-01-24 2003-06-10 Webtv Networks, Inc. Recognizing a pattern in a video segment to identify the video segment
US7028327B1 (en) 2000-02-02 2006-04-11 Wink Communication Using the electronic program guide to synchronize interactivity with broadcast programs
US6675174B1 (en) 2000-02-02 2004-01-06 International Business Machines Corp. System and method for measuring similarity between a set of known temporal media segments and a one or more temporal media streams
US7089240B2 (en) 2000-04-06 2006-08-08 International Business Machines Corporation Longest prefix match lookup using hash function
WO2001078401A2 (en) 2000-04-07 2001-10-18 America Online, Inc. Contextual programming
DK1158185T3 (da) 2000-05-26 2005-12-19 Hettich Paul Gmbh & Co Hurtigfastgörelseselement
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
US8078493B2 (en) 2000-10-15 2011-12-13 The Directv Group, Inc. Method and system for pause ads
US7237250B2 (en) 2000-11-28 2007-06-26 Navic Systems, Inc. Promotion server using video on demand channel
US7210157B2 (en) 2000-12-18 2007-04-24 Koninklijke Philips Electronics N.V. Apparatus and method of program classification using observed cues in the transcript information
WO2002058246A2 (en) 2001-01-17 2002-07-25 Koninklijke Philips Electronics N.V. Robust checksums
US20020162118A1 (en) 2001-01-30 2002-10-31 Levy Kenneth L. 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
CA2456962C (en) 2001-08-16 2012-01-17 Samuel T. Barone, Jr. 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
US7058642B2 (en) 2002-03-20 2006-06-06 Intel Corporation Method and data structure for a low memory overhead database
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
BR0309598A (pt) 2002-04-25 2005-02-09 Shazam Entertainment Ltd Método para a caracterização de um relacionamento entre uma primeira e uma segunda amostras de áudio, produto de programa de computador e sistema de computador
US7073189B2 (en) 2002-05-03 2006-07-04 Time Warner Interactive Video Group, Inc. Program guide and reservation system for network based digital information and entertainment storage and delivery system
EP1518409B1 (en) 2002-07-01 2019-01-09 Microsoft Technology Licensing, LLC A system and method for providing user control over repeating objects embedded in a stream
US20040045020A1 (en) 2002-08-29 2004-03-04 Witt Jeffrey Michael Commercial identification system
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
WO2004040464A2 (en) 2002-10-30 2004-05-13 Vidius Inc. A method and system for managing confidential information
US7738704B2 (en) 2003-03-07 2010-06-15 Technology, Patents And Licensing, Inc. Detecting known video entities utilizing fingerprints
US7809154B2 (en) 2003-03-07 2010-10-05 Technology, Patents & Licensing, Inc. Video entity recognition in compressed digital video streams
US20050149968A1 (en) 2003-03-07 2005-07-07 Richard Konig Ending advertisement insertion
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
MXPA06002837A (es) 2003-09-12 2006-06-14 Nielsen Media Res Inc Aparato de firma de video digital y metodos para usarlo con sistemas de identificacion de programas de video.
US7050068B1 (en) 2003-12-02 2006-05-23 Nvidia Corporation Generation of jittered sub-pixel samples using programmable sub-pixel offsets
CN102857796B (zh) 2004-02-04 2015-05-27 爱立信电视公司 Itv环境中的同步和自动化
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
JP2007533274A (ja) 2004-04-19 2007-11-15 ランドマーク、ディジタル、サーヴィセズ、エルエルシー コンテントのサンプリングおよび識別のための方法およびシステム
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
CN102523063A (zh) 2004-08-09 2012-06-27 尼尔森（美国）有限公司 用于监视来自各种源的音频/视觉内容的方法及装置
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
US7493370B2 (en) 2004-10-29 2009-02-17 International Business Machines Corporation Two stage method for dynamically determining primary adapter in a heterogeneous N-way adapter configuration
WO2006055971A2 (en) 2004-11-22 2006-05-26 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
WO2006072896A2 (en) 2005-01-07 2006-07-13 Koninklijke Philips Electronics N.V. Method and electronic device for detecting a graphical object
ES2569423T3 (es) 2005-02-08 2016-05-10 Shazam Investments Limited Identificación automática de material repetido en señales de audio
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
EP1900221B1 (en) 2005-07-07 2012-10-10 TiVo Inc. System and method for digital content retrieval
WO2007052285A2 (en) 2005-07-22 2007-05-10 Yogesh Chunilal Rathod Universal knowledge management and desktop search system
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
CN100459518C (zh) 2005-09-02 2009-02-04 华为技术有限公司 资源接纳控制处理方法
US20070061831A1 (en) 2005-09-09 2007-03-15 Sbc Knowledge Ventures L.P. IPTV channel usage and video delivery path monitoring architecture
EP1938589A4 (en) 2005-09-15 2011-04-13 Fourthwall Media Inc METHOD AND SYSTEM FOR AUTONOMOUS MINI-APPLICATIONS 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
CN101427580B (zh) 2005-12-23 2011-08-24 安布克斯英国有限公司 使用从内容流确定的指纹进行脚本同步
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
WO2007115224A2 (en) 2006-03-30 2007-10-11 Sri International Method and apparatus for annotating media streams
SG155922A1 (en) 2006-04-05 2009-10-29 Agency Science Tech & Res Apparatus and method for analysing a video broadcast
US7761491B2 (en) 2006-04-18 2010-07-20 Ecodisc Technology Ag Method for detecting a commercial in a video data stream by evaluating descriptor information
US7840540B2 (en) 2006-04-20 2010-11-23 Datascout, Inc. Surrogate hashing
US20070300280A1 (en) 2006-06-21 2007-12-27 Turner Media Group Interactive method of advertising
US7590998B2 (en) 2006-07-27 2009-09-15 Sharp Laboratories Of America, Inc. Television system having internet web browsing capability
US20080089551A1 (en) 2006-10-16 2008-04-17 Ashley Heather Interactive TV data track synchronization system and method
GB0623961D0 (en) 2006-11-30 2007-01-10 Univ St Andrews Video fingerprinting
US20080155627A1 (en) 2006-12-04 2008-06-26 O'connor Daniel Systems and methods of searching for and presenting video and audio
US8493510B2 (en) 2006-12-12 2013-07-23 Time Warner Inc. Method and apparatus for concealing portions of a video screen
US8196166B2 (en) 2006-12-21 2012-06-05 Verizon Patent And Licensing Inc. Content hosting and advertising systems and methods
US8494234B1 (en) 2007-03-07 2013-07-23 MotionDSP, Inc. Video hashing system and method
JP4525692B2 (ja) 2007-03-27 2010-08-18 株式会社日立製作所 画像処理装置、画像処理方法、画像表示装置
US8566164B2 (en) 2007-12-31 2013-10-22 Intent IQ, LLC Targeted online advertisements based on viewing or interacting with television advertisements
US20080276266A1 (en) 2007-04-18 2008-11-06 Google Inc. Characterizing content for identification of advertising
US9179086B2 (en) 2007-05-07 2015-11-03 Yahoo! Inc. System and method for providing dynamically updating applications in a television display environment
US8094872B1 (en) 2007-05-09 2012-01-10 Google Inc. Three-dimensional wavelet based video fingerprinting
US8171152B2 (en) 2007-05-11 2012-05-01 Audinate Pty Limited Systems, methods and computer-readable media for configuring receiver latency
WO2008143768A1 (en) 2007-05-17 2008-11-27 Dolby Labortories Licensing Corporation Deriving video signatures that are insensitive to picture modification and frame-rate conversion
US7972296B2 (en) 2007-10-10 2011-07-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US8559516B2 (en) 2007-06-14 2013-10-15 Sony Corporation Video sequence ID by decimated scene signature
US8229227B2 (en) 2007-06-18 2012-07-24 Zeitera, Llc Methods and apparatus for providing a scalable identification of digital video sequences
US8171030B2 (en) 2007-06-18 2012-05-01 Zeitera, Llc Method and apparatus for multi-dimensional content search and video identification
US9438860B2 (en) 2007-06-26 2016-09-06 Verizon Patent And Licensing Inc. Method and system for filtering advertisements in a media stream
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
US8275764B2 (en) 2007-08-24 2012-09-25 Google Inc. Recommending media programs based on media program popularity
US8175333B2 (en) 2007-09-27 2012-05-08 Behavioral Recognition Systems, Inc. Estimator identifier component for behavioral recognition system
CN101855635B (zh) 2007-10-05 2013-02-27 杜比实验室特许公司 可靠地与媒体内容对应的媒体指纹
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
US8170342B2 (en) 2007-11-07 2012-05-01 Microsoft Corporation Image recognition of content
CN101162470B (zh) 2007-11-16 2011-04-20 北京交通大学 一种基于分层匹配的视频广告识别方法
US8776117B2 (en) 2007-12-28 2014-07-08 Verizon Patent And Licensing Inc. Method and apparatus for providing expanded displayable applications
GB2457694B (en) 2008-02-21 2012-09-26 Snell Ltd Method of Deriving an Audio-Visual Signature
US20090213270A1 (en) 2008-02-22 2009-08-27 Ryan Ismert Video indexing and fingerprinting for video enhancement
US20090235312A1 (en) 2008-03-11 2009-09-17 Amir Morad Targeted content with broadcast material
US8959202B2 (en) 2008-03-18 2015-02-17 Civolution B.V. Generating statistics of popular content
WO2009115611A2 (en) 2008-03-20 2009-09-24 Universite De Geneve 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
GB2460844B (en) 2008-06-10 2012-06-06 Half Minute Media Ltd Automatic detection of repeating video sequences
US8335786B2 (en) 2009-05-28 2012-12-18 Zeitera, Llc Multi-media content identification using multi-level content signature correlation and fast similarity search
US8195689B2 (en) 2009-06-10 2012-06-05 Zeitera, Llc Media fingerprinting and identification system
US8959108B2 (en) 2008-06-18 2015-02-17 Zeitera, Llc Distributed and tiered architecture for content search and content monitoring
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
US8385644B2 (en) 2008-07-08 2013-02-26 Zeitera, Llc Digital video fingerprinting based on resultant weighted gradient orientation computation
US8634944B2 (en) 2008-07-10 2014-01-21 Apple Inc. Auto-station tuning
US8086799B2 (en) 2008-08-12 2011-12-27 Netapp, Inc. Scalable deduplication of stored data
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
US10057543B2 (en) 2008-10-31 2018-08-21 Arris Enterprises Llc Digital video recorder having live-off-disk buffer for receiving missing portions of buffered events
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
EP2337345B1 (en) 2009-01-23 2014-01-08 Nec Corporation Video identifier extracting device
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
CN101510215B (zh) * 2009-03-20 2010-12-01 炬力集成电路设计有限公司 一种计算机系统中的数据处理方法和系统
CN102365867B (zh) * 2009-04-01 2015-12-16 马维尔国际贸易有限公司 渐进视频中的节奏检测
WO2010135082A1 (en) 2009-05-19 2010-11-25 Dolby Laboratories Licensing Corporation Localized weak bit assignment
US9449090B2 (en) 2009-05-29 2016-09-20 Vizio Inscape Technologies, Llc Systems and methods for addressing a media database using distance associative hashing
US9055309B2 (en) 2009-05-29 2015-06-09 Cognitive Networks, Inc. Systems and methods for identifying video segments for displaying contextually relevant content
US10949458B2 (en) 2009-05-29 2021-03-16 Inscape Data, Inc. System and method for improving work load management in ACR television monitoring system
US10375451B2 (en) 2009-05-29 2019-08-06 Inscape Data, Inc. Detection of common media segments
US8595781B2 (en) 2009-05-29 2013-11-26 Cognitive Media Networks, Inc. Methods for identifying video segments and displaying contextual targeted content on a connected television
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
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
EP2454690A1 (en) 2009-07-14 2012-05-23 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
EP2507744A2 (en) 2009-12-02 2012-10-10 QUALCOMM Incorporated Feature matching by clustering detected keypoints in query and model images
WO2011090541A2 (en) 2009-12-29 2011-07-28 Tv Interactive Systems, Inc. Methods for 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
US9838753B2 (en) 2013-12-23 2017-12-05 Inscape Data, Inc. Monitoring individual viewing of television events using tracking pixels and cookies
US10192138B2 (en) 2010-05-27 2019-01-29 Inscape Data, Inc. Systems and methods for reducing data density in large datasets
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
US20120136858A1 (en) * 2010-11-30 2012-05-31 International Business Machines Corporation Method to Coordinate Data Collection Among Multiple System Components
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
US8451905B1 (en) * 2011-02-25 2013-05-28 Adobe Systems Incorporated Efficient encoding of video frames in a distributed video coding environment
MX2013014245A (es) 2011-06-06 2014-02-27 Bridge Mediatech S L Metodo y sistema para conseguir hashing de audio invariante al canal.
KR20150113991A (ko) 2011-06-08 2015-10-08 샤잠 엔터테인먼트 리미티드 수신된 데이터의 비교를 수행하고 비교에 기초하여 후속 서비스를 제공하는 방법 및 시스템
CA2837725C (en) 2011-06-10 2017-07-11 Shazam Entertainment Ltd. Methods and systems for identifying content in a data stream
US9077458B2 (en) 2011-06-17 2015-07-07 Microsoft Technology Licensing, Llc Selection of advertisements via viewer feedback
WO2013046220A2 (en) 2011-06-28 2013-04-04 Tata Consultancy Services Limited A method and system for context-aware recommendation
US9049073B2 (en) 2011-06-28 2015-06-02 Rovi Guides, Inc. Systems and methods for initializing allocations of transport streams based on historical data
JP6208012B2 (ja) 2011-08-05 2017-10-04 サターン ライセンシング エルエルシーＳａｔｕｒｎ Ｌｉｃｅｎｓｉｎｇ ＬＬＣ 受信装置、受信方法、プログラム、及び情報処理システム
US20150040074A1 (en) 2011-08-18 2015-02-05 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
US9866915B2 (en) 2011-11-28 2018-01-09 Excalibur Ip, Llc Context relevant interactive television
US8776105B2 (en) 2012-02-07 2014-07-08 Tuner Broadcasting System, Inc. Method and system for automatic content recognition protocols
TWI502977B (zh) 2012-02-13 2015-10-01 Acer Inc 影音播放裝置、影音處理裝置、系統以及方法
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
US9031927B2 (en) 2012-04-13 2015-05-12 Ebay Inc. Method and system to provide video-based search results
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
EP2875635B1 (en) 2012-07-18 2019-09-04 Performance and Privacy Ireland Ltd. Just-in-time distributed video cache
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
US9495451B2 (en) 2013-01-07 2016-11-15 Gracenote, Inc. Identifying video content via fingerprint matching
US9146990B2 (en) 2013-01-07 2015-09-29 Gracenote, Inc. Search and identification of video content
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
CN105144141B (zh) 2013-03-15 2018-12-07 构造数据有限责任公司 用于使用距离关联性散列法对媒体数据库定址的系统和方法
US9165203B2 (en) 2013-03-15 2015-10-20 Arris Technology, Inc. Legibility enhancement for a logo, text or other region of interest in video
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
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
GB201316196D0 (en) 2013-09-11 2013-10-23 Piksel Inc Triggering an action in a computer device
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
BR112016014598B1 (pt) 2013-12-23 2022-08-23 Inscape Data, Inc Método e sistema de rastreamento de pixels e cookies para visualização de eventos de televisão
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
WO2016114249A1 (ja) 2015-01-16 2016-07-21 太郎 金子 動画再生方法、動画再生装置及び動画再生プログラムを記憶したコンピュータ読み取り可能な記憶媒体
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
EP3629587A1 (en) 2015-03-27 2020-04-01 Twitter, Inc. Live video streaming services
CN107949849B (zh) 2015-04-17 2021-10-08 构造数据有限责任公司 缩减大数据集中数据密度的系统和方法
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
US10080062B2 (en) 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization
CA2992519C (en) 2015-07-16 2024-04-02 Inscape Data, Inc. Systems and methods for partitioning search indexes for improved efficiency in identifying media segments
WO2017011792A1 (en) 2015-07-16 2017-01-19 Vizio Inscape Technologies, Llc Prediction of future views of video segments to optimize system resource utilization
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
JP2018524754A (ja) 2018-08-30
EP3323248A1 (en) 2018-05-23
US10674223B2 (en) 2020-06-02
NZ738944A (en) 2021-08-27
KR102660052B1 (ko) 2024-04-22
CL2018000115A1 (es) 2018-06-08
CA2992301A1 (en) 2017-01-19
MX2018000565A (es) 2018-04-24
CN108353208B (zh) 2021-01-22
CA2992301C (en) 2023-11-07
US20190007746A1 (en) 2019-01-03
AU2016291669B2 (en) 2020-03-12
WO2017011758A1 (en) 2017-01-19
EP3323248B1 (en) 2021-08-25
JP6833842B2 (ja) 2021-02-24
CN108353208A (zh) 2018-07-31
US20200322690A1 (en) 2020-10-08
AU2016291669A1 (en) 2018-02-01
HK1255273A1 (zh) 2019-08-09
KR20180030865A (ko) 2018-03-26
US11451877B2 (en) 2022-09-20
US10080062B2 (en) 2018-09-18
US20170019716A1 (en) 2017-01-19

Similar Documents

Publication Publication Date Title
KR102660052B1 (ko) 시스템 리소스 활용을 향상시키기 위한 미디어 핑거프린트 보유의 최적화
KR102531622B1 (ko) 시스템 자원 활용 최적화를 위한 비디오 세그먼트의 미래 시청 예측
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
AU2016250276B2 (en) Systems and methods for reducing data density in large datasets
KR102601485B1 (ko) Acr 텔레비전 모니터링 시스템에서의 작업 부하 관리를 개선하기 위한 시스템 및 방법
NZ738944B2 (en) Optimizing media fingerprint retention to improve system resource utilization
NZ735930B2 (en) Systems and methods for reducing data density in large datasets

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination