多媒體技術(shù)和Internet的發(fā)展給人們帶來(lái)巨大的多媒體信息海洋，并進(jìn)一步導(dǎo)致了超大型多媒體信息庫(kù)的產(chǎn)生，光憑關(guān)鍵詞是很難做到對(duì)多媒體信息的描述和檢索的，這就需要有一種針對(duì)多媒體的有效的檢索方式。如何有效的幫助人們快速、準(zhǔn)確地找到所需要的多媒體信息，成了多媒體信息庫(kù)所要解決的核心問(wèn)題。

 

基于內(nèi)容的信息檢索（Content-Based Retrival）是一種新的檢索技術(shù)，是對(duì)多媒體對(duì)象的內(nèi)容及上下文語(yǔ)義環(huán)境進(jìn)行檢索，如對(duì)圖像中的顏色、紋理，或視頻中的場(chǎng)景、片斷進(jìn)行分析和特征提取，并基于這些特征進(jìn)行相似性匹配。

 

 

它是根據(jù)分析圖像的內(nèi)容，提取其顏色、形狀、紋理，以及對(duì)象空間關(guān)系等信息，建立圖像的特征索引。目前有的圖像檢索系統(tǒng)有：

 

 

 

基于內(nèi)容的視頻信息檢索是當(dāng)前多媒體數(shù)據(jù)庫(kù)發(fā)展的一個(gè)重要研究領(lǐng)域，它通過(guò)對(duì)非結(jié)構(gòu)化的視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化分析和處理，采用視頻分割技術(shù)，將連續(xù)的視頻流劃分為具有特定語(yǔ)義的視頻片段——鏡頭，作為檢索的基本單元，在此基礎(chǔ)上進(jìn)行代表幀(representative frame)的提取和動(dòng)態(tài)特征的提取，形成描述鏡頭的特征索引；依據(jù)鏡頭組織和特征索引，采用視頻聚類等方法研究鏡頭之間的關(guān)系，把內(nèi)容相近的鏡頭組合起來(lái)，逐步縮小檢索范圍，直至查詢到所需的視頻數(shù)據(jù)。其中，視頻分割、代表幀和動(dòng)態(tài)特征提取是基于內(nèi)容的視頻檢索的關(guān)鍵技術(shù)。目前相關(guān)的研究有：

 

 

 

基于內(nèi)容的圖像檢索要提取顏色、紋理、形狀等特征，視頻檢索要提取關(guān)鍵幀特征，同樣要實(shí)現(xiàn)基于內(nèi)容的音頻檢索，必須從音頻數(shù)據(jù)中提取聽覺特征信息。音頻特征可以分為：聽覺感知特征和聽覺非感知特征(物理特性)，聽覺感知特征包括音量、音調(diào)、音強(qiáng)等。在語(yǔ)音識(shí)別方面，IBM的Via Voice已趨于成熟，另外劍橋大學(xué)的VMR系統(tǒng)，以及卡內(nèi)基悔隆大學(xué)的Informedia都是很出色的音頻處理系統(tǒng)。在基于內(nèi)容的音頻信息檢索方面，美國(guó)的Muscle fish公司推出了較為完整的原型系統(tǒng)，對(duì)音頻的檢索和分類有較高的準(zhǔn)確率。

 

基于內(nèi)容的多媒體檢索是一個(gè)新興的研究領(lǐng)域，國(guó)內(nèi)外都處于研究、探索階段。目前仍存在著諸如算法處理速度慢、漏檢誤檢率高、檢索效果無(wú)評(píng)價(jià)標(biāo)準(zhǔn)、支持多種檢索手段缺少等問(wèn)題。但隨著多媒體內(nèi)容的增多和存儲(chǔ)技術(shù)的提高，對(duì)基于內(nèi)容的多媒體檢索的需求將更加上升。