2.2 基於內容的視頻檢索技術
視頻主要由鏡頭組成，鏡頭由一係列連續的幀組成，幀是一幅靜態的圖像，是組成視頻的最小單位。基於內容的視頻檢索的關鍵步驟是視頻的分割，分割完成後，也就確定了每個鏡頭的開始和結束位置。每個鏡頭中的一係列幀的差異很小，可以從中選擇出關鍵幀來描述鏡頭的關鍵圖像，對該鏡頭的檢索可以轉換為對該關鍵幀的檢索。由於視頻中的關鍵幀就是一副靜態的圖像，因此，可以使用類似圖像檢索的方法進行檢索。
2.3 基於內容的音頻檢索技術
基於內容的音頻檢索可以提取音頻數據中的特征信息，對不同音頻進行特征匹配，從而達到檢索的目的。一般以韻律、和音、旋律以及音調、響度、音色等感知特征進行特征值檢索，根據查詢索引和數據庫中音頻索引之間的相似性，來對音頻片段進行檢索。除實際發聲詞彙外，包含在語音中的其他信息，如發音者的身份和情緒都有助於語音索引和檢索。
3 麵向物聯網的多媒體數據檢索策略
針對多媒體數據的特點，分析物聯網環境中信息檢索遇到的問題，一方麵可以考慮提高服務器的處理能力、擴充服務器的存儲容量，另一方麵，則可以考慮優化查詢策略以提高檢索速度。優化策略可以從三個方麵來考慮。
3.1 臨時表緩衝策略
對數據表操作時，傳統的方法是直接對表進行關係運算，然後從中選擇滿足要求的結果集。而采用臨時表的做法，則是先對大數據表進行查詢，將滿足條件的數據預先讀取到臨時表中，然後將對源數據表的訪問轉換為對臨時表的訪問。將操作的數據集預先讀取到臨時表中會給係統帶來額外的開銷。但是，在一般情況下，臨時表中的數據集要遠小於源數據表中的數據集，因此，在對於海量數據進行連續操作或者頻繁訪問時，采用此策略可提高係統的總體性能。
3.2 數據的降維處理策略
人們在物聯網世界獲得的數據量正以指數形式快速增長，為了減輕係統檢索的負荷，可以對數據進行降維處理。結合具體業務需求，在盡可能多的保留初始數據的前提下，將數據的維數降到一個合理的大小，再將降維處理後的數據送入信息處理係統，這對海量數據的檢索是行之有效的。降維算法主要分為線性降維算法和非線性降維算法。降維的實質就是尋找投影變換，即從高維空間到低維空間的變換。同時，降維處理也是一些智能算法的必要步驟，該策略對物聯網數據檢索中的智能處理是很有幫助的。
3.3 情景感知的語義檢索策略
物聯網是通過射頻識別、紅外感應器、全球定位係統、激光掃描器等信息傳感設備，把任何物品與互聯網連接起來，進行數據交換。基於感應網絡，可以從大規模的海量數據中獲取用戶的位置數據、鄰接數據、通信數據和行為數據等，並對如此海量的移動數據進行實時挖掘，推導出蘊含在數據中的規律，感知用戶的情景環境，發現用戶的行為模式，將最能滿足用戶需求的結果提交給用戶，以實現用戶所得即所需，從而有效提高物聯網信息檢索的質量。
4 結 語
隨著物聯網技術的應用發展，人們對此環境下多媒體數據庫的檢索需求也越來越迫切。“數據災難”成為急需解決的問題。利用雲計算、模式識別等各種智能技術，可以從傳感器獲得的海量信息中檢索、加工處理出有意義的數據。隨著理論研究和時間探索的不斷深入，麵向物聯網的檢索技術一定會更加完善，充滿智能的物聯網多媒體數據庫的應用也將逐步推向各個行業和領域。
參 考 文 獻
[1] 鞏晨靜，祝洪珍，李德雲.多媒體數據庫技術綜述[J].電腦知識與技術，2009（18）：374-375.
[2] 黃誌軍，曾斌.多媒體數據庫技術 [M].北京：國防工業出版社，2005.
[3] 葉福軍.多媒體數據庫中基於內容的檢索技術 [J].福建電腦，2008，24（10）：34-34.
[4] 張鐸.物聯網大趨勢 [M] 北京：清華大學出版社，2010 .
[5] 趙銳.基於內容檢索的多媒體數據庫係統研究[D].阜新：遼寧工程技術大學，2002.
[6] 王曙燕， 周明全，耿國華. 基於內容的多媒體信息檢索技術研究 [J].現代電子技術，2005，28（2）：74-76.