MỞ ĐẦU Internet phát triển cùng với sự gia tăng của thông tin đa phƣơng tiện dƣới nhiều dạng khác nhau. Chƣa bao giờ ngƣời dùng lại có nhiều cơ hội lựa chọn và tận hƣởng những gì mà đa phƣơng tiện đem lại nhƣ ngày nay. Trong số đó, âm thanh kỹ thuật số kết hợp với các dịch vụ có ý nghĩa thực tiễn và quan trọng trong nhiều lĩnh vực kinh tế xã hội nhƣ các dịch vụ truyền hình, đài phát thanh, hội thảo truyền hình qua mạng, xem video, tìm kiếm âm nhạc theo yêu cầu, hỗ trợ ngƣời khiếm thị sử dụng máy tính,. và đặc biệt là trong an ninh quốc phòng, nhƣ phân biệt giọng nói của một đối tƣợng hình sự với giọng nói của ngƣời khác, phân biệt các ngôn ngữ tự nhiên thuộc một lớp các ngôn ngữ nào đó, trong an ninh thông tin khi kiểm soát tự động… Thực tế đó cũng mở ra một nhu cầu truy cập vào những thƣ viện âm thanh khổng lồ.
Nhu cầu đó đòi hỏi một công nghệ tìm kiếm hiệu quả để tổ chức, sắp xếp, truy tìm các nội dung âm thanh, cũng nhƣ có thể xử lý hàng trăm tỷ trang web hỗn độn trên mạng và các thiết bị lƣu trữ trên các máy tính cá nhân. Mặc dù trƣớc đây, công cụ tìm kiếm bằng từ khoá đã làm nên một cuộc cách mạng, ảnh hƣởng lớn đến cách ngƣời dùng Internet để lấy thông tin, nhƣng nhiều ứng dụng âm thanh và đa phƣơng tiện còn đem lại nhiều lợi ích hơn thế nếu thể hiện bằng nội dung của chúng thay cho việc mô tả hoặc dùng các từ khóa. Hiện nay, một số hãng tìm kiếm khổng lồ trên mạng nhƣ Yahoo, Google hay Alta Vista đã và đang triển khai các hoạt động nghiên cứu theo cách tìm kiếm theo nội dung thay vì từ khóa. Yahoo bắt đầu thử nghiệm dịch vụ tìm kiếm tệp âm thanh Yahoo Audio (http://audio.com) từ ngày 2 tháng 8 năm 2005.
Dịch vụ này cho phép ngƣời sử dụng tìm kiếm 50 triệu bài hát và tệp âm thanh miễn phí qua Internet. Ngƣời dùng chỉ cần gõ LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 5 những từ hoặc cụm từ liên quan đến bài hát và Yahoo sẽ liệt kê một danh sách các file âm thanh, cho phép khách hàng nghe trực tuyến. Công cụ tìm kiếm âm nhạc này hoạt động dựa trên khả năng đọc nội dung đƣợc nhúng trong tệp âm thanh, còn đƣợc gọi là metadata, để phân loại kết quả tìm kiếm. Hãng IBM dự định cung cấp cho các nhà phát triển phần mềm chƣơng trình UIMA (Unstructured Information Management Architecture - Sơ đồ quản lý thông tin không kết cấu), một công nghệ có khả năng phân tích văn bản và những file nghe nhìn khác để hiểu những ý nghĩa, mối quan hệ và số liệu tiềm ẩn bên trong tài liệu (http://www.com/tech/uima/).
Hiện nay, khoảng 15 công ty đã quyết định sử dụng UIMA để tìm kiếm và phân tích văn bản cho những dữ liệu đa phƣơng tiện của họ. IBM cũng đồng thời xây dựng phần mềm WebSphere OmniFind nhằm hỗ trợ ngƣời sử dụng thực hiện tìm kiếm thông tin đa phƣơng tiện trên nhiều định dạng và ngôn ngữ khác nhau nhƣ trong cơ sở dữ liệu, e-mail, và file âm thanh. Phƣơng pháp tìm kiếm dữ liệu kiểu mới là kết quả hơn 4 năm phát triển của IBM và UIMA đã đƣợc phổ biến rộng rãi vào cuối năm 2005. Các chuyên gia thiết kế muốn Quaero sẽ không chỉ đóng vai trò nhƣ một chƣơng trình tìm kiếm mà còn là công cụ dịch thuật, phân loại hình ảnh, âm thanh.
Tại Việt nam những năm qua, các công cụ tìm kiếm dữ liệu đa phƣơng tiện, trong đó các công cụ tìm kiếm và nhận dạng dữ liệu âm thanh đã dần đƣợc chú ý. Ví dụ, phòng nhận dạng và công nghệ tri thức- Viện công nghệ thông tin đã giới thiệu một số sản phẩm phần mềm có ý nghĩa thực tế rất cao nhƣ: tổng hợp và xử lý ngôn ngữ tiếng Việt, nghiên cứu và tiếp cận các kỹ thuật mới của công nghệ tổng hợp và nhận dạng tiếng nói trên thế giới để áp dụng trong hoàn cảnh Việt nam và âm thanh tiếng Việt, nghiên cứu các LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 6 phƣơng pháp xử lý tín hiệu số và tín hiệu tiếng nói, các phƣơng pháp tìm đặc trƣng âm thanh. Các sản phẩm nêu trên đã đáp ứng đƣợc phần nào nhu cầu tìm kiếm và nhận dạng dữ liệu âm thanh. Tuy nhiên, các công trình nghiên cứu về tìm kiếm âm thanh theo nội dung vẫn còn hiếm hoặc chƣa tƣơng xứng với tầm quan trọng của nó trong hiện tại và tƣơng lai.
Mặt khác, việc hiểu biết sâu sắc về âm thanh cũng nhƣ các khái niệm, thuật toán liên quan sẽ giúp ta ứng dụng và xây dựng các hệ thống tìm kiếm âm thanh phù hợp, hiệu quả hơn. Xuất phát từ những vấn đề nêu trên, luận văn đã tập trung nghiên cứu về vấn đề "Tìm kiếm âm thanh theo nội dung trong cơ sở dữ liệu đa phương tiện". Cấu trúc của luận văn nhƣ sau: Chƣơng I. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU ĐA PHƢƠNG TIỆN- MỘT SỐ KHÁI NIỆM CƠ SỞ.
Chƣơng II. MỘT SỐ PHƢƠNG PHÁP VÀ GIẢI THUẬT TRÍCH CHỌN ĐẶC TRƢNG ÂM THANH. Chƣơng III. PHÁT TRIỂN ỨNG DỤNG TÌM ÂM THANH TRÊN CƠ SỞ NỘI DUNG.
LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 Chƣơng I. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU ĐA PHƢƠNG TIỆN - MỘT SỐ KHÁI NIỆM CƠ SỞ Trong những năm gần đây, nhu cầu sử dụng thông tin đa phƣơng tiện ngày càng lớn. Chúng đƣợc sử dụng trong đời sống hàng ngày của con ngƣời và đem lại hiệu quả mạnh hơn nhiều so với các dữ liệu truyền thống khác. Mặt khác, sự tiến bộ của công nghệ truyền thông và máy tính đã tạo điều kiện cho thông tin đa phƣơng tiện phát triển mạnh mẽ, có thể kể đến nhƣ: Tốc độ máy tính Tốc độ máy tính đƣợc cải thiện đáng kể.
Theo thống kê, cứ sau 18 tháng, tốc độ của máy tính tăng lên gấp đôi. Băng thông mạng ngày càng lớn Ngƣời ta ƣớc tính, cứ sau mỗi 12 tháng, băng thông của các hệ thông tin tăng gấp ba lần. Sự xuất hiện đa dạng của các thiết bị vào/ ra kỹ thuật số Ti vi, CD, máy ảnh, máy ghi hình kỹ thuật số. là các thiết bị cho phép dễ dàng tạo lập, sửa đổi, truyền, sao chép và quản lý các dữ liệu đa phƣơng tiện.
Các hệ thống cơ sở dữ liệu đa phƣơng tiện là mục tiêu và đem lại lợi ích cho nhiều đối tƣợng sử dụng. Ví dụ, các cá nhân lƣu trữ và sở hữu một lƣợng lớn dữ liệu đa phƣơng tiện trên máy tính của mình, họ có thể sử dụng hệ thống để thực hiện các truy vấn nhƣ tìm kiếm các đoạn, cảnh nào đó trong phim. Các công ty chuyên cung cấp và khai thác dịch vụ đa phƣơng tiện nhƣ các dịch vụ tìm kiếm video của Google. Các tổ chức, ban ngành có quản lý và lƣu trữ dữ liệu đa phƣơng tiện nhƣ Bộ Văn hóa, Bộ Công an, Cục quản lý xuất nhập cảnh.
LUAN VAN CHAT LUONG download : add luanvanchat@agmail. MỘT SỐ KHÁI NIỆM CƠ SỞ 1. Dữ liệu đa phƣơng tiện Đa phƣơng tiện (multimedia) là một phƣơng pháp giới thiệu thông tin trên máy tính bằng cách sử dụng nhiều phƣơng tiện truyền thông tin nhƣ: Text (văn bản), graphic (biểu đồ, đồ thị), animation (hoạt hình), image (ảnh), video, audio, hoặc kết hợp các media với nhau (video + audio + văn bản diễn giải). Ngƣời ta thƣờng phân thành media thành hai loại dựa trên quan hệ của chúng với thời gian.
Đó là: Static media: Không có chiều thời gian. Thông tin không liên quan tới thời gian. Ví dụ cho loại này là văn bản, hình họa, ảnh chụp. Dynamic media: Có chiều thời gian.
Thông tin có quan hệ chặt chẽ với thời gian và thông tin phải đƣợc trình diễn với thời gian xác định. Ví dụ các loại audio, video, animation, game online. So với dữ liệu truyền thống nhƣ văn bản và số, dữ liệu đa phƣơng tiện có một số đặc điểm rất khác biệt, đó là: Kích thước và số lượng dữ liệu đồ sộ - Kích thƣớc dữ liệu lớn: dữ liệu đa phƣơng tiện có kích thƣớc lớn hơn nhiều so với các kiểu dữ liệu số và văn bản thông thƣờng. Một văn bản thô có 200 từ (khoảng 1000 ký tự) chỉ có kích thƣớc là 1kByte, nhƣng nếu lƣu văn bản đó bằng định dạng ảnh GIF thì kích thƣớc gấp khoảng 10 lần.
Một giọng nói đơn sắc đƣợc lƣu với định dạng .WAV trong thời gian 1 phút có kích thƣớc khoảng 2640 kByte (đã nén) hoặc xấp xỉ 6-8 MB (chƣa nén). Một cảnh video rất ngắn chứa hàng trăm bức ảnh với kích thƣớc có thể lên đến hàng chục MB., xem bảng minh họa: LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 9 Kiểu Mô tả Kích thƣớc Plain text khoảng 200 từ (1000 ký tự) 1 kByte tệp Winword khoảng 200 từ (1000 ký tự) 15 kByte Ảnh GIF khoảng 200 từ (1000 ký tự, 210 x 100mm) 10 kByte Âm thanh WAVE giọng nói (1 phút, 22KHz, 16 bit, mono) 2640 kByte - Số lƣợng dữ liệu đồ sộ: ngƣời ta ƣớc tính, chỉ riêng trên WWW có số lƣợng lên đến hàng tỉ ảnh, hàng trăm triệu bài hát MP3 và vài chục triệu phim video. Một số dữ liệu đa phương tiện phụ thuộc thời gian Audio và video có thêm chiều thời gian. Khi trình diễn audio và video thì chất lƣợng của chúng phụ thuộc chặt chẽ vào tốc độ trình diễn.
Ví dụ, video phải đƣợc trình diễn với tốc độ 25 đến 30 hình/giây để có thể cảm nhận đƣợc hình ảnh chuyển động trơn tru. Tìm kiếm dựa trên cơ sở tương tự Trong cơ sở dữ liệu quan hệ, phƣơng pháp tìm kiếm truyền thống đối với dữ liệu dạng văn bản và số là tìm kiếm chính xác, hay còn gọi là "exact search". Đối với dữ liệu đa phƣơng tiện, ngƣời dùng thƣờng đặt ra yêu cầu tìm kiếm một đối tƣợng tƣơng tự theo nội dung mà họ đƣa ra. Ví dụ, một nghiên cứu khoa học cho biết con ngƣời có khả năng nhận biết một bài hát thông qua giai điệu (humming) tốt hơn thông qua tên bài hát.
Mặt khác, có rất nhiều bài hát có cùng tên và chỉ khác nhau về giai điệu. Vì vậy, việc tìm kiếm một bài hát dựa trên giai điệu sẽ đáp ứng tốt hơn nhu cầu đầy tiềm năng của ngành công nghiệp giải trí. Tuy nhiên, việc tìm kiếm tƣơng tự có thể phải dựa trên các đặc trƣng phức tạp (ví dụ, video có thể chứa văn bản, âm thanh, hình ảnh.) LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 10 Đồng bộ Một số ứng dụng đa phƣơng tiện sử dụng hệ thống thời gian thực.