一种媒体检索方法及装置与流程

本公开涉及媒体处理技术领域，特别是涉及一种媒体检索方法及装置。

背景技术：

视频特征、音频特征等媒体特征(或者称为媒体指纹)以及基于特征的媒体检索在如今的“多媒体信息社会”中具有广泛的应用。媒体检索最初被应用到听歌识曲之中，也就是输入一段音频，通过提取和检索该段音频的指纹特征，就能识别出对应的歌曲。另外，媒体检索也可应用到内容监控之中，比如媒体消重、基于检索的语音广告监控、媒体版权等。

现有的媒体检索方法存在准确性差、速度慢的问题，这对运算资源和存储资源都会产生巨大消耗。

技术实现要素：

本公开的目的在于提供一种新的媒体检索方法及装置。

本公开的目的是采用以下的技术方案来实现的。依据本公开提出的媒体检索方法，包括以下步骤：获取待检索媒体的媒体特征作为第一媒体特征，所述第一媒体特征包含多个第一媒体特征单体；根据每个单独的所述第一媒体特征单体对多个已知媒体进行第一排名，根据所述第一排名的结果，取出前k个所述已知媒体作为第一候选媒体集合，其中k为正整数；根据多个顺序排列的所述第一媒体特征单体对所述第一候选媒体集合进行第二排名，根据所述第二排名的结果，取出前n个所述第一候选媒体作为检索结果，其中n为正整数。

本公开的目的还可以采用以下的技术措施来进一步实现。

前述的媒体检索方法，还包括：预先获取所述已知媒体的媒体特征作为第二媒体特征，所述第二媒体特征包含多个第二媒体特征单体；对所述第二媒体特征进行索引，以预先得到所述已知媒体的特征索引。

前述的媒体检索方法，其中，所述根据每个单独的所述第一媒体特征单体对多个已知媒体进行第一排名包括：根据每个单独的所述第一媒体特征单体对多个已知媒体进行词频-逆向文件频率tf-idf排名。

前述的媒体检索方法，其中，所述根据每个单独的所述第一媒体特征单体对多个已知媒体进行词频-逆向文件频率tf-idf排名包括：将所述已知媒体的特征索引与所述第一媒体特征单体进行匹配，以对所述已知媒体进行所述tf-idf排名。

前述的媒体检索方法，其中，所述预先得到所述已知媒体的特征索引，包括：预先得到所述已知媒体的正排特征索引和/或倒排特征索引。

前述的媒体检索方法，其中，所述将所述已知媒体的特征索引与所述第一媒体特征单体进行匹配包括：将所述媒体的特征索引与所述第一媒体特征单体进行绝对匹配。

前述的媒体检索方法，其中，所述根据多个顺序排列的所述第一媒体特征单体对所述第一候选媒体集合中的媒体进行第二排名包括：根据所述已知媒体的特征索引与所述第一媒体特征得到所述第一候选媒体集合中的媒体的相似度矩阵，根据所述相似度矩阵中的直线对所述第一候选媒体集合中的媒体进行排名。

前述的媒体检索方法，其中，所述的获取待检索媒体的媒体特征作为第一媒体特征包括，获取所述待检索媒体的多种类型的第一媒体特征；所述的预先获取所述已知媒体的媒体特征作为第二媒体特征包括，获取所述已知媒体的多种类型的第二媒体特征；所述的根据所述已知媒体的特征索引与所述第一媒体特征得到所述第一候选媒体集合中的媒体的相似度矩阵包括，根据所述多种类型的第二媒体特征以及所述多种类型的第一媒体特征来确定所述相似度矩阵。

前述的媒体检索方法，其中，每种类型的所述第一媒体特征包含多个第一媒体特征单体,每种类型的所述第二媒体特征包含多个第二媒体特征单体；所述的根据所述多种类型的第二媒体特征以及所述多种类型的第一媒体特征来确定所述相似度矩阵包括：分别确定同种类型的所述第二媒体特征单体与所述第一媒体特征单体之间的单体相似度，以得到多种所述单体相似度；确定所述多种单体相似度的平均值或最小值，根据所述的多种单体相似度的平均值或最小值确定所述相似度矩阵。

前述的媒体检索方法，还包括：预先对待检索媒体和已知媒体按照预设的时间长度切片，得到多段待检索子媒体和多段已知子媒体，对所述多段待检索子媒体和所述多段已知子媒体分别提取媒体特征，以得到长度相同的多个第一子媒体特征和多个第二子媒体特征。

前述的媒体检索方法，还包括：在进行所述第一排名之前对获得的待检索媒体的所述第一媒体特征和已知媒体的所述第二媒体特征按照预设的长度切片，以得到长度相同的多个第一子媒体特征和多个第二子媒体特征。

前述的媒体检索方法，其中，所述多个第一媒体特征单体在所述第一媒体特征中按时间顺序排列，所述多个第二媒体特征单体在所述第二媒体特征中按时间顺序排列。

前述的媒体检索方法，还包括：根据所述相似度矩阵中的直线确定所述待检索媒体与所述检索结果中的媒体的重复片段。

本公开的目的还采用以下技术方案来实现。依据本公开提出的媒体检索装置，包括：媒体特征获取模块，用于获取待检索媒体的媒体特征作为第一媒体特征，所述第一媒体特征包含多个第一媒体特征单体；第一排名模块，用于根据每个单独的所述第一媒体特征单体对多个已知媒体进行第一排名，根据所述第一排名的结果，取出前k个所述已知媒体作为第一候选媒体集合，其中k为正整数；第二排名模块，用于根据多个顺序排列的所述第一媒体特征单体对所述第一候选媒体集合进行第二排名，根据所述第二排名的结果，取出前n个所述第一候选媒体作为检索结果，其中n为正整数。

本公开的目的还可以采用以下的技术措施来进一步实现。

前述的媒体检索装置，其还包括执行前述任一媒体检索方法步骤的模块。

本公开的目的还采用以下技术方案来实现。依据本公开提出的一种媒体检索硬件装置，包括：存储器，用于存储非暂时性计算机可读指令；以及处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现前述任意一种媒体检索方法。

本公开的目的还采用以下技术方案来实现。依据本公开提出的一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行前述任意一种媒体检索方法。

本公开的目的还采用以下技术方案来实现。依据本公开提出的一种终端设备，包括前述任意一种媒体检索装置。

上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是本公开一个实施例的媒体检索方法的流程示意图。

图2是本公开一个实施例的媒体检索方法的流程框图。

图3是本公开一个实施例提供的第一排名的流程框图。

图4是本公开一个实施例提供的第二排名的流程框图。

图5是本公开一个实施例提供的利用动态规划法确定序列相似度评分的流程框图。

图6是本公开一个实施例提供的利用匀速媒体法确定序列相似度评分的流程框图。

图7是本公开一个实施例提供的基于多种类型第一媒体特征、第二媒体特征确定相似度矩阵的流程框图。

图8是本公开一个实施例的媒体检索装置的结构框图。

图9是本公开一个实施例提供的第一排名模块的结构框图。

图10是本公开一个实施例提供的第二排名模块的结构框图。

图11是本公开一个实施例的基于多种类型第一媒体特征、第二媒体特征确定相似度矩阵的媒体检索装置的结构框图。

图12是本公开一个实施例的媒体检索硬件装置的硬件框图。

图13是本公开一个实施例的计算机可读存储介质的示意图。

图14是本公开一个实施例的终端设备的结构框图。

具体实施方式

为更进一步阐述本公开为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本公开提出的媒体检索方法及装置的具体实施方式、结构、特征及其功效，详细说明如后。

图1为本公开的媒体检索方法一个实施例的示意性流程图，图2为本公开的媒体检索方法一个实施例的示意性流程框图。请参阅图1和图2，本公开示例的媒体检索方法，主要包括以下步骤：

步骤s10，获取待检索媒体(query媒体)的媒体特征。

具体地，所得的该媒体特征为包含一个或多个媒体特征单体的特征序列，各个媒体特征单体在媒体特征中按照先后顺序排列。为了便于叙述和理解，不妨将待检索媒体的媒体特征称为第一媒体特征，第一媒体特征所包含的媒体特征单体称为第一媒体特征单体。此后，处理进到步骤s20。

需要说明的是，在本公开的各个实施例中所说的媒体可以是音频、视频、多张连拍的照片等各种类型的媒体。其中的媒体特征可以是音频特征、视频特征或图像特征等等，事实上可以按照本公开的方法通过获取视频对象的音频特征来进行视频对象的检索。

步骤s20，根据该第一媒体特征，对多个已知媒体进行第一排名，根据该第一排名的结果，取出前k个已知媒体作为第一候选媒体集合。其中的k为正整数，而k的具体取值是可以设置的。具体地，该第一排名是根据每个单独的第一媒体特征单体与已知媒体的匹配情况进行的排名。进一步地，该第一排名可以是根据各个第一媒体特征单体对已知媒体进行的词频-逆向文件频率排名(termfrequency–inversedocumentfrequencyranking，简称为tf-idf排名)。此后，处理进到步骤s30。

步骤s30，根据该第一媒体特征，对该第一候选媒体集合进行第二排名，根据该第二排名的结果，取出第一候选媒体集合中的前n个第一候选媒体作为检索结果。其中的n为正整数，而n的具体取值是可以设置的。具体地，该第二排名为根据多个顺序排列的第一媒体特征单体，对该第一候选媒体集合中的媒体进行的排名。例如，该多个顺序排列的第一媒体特征单体包括第一媒体特征中的连续的一部分、该第一媒体特征整体，和/或该多个顺序排列的第一媒体特征单体包括第一媒体特征中的具有相同间隔的序号的多个第一媒体特征单体，例如序号为1、3、5、7、...的多个第一媒体特征单体。

本公开提出的媒体检索方法，通过进行第一排名和第二排名以得到检索结果，能够大大提高媒体检索的准确性和效率。

下面对上述各步骤分别进行详细的陈述和说明。

一、关于步骤s10。

需要说明的是，对媒体特征的提取方法以及媒体特征的类型不做限制。在本公开的一种示例中，可以提取待检索媒体的二值数媒体特征，或者将提前得到的媒体特征(不限具体类型)进行二值化，以得到二值数媒体特征。其中，二值数媒体特征中的每个媒体特征单体是一段由0/1组成的比特串，从而该二值数媒体特征为由多个比特串顺序排列而构成的比特串序列。而在另一种示例中，可以提取待检索媒体的浮点数媒体特征，浮点数媒体特征中的每个媒体特征单体是一个浮点数，从而该浮点数媒体特征由多个浮点数顺序排列而构成的序列。

在一些实施例中，这里所说的顺序排列为，在媒体特征中，多个媒体特征单体是按时间的先后顺序排列的：例如，在预先的提取媒体特征的过程中，先对媒体对象进行抽帧，再根据每一帧生成一个媒体特征单体，从而各个媒体特征单体与媒体对象的各个帧相对应，然后将各个媒体特征单体按照各个帧在媒体对象中的时间顺序进行排列得到媒体特征。因此也可以将前述的媒体特征单体称为帧特征。

二、关于步骤s20。

前述的已知媒体可以是一个媒体数据库中的媒体。在该媒体数据库中存储有大量的已知媒体的媒体特征，并且在存储的已知媒体的媒体特征中包含有与第一媒体特征利用相同提取方法得到的与第一媒体特征相同类型的媒体特征。

在本公开的一些实施例中，本公开的媒体检索方法还包括：预先获取多个已知媒体的媒体特征，为了便于叙述和理解，不妨将已知媒体的媒体特征称为第二媒体特征，第二媒体特征所包含的媒体特征单体称为第二媒体特征单体；对该第二媒体特征进行索引，以预先得到已知媒体的特征索引；将该特征索引与第一媒体特征单体进行匹配，以对多个已知媒体进行tf-idf排名。

具体地，前述的预先得到已知媒体的特征索引进一步包括，预先得到已知媒体的媒体特征的正排特征索引(forwardindex)和倒排特征索引(invertedindex)，以便于对媒体特征的比对和检索。该正排特征索引和倒排特征索引可以预先存储在媒体数据库中。其中，正排特征索引用于记录各个已知媒体的媒体特征，即记录了各个已知媒体的媒体特征具体包含了哪些媒体特征单体以及这些媒体特征单体的顺序；倒排特征索引用于记录各个媒体特征单体在哪个或哪些已知媒体的媒体特征中出现。具体地，可以利用键值对(key-value对)的形式来存储该正排特征索引和倒排特征索引：在正排特征索引中，用一个键(key)表示一个媒体的编号(或者，称为媒体id)，而与该键对应的值(value)记录该媒体包含了哪些媒体特征单体以及这些媒体特征单体的顺序，不妨将正排特征索引中的键、值分别称为正排键、正排值；在倒排特征索引中，用一个键(key)表示一个媒体特征单体，而与该键对应的值(value)记录包含有该媒体特征单体的媒体的编号，不妨将倒排特征索引中的键、值分别称为倒排键、倒排值。

其中的tf-idf排名是一类通过对信息进行词频和逆向文件频率加权，来判断信息的重要程度，以进行排名的技术。其中的词频是指一个词(或者说，一个信息)在某个文章(或者说，某个文件)中出现的频率，词频越高说明该词对于该文章越重要；其中的文件频率是指一个词出现在了文章库中的多少个文章中，而逆向文件频率是文件频率的倒数(实际计算时，还可对逆向文件频率取对数，或者定义逆向文件频率是文件频率的倒数的对数)，逆向文件频率越高，说明该词的区分度越好。因此，tf-idf排名利用词频与逆向文件频率的乘积的大小进行排名。事实上，可以将一个媒体的媒体特征作为一个文章，而每个媒体特征单体作为一个词，从而能够利用tf-idf方式对已知媒体进行排名。

另外，如果对媒体数据库中的所有已知媒体都进行第一排名，可能会影响检索效率，因此在第一排名之前，可以先对媒体数据库中的已知媒体进行绝对匹配(exactmatch)。其中的绝对匹配，用于选出所包含的第一媒体特征单体的数量在预设数量或预设比例以上的已知媒体作为第二候选媒体集合。然后再对该第二候选媒体集合进行第一排名，以选出第一候选媒体集合。

图3为本公开一个实施例提供的第一排名的示意性流程框图。请参阅图3，在本公开一个实施例中，第一排名具体包括以下步骤：

步骤s21，根据倒排特征索引，统计各个第一媒体特征单体在哪些已知媒体的第二媒体特征中出现，以从媒体数据库中匹配出包含预设数量以上第一媒体特征单体的已知媒体作为第二候选媒体集合。此后，处理进到步骤s22。

需要注意的是，“预设数量以上第一媒体特征单体”中的“数量”指的是第一媒体特征单体的种类。具体地，该预设数量可以是一个，从而匹配出的第二候选媒体集合为第二媒体特征中至少出现了某一种第一媒体特征单体的已知媒体；该预设数量也可以是多个，不妨为p个(p为正整数)，从而匹配出的第二候选媒体集合为第二媒体特征中至少出现了p种第一媒体特征单体的已知媒体。

步骤s22，基于正排特征索引，确定一个第一媒体特征单体在一个第二候选媒体的第二媒体特征中的词频。该词频为：一个第一媒体特征单体在一个第二媒体特征所包含的全部媒体特征单体之中所占的比例。此后，处理进到步骤s23。

步骤s23，基于倒排特征索引，确定一个第一媒体特征单体的文件频率。该文件频率为：在多个已知媒体之中(例如，可以是媒体数据库中所有的已知媒体)，第二媒体特征中包含有该第一媒体特征单体的已知媒体的数量占已知媒体总数的比例。需要注意的是，可以预先计算出各个媒体特征单体的文件频率并存储起来，在检索时直接读取该预先计算出的文件频率数据。此后，处理进到步骤s24。

步骤s24，根据各个第一媒体特征单体在一个第二候选媒体的第二媒体特征中的词频以及各个第一媒体特征单体的文件频率，确定该第二候选媒体的词频-逆向文件频率评分。此后，处理进到步骤s25。

步骤s25，根据得到的各个第二候选媒体的词频-逆向文件频率评分对第二候选媒体集合进行排名，得到第一排名的结果，从该第一排名结果中取出前k个第二候选媒体作为第一候选媒体集合。同时，还可以返回各个第一候选媒体的第二媒体特征(正排特征索引)，以备在后续的步骤s30中基于该第二媒体特征对第一候选媒体集合进行进一步处理。

在本实施例中，可以利用索引服务器，将待检索媒体的第一媒体特征单体的集合作为索引请求，根据前述的正排特征索引和倒排特征索引，进行绝对匹配和tf-idf排名，以召回第一候选媒体集合并同时返回得到的各个第一候选媒体的正排特征索引。具体地，可以利用开源的elasticsearch搜索引擎进行上述的各个步骤，以达到快速检索的效果。另外，可预先将第一媒体特征和第二媒体特征进行二值化处理，以便于索引服务器进行索引召回。

值得注意的是，绝对匹配和第一排名着重关注各个第一媒体特征单体出现在哪些已知媒体中以及第一媒体特征单体本身的检索情况，并未考虑各个第一媒体特征单体在第一媒体特征中的顺序对检索的影响，或者说并未考虑媒体特征的整体或连续多个媒体特征单体的检索情况。

本公开提出的媒体检索方法，通过进行绝对匹配和第一排名，能够大大提高媒体检索的准确性和效率。

三、关于步骤s30。

在本公开的一些实施例中，该第二排名为根据多个顺序排列的第一媒体特征单体所组成的具有先后顺序的序列在第一候选媒体的媒体特征中出现的情况，对该第一候选媒体集合中的媒体进行的排名。具体地，该第二排名包括：根据已知媒体的特征索引与第一媒体特征得到该第一候选媒体集合中的媒体的相似度矩阵，基于该相似度矩阵对该第一候选媒体集合中的媒体进行排名。

图4为本公开一个实施例提供的第二排名的示意性流程框图。请参阅图4，在本公开的一个实施例中，第二排名具体包括以下步骤：

步骤s31，获取第一候选媒体集合中的一个第一候选媒体(事实上每个第一候选媒体都是已知媒体)的第二媒体特征。具体地，可以根据已知媒体的特征索引(例如，正排特征索引)获取该第二媒体特征。不妨假设待检索媒体的第一媒体特征包含m1个第一媒体特征单体，该第一候选媒体的第二媒体特征包含m2个第二媒体特征单体，其中的m1和m2为正整数。需要说明的是，该第一媒体特征与该第二媒体特征为通过同种媒体特征提取方法得到的同种类型的媒体特征。此后，处理进到步骤s32。

步骤s32，确定该第一候选媒体的第二媒体特征所包含的各个第二媒体特征单体与各个第一媒体特征单体之间的单体相似度，得到m1×m2个单体相似度。每个单体相似度表示一个第一媒体特征单体与一个第二媒体特征单体之间的相似程度，具体可以是，单体相似度越大表示越相似。此后，处理进到步骤s33。

在本公开的实施例中，可以根据媒体特征的类型，选择能够判断两个媒体特征单体的相似程度的距离或度量作为该单体相似度。

具体地，当第一媒体特征单体、第二媒体特征单体同为浮点数特征时，可根据第一媒体特征单体与第二媒体特征单体之间的余弦距离(余弦相似度)确定该单体相似度；一般可直接将该余弦距离确定为单体相似度。

而当第一媒体特征单体、第二媒体特征单体同为二值化特征时，可根据第一媒体特征单体与第二媒体特征单体之间的汉明距离(hamming距离)确定该单体相似度。具体地，先计算第一媒体特征单体与第二媒体特征单体之间的汉明距离，再计算媒体特征单体的长度(比特数)与该汉明距离的差值，并将该差值与该媒体特征单体长度的比值确定为单体相似度，用以表示两个二值化特征中的相同比特所占的比例。其中的汉明距离是一种信息论领域中常用的度量，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。在实际计算汉明距离时，可以对两个字符串进行异或运算，并统计结果为1的个数，而这个数就是汉明距离。需要说明的是，利用同种方法提取得到的媒体特征单体具有相同的长度。

值得注意的是，不限于利用余弦距离或汉明距离表示该单体相似度，而是可以利用任何可以判断两个媒体特征单体的相似程度的距离或度量。

需要说明的是，如果各个媒体特征单体与媒体对象的各个帧相对应则也可将单体相似度称为帧间相似度。

步骤s33，根据各个单体相似度，确定该第一候选媒体与待检索媒体之间的相似度矩阵(similaritymatrix)。

具体地，该相似度矩阵中的每个点对应一个单体相似度，使得该相似度矩阵记录有一个第一候选媒体的各个第二媒体特征单体与各个第一媒体特征单体之间的单体相似度。并且，该相似度矩阵的各个点：在横向上按照待检索媒体的各个第一媒体特征单体在第一媒体特征中的先后顺序排列，且在纵向上按照第一候选媒体的各个第二媒体特征单体在第二媒体特征中的先后顺序排列。从而位于第i行第j列的点表示待检索媒体的第i个第一媒体特征单体和第一候选媒体的第j个第二媒体特征单体之间的单体相似度，进而该相似度矩阵为一个m1×m2矩阵。此后，处理进到步骤s34。

需要说明的是，在实际操作中，并非一定先进行步骤s32的计算各个单体相似度，再进行步骤s33的确定相似度矩阵，而是可以直接确定相似度矩阵，在确定该相似度矩阵的各个点的过程中计算对应的单体相似度。

步骤s34，根据每个第一候选媒体的相似度矩阵，确定该第一候选媒体的序列相似度评分。该序列相似度评分用于表现该第一候选媒体与待检索媒体之间的相似程度。该序列相似度评分可以是一个0到1之间的分数，数字越大表示两段媒体越相似。此后，处理进到步骤s35。

具体地，根据相似度矩阵中的直线来确定该的序列相似度评分。

需注意，由于媒体特征一般包含有穷的多个媒体特征单体，从而相似度矩阵为有穷矩阵，因此实际上所谓的“直线”是相似度矩阵中的多个点组成的有穷长的线段。该直线具有斜率，该斜率为直线所包括的多个点的连线的斜率。另外，该直线的起点和终点可以是相似度矩阵中的任意的点，不必是位于边缘的点。

本公开所说的直线包括相似度矩阵中的对角线、与该对角线相平行的各条线段这些在相似度矩阵中从左上到右下的斜率为1的直线，还包括斜率不为1的直线。例如，可以是的斜率近似于1的直线，以提高媒体检索的鲁棒性；可以是斜率为2、3、...或1/2、1/3、...等的直线，以应对经过调速的媒体对象的检索；甚至可以是斜率为负数的直线(在相似度矩阵中从左下到右上的直线)，以应对经过反向播放处理的媒体对象的检索。其中的对角线为由位于(1,1)、(2,2)、(3,3)...的点组成的线段(事实上就是以左上角的点为起点且斜率为1的一条直线)。

事实上，相似度矩阵中的每条直线均由顺序排列的多个单体相似度构成，因此由于每条直线表现了多个顺序排列的媒体特征单体对的相似情况，从而能够表现待检索媒体中的一段媒体片段与已知媒体中的一段媒体片段的相似程度。其中每个媒体特征单体对包括一个第一媒体特征单体和一个第二媒体特征单体(也就是说，每条直线表现了多个顺序排列的第一媒体特征单体与多个顺序排列的第二媒体特征单体之间的相似程度)。而直线的斜率、起点终点表现了两段媒体片段的长度、位置。例如，由(1,1)、(2,3)、(3,5)、(4,7)构成的直线，由于表现了序数为1的第一媒体特征单体与序数为1第二媒体特征单体之间的相似情况、序数为2的第一媒体特征单体与序数为3第二媒体特征单体之间的相似情况、...，从而该直线能够反应序数为1、2、3、4的第一媒体特征单体所对应的一段待检索媒体片段与序数为1、3、5、7的第二媒体特征单体所对应的一段已知媒体片段之间的相似情况。

因此，可以根据相似度矩阵中的直线来确定一个第一候选媒体与待检索媒体之间的相似情况：不妨将一个直线所包含的各个单体相似度的平均情况(或总体情况)定义为该直线的直线相似度，该直线相似度能够体现对应的多个第一媒体特征单体与多个第二媒体特征单体之间的相似情况；在相似度矩阵中确定一条直线相似度最高的直线，不妨称为匹配直线；将匹配直线的直线相似度确定为第一候选媒体的序列相似度评分。

需要注意的是，在确定匹配直线的过程中，可以是从预设的多条直线中确定一条直线相似度最高的直线，例如该预设的多条直线为所有的斜率为预设的斜率设定值(比如斜率为1)的直线，或者，也可以是先从相似度矩阵中选取使得单体相似度的大小排名靠前的多个点，再根据这些点拟合出一条直线，以生成一条使得直线相似度相对最高的直线。

步骤s35，根据各个第一候选媒体的该序列相似度评分对第一候选媒体集合进行排名，得到第二排名的结果，从该第二排名结果中取出前n个第一候选媒体作为检索结果。

本公开提出的媒体检索方法，通过进行第二排名，能够大大提高媒体检索的准确性和效率。

在本公开的一个具体实施例中，可以利用动态规划法来根据相似度矩阵确定序列相似度评分。图5为本公开一个实施例提供的利用动态规划法进行媒体检索的示意性流程框图。请参阅图5，在一种实施例中，步骤s34包括以下具体步骤：

步骤s34-1a，将相似度矩阵中的斜率为预设的斜率设定值的多条直线定义为备选直线，根据每条备选直线所包含的各个单体相似度确定该备选直线的直线相似度。具体地，一条直线的直线相似度可以设置为该直线所包含的各个单体相似度的平均值，或者可以设置为该直线所包含的各个单体相似度的总和值。在一种具体示例中，可以将斜率设定值取为1，即前述的备选直线为：相似度矩阵中的对角线以及与该对角线平行的直线。此后，处理进到步骤s34-1b。

需要注意的是，在本公开的一种实施例中，步骤s34-1a还包括：先从备选直线中排除那些包含的单体相似度的数量少于预设的直线长度设定值的直线，然后再进到步骤s34-1b。或者说，在本实施例中，备选直线还须满足：包含的单体相似度的数量达到预设的直线长度设定值。通过排除单体相似度过少的直线，可以排除当直线包含的单体相似度过少而影响最终得到的序列相似度评分的准确性的问题。

步骤s34-1b，从该多条备选直线中，确定一条使得该直线相似度最大的备选直线，并定义为第一匹配直线。此后，处理进到步骤s34-1c。

步骤s34-1c，将该第一匹配直线的直线相似度确定为序列相似度评分。

需要注意的是，在本公开的一些实施例中，步骤s34-1a中的预设的斜率设定值可以为多个，即备选直线为斜率与多个斜率设定值中任意一个相等的直线，例如备选直线可以为斜率为1、-1、2、1/2等的直线，并且在步骤s34-1b中，从斜率为多个斜率设定值中任意一个的多条备选直线中确定一条第一匹配直线。

本公开提出的媒体检索方法，通过利用动态规划法来确定序列相似度评分，能够提高媒体检索的准确性和效率。

在本公开的另一个具体实施例中，可以利用匀速媒体法来根据相似度矩阵确定序列相似度评分。图6为本公开一个实施例提供的利用匀速媒体法进行媒体检索的示意性流程框图。请参阅图6，在一种实施例中，步骤s34包括以下具体步骤：

步骤s34-2a，在相似度矩阵中选取单体相似度最大的多个点作为相似度极值点。所取的相似度极值点的具体数量可以是预设的。此后，处理进到步骤s34-2b。

步骤s34-2b，基于该多个相似度极值点，在该相似度矩阵中拟合出一条直线作为第二匹配直线。在一些具体示例中，基于该多个相似度极值点拟合出一条具有预设的斜率设定值或接近预设的斜率设定值的直线作为第二匹配直线，例如，拟合出一条斜率接近1的直线。具体地，可以利用随机抽样一致法(randomsampleconsensus法，简称为ransac法)在该相似度矩阵中拟合出一条斜率接近斜率设定值的直线。其中的ransac法是一种常用的根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，以得到有效样本数据的方法。此后，处理进到步骤s34-2c。

步骤s34-2c，根据该第二匹配直线所包含的多个单体相似度来确定序列相似度评分。具体地，可将该第二匹配直线上的各个单体相似度的平均值确定为该序列相似度评分。

本公开提出的媒体检索方法，通过利用匀速媒体法来确定序列相似度评分，能够提高媒体检索的准确性和效率。

进一步地，其中相似度矩阵可以是由多种媒体相似度综合考量得到的。具体地，本公开的媒体检索方法还包括：获取待检索媒体的多种类型的第一媒体特征，获取第一候选媒体集合中的媒体的多种类型的第二媒体特征，根据多种类型的第二媒体特征以及多种类型的第一媒体特征来确定相似度矩阵。然后利用基于多种类型媒体特征的相似度矩阵来进行第二排名。

图7为本公开一个实施例的基于多种类型的第一媒体特征和第二媒体特征来确定相似度矩阵以进行媒体检索的示意性流程框图。请参阅图7，在本公开的一个实施例中，本公开的媒体检索方法具体包括：

步骤s41，获取待检索媒体的多种类型的第一媒体特征，每种类型的第一媒体特征包含多个第一媒体特征单体。此后，处理进到步骤s42。

例如，同时获取待检索媒体的前述的浮点数特征和二值化特征。

步骤s42，获取一个已知媒体(具体地，可以是前述的第一候选媒体集合中的媒体)的多种类型的第二媒体特征，每种类型的第二媒体特征包含多个第二媒体特征单体。对多种类型的第二媒体特征进行索引，以得到基于多种媒体特征的特征索引。此后，处理进到步骤s43。

例如，同时获取已知媒体的前述的浮点数特征和二值化特征。

步骤s43，分别确定同种类型的该第二媒体特征单体与该第一媒体特征单体之间的单体相似度。从而对应于多种类型的媒体特征，能够得到多种单体相似度。其中，第二媒体特征单体可以根据特征索引得到。此后，处理进到步骤s44。

步骤s44，确定多种单体相似度的平均值或最小值，并根据多种单体相似度的该平均值或该最小值确定该已知媒体的相似度矩阵。

此后，处理进到前述示例的步骤s34，并在步骤s34中根据该基于多种单体相似度的平均值或最小值的相似度矩阵，来确定序列相似度评分以及确定第二排名的结果等步骤。

利用多种相似度的平均值或最小值确定相似度矩阵的效果在于：利用单种媒体特征得到相似度进行媒体检索可能存在误匹配的情况，通过取多种媒体特征的相似度的平均值或取最小值，能够减少或排除该误匹配问题，从而提高媒体检索的准确性。

需要说明的是，在取多种单体相似度的平均值或最小值之前，需要确保各种单体相似度具有一致的取值范围，例如可以预先将所有类型的单体相似度的取值范围均设置为0到1。事实上，前述的根据余弦距离确定的单体相似度的示例以及根据汉明距离确定的单体相似度的示例，均已将单体相似度的取值范围设置为0到1。

在本公开的一些实施例中，获取的待检索媒体的第一媒体特征中还包含用于表示第一媒体特征单体的可信程度的第一可信度字段，和/或获取的已知媒体的第二媒体特征中还包含用于表示第二媒体特征单体的可信程度的第二可信度字段；进而，该媒体检索方法可以还包括：在确定单体相似度时或在确定序列相似度评分时，利用该第一可信度字段和/或利用该第二可信度字段进行加权，可信度高的赋予高权重，可信度低的赋予低权重，然后根据加权后得到的序列相似度评分进行第二排名。需要说明的是，该可信度字段可以记录在媒体特征之中，或者也可以不包含于媒体特征之中而单独存储，仅需配置好媒体特征与可信度字段的对应关系。

在本公开的一些实施例中，该媒体检索方法还包括：在进行第一排名之前，对获取的待检索媒体的第一媒体特征以及已知媒体的第二媒体特征按照预设的固定长度切片，得到多个长度相同(包含相同数量的媒体特征单体)的第一子媒体特征和第二子媒体特征(例如，在包括对第二媒体特征进行索引的步骤的实施例中，是在索引之前进行切片)；和/或，在获取媒体特征之前，预先对待检索媒体以及已知媒体按照预设的固定时间长度切片，得到多段时间长度相同的待检索媒体片段和已知媒体片段，然后分别获取各个待检索媒体片段和已知媒体片段的媒体特征，得到各个待检索媒体片段的第一子媒体特征、各个已知媒体片段的第二子媒体特征。之后，根据每个第一子媒体特征、第二子媒体特征进行前述的第一排名和第二排名的步骤，得到各个子媒体特征的检索结果，然后根据各个子媒体特征的检索结果确定原始的待检索媒体的检索结果。

通过对媒体或媒体特征按照固定长度切片的效果在于：1、使tf-idf排名更加公平；2、求得的单体相似度、序列相似度评分更加准确；3、统一长度有利于媒体特征及特征索引的存储。

在本公开的一些实施例中，第一媒体特征中的多个第一媒体特征单体以及第二媒体特征中的多个第二媒体特征单体在排列上具有时间性，例如，是按照时间的先后顺序排列的。这时，本公开的媒体检索方法还包括：根据前述的相似度矩阵确定待检索媒体与已知媒体(具体地，可以是前述的检索结果中的媒体)的重复片段。具体地，可以根据相似度矩阵中的直线的起点和终点得到两个媒体中的重复片段的起止时间。例如，可以根据前述的第一匹配直线或第二匹配直线的起点和终点得到待检索媒体与已知媒体中的重复片段的起止时间。

其中的根据相似度矩阵中的直线(例如匹配直线)来确定重复片段的具体方法可以是：根据直线的起点所对应的第一媒体特征单体的序数(或者说，相似度矩阵中的横坐标)确定待检索媒体中的重复片段的开始时间，而根据该起点所对应的第二媒体特征单体的序数(或者说，相似度矩阵中的纵坐标)确定第一候选媒体中的重复片段的开始时间；类似地，根据直线的终点的横坐标确定待检索媒体中的重复片段的结束时间，而根据该终点的纵坐标确定第一候选媒体中的重复片段的结束时间。

在本公开的一些实施例中(例如前述的图5和图6所示的实施例)，步骤s34还包括：检测所得到的第一匹配直线或第二匹配直线的开头部分和结尾部分，判断该第一匹配直线/第二匹配直线的开头部分和结尾部分的点(单体相似度)是否达到预设的单体相似度设定值，去掉第一匹配直线/第二匹配直线的开头和结尾的未达到该单体相似度设定值(即单体相似度不高)的部分，保留中间一段直线并定义为第三匹配直线；根据该第三匹配直线的直线相似度来确定序列相似度评分，和/或根据该第三匹配直线的起点和终点确定已知媒体与待检索媒体的重复片段的起止时间。通过去掉匹配直线开头结尾的相似度不高的部分、保留中间一段相似度较高的直线之后，再确定已知媒体与待检索媒体的相似情况，能够提高媒体检索的准确性，能够得到更准确的重复片段。

其中的去掉匹配直线开头/结尾的未达到该单体相似度设定值的部分的具体方法可以是：从匹配直线的起点/终点向中间依次检查，判断是否达到该单体相似度设定值，在找到第一个达到该单体相似度设定值的点后，去掉该点到起点/终点之间的多个点。

需要注意的是，该单体相似度设定值可以是一个单体相似度的具体数值，在检查时判断一个点是否达到该数值；也可以是一个比例值，在检查时判断一个点与第一匹配直线/第二匹配直线所包含的所有点的平均值或最大值相比，是否达到该比例值。

图8为本公开的媒体检索装置100一个实施例的示意性结构图。请参阅图8，本公开示例的媒体检索装置100，主要包括：

媒体特征获取模块110，用于获取待检索媒体(query媒体)的媒体特征作为第一媒体特征。该第一媒体特征包含多个第一媒体特征单体。

第一排名模块120，用于根据该第一媒体特征，对多个已知媒体进行第一排名，根据该第一排名的结果，取出前k个已知媒体作为第一候选媒体集合。其中的k为正整数，而k的具体取值是可以设置的。具体地，该第一排名模块120用于根据每个单独的第一媒体特征单体与已知媒体的匹配情况进行的排名。进一步地，该第一排名模块120可以用于根据各个第一媒体特征单体对已知媒体进行的词频-逆向文件频率tf-idf排名。

第二排名模块130，用于根据该第一媒体特征，对该第一候选媒体集合进行第二排名，根据该第二排名的结果，取出第一候选媒体集合中的前n个第一候选媒体作为检索结果。其中的n为正整数，而n的具体取值是可以设置的。具体地，该第二排名模块130用于根据多个顺序排列的第一媒体特征单体对第一候选媒体集合中的媒体进行的排名。

前述的已知媒体可以是一个媒体数据库中的媒体。在该媒体数据库中存储有大量的已知媒体的媒体特征，并且在存储的已知媒体的媒体特征中包含有与第一媒体特征利用相同提取方法得到的与第一媒体特征相同类型的媒体特征。

在本公开的一些实施例中，本公开的媒体检索装置100还包括特征索引获取模块(图中未示出)，用于获取多个已知媒体的媒体特征作为第二媒体特征，该第二媒体特征包含多个第二媒体特征单体，对该第二媒体特征进行索引，以得到已知媒体的特征索引。而第一排名模块120具体用于将该特征索引与第一媒体特征单体进行匹配，以对多个已知媒体进行tf-idf排名。

进一步地，该特征索引获取模块用于获取已知媒体的正排特征索引(forwardindex)和倒排特征索引(invertedindex)。

另外，如果对媒体数据库中的所有已知媒体都进行第一排名，可能会影响检索效率，因此本公开的第一排名模块120可以包括绝对匹配子模块121，用于在第一排名之前，先对多个已知媒体进行绝对匹配(exactmatch)。其中的绝对匹配，用于选出所包含的第一媒体特征单体的数量在预设数量或预设比例以上的已知媒体作为第二候选媒体集合。然后再对该第二候选媒体集合进行第一排名，以选出第一候选媒体集合。

图9为本公开一个实施例提供的第一排名模块120的示意性结构图。请参阅图9，在本公开的一个实施例中，该第一排名模块120具体包括：

绝对匹配子模块121，用于根据倒排特征索引，统计各个第一媒体特征单体在哪些已知媒体的第二媒体特征中出现，以从媒体数据库中选取出包含预设数量以上第一媒体特征单体的已知媒体作为第二候选媒体集合。

词频确定子模块122，用于基于正排特征索引，确定一个第一媒体特征单体在一个第二候选媒体的第二媒体特征中的词频。

文件频率确定子模块123，用于基于倒排特征索引，确定一个第一媒体特征单体的文件频率。

词频-逆向文件频率评分子模块124，用于根据各个第一媒体特征单体在一个第二候选媒体的第二媒体特征中的词频以及各个第一媒体特征单体的文件频率，确定该第二候选媒体的词频-逆向文件频率评分。

第一排名子模块125，用于根据得到的各个第二候选媒体的词频-逆向文件频率评分对第二候选媒体集合进行排名，得到第一排名的结果，从该第一排名结果中取出前k个第二候选媒体作为第一候选媒体集合；该第一排名子模块125还可用于将各个第一候选媒体的第二媒体特征(正排特征索引)返回给第二排名模块130，以备在后续的进一步处理。

在本公开的一些实施例中，该第二排名为根据多个顺序排列的第一媒体特征单体所组成的具有先后顺序的序列在第一候选媒体的媒体特征中出现的情况，对该第一候选媒体集合中的媒体进行的排名。具体地，该第二排名模块130用于：根据已知媒体的特征索引与第一媒体特征得到该第一候选媒体集合中的媒体的相似度矩阵，基于该相似度矩阵对该第一候选媒体集合中的媒体进行排名。

图10为本公开一个实施例提供的第二排名模块130的示意性结构图。请参阅图10，在本公开的一个实施例中，该第二排名模块130具体包括：

第二媒体特征获取子模块131，用于获取第一候选媒体集合中的一个第一候选媒体(事实上每个第一候选媒体都是已知媒体)的第二媒体特征。具体地，可以根据已知媒体的特征索引(例如，正排特征索引)获取该第二媒体特征。

单体相似度第一确定子模块132，用于确定该第一候选媒体的第二媒体特征所包含的各个第二媒体特征单体与各个第一媒体特征单体之间的单体相似度。

相似度矩阵第一确定子模块133，用于根据各个单体相似度，确定该第一候选媒体与待检索媒体之间的相似度矩阵。

序列相似度评分确定子模块134，用于根据每个第一候选媒体的相似度矩阵，确定该第一候选媒体的序列相似度评分。具体地，序列相似度评分确定子模块134用于根据相似度矩阵中的直线来确定该的序列相似度评分。

第二排名子模块135，用于根据各个第一候选媒体的该序列相似度评分对第一候选媒体集合进行排名，得到第二排名的结果，从该第二排名结果中取出前n个第一候选媒体作为检索结果。

在本公开的一个实施例中，该序列相似度评分确定子模块134具体用于利用前述的动态规划法的各个具体步骤来确定该序列相似度评分。

在本公开的一个实施例中，该序列相似度评分确定子模块134具体用于利用前述的匀速媒体法的各个具体步骤来确定该序列相似度评分。

进一步地，其中相似度矩阵是由多种媒体的相似度综合考量得到的。

图11为本公开一个实施例提供的基于多种类型的第一媒体特征和第二媒体特征确定相似度矩阵的媒体检索装置100的示意性结构图。请参阅图11，在本公开的一个实施例中，本公开的媒体检索装置100还包括：

多类型第一媒体特征获取模块140，用于获取待检索媒体的多种类型的第一媒体特征，每种类型的第一媒体特征包含多个第一媒体特征单体。

多类型第二媒体特征获取模块150，用于获取一个已知媒体(具体地，可以是前述的第一候选媒体集合中的媒体)的多种类型的第二媒体特征，每种类型的第二媒体特征包含多个第二媒体特征单体。在一些示例中，可以包括特征索引获取模块(图中未示出)，用于对多种类型的第二媒体特征进行索引，以得到基于多种媒体特征的特征索引。

单体相似度第二确定子模块160，用于分别确定同种类型的该第二媒体特征单体与该第一媒体特征单体之间的单体相似度，从而得到多种单体相似度。其中，第二媒体特征单体可以基于特征索引得到。

相似度矩阵第二确定子模块170，用于确定多种单体相似度的平均值或最小值，并根据多种单体相似度的该平均值或该最小值确定该已知媒体的相似度矩阵。

进而前述的序列相似度评分确定子模块134用于根据该基于多种单体相似度的平均值或最小值的相似度矩阵来确定序列相似度评分。

在本公开的一些实施例中，获取的待检索媒体的第一媒体特征中还包含用于表示第一媒体特征单体的可信程度的第一可信度字段，和/或获取的已知媒体的第二媒体特征中还包含用于表示第二媒体特征单体的可信程度的第二可信度字段；该第二排名模块130还用于：在确定单体相似度时或在确定序列相似度评分时，利用该第一可信度字段和/或利用该第二可信度字段进行加权，可信度高的赋予高权重，可信度低的赋予低权重，然后根据加权后得到的序列相似度评分进行第二排名。

在本公开的一些实施例中，该媒体检索装置100还包括媒体切片模块(图中未示出)。该媒体切片模块用于在进行第一排名之前，对获取的待检索媒体的第一媒体特征以及已知媒体的第二媒体特征按照预设的固定长度切片，得到多个长度相同(包含相同数量的媒体特征单体)的第一子媒体特征和第二子媒体特征；和/或，该媒体切片模块用于在获取媒体特征之前，预先对待检索媒体以及已知媒体按照预设的固定时间长度切片，得到多段时间长度相同的待检索媒体片段和已知媒体片段，然后分别获取各个待检索媒体片段和已知媒体片段的媒体特征，得到各个待检索媒体片段的第一子媒体特征、各个已知媒体片段的第二子媒体特征。而前述的第一排名模块120和第二排名模块130用于根据每个第一子媒体特征、第二子媒体特征进行前述的第一排名和第二排名的步骤，得到各个子媒体特征的检索结果，然后根据各个子媒体特征的检索结果确定原始的待检索媒体的检索结果。

在本公开的一些实施例中，第一媒体特征中的第一媒体特征单体以及第二媒体特征中的第二媒体特征单体在排列上具有时间性。这时，本公开的媒体检索装置100还包括重复媒体片段确定模块(图中未示出)，用于根据前述的相似度矩阵确定待检索媒体与已知媒体的重复片段。具体地，该重复媒体片段确定模块具体用于根据相似度矩阵中的直线的起点和终点得到两个媒体中的重复片段的起止时间。

图12是图示根据本公开的实施例的媒体检索硬件装置的硬件框图。如图12所示，根据本公开实施例的媒体检索硬件装置200包括存储器201和处理器202。媒体检索硬件装置200中的各组件通过总线系统和/或其它形式的连接机构(未示出)互连。

该存储器201用于存储非暂时性计算机可读指令。具体地，存储器201可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。

该处理器202可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制媒体检索硬件装置200中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器202用于运行该存储器201中存储的该计算机可读指令，使得该媒体检索硬件装置200执行前述的本公开各实施例的媒体检索方法的全部或部分步骤。

图13是图示根据本公开的实施例的计算机可读存储介质的示意图。如图13所示，根据本公开实施例的计算机可读存储介质300，其上存储有非暂时性计算机可读指令301。当该非暂时性计算机可读指令301由处理器运行时，执行前述的本公开各实施例的媒体检索方法的全部或部分步骤。

图14是图示根据本公开实施例的终端设备的硬件结构示意图。终端设备可以以各种形式来实施，本公开中的终端设备可以包括但不限于诸如移动电话、智能电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、导航装置、车载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字tv、台式计算机等等的固定终端设备。

如图14所示，终端设备1100可以包括无线通信单元1110、a/v(音频/视频)输入单元1120、用户输入单元1130、感测单元1140、输出单元1150、存储器1160、接口单元1170、控制器1180和电源单元1190等等。图14示出了具有各种组件的终端设备，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。

其中，无线通信单元1110允许终端设备1100与无线通信系统或网络之间的无线电通信。a/v输入单元1120用于接收音频或视频信号。用户输入单元1130可以根据用户输入的命令生成键输入数据以控制终端设备的各种操作。感测单元1140检测终端设备1100的当前状态、终端设备1100的位置、用户对于终端设备1100的触摸输入的有无、终端设备1100的取向、终端设备1100的加速或减速移动和方向等等，并且生成用于控制终端设备1100的操作的命令或信号。接口单元1170用作至少一个外部装置与终端设备1100连接可以通过的接口。输出单元1150被构造为以视觉、音频和/或触觉方式提供输出信号。存储器1160可以存储由控制器1180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据。存储器1160可以包括至少一种类型的存储介质。而且，终端设备1100可以与通过网络连接执行存储器1160的存储功能的网络存储装置协作。控制器1180通常控制终端设备的总体操作。另外，控制器1180可以包括用于再现或回放多媒体数据的多媒体模块。控制器1180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。电源单元1190在控制器1180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

本公开提出的媒体检索方法的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，本公开提出的媒体检索方法的各种实施方式可以通过使用特定用途集成电路(asic)、数字信号处理器(dsp)、数字信号处理装置(dspd)、可编程逻辑装置(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，本公开提出的媒体检索方法的各种实施方式可以在控制器1180中实施。对于软件实施，本公开提出的媒体检索方法的各种实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器1160中并且由控制器1180执行。

以上，根据本公开实施例的媒体检索方法、装置、硬件装置、计算机可读存储介质以及终端设备，通过进行基于待检索媒体的媒体特征中的每个单独的媒体特征单体的第一排名以及基于待检索媒体的媒体特征中的多个顺序排列的媒体特征单体的第二排名得到检索结果，能够大大提高媒体检索的准确性和效率。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

另外，如在此使用的，在以“至少一个”开始的项的列举中使用的“或”指示分离的列举，以便例如“a、b或c的至少一个”的列举意味着a或b或c，或ab或ac或bc，或abc(即a和b和c)。此外，措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。

还需要指出的是，在本公开的系统和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外，本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而，所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。