作为一种把多种媒体信息综合在一起进行处理的技术,多媒体技术现在正迅猛地发展,随之而来的多媒体数据在日常的信息传递中无处不在。面对如此海量的数据,如何快速地检索出所需信息的问题函需解决。因此,基于内容的视频、图像检索等多媒体检索技术已经成为一个涉及和包含多门学科理论的新的综合性的应用领域。其中视频广告作为商业信息的主要载体,在数字化的今天扮演着日益重要的角色,然而对于广告检测的研究还相对比较落后。原因在于一方面广告的制作技巧和表现方式复杂多变,没有统一的规则可言,另一方面作为视频信息的一部分,广告的持续时间很短,因此特征周期不够明显,检测起来相对困难。本论文在参阅大量文献的基础上,系统地分析了视频广告播放中的视觉结构和特征,提出了鲁棒的视频广告检测算法。本文的成果性工作包括:(一)关于未知重复视频片段的检测算法。利用固定窗口把视频分割成视频单元段,每帧再细分成M×N(8×8)个子块,对每个子块提取有效的特征进行自相关或互相关分析,最后通过阀值判断其相似性。本文中采用两个串行检测器来完成快速准确的计算,在保持较高准确率的情况下,既能检测出长重复片段也能检测出极短(≤1s)的重复片段。(二)本文改进了一种在高维空间下依赖于数据大小的近似最邻域新型广告检索算法。不同于其它分割高维空间方法,它的提出依赖于一种新型算法-LSH(locality-sensitive hashing)。最重要的思想是:利用不同的散列公式散列所有的点以确保相邻点的冲突概率比分散点的概率高,并在散列查询点后决定最邻近域和在存储此点的桶中追踪其最邻近点。