專利名稱：：一種建立文件特征庫索引的方法及裝置的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及數(shù)據(jù)處理技術(shù)，特別是涉及一種建立文件特征庫索引的方法及裝置。
背景技術(shù)：
：在實際應用中，存在這樣的應用場景由于業(yè)務需要，要對電視臺每天播^:的廣告進行統(tǒng)計，統(tǒng)計出各電視臺每天都^番;^了哪些廣告，每種廣告的播放數(shù)量是多少，等等。目前的統(tǒng)計方法是預先在數(shù)據(jù)庫中存儲要播放的所有廣告的關(guān)鍵字，然后將播放的每個廣告與數(shù)據(jù)庫中存儲的廣告關(guān)鍵字進行匹配，識別出正在播放的廣告是數(shù)據(jù)庫中的哪個廣告，進而確定這個廣告是醫(yī)藥類廣告、化妝品廣告、還是服飾類廣告，等等，便于有關(guān)人員進行統(tǒng)計。這種匹配的方法是建立在比較的基礎(chǔ)上的，在查找的過程中需要進行一系列關(guān)鍵字的比較，查找的效率依賴于查找過程中所進行的比較次數(shù)。但是，在一般的數(shù)據(jù)庫里數(shù)據(jù)的排序是無序的，如果數(shù)據(jù)庫里的第一個廣告正好可以與正在播出的廣告匹配，則花費的時間就會很短，如果數(shù)據(jù)庫里的最后一個數(shù)據(jù)可以與正在播出的廣告相匹配，則花費的時間就會很長，因此，該匹配廣告數(shù)據(jù)的方法的缺點在于，找到匹配的廣告所需的時間不能恒定，隨著廣告數(shù)量的增加，容易造成運算延遲。
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問題是提供一種建立文件特征庫及索引的方法及裝置，以解決現(xiàn)有技術(shù)中隨著數(shù)據(jù)量的增加，容易造成運算延遲的問題。為解決上述技術(shù)問題，本發(fā)明公開了以下技術(shù)方案一種建立文件特征庫索引的方法，包括從文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征翁:據(jù)。優(yōu)選的，還包括將所述第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)計算出哈希值，將所述哈希值作為存儲地址，并將對應的第一層索引節(jié)點保存在所述存儲地址上。優(yōu)選的，還包括提取待匹配文件中用于建立索引的第一特征數(shù)據(jù)，并確定第一層索引節(jié)點的存儲地址；在所述虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索引數(shù)據(jù)逐層進行比較，直到找到匹配的最后一個索引節(jié)點；提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)，與最后一個索引節(jié)點附帶的特征數(shù)據(jù)進行比較，得到相匹配的第二特征lt據(jù)。優(yōu)選的，所述文件包括視頻文件，則從文件中獲取至少一個用于建立索引的第一特征數(shù)據(jù)的具體實現(xiàn)包括計算每段場景的時間長度，將各時間長度作為用于建立索引的第一特征數(shù)據(jù)。優(yōu)選的，添加新的索引項時，還包括將所述新的索引項的各層節(jié)點與已經(jīng)建立的索引的各層節(jié)點進行逐層匹配，對于每一層，如果匹配成功，則進入下一層進^f亍匹配；如果匹配失敗，則將新索引的該層節(jié)點添加為上一層節(jié)點的后繼節(jié)點。一種建立文件特征庫索引的裝置，包括第一特征數(shù)據(jù)提取單元，用于從文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；索引建立單元，用于在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。優(yōu)選的，還包括存儲地址獲取單元，用于將所述第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)計算出哈希值，將所述哈希值作為存儲地址；保存單元，用于將對應的第一層索引節(jié)點保存在所述存儲地址上。優(yōu)選的，還包括存儲地址確定單元，用于提取待匹配文件中用于建立索引的第一特征數(shù)據(jù)，并確定第一層索引節(jié)點的存儲地址；查找單元，用于在所述虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索《1數(shù)據(jù)逐層進行比較，直到找到匹配的最后一個索引節(jié)點；第二特征婆:據(jù)提取單元，用于提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)；匹配數(shù)據(jù)確定單元，用于將所述第二特征數(shù)據(jù)提取單元提取的第二特征數(shù)據(jù)與最后一個索引節(jié)點附帶的第二特征數(shù)據(jù)進行比較，得到相匹配的第二特征數(shù)據(jù)。優(yōu)選的，所述文件包括視頻文件，則所述第一特征數(shù)據(jù)提取單元計算每段場景的時間長度，將各時間長度作為用于建立索引的第一特征數(shù)據(jù)。優(yōu)選的，還包括新索引項添加單元，用于將新的索引項的各層節(jié)點與已經(jīng)建立的索引的各層節(jié)點進行逐層匹配，對于每一層，如果匹配成功，則進入下一層進行匹配；如果匹配失敗，則將新索引項的該層節(jié)點添加為上一層節(jié)點的后繼節(jié)點。根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果該方法4是取文件中至少一個用于建立索引的第一特征數(shù)據(jù)；在虛擬^f艮節(jié)點下，將一個所述第一特征數(shù)據(jù)作為第一層索引節(jié)點，其他所述第一特征凄t據(jù)依次作為索引后繼節(jié)點，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)，建立多層索引?？梢?，本發(fā)明實施例通過建立多層的索引，使得比較時從每一層都可以過濾掉很大一部分不匹配的數(shù)據(jù)，這樣被過濾掉的數(shù)據(jù)不再參與下一層的比較，從而節(jié)省了搜索時間與運算時間，提高了匹配的效率。其次，由于對于每一個文件建立的索引具有相似的形式，因此使得匹配每個文件所需的時間比4交恒定。再次，通過使用哈希函數(shù)來生成第一層索引節(jié)點的地址，匹配時，可以首先在虛擬^f艮節(jié)點下找到第一層索引節(jié)點的地址，在這個地址范圍內(nèi)，逐層比較各層索引節(jié)點，從而進一步節(jié)省了匹配所需的時間。另外，哈希函數(shù)的使用比較靈活，可以構(gòu)造適當?shù)腜合希函數(shù)，以減少沖突的發(fā)生。圖1是本發(fā)明實施例提供的建立文件特征庫索引的方法的流程圖；圖2是本發(fā)明實施例提供的建立廣告特征庫索引的方法的流程圖；圖3是本發(fā)明實施例提供的查找與待匹配廣告的方法的流程圖；圖4是本發(fā)明實施例提供的添加新索引的方法的流程圖；圖5是本發(fā)明實施例提供的第一裝置的示意圖；圖6是本發(fā)明實施例提供的第二裝置的示意圖；圖7是本發(fā)明實施例提供的第三裝置的示意圖；圖8是本發(fā)明實施例提供的第四裝置的示意圖。具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。實施例、參見圖1,本發(fā)明實施例提供的方法包括以下步驟S101:從文件中提^^至少一個用于建立索引的第一特征凝:據(jù)；需要說明的是，本發(fā)明實施例中，數(shù)據(jù)庫中預先存儲的是所有文件的特征數(shù)據(jù)，該數(shù)據(jù)庫稱為文件特征庫，根據(jù)特征數(shù)據(jù)便可以獲知待匹配的文件對應的是哪一個文件。以廣告文件為例，則該數(shù)據(jù)庫可以稱為廣告特征庫，庫中存儲的是所有要播放的廣告的特征數(shù)據(jù)，由于廣告為視頻文件，因此其特征數(shù)據(jù)包括廣告的時間長度、切變幀數(shù)量、至少一個切變幀的統(tǒng)計直方圖數(shù)據(jù)、以及廣告的標識等。本發(fā)明實施例的目的是為該文件特征庫建立索引，對于廣告特征庫而言，建立起索引后，便可以根據(jù)該索引快速地查找到與當前播放的廣告相匹配的特征數(shù)據(jù)，進而獲知在播放的是哪個廣告。其中，選擇多個用于建立索引的第一特征數(shù)據(jù)的目的是，利用這些特征數(shù)據(jù)建立多層的索引結(jié)構(gòu)，使得在搜索比較的時候，在每一層都可以過濾掉一部分不匹配的文件，這樣被過濾掉的文件就不再參與下一層的運算，這樣便可以縮短搜索及運算上的時間。但是并不是所有的特征數(shù)據(jù)都需要參與建立索引，可以選取一些用于建立索引，并由索引的最后一個節(jié)點攜帶相應的特征數(shù)據(jù)即可。S102:在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各節(jié)點的多層索引結(jié)構(gòu)，并由最后一個節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。其中，所述虛擬根節(jié)點是本來就存在的，即只要建立索引，就存在一個虛擬根節(jié)點。本發(fā)明實施例中所述的第一層索引節(jié)點可以看作是該虛擬根節(jié)點的孩子。程序讀取的時候總是先找一個根節(jié)點，然后去和這個根節(jié)點的孩子進行比較。所以每一次比較都是通過一個根節(jié)點去找這個根節(jié)點的孩子和根節(jié)點下的孩子進行比較。需要說明的是，本發(fā)明實施例中包括兩種特征數(shù)據(jù)，一種是用于文件匹配的，這些特征數(shù)據(jù)對于每一個文件來講具有唯一性，也就是利用這些特征數(shù)據(jù)可以獲知待匹配的文件是哪一個文件；另一種是用于建立索引的，也就是索引的各個節(jié)點是由這種特征數(shù)據(jù)組成的。仍以廣告文件為例，其用于文件匹配的特征數(shù)據(jù)包括廣告的時間長度、切變幀數(shù)量、切變幀的統(tǒng)計直方圖等；而用于建立索引的第一特征數(shù)據(jù)可以是各段場景的時間長度等。因此對于不同的廣告而言，其用于建立索引的特征數(shù)據(jù)有可能是相同的，但是用于文件匹配的特征數(shù)據(jù)一定是不同的。也就是說，用于文件匹配的特征數(shù)據(jù)相當于文件的ID，對于每個文件具有唯一性。雖然索引的最后一個節(jié)點有可能附帶多個文件的特征數(shù)據(jù)，但仍然可以根據(jù)特征數(shù)據(jù)進行匹配，獲得最終相匹配的特征數(shù)據(jù)。可見，本發(fā)明實施例提供的方法不一定能夠根據(jù)索引直接找到匹配的特征數(shù)據(jù)，但一定可以大大縮小查找的范圍。本發(fā)明實施例選取每段場景的時間長度作為用于建立索引的第一特征數(shù)據(jù)。其中，場景是指由多個鏡頭組成的一個視頻段。劃分場景的時候通過不斷的劃分、重建、優(yōu)化，使得場景的長度盡量唯一，建立的索引盡量分散。需要注意的是，建立的多層索引結(jié)構(gòu)包括只有一層的情況，例如本發(fā)明實施例中將場景的時間長度作為用于建立索引的第一特征數(shù)據(jù)時，允許整個視頻是一個場景，而且就只有這一個場景，這樣建立的索引結(jié)構(gòu)就只有一層。為了克服一般線性表中存儲位置的隨機性，本發(fā)明實施例為每個第一層索引節(jié)點分配存儲地址。在實際應用中，該步驟可以通過函數(shù)來實現(xiàn)。例如采用哈希函數(shù)，則可以將用于建立索引的第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)，計算出對應的哈希值，該哈希值便可以作為該第一層索引節(jié)點的地址。同時利用樹的函數(shù)，將第一層節(jié)點及相應的各層索引后續(xù)節(jié)點建立起樹的結(jié)構(gòu)，并利用排序函數(shù)進行排序，最終得到排過序的哈希樹。這樣建立起來的索引結(jié)構(gòu)，將更力口Y更于進^亍查4戈。采用哈希函數(shù)進行計算時，不同的參數(shù)可能會產(chǎn)生相同的哈希值，而且映射的地址可能是一個范圍，因為是允許有一定的誤差的。例如允許誤差為0.5s,則長度為(10±0.5)s的場景都包括在10s的場景中。因此在一個口合希值下存儲的第一層索引節(jié)點會有很多個，匹配文件時，先根據(jù)虛擬根節(jié)點找到第一層索引節(jié)點的地址，然后再根據(jù)索引各節(jié)點一層一層地查找匹配的特征數(shù)據(jù)。值得注意的是，在數(shù)據(jù)存儲的過程中，經(jīng)常會產(chǎn)生沖突，這里的沖突是指一些地址上存儲了絕大多數(shù)的數(shù)據(jù)(本發(fā)明中是指第一層索引節(jié)點)，而其他一些地址上存儲的數(shù)據(jù)較少。本發(fā)明實施例中可以選取均勻的哈希函數(shù)，以減少沖突的發(fā)生。如上建立了文件特征庫的索引后，便可以利用該索引進行文件的匹配了，匹配時，可以獲取待匹配文件的特征數(shù)據(jù)，并獲取該文件的第一層索引節(jié)點的存儲地址，在虛擬根節(jié)點下，根據(jù)所述地址，將所述待匹配文件的特征數(shù)據(jù)與各層索引數(shù)據(jù)逐層進行比較，將所述待匹配文件的特征數(shù)據(jù)與最后一層索引節(jié)點附帶的各特征數(shù)據(jù)進行比較，最終得到相匹配的特征數(shù)據(jù)。為了更好地理解本發(fā)明實施例提供的方法，下面以廣告特征庫為例進行詳細地說明。參見圖2,可以按照以下步驟為廣告特征庫中廣告A的特征數(shù)據(jù)建立索引S201:將第一段場景的時間長度作為第一個第一特征數(shù)據(jù)，并保存記錄，例如第一段場景的時間長度為IOS，則可以記錄為A-1(10S),該時間長度則稱為第一個第一征凄t據(jù)；S202:記錄第二段場景的時間長度為A-2(8S),該時間長度則成為第二個第一特征數(shù)據(jù)；S203:記錄第三^a場景的時間長度為A-3(6S)，該時間長度則成為第三個第一特征數(shù)據(jù)；S204:依次進行記錄，例如廣告A—共只有四段場景，則選取該最后一段場景，并記錄其時間長度為A-4(3S)，該時間長度則成為第四個第一特征數(shù)據(jù)；注意，以上所述第一、第二、第三及第四段第一特征數(shù)據(jù)就是用來建立索引的第一特征數(shù)據(jù)。S205:將獲得的四個第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)，計算出哈希值，該哈希值則作為該索引的存儲地址；S206:在虛擬根節(jié)點下，將A-1(10S)作為第一層索引節(jié)點，A-2(8S)作為A-1(10S)的索引后繼節(jié)點，A-3(6S)作為A-2(8S)的索引后繼節(jié)點，A-4(3S)作為A-3(6S)的索引后繼節(jié)點，以此形成多級索引結(jié)構(gòu)，存儲在所述存儲地址上。其中，A-4(3S)作為最后一個索引節(jié)點，將附帶用于廣告匹配的第二特征數(shù)據(jù)。由于每個廣告都是按照相同的方法生成哈希值，因此同一個廣告產(chǎn)生的哈希值應該是相等的，也就是只要是特征庫里的廣告，則該廣告的第一層索引節(jié)點在特征庫中存儲的地址是唯一的。利用這個特點可以在匹配時，找到待匹配的廣告的第一層索引節(jié)點存儲的地址，然后根據(jù)索S1逐層進行檢索。表1<table>tableseeoriginaldocumentpage10</column></row><table><table>tableseeoriginaldocumentpage11</column></row><table>表l給出了同一個哈希值確定的存儲地址下，各索引的存儲情況，可以看出每個哈希值存儲了多個第一層索引節(jié)點，每一個索引的第一層索引節(jié)點可以按照一定的順序排列起來，例如按照時間長度升序排列。每個索引的第一層索引節(jié)點作為索引的第一層數(shù)據(jù)，它的子節(jié)點作為索引的第二層數(shù)據(jù)，其他的后繼節(jié)點逐層類推，就建立起了一個分層的廣告特征庫索引。下面對為正在播放的廣告B查找匹配的第二特征數(shù)據(jù)的步驟進行詳細地描述參見圖3，為廣告B查找匹配的特征數(shù)據(jù)的方法包括以下步驟S301:利用與建立索引時相同的方法，計算第一段場景的時間長度(假設(shè)為IOS)，保存記錄為B-1(IOS)，依次類推，選取第二段、第三段、第四段場景的時間長度，并分別記錄為B-2(8S),B-3(6S),B-4(3S);S302:將B-l(10S),B-2(8S)，B-3(6S),B-4(3S)作為哈希函凄t的參數(shù)，計算哈希值，在廣告特征庫中查找與該哈希值相等的地址，該地址就是廣告B的第一層索引節(jié)點存儲的地址；值得注意的是，步驟S301及S302都是按照前文所述的規(guī)則進行的，因此雖然每個哈希值可能對應多個廣告的第一層索引節(jié)點，但是一個文件只能產(chǎn)生一個哈希值，因此，需要查找廣告B的特征數(shù)據(jù)時，計算出哈希值，便可以找到其第一層索引節(jié)點所在的地址，接下來再根據(jù)索引查找匹配的特征數(shù)據(jù)。S303:開始在廣告特征庫索引的第一層進行比較，找到與B-1(10S)匹配的節(jié)點，例如匹配的節(jié)點為A-1(10S);S304:在A-1(10S)的子節(jié)點中查找與B-2(8S)匹配的節(jié)點，例如匹配的節(jié)點為A-2(8S);注意，第一層索引中，除A-1(10S)之外，還包括其他節(jié)點，但按照本發(fā)明實施例的方法，在第二層索引中，只需要在A-l(10S)的子節(jié)點中進行查找，過濾掉了很大一部分數(shù)據(jù)，同理，在每一層查找的時候，都會過濾掉很多的數(shù)據(jù)，從而節(jié)省了查找的時間。S305:在A-2(8S)的子節(jié)點中查找與B-3(6S)匹配的節(jié)點，例如匹配的數(shù)據(jù)為A-3(6S);S306:同理，在A-3(6S)的子節(jié)點中查找與B-4(3S)匹配的節(jié)點，例如匹配的節(jié)點為A-4(3S);此時，已經(jīng)到了最后一個節(jié)點，但如前文所述，該節(jié)點可能對應多個文件的用于文件匹配的特征數(shù)據(jù)，因此還需要進行以下步驟S307:提取廣告B的用于文件匹配的第二特征數(shù)據(jù)；S308:將廣告B中用于文件匹配的特征數(shù)據(jù)與A-4(3S)節(jié)點附帶的特征數(shù)據(jù)進行比較，確定相匹配的特征數(shù)據(jù)，這樣就能夠獲知正在播放的廣告B時哪一個廣告了。前文所述是在建立的廣告特征庫中包含了所有可能播出的廣告基礎(chǔ)上的，在實際應用中，當出現(xiàn)的新的廣告C時，則需要將該廣告添加到廣告特征庫中，并建立新的索引項，下面對該添加的步驟進4于詳細地描述。參見圖4,向廣告特征庫中添加廣告C的索引項的步驟包括S401:按照與步驟S201S205相同的方法，記錄各段場景的時間長度，設(shè)為C-1(10S),C-2(8S)，C-3(6S),并計算出哈希值，根據(jù)哈希值找到其存儲地址；S402:開始在廣告特征庫索引的第一層開始比較；如果匹配失敗，也就是該層索引中不包括10S的第一層索引節(jié)點，則添加該節(jié)點；如果同一層的各節(jié)點按照時間長度升序排列，則C-l(10S)所在的位置應為在第一段場景時間長度小于10S的廣告之后，且在第一段場景的時間長度大于10S的廣告之前。找到這個位置后，將第一層索引C-1(10S)及其所有后繼節(jié)點添加進去，稱為新的索引；如果匹配成功，則進入S403;S403:匹配成功，也就是第一層索引中已經(jīng)包括了IOS的節(jié)點，如該節(jié)點為A-1(10S)，則C-2(8S)在A-1(10S)的子節(jié)點中進行比較；如果匹配失敗，則將C-2(8S)及其所有后繼節(jié)點，添加到以A-l(10S)為根節(jié)點的第二層索引里，添加的位置為在第二段場景時間長度小于8S的廣告之后，且在第二段場景的時間長度大于8S的廣告之前；如果匹配成功，則進入S404;SM4:匹配成功，也就是第二層索引中包括了8S的節(jié)點，如該節(jié)點為A-2(8S),則C-3(6S)在A-2(8S)的子節(jié)點中進行比較；如果匹配失敗，則將C-3(6S)及其所有后繼節(jié)點，添加到以A-2(8S)為雙親節(jié)點的第三層索引里，添加的位置為在第三段場景時間長度小于6S的廣告之后，且在第三段場景的時間長度大于6S的廣告之前，由于該節(jié)點已經(jīng)是廣告C的最后一個節(jié)點，因此將該廣告的第二特征數(shù)據(jù)附帶在該節(jié)點C-3(6S)上；如果匹配成功，如該節(jié)點為A-3(6S),則直接將該廣告的第二特征數(shù)據(jù)附帶在節(jié)點A-3(6S)上。以上介紹了本發(fā)明實施例所提供的建立文件特征庫索引的方法，并對利用該索引進行文件匹配的過程進行了描述，與本發(fā)明實施例提供的方法相對應，本發(fā)明實施例還提供了一種建立文件特征庫索引的裝置，下面結(jié)合附圖對該裝置進行詳細地介紹。參見圖5，本發(fā)明實施例提供的建立文件特征庫索引的裝置包括第一特征數(shù)據(jù)提取單元U501，用于在文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；索引建立單元U502，用于在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。第一特征數(shù)據(jù)提取單元U501在文件中提取到用于建立索引的第一特征數(shù)據(jù)后，索引建立單元U502在第一特征數(shù)據(jù)提取單元U501提取的第一特征數(shù)據(jù)中選擇一個作為第一層索引節(jié)點，其他的第一特征數(shù)據(jù)依次作為索引后繼節(jié)點，并由最后一個節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)，建立多層索引。為了進一步加快查找的速度，可以使用哈希函數(shù)為各第一層索引節(jié)點生成一個地址，查找時可以先找到根節(jié)點的地址，再在該地址上按照索引逐層查找。因此，參見圖6,該裝置還可以包括存儲地址獲取單元U603，用于將所述第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)計算出哈希值，將所述哈希值作為存儲地址；保存單元U604,用于將對應的第一層索引節(jié)點保存在所述存儲地址上。其中，圖6中的第一特征數(shù)據(jù)才是取單元U601和索引建立單元U602與圖5中的第一特征數(shù)據(jù)提取單元U501和索引建立單元U502相同。建立起索引后，就可以按照建立的索引進行文件的查找了，為了查找與待匹配文件相匹配的特征數(shù)據(jù)，參見圖7,該裝置還包括存儲地址確定單元U705,用于提取待匹配文件中用于建立索引的第一特征數(shù)據(jù)，并確定第一層索引節(jié)點的存儲地址；查找單元U706,用于在虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索引數(shù)據(jù)逐層進行比較，直到找到匹配的最后一個索引節(jié)點；第二特征數(shù)據(jù)提取單元U707,用于提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)；匹配數(shù)據(jù)確定單元U708,用于將所述第二特征數(shù)據(jù)提取單元提取的第二特征數(shù)據(jù)與最后一個索引節(jié)點附帶的第二特征數(shù)據(jù)進行比較，得到相匹配的第二特征數(shù)據(jù)。存儲地址確定單元U705在待匹配文件中提取用于建立索引的第一特征數(shù)據(jù)，此時提取的第一特征數(shù)據(jù)與建立索引時提取的特征數(shù)據(jù)相同，因此將這些特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)進行計算得到的哈希值，與第一層索引節(jié)點的存儲地址對應的哈希值相等，以此便可以確定第一層索引節(jié)點的存儲地址；確定好第一層索引節(jié)點的地址后，查找單元U706便可以在虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索引數(shù)據(jù)逐層進行比較，找到匹配的最后一個索引節(jié)點；由于最后一個索引節(jié)點可能攜帶有多個文件的特征數(shù)據(jù)，因此找到最后一個索引節(jié)點后，還要進行第二特征數(shù)據(jù)的匹配，此時第二特征數(shù)據(jù)提取單元U707提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)，然后匹配數(shù)據(jù)確定單元U708將所述提取的第二特征數(shù)據(jù)與最后一個索引節(jié)點附帶的第二特征數(shù)據(jù)進行比較，得到相匹配的第二特征數(shù)據(jù)。其中，圖7中的第一特征數(shù)據(jù)提取單元U701、索引建立單元U702、存儲地址獲取單元U703和保存單元U704,與圖6中的第一特征數(shù)據(jù)提取單元U601和索引建立單元U602、存儲地址獲取單元U603和保存單元U604相同。當建立索引的文件為廣告文件等視頻文件時，可以選擇各段場景的時間長度作為用于建立索引的第一特征數(shù)據(jù)，此時，第一特征數(shù)據(jù)提取單元U701計算每個場景的時間長度，將各時間長度作為用于建立索引的第一特征數(shù)據(jù)。當需要在文件特征庫中添加新的索引項時，參見圖8,該裝置還包括新索引項添加單元U803,用于將新索引項的各層節(jié)點與已經(jīng)建立的索引的各層節(jié)點進行逐層匹配，對于每一層，如果匹配成功，則進入下一層進行匹配；如果匹配失敗，則將新索引項的該層節(jié)點添加為上一層節(jié)點的后繼節(jié)點。其中，圖8中的第一特征數(shù)據(jù)提取單元U801和索引建立單元U802,與圖5中的第一特征數(shù)據(jù)提取單元U501和索引建立單元U502相同。以上對本發(fā)明所提供的一種建立文件特征庫索引的方法及裝置，進行了詳實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不應理解為對本發(fā)明的限制。權(quán)利要求1、一種建立文件特征庫索引的方法，其特征在于，包括從文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。2、根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括將所述第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)計算出哈希值，將所述哈希值作為存儲地址，并將對應的第一層索引節(jié)點保存在所述存儲地址上。3、根據(jù)權(quán)利要求2所述的方法，其特征在于，還包括提取待匹配文件中用于建立索引的第一特征數(shù)據(jù)，并確定第一層索引節(jié)點的存儲地址；在所述虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索？1數(shù)據(jù)逐層進行比較，直到找到匹配的最后一個索引節(jié)點；提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)，與最后一個索引節(jié)點附帶的特征數(shù)據(jù)進行比較，得到相匹配的第二特征數(shù)據(jù)。4、根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文件包括視頻文件，則從文件中獲取至少一個用于建立索引的第一特征數(shù)據(jù)的具體實現(xiàn)包括計算每段場景的時間長度，將各時間長度作為用于建立索引的第一特征數(shù)據(jù)。5、根據(jù)權(quán)利要求1所述的方法，其特征在于，添加新的索引項時，還包括將所述新的索引項的各層節(jié)點與已經(jīng)建立的索引的各層節(jié)點進行逐層匹配，對于每一層，如果匹配成功，則進入下一層進行匹配；如果匹配失敗，則將新索引的該層節(jié)點添加為上一層節(jié)點的后繼節(jié)點。6、一種建立文件特征庫索引的裝置，其特征在于，包括第一特征數(shù)據(jù)提取單元，用于從文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；索引建立單元，用于在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。7、根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括存儲地址獲取單元，用于將所述第一特征數(shù)據(jù)作為哈希函數(shù)的參數(shù)計算出哈希值，將所述哈希值作為存儲地址；保存單元，用于將對應的第一層索引節(jié)點保存在所述存儲地址上。8、根據(jù)權(quán)利要求7所述的裝置，其特征在于，還包括存儲地址確定單元，用于提取待匹配文件中用于建立索引的第一特征數(shù)據(jù)，并確定第一層索引節(jié)點的存儲地址；查找單元，用于在所述虛擬根節(jié)點下，根據(jù)所述存儲地址，將所述待匹配文件中用于建立索引的第一特征數(shù)據(jù)與各層索《1數(shù)據(jù)逐層進行比較，直到找到匹配的最后一個索引節(jié)點；第二特征數(shù)據(jù)提取單元，用于提取待匹配文件中用于文件匹配的第二特征數(shù)據(jù)；匹配數(shù)據(jù)確定單元，用于將所述第二特征數(shù)據(jù)提取單元提取的第二特征數(shù)據(jù)與最后一個索引節(jié)點附帶的第二特征數(shù)據(jù)進行比較，得到相匹配的第二特征數(shù)據(jù)。9、才艮據(jù)權(quán)利要求6所述的裝置，其特征在于，所述文件包括視頻文件，則所述第一特征數(shù)據(jù)提取單元計算每段場景的時間長度，將各時間長度作為用于建立索引的第一特征數(shù)據(jù)。10、根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括新索引項添加單元，用于將新的索引項的各層節(jié)點與已經(jīng)建立的索引的各層節(jié)點進行逐層匹配，對于每一層，如果匹配成功，則進入下一層進行匹酉己；如果匹配失敗，則將新索引項的該層節(jié)點添加為上一層節(jié)點的后繼節(jié)點。全文摘要本發(fā)明公開了一種建立文件特征庫索引的方法，該方法從文件中提取至少一個用于建立索引的第一特征數(shù)據(jù)；在虛擬根節(jié)點下，建立以各第一特征數(shù)據(jù)為各索引節(jié)點的多層索引結(jié)構(gòu)，并由最后一個索引節(jié)點附帶用于文件匹配的第二特征數(shù)據(jù)。本發(fā)明還公開了一種建立文件特征庫索引的裝置。通過本發(fā)明實施例，使得比較時從索引的每一層都可以過濾掉很大一部分不匹配的數(shù)據(jù)，這樣被過濾掉的數(shù)據(jù)不再參與下一層的比較，從而節(jié)省了搜索時間與運算時間，提高了匹配的效率。文檔編號G06F17/30GK101388042SQ200810222369公開日2009年3月18日申請日期2008年9月17日優(yōu)先權(quán)日2008年9月17日發(fā)明者蔣亞洪申請人:北京六維世紀網(wǎng)絡技術(shù)有限公司