新媒体视频开放平台发展现状与关键技术研究
2012-06-27于蓉蓉温建伟黄晓伟
于蓉蓉，张 俭，袁 潮，田 卉，温建伟，杨 蕾，黄晓伟
（中国移动通信有限公司研究院 北京100053）
1 引言
随着科技的飞速发展，人们对媒介的需求从文字、声音、图像到视频不断前进，当今社会也从报纸、广播、电视等传统媒体时代进入新媒体时代，其中网络视频的发展最为迅速[1]。
无论是在互联网还是在移动互联网时代，视频无处不在，聚集了庞大的人气资源，2011年底我国的网络视频用户达到了3.25亿人，2012年网络视频市场规模已经达到了126亿人。目前美国和日本的网络视频用户渗透率超过了50%，日本的手机视频用户渗透率超过了70%，一些咨询机构的统计报告显示，2011年全球网络视频用户达到8亿人，预计2015年将达到16亿人，同时全球移动领域视频应用和流量增长迅猛，2011年上半年全球移动应用流量中视频占39%，视频流量增长率高达93%，远远高于平均数据流量增长率，预计2016年将占据数据流量的70.5%，如图1所示，可见新媒体视频行业在有线和无线领域市场的发展潜力巨大，社会对视频元素内容的需求将呈现爆炸式增长[1～3]。
2 新媒体网络视频行业发展现状
2.1 新媒体视频行业产业链
新媒体视频产业链由内容提供、内容运营、内容分发、内容展现4个环节组成，如图2所示。内容提供环节提供和汇聚视频内容，主要参与者有影视制作公司、个人UGC等；内容运营环节对视频内容进行管理、编辑、生产，主要参与者有传媒公司、电视台、视频网站等；内容分发环节将视频内容分发传输到用户终端，主要参与者有电信运营商、CDN公司等；内容展现环节在用户端展现播放，主要参与者有终端厂商、互联网公司等。新媒体视频内容的高效汇聚、管理、加工、分发和展现都影响业务运营，产业链4个环节当前都处于激烈的竞争状态，各方参与者都在向上下游渗透，试图构建端到端的一体化服务。
2.2 新媒体视频行业传统模式面临的主要问题
新媒体视频行业传统的商业模式有C2C和B2C模式，其经典代表有Youtube、优酷、土豆、搜狐视频、腾讯视频等专业视频网站，此类网站受到网络视频业务发展的制约，具有以下问题。
（1）视频内容获取受制于版权和资质
视频内容的丰富程度是视频业务的竞争力之一，内容版权购买费用高涨，近年来翻了几倍，大多数视频网站版权费用占到成本费用的30%～50%，同时UGC内容资质要求严格，使得视频行业内容获取环节的门槛提高，业务发展受到制约。
（2）视频内容管理和运营受制于加工组织
内容的智能加工能在有限的成本下最大限度地挖掘内容价值，智能加工包括内容分析、分类编目、智能检索和推荐等技术支撑，使得内容分析碎片化、分类更详细、检索更精确、推荐更精准。
（3）视频内容带宽、存储、运维受制于成本投资
带宽在视频网站方面的成本投资占比为30%～60%，优酷、土豆等一线视频网站的带宽成本占比超过50%，达到几亿元的投入，在点播高峰时流量占全国骨干网带宽的比重高达10%。海量级的内容需要存储和计算资源，很多视频网站的存储资源达到PB级，使得服务器成本加大，同时研发和技术运维成本也制约着视频网站业务的发展。
（4）视频业务质量体验受制于呈现和适配
内容加工的细节影响内容呈现方式，内容的转码和适配影响内容的流畅性和清晰度，若组织不够精细、缓冲长、不流畅、清晰度低，则影响用户体验。
2.3 B2B视频商业模式成为视频行业新蓝海
近年来随着新媒体时代视频元素需求的增加，各领域企业如政企客户、教育机构、中小企业等都急切需要进行视频在线化管理，但各企业自建网站的带宽成本、硬件投入以及技术维护费用较高，其对托管式需求较大，由此催生出B2B（business to business）的商业模式，即通过打造视频开放平台，向企业用户提供上传、转码、存储、管理、发布“一站式”管理服务，使其用较少的费用获取全面的服务。
B2B模式潜在的用户空间和市场空间巨大，以政企客户为例，据艾瑞咨询报道，2009年我国中小企业用户为4 292万户，2012年达到5 651万户[2]，假设平均以万元单位作为每家企业的服务费用，即使以1%作为潜在企业用户，在我国政企领域也有百亿元的潜在市场规模，B2B模式将成为视频行业的新蓝海。
3 B2B视频开放平台发展现状
3.1 B2B视频平台面向的企业用户需求
表1对B2B模式面向的有视频元素管理需求的企业用户进行需求分析。
各领域企业用户对视频元素都有管理需求，视频类网站如新媒体类和网络视频类企业需要专业或准专业级视频生命周期管理服务，非视频类网站如政企、垂直行业类、社交类企业需要轻量级一体化管理服务。B2B模式对企业用户本身来说具有强烈的吸引力，若企业自建运营系统，将投入流媒体服务器、存储服务器、租用带宽、CDN服务、软件开发和运维支出费用，大型视频运营企业每年投入百万元，中小型企业投入十几万到几十万元不等；而采用B2B模式租用的视频管理服务，企业将节省50%～70%甚至更多的开支。
3.2 B2B视频开放平台发展情况
根据IDC数据，2010-2015年全球视频平台市场规模正以每年27%的增速发展，互联网企业和电信运营商纷纷进入B2B市场，打造视频开放平台，为用户提供一体化视频管理服务。国外有上百家在线视频平台企业，主要集中在北美和西欧，如Brightvove、Ooyala等，而Google、HTC、Cisco、Motorola等巨头也通过并购视频平台企业积极进入该市场领域，电信运营商如Verizon、AT&T、NTT等纷纷部署该业务，将其纳入公司战略规划。国内仍处于起步阶段，发展空间巨大，互联网企业如CC视频、激动网、视讯天下2010年开始进入市场，运营商如中国移动开始研发平台核心技术，布局该业务领域[2～6]。
3.3 B2B视频平台典型企业
互联网企业的典型代表有Brightcove和CC视频，电信运营商的典型代表有Verizon和中国移动。
3.3.1 典型的互联网企业：Brightcove/CC视频
（1）国外代表 Brightcove
Brightcove为企业用户管理在线视频，为内容上传、管理、分析、广告计费、发布提供一整套生命周期管理服务。Brightcove于2005年推出全球第一个视频云平台，在全球50多个国家拥有4 500家客户，2010年年收入达5 000万美元，同比增长50%，自2011年4月起月传输视频流高达7亿MB。2012年2月在纳斯达克上市，公司共获得风险投资1.5亿美元。Brightcove公司的服务区域主要分布在美国和欧洲，客户涵盖网络电视台、视频网站、品牌公司、媒体公司、出版公司等高端客户和微型企业市场[7]，包括纽约时报、Showtime、环球音乐、AMC、AOL 和 Weather Channel、路透社、MTV音乐网、甲骨文、飞利浦电子、美国银行和本田等。Brightcove公司的客户增长情况和营收分布如图3所示。
针对不同客户群，Brightcove推出了视频云极速版、高级版和企业版3个版本。极速版主要面向中小企业，包含了最基本的专业视频分销功能，在视频传输量和用户数量方面有限制；高级版主要针对需要定制服务的客户，包含更多更全的服务和功能以及视频传输量和容量，订阅周期一般都在一年以上。
（2）国内代表CC视频
CC视频的主要服务内容是为用户提供视频托管、发布、多终端播放、广告插播、视频观看统计等托管服务。通过CC视频云管理平台，网站不需要购置任何硬件设备，所有的视频文件都可以通过CC视频云管理平台上传至云服务器，再将视频文件引入网站前端进行播放，为网站用户提供高清流畅的视频播放服务，用户可以根据视频平均大小、日均播放量等选购适合自己的包月套餐，流量不够时可以在线充值。这种付费模式相比用户自行开发可以节省70%～80%的成本。
表1 有视频元素管理需求的企业用户B2B需求
2010年CC视频投入成本1 000万元，营收3 000万元，同比增长200%。其中，广告模式收入2 400万元，付费模式收入600万元。2011年获得2 000万美元投资。2011年2月，已经有超过12万家网站接入其视频服务平台，日播放量超过5 000万次，视频存储量超过1.3亿MB。CC视频的营收靠广告分成和企业用户租用，主要客户涵盖教育网站、新闻传媒、垂直行业和企业网站[8]。
3.3.2 典型的电信运营商代表：Verizon/中国移动
（1）国外代表 Verizon
以Verizon为代表的欧美运营商，正依托自身基础设施优势和云计算整体战略，推出“一站式”数字媒体服务（verizon digital media service，VDMS）平台，如图 4 所示，面向内容所有者提供PaaS云服务，通过端到端互联网视频服务平台，提供内容上传、管理、制作、发布的“一站式”服务。
到2011年底，Verizon累计投资3.7亿美元，其中人力成本占比高达60%。于2011年4月启动了“三步走”战略，即面向内容提供商提供托管服务，面向内容零售商提供加工和分发服务，进而提供端到端多屏业务管理和发布服务。
（2）国内代表中国移动
中国移动于2010年开始视频云平台技术研发，基于云计算打造视频云开放平台，为有视频元素需求的企业客户提供基于云计算的视频上传、存储、转码、加工、发布的“一站式”端到端服务，如图5所示。面向的客户有新媒体网站、政企网站、教育行业、垂直行业等，可根据其需求提供专业生命周期、轻量级、定制化的托管服务，为客户降低了硬件和技术投入成本，加快了上线时间，提高了网站带宽利用率，降低了运维难度。
中国移动等电信运营商打造视频开放平台，并提供B2B服务，相比互联网企业具有以下优势：
·具有IDC和带宽的基础优势，具有带动效应，可极大地带动数据增值服务（如IDC、CDN、带宽服务等）能力的跨越式发展，引领视频产业新秩序的建立和发展[7,8]；
·具有较强的认证、鉴权与计费能力；
·对用户具有品牌影响力与公信力；
·客户资源优势明显。
由此，可激励有视频管理需求的企业将内容托管到电信运营商，企业用户可从设备和技术投资中解放出来，将有限的资源和精力聚集于业务逻辑设计和运营管理，创造最大的企业价值。
4 新媒体视频开放平台特点和关键技术
4.1 新媒体视频开放平台特点
以中国移动新媒体视频开放平台为例，基于云存储和云计算基础设施搭建视频云平台，向有视频元素管理需求的企业用户开放，包括视频上传、云转码、云存储、视频切片、内容分析、内容检索、推荐和发布，如图6所示。
新媒体视频开放平台具有以下特点。
·多样化的内容汇聚方式：支持各类型的视频信号上传，支持不同类型网络的视频文件，支持来自DVD/VCD/移动硬盘等各种物理存储介质、不同类型手机终端的文件；同时兼容各类压缩格式和文件封装方式的文件，支持断点续传功能。
·支持快速部署和上线应用：平台级的服务提供全面的应用上线、部署模块，自动化程度高，降低了应用开发的成本，极大地缩短了应用的上线和部署时间。
·挖掘内容价值、业务质量体验好：视频开放平台通过视频切片、内容分析进行加工处理，精细组织内容，挖掘内容价值。平台通过云转码提高时效性，通过自适应码率适配保证视频播放的流畅性和清晰度。
·降低用户运营成本：用户投入网络带宽、硬件、技术研发、运维的成本大大降低，从而运营成本大大降低。
4.2 视频云关键技术
新媒体视频云平台涉及的关键技术有视频的云转码技术、云存储技术、动态码率适配技术、基于浏览器的视频播放技术、内容分析技术、智能检索技术、内容推荐技术等。
4.2.1 视频云转码技术
为了解决视频数据增大给传统视频处理方法带来的时间开销问题，以有效地转码成设备分辨率相匹配的视频，采用云计算进行视频转码，不仅能提高转码效率，且具有较强的容错性和扩展性，使转码处理更可靠和实用。
视频云转码通过视频切片模块从分布式文件系统（HDFS）中读取需转码的文件，分成大小不同的视频片段，并将片段名称传递给任务调度模块，任务调度模块接收视频片段并为每个片段分配一个Map任务，Map任务调用转码程序进行转码，转码后传给视频合并模块，由Reduce任务对所有转码的片段进行排序合并，输出完整的视频文件。
针对视频进行云转码处理，需要先进行预处理，即实现视频文件切片，视频分片模块将输入的视频文件分成大小不同的视频片段，基于GOP（group of picture，画面组）进行转码，可以保证视频流和音频流是同步的，不用再进行分割。根据视频编解码的特点设定切片大小，估算切片所需计算资源时需综合考虑编解码算法、分辨率和帧率参数，方能得到不同输入输出配置下每个切片的大小。
基于切片的云转码方案，相比传统的转码方法具有以下优点，如图7所示。
·CPU可均衡使用，解决了传统转码方法中CPU闲忙使用不均衡的问题。
·长视频作业可加速完成。
·高优先级作业可抢占低优先级作业，原作业可中断，并在以后继续。
针对任务调度，利用了MapReduce的调度算法，MapReduce具有计算资源全局共享的特点。作业优先级可指定且可动态调整，高优先级的转码作业能抢占低优先级作业并执行，计算资源能得到充分利用，在一定程度上满足了计算资源动态分配的需求。
MapReduce的原理是利用输入对集合
4.2.2 视频云存储技术
视频数据量大且呈现爆炸性增长，传统使用NAS的方案扩展能力有限，只能购置独立的NAS，兼容性差，为管理造成了不便，且越来越多的应用对数据访问带宽和响应时间提出明确的需求，数据并行访问的需求越来越普遍[9]。云存储突破了传统存储方式性能和容量的限制，能使得网络中各种不同类型的存储设备形成强大的存储能力，在性能与容量上容易扩展，企业不用管实际的存储方式，从而可以解决存储难题。近年来国内外IT厂商陆续推出云存储产品，如Amazon推出Elastic Compute Cloud（弹性计算云，EC2）云存储产品，为用户提供互联网服务和存储计算功能；微软推出Window Live Sky Drie产品，提供网络移动硬盘服务等。
云存储通过集群应用或分布式文件系统等功能，将网络中大量不同类型的存储设备通过虚拟化软件集合起来协同工作，共同对外提供数据存储和业务访问功能。与传统的方式相比，云存储是一个复杂的系统，包括网络设备、存储设备、应用软件、服务器等，一般由存储层、基础管理层、应用接口层和访问层组成，存储层包括对存储设备（如IP存储或光纤设备）进行管理以及存储虚拟化，基础管理层对分布式文件系统进行集群管理以及数据备份加密等，应用接口层提供API、Web服务和网络接入，应用程序通过访问层访问基础管理层对外的应用接口，提供存储能力。
云存储具有以下特性：容量大，支持平滑扩展；并发高，支持大量用户访问不同文件的需求；支持数据灵活性变化，不同的视频文件体积差别很大、数据存储的物理位置可实时获取；可节约存储资源，减少成本，根据需求设定访问权限与他人共享数据，节约存储设备。
4.2.3 动态码率适配技术
目前互联网上大部分视频都是通过HTTP进行传输的，但其较大的开销、重传引起的时延、长时间缓冲造成的带宽浪费等，随着基础网络的飞速发展使得适用性变窄，欠实时性是HTTP技术的弱点，剧烈的带宽波动常常致使网络的瞬时带宽降低至不足以承载正在传输的媒体的比特率，此时，大量重传加重了带宽的负载，导致媒体播放发生频繁中断，严重影响用户的主观感受。
为了使发布的视频能清晰流畅地在终端上进行展示，需要解决网络适配和终端适配两大问题。网络适配需要针对多种类型网络（包括2G/3G/4G/Wi-Fi和宽带有线等），加上无线网络的带宽和质量受环境变化影响极大，通过合适的机制实现传输对带宽的动态自适应。终端适配技术针对多种视频播放的终端类型，如智能手机、平板电脑、笔记本电脑、台式电脑、高清电视等，实现以最接近屏幕分辨率的视频分辨率播放视频。
视频云的动态自适应的码流同时考虑各种接入网络的情况和终端屏幕大小，如主要的分辨率和码率，以满足不同用户的需求，动态码率适配如图8所示。
视频云采用基于HTTP的自适应流技术，包括HLS（HTTP live streaming）技 术 和 DASH （dynamic adaptive streaming over HTTP）技术，实现动态码率适配。
HLS技术在服务器端提供了内容相同但比特率不同的多个视频流，每一个视频流都被分割为大量小文件，在传输时客户端不再请求大的媒体文件，而是不断地请求分割开来的片段文件，当带宽发生波动时，客户端还可以选择更合适的流，以降低带宽的负载。
DASH技术是由MPEG和3GPP（3rdgenerationpartnership project）支持的国际标准[10]，DASH的基础是3GPP和 OIPF（open IPTV forum）提出的 AHS（adaptive HTTP streaming）和HAS（HTTP adaptive streaming）技术。DASH同时支持MP4和MPEG2 TS两种文件格式，也提供更多文件格式的扩展。DASH规定了内容准备所用格式和快速高效的内容自适应工具，支持特技模式、多语言字幕及声道、广告插播以及保护内容的数字权限管理技术，兼容标准网络服务器和视频缓冲技术。
4.2.4 基于浏览器的视频播放技术
当前的视频网站大都要求用户安装播放器客户端才能观看视频内容，这无形中提高了用户的观看门槛。造成这一现象的原因主要有以下两个方面。
·受本身的技术能力限制，制作某种或有限的特定格式的码流，要求客户安装特定的播放器。
·通过开发自有的播放器客户端试图吸引用户使用，提高用户黏性和企业知名度。
视频云平台侧通过制作多种视频发布格式解决多终端适配的问题，使用HTML5开发可定制的播放器界面，使用浏览器内核实现视频解码播放。用户只需使用终端操作系统内置的浏览器（如 Safari、Firefox、Chrome、IE、Opera 等）即可实现视频收看，极大地降低了用户使用门槛，同时大大消除客户端播放器适配不同终端的研发投入，视频云平台通过界面和解码播放分离的技术，既实现了终端适配，减少研发成本，又提高了用户使用黏性。
4.2.5 视频内容分析技术
视频内容分析通过模式识别等技术，实现计算机的自动化内容分析和理解，对海量视频数据进行快速智能处理，为视频内容分类、搜索、推荐提供智能化的技术支撑，挖掘视频内容价值。视频智能分析结合内容分析模块和用户分析模块，为视频分类、搜索和推荐提供技术支撑。
内容分析模块对视频进行结构化分析，首先通过镜头检测方法对视频镜头进行分割，提取镜头的关键帧，分析镜头相似度，进而构造视频场景信息，形成结构化视频特征描述信息。同时结合话音和文本特征分析，多维度对视频内容进行碎片化分析，提取关键特征信息，辅助视频进行编目分类，为基于内容的精确搜索提供索引信息，从而实现内容深度挖掘。
镜头分割技术主要针对镜头切变检测，包括图像像素差法、模板比较法、颜色直方图差法等，关键帧反映组镜头中主要信息内容的若干帧图像，关键帧提取算法有基于镜头的方法、基于内容分析的方法、基于运动分析的方法、基于聚类的方法等。基于镜头的方法为每个镜头选一个关键帧，如经典的又帧平均型和直方图平均法，运算量小，适合于内容活动性小或保持不变的镜头。
图像和视频的视觉特征提取是分析的重点[11]，视觉特征有颜色、纹理、形状等底层特征。颜色特征简单，尺寸、方向、视角的依赖性较小，具有较好的紧致性，应用最为广泛。颜色特征提取方法包括颜色直方图、颜色矩、颜色集、颜色聚合向量、颜色相关图等。纹理特征包含了物体表面结构排列的重要信息以及它们与周围环境的联系，是一种同质性视觉模式。纹理特征提取方法有共生矩阵表法、视觉性纹理描述法（粗细度、对比度、方向性等）、小波方法、Gabor小波方法等。形状有一定的语义含义，但描述复杂得多，常需要先对图像进行分割。形状特征方法包括轮廓表示方法和区域表示方法，前者适用于对形状边界的描述，最典型的方法是傅立叶描述符，而后者则适用于表达形状包含的整个区域，最典型方法是形状无关矩。为了使从不同视角获取的目标图像互相匹配，形状特征还应具有平移、旋转和缩放变换不变性。近年来在形状表示和匹配方面的工作还有有限元法、旋转函数、波描述符等方法。
用户分析模块包括用户属性、行为、社交关系分析等，其中用户属性包括年龄、性别、爱好等，行为包括点播内容、观看时长、观看频次等，通过构造用户信息库，对用户数据进行分析，为智能推荐提供精准依据。视频内容分析如图9所示。
4.2.6 视频智能检索技术
传统的文本检索漏检误检率高、查询方式不够智能，基于内容的视频检索融合语义分析、人机交互、知识管理等技术，提供灵活、智能、多样化的内容查询和检索方式，深入挖掘视频内容资产价值[12]。
内容检索通过内容智能分析结果构造多维度索引模块，经过感兴趣内容、文本、话音的相似性匹配，输出多模态的检索结果，支持多层次搜索，如目录检索、同音字查询、模糊查询、基于内容搜索等。
建立索引是实现海量视频数据快速检索的前提，基于视频内容分析的结果形成对视频内容的逻辑描述，将各层次分析的内容特征存入特征索引库，按照关键帧集、镜头集、场景集建立自动化索引，同时考虑非结构化需求，结合手工标注（如对标题选取、字幕和画面的文字描述等）建立多维度索引，计算查询视频和库中视频的相似距离，相似距离法将其看作特征空间的点，相似度通过计算查询特征和库特征的距离来匹配，检索出相似的视频。
开放性视频平台的智能内容检索具有以下技术特性，如图10所示。
（1）非结构化多维度索引
多维度索引包括视频关键帧的提取、视频画面文字和字幕的提取、某个时间点上Tag的描述、话音提取、用户针对视频某个时间点的点评。
（2）对感兴趣内容进行搜索
感兴趣区域是最能表现图像内容或用户感兴趣的区域，可通过手工选取或视觉自动化方式提取，后者利用认知心理学的视觉注意模型，选取注视焦点模型来提取兴趣点，通过聚类算法把感兴趣点聚类为感兴趣区域，再基于该区域利用内容分析算法进行特征提取。
内容分析特征提取算法对感兴趣目标任意性变化包括大小、位置、角度、光照及背景变化具有顽健性和稳定性，能精确描述不同背景下的相同内容，针对多种维度索引通过相似性距离进行匹配，实现对感兴趣内容的搜索。
（3）开源索引技术
通过开源技术Lucene搭建搜索引擎，可支持索引字段定制、异构索引结构，适合开放式环境，接口函数灵活，数据源灵活多样。
4.2.7 视频内容推荐技术
传统的推荐方法根据大众行为进行视频推荐，很多用户得不到个性化的推荐结果，而随着用户多样化需求的增长，以用户为中心的个性化推荐技术在一些电子商务和社交网站中广泛应用，如亚马逊、豆瓣网等，个性化推荐方法分为3种：基于关联规则的推荐算法、基于内容的推荐算法以及协同过滤算法。基于关联规则的方法是挖掘出关联规则，也就是那些同时被很多用户关联的集合，该方法较成熟，但具有数据稀疏性问题。
视频云平台采用混合推荐方法，将基于内容的方法和协同过滤的方法结合，基于内容的推荐方法通过分析特定用户的属性以及项目的属性来过滤项目信息，对该用户最近操作过项目属性相似的项目进行推荐，该方法不需要用户历史数据。协同过滤推荐方法根据用户相似性推荐相似用户感兴趣的事物，其思路是喜欢相同项目的用户更有可能具有相同的兴趣，该方法依赖大量用户数据。混合推荐方法根据用户信息和内容语义特性计算相似性，缓解协同过滤方法中用户评分的稀疏性问题，实现个性化的智能推荐。
5 结束语
新媒体时代视频飞速发展，有视频元素管理需求的各领域企业对面向B2B的视频开放平台需求强烈，B2B模式成为视频行业的新蓝海，发展潜力巨大，新媒体视频云开放平台为各视频管理需求企业用户提供了一体化B2B视频服务，为企业用户降低了硬件投入、开发和运维费用，从而降低视频管理门槛，使其更好地聚集于业务逻辑设计和运营管理，创造最大的企业价值。电信运营商利用其IDC、带宽、用户及品牌等优势，打造视频开放平台，具有带动效应，B2B业务可带动数据增值服务的跨越式发展，引领视频产业新模式发展。
1 嵇正鹏,赵新宁,汪敏娟.全业务运营下视频业务综合服务模型的研究.电信科学,2007(9)
2 艾瑞咨询.http://www.iresearch.cn/
3 易观智库.http://www.enfodesk.com
4 王积龙.Brightcove,融合媒介的新亮点.中国记者,2007(8)
5 钟萍,李鹏.CC视频:做互联网幕后技术英雄.中国高新技术企业,2010(10)
6 张小东.Verizon:建设超级云计算IDC中心.通信世界,2011(7)
7 罗承,刘亮.云计算对IDC发展的影响分析.电信工程技术与标准化,2010(12)
8 孙少陵.云计算在移动通信领域的应用前景.中国新通信,2011(17)
9 匡松,周启海.数据云技术发展的若干关键问题.计算机科学,2009(4)
10 Liu C H,Bouazizi I.Rate adaptation for dynamic adaptive streaming over HTTP in content distribution network.Signal Processing,Image Communication,2012(4)
11 田卉,覃团发,梁琳.综合颜色、纹理、形状和相关反馈的图像检索.计算机应用研究,2007(11)
12 王利卿.视频内容检索统计系统的研究与设计.微电子学与计算机,2005(9)
