大数据环境下非遗视觉资源的获取、组织与描述

张兴旺 卢桥 田清

摘 要：文本、图像、视频和3D模型等视觉资源已成为非遗数字化体系中重要的信息载体。研究非遗视觉资源数字化技术，有助于促进视觉搜索技术在非遗数字化保护与开发中的应用。文章对非遗视觉资源数字化保护现状进行了分析，归纳了大数据环境下非遗视觉资源数字化保护存在的新问题，提出了相应的非遗视觉资源的获取、组织、理解与描述方法，并从案例分析角度对相应的视觉搜索和交互模式进行了分析。

关键词：非物质文化遗产；非遗视觉资源；大数据；数字图书馆

中图分类号： G254.9 文献标识码： A DOI：10.11968/tsyqb.1003-6938.2016092

Abstract Visual resources of intangible cultural heritage， such as text， images， audio and video， and 3D models of digitization system have become an important carrier of information. Research on digitalization technologies of visual intangible cultural heritage resources contributes to the promotion of intangible cultural heritage protection. Based on an analysis of present situation in the protection of intangible cultural heritage， methods are put forward for the acquisition， organization， understanding and description of the visual resources of intangible cultural heritage and visual search and interaction patterns are analyzed from the perspective of case analysis.

Key words intangible cultural heritage（ICH）； ICH visual resources； big data； digital library

1 引言

人类所接受的信息源中超过80%的信息来自于视觉通道（主要包含文本、图像、视频与几何模型等），作为承载视觉通道的信息资源类型称之为视觉资源。随着互联网环境的逐步完善和大数据技术的飞速发展，以文本、图像、音视频和3D模型等为代表的视觉资源逐渐成为数字图书馆最为重要的信息载体，在非物质文化遗产（Intangible Cultural Heritage，ICH，以下简称“非遗”）数字化保护与开发利用体系中也不例外。

非遗作为人类世代相传、与人类生存生活密切相关的文化表现形式、传承方式和文化空间，由于其自身所带的系统性、无形性、复杂性和渐变性等特殊属性[1]，使非遗数字化保护与开发利用难度较大。而非遗视觉资源除了拥有上述自然属性之外，在大数据环境下更是增添了数据量大、非结构化或半结构化、纵深纬度高、语义关联性不强和语义时空性等附属特征，使得非遗视觉资源的高效处理、内容理解和交互反馈就成为需要解决的难点问题，而非遗视觉资源的有效获取、系统组织与结构化描述就成为亟待解决的首要问题。因此，本文从优化非遗视觉资源的获取、组织与描述方式的角度出发，致力于研究大数据环境下非遗视觉资源的获取、组织和描述过程，建立相应的模型，针对知识类和实体类非遗视觉资源提出相应的获取、组织和描述方法。

2 非遗视觉资源数字化保护研究现状

国内外关于非遗保护的研究成果非常多，从非遗的社会经济属性分析，到非遗的综合管理，也都出现了许多系统研究的专著。但专门针对非遗数字化保护与开发利用方面的研究并不多，尤其是关于大数据环境下非遗数字化保护、非遗视觉资源开发利用等方面研究更少。

数字化保护与开发利用是非遗保护非常重要的研究领域。自20世纪90年代以来，国际社会和世界各国开始将数字化项目作为发展非遗数字化保护与开发利用的主要策略。如联合国教科文组织推行的“世界的记忆”计划、日本奥兹大学的“狮子舞”数字化保护工程、芝加哥大学与西安大略湖大学的“Sulman 木乃伊工程”等。我国非遗数字化保护研究现已进入到飞速发展阶段，各种数字化保护平台、技术与工具层出不穷、琳琅满目[2]。如 “中国非物质文化遗产数字博物馆”、 “中国非物质文化遗产保护与研究网”[3]、“湖南纸影戏艺术数字化博物馆”、“山西地方戏剧文物文献资源数据库”等[4]。为了解和掌握非遗资源，我国会定期开展全国性非遗普查，采用田野调查、非遗传承人与专家访谈、扫描、拍摄等多种手段相结合的方式，获取了大量极具文化、历史和科研价值，以文本、图像与音视频等视觉资源为主的非遗大数据资源[5]，这一过程使得视觉资源逐渐成为非遗数字化保护体系的主要信息载体[6]，因此，国内外已有相关技术研究主要是围绕非遗视觉资源的获取、组织和描述等方面展开，主要集中在以下三个方面：

（1）非遗视觉资源数字化技术工具的选择与评价研究。如何选择恰当的视觉资源数字化技术、方法对非遗视觉资源进行获取、组织、描述和整理，是非遗数字化保护与开发利用研究必须要解决的关键技术问题。Cheng[7]、余日季[8]等分析了虚拟现实、增强现实等先进技术在非遗数字化保护与开发利用研究中的应用，并提出通过三维重建、恢复与模拟等方式来推进非遗数字化保护、传承与传播；Massimiliano等[9]认为3D技术应该在非遗数字化保护领域得到广泛的发展和充分的应用；夏立新等[10]从关联标签的角度对非遗图片资源之间的标签关联关系进行了研究，并采用可视化方法对非遗图片资源的主题特征进行了多元化展示；程秀峰等[11]则对舞蹈类非遗视觉资源的存在形式与类型进行了调研，提出采用社会化网络标签（SNA）形式来揭示非遗视觉资源之间的隐性知识关联。此外，宋丽华[4]、刘勐[12]、林毅红[13]、彭冬梅[14]等均探讨了不同的数字化保护方法、工具在非遗视觉资源数字化保护中的应用，对黎族传统纺染织工艺、甘肃“花儿”艺术、剪纸艺术等非遗数字化保护平台建设进行了研究和评价。

（2）非遗视觉资源数字化保存机制研究。国内外非遗视觉资源收藏机构都在充分利用信息技术来整理、获取、组织、处理和展示其丰富的非遗资源，从而确保了非遗视觉资源数字化长期保存和多元化展示成为其重要的研究主题。从非遗视觉资源数字化保存研究现状来看，当前主要研究重心集中在非遗视觉资源数字化保存的元数据技术和方法方面。如Athanasios等[15]就非遗视觉资源数学建模与元数据集成问题进行了研究；Noriko等[16]分析了异构非遗视觉资源（如戏曲、舞蹈、建筑、绘画等）在线获取的元数据方法；Regina等[17]对非遗视觉资源元数据格式、标准与技术问题进行了分析。

（3）非遗视觉资源数字化服务研究。随着大数据、云计算、数字影像扫描与传感、三维数字建模、虚拟现实与增强现实、可视化等技术的发展，非遗视觉资源数字化建设项目逐渐具备了多元化、嵌入式、协作化的知识服务与可视化共享功能，尤其是与视觉资源整合、开放式文化教育、自主交互式工具有机结合起来后，极大地推动了非遗视觉资源的数字化服务模式和服务内容。

3 大数据环境下非遗视觉资源的获取、组织与描述方法研究

3.1 大数据环境下非遗视觉资源数字化保护的新问题

在大数据环境下，海量、异构的非遗视觉资源内容中，包含了对复杂、多元化的客观物理类非遗资源的多角度、全方位的映射与表达，可以让人们体验到更加客观、真实、全面的非遗视觉资源展示与感知，从而为非遗视觉资源数字化保护与服务提供更加有效的支撑，有效推动非遗的全面保护与活态传承，促进非遗客观物理空间与虚拟服务世界的有机融合。这些非遗视觉资源是来源于现实世界中客观事物，彼此之间蕴含着密切的、复杂的时空关联关系，通过对非遗视觉资源的这些时空关联信息的分析、处理和整合，就可以清晰地组织、描述和可视化展示非遗保护、传承与服务的时空变迁。通过对非遗视觉大数据资源的动态挖掘、深度学习和实时分析，使得许多与人类认知相契合的非遗数字化保护与服务的工具、技术和平台也层出不穷，如王蒙等[18]基于主题图理论和方法，以京剧与昆曲为例，建立了非遗信息资源主题图模型；陈路遥等[19]以“歌仔戏”为例，提出了一种基于关键事件技术的非遗信息资源的组织方法与可视化展示技术。

一方面，由于视觉大数据资源因其自身特性，对大数据环境下非遗视觉资源数字化保护的有序化传播、系统化整合、集约化管理、有效组织与描述提出了巨大的挑战。与传统非遗资源相比，非遗视觉大数据资源除了具有时空信息复杂、语义关联多样化、非结构化或半结构化等特点之外，还具有数据规模庞大、动态变化性、无序性、实时性等特征，使得大数据环境下非遗视觉资源的分析和处理具有一定的难度和复杂性。

另一方面，由于非遗视觉资源的来源具有不确定性、异构性和时空关联性，视觉资源本身也不易组织和整合，因此，如何进行视觉资源的高效获取、组织和描述也是大数据环境下非遗视觉资源数字化保护与开发利用的基础性问题。同时，随着非遗规模与类型的逐渐发展和壮大，非遗视觉资源的规模和种类也在不断增长，尤其在“互联网+”时代，三元空间融合下的非遗数字化保护体系在不断产生着无数的非遗视觉资源，只有对其所蕴含的内容进行有效获取与组织、深度理解与结构化描述，才有可能实现对大数据环境下非遗视觉资源的深度分析和有效利用。

因此，大数据环境下非遗数字化保护与开发利用研究，需要从非遗视觉资源的获取、组织、理解和结构化描述等方面进行研究与分析。

3.2 非遗视觉资源的获取与组织方法

非遗资源由于其生存环境、分类方法与传承方式的不同，使得非遗视觉资源的类型特征、处理手段、处理技术与保存方法等也会有一定区别，这些差异使其在大数据环境下的存在形式是异构无序、动态变化、时空关联的，且与之相关的视觉资源的生成与发布也是动态无序的。每一项非遗数字化过程都需要对相关主题信息、繁杂异构信息与隐含关联关系等进行处理。此外，现有非遗视觉资源分析与处理都是基于文本标注的，且以人工标注为主，但传统的人工标注方法在大数据环境下，存在着标注精确性低、时间和人力成本高、分析和处理效率低等问题。因此，如何方便快捷地获取与组织非遗视觉资源，是大数据环境下非遗数字化保护与开发利用的关键问题，而对大规模无关非遗视觉资源的分析、过滤、清洗以及对海量非遗视觉资源的高效组织也是非遗数字化保护与开发利用的核心问题。

在整个非遗视觉资源获取与组织流程（见图1）中，视觉资源过滤是大数据环境下非遗视觉资源获取与分析的关键环节。本文提出了一种基于轮廓特征点的非遗视觉资源整合体系，采用不同的方法从不同层面对获取到的海量非遗视觉资源进行层次过滤、清洗，其中主要的过滤与清洗方法有三种：一是基于显著特征点的非遗视觉资源复杂性过滤，主要用于过滤、清洗掉高度复杂的非遗主体的背景视觉信息。该方法首先检测出非遗视觉对象的显著性区域，通过标识非遗主体的显著性区域，对所有非遗视觉对象进行区域分割，并对区域划分出的高显著区域附近一定阀值区域范围内的所有划分区域数量进行计算，选择其中划分区域数低于设定阀值的区域作为非遗主体的背景区域，并保留下来[20]；二是基于轮廓特征点的非遗视觉资源相似性过滤，主要用于甄选出与特定几何轮廓一致的非遗视觉资源。在经过第一种过滤清洗方法之后，获取到带有简单背景区域的非遗视觉资源，得到符合下一操作要求的过滤清洗效果，在此基础上，对预先设定的分割边界与待识别非遗视觉资源轮廓特征点所构成的几何区域进行一致性检测和评估，并计算得出一致性值，取其中一致性值最高的作为轮廓相似性视觉对象；三是基于内容的非遗视觉资源过滤，主要利用设定的多种标注信息进行非遗视觉资源内容过滤，在前面两轮过滤清洗后获得的非遗视觉资源集合中，将无法提供普适性表象特性的视觉信息过滤清洗掉。如以广西瑶族长鼓为例，经过以上三种过滤方法的反复执行，就能从海量、动态变化、异构无序的“视觉资源海洋”中获取到符合要求的非遗视觉资源。

在大数据环境中，存在着大量与非遗相关的信息资源，而非遗数字化保护体系对于大数据环境中的非遗视觉资源具有非常强的信息敏感度。由于绝大部分人对于物理世界客观事物的信息获取与感知源于视觉系统，人类视觉系统天生对于事物物理结构信息非常敏感，如果仅仅依据通用的信息资源获取方法来获取非遗视觉资源内容，可能难以满足非遗视觉资源的获取与组织的分析需求。因此，有必要将非遗视觉资源的非遗主体区域的语义结构作为分析对象，研究如何利用它来帮助我们更好地从海量的视觉大数据资源中提取需要的非遗视觉对象内容。

在具体使用视觉资源的非遗主体区域的语义结构，对非遗视觉大数据资源进行智能化地内容过滤清洗过程中，就需要通过深度计算、机器学习与人工智能的方法来提取非遗视觉资源的非遗主体区域[21]，从而得到结构化的非遗视觉主体，进而实现基于语义结构和视觉自然属性的非遗视觉资源获取。

事实上，利用视觉资源的语义结构或视觉特征来分析和组织视觉大数据资源，能够对获取大数据环境下海量非遗视觉资源中所包含的视觉信息产生积极影响。如Wang等用带有语义结构的层次化语义标签对20亿张网络图像进行组织[22]，随后又进一步建立起蕴含52万条语义、2.35亿图像的图像知识库，进一步将图像中的语义结构和视觉特征进行自动标注，并与建立的大规模视觉知识库进行匹配，基于图像自然属性和语义结构，对图像进行分类组织，从而大大提升了获取效率[23]。

与文本、图像与视频等视觉资源获取与组织方法有所不同，大数据环境下三维（3D）模型的获取与组织显得更为繁琐、复杂。Huang等[24]引入生物进化思想，对异构、大规模的三维模型知识库中的三维模型进行深度分析、有效分类和组织，生成三维模型深层次分类树与三维模型层次化交互浏览方案。

3.3 非遗视觉资源的理解与结构化描述

为了在异构无序、动态变化的海量视觉大数据资源中检索出符合非遗自然属性和视觉语义结构的非遗视觉资源，就需要在非遗自然属性和视觉语义结构的认知特征分析结果的基础上，对非遗视觉资源内容进行结构化、深层次的分析、理解和描述。

非遗视觉资源的理解和描述问题作为大数据环境下非遗数字化深度保护研究的关键问题之一，而对应的非遗视觉资源的局部区域特征的描述问题就成为了需要解决的核心问题。在其描述过程中，可采取局部区域特征单元划分方法，建立非遗视觉资源的紧凑视觉描述子[25]，将其作为非遗视觉资源局部区域特征的表示形式和描述单元，并以此为基础单元，根据非遗视觉资源自然属性与视觉语义结构，建立基于局部区域特征和非遗主体轮廓结构的视觉描述网络，对非遗视觉资源进行描述。在描述过程中，因同类型非遗视觉资源中具有相似的表观特性和自然属性，故可采用紧凑视觉描述区来代表其中一个局部区域，将其作为该描述模型的一个描述节点。而对于非遗视觉资源中那些具有复杂结构和内容的局部区域，则使用多个描述节点组合成复合描述节点集来对其进行描述和表达，从而形成语义关联性强和逻辑结构合理的层次化多元结构，以描述同一个非遗在不同环境下的主要视觉特征与自然属性。而描述节点、描述节点集和描述区域之间则通过“边”来对其相对位置、关联关系与几何结构进行表达，并对其上下文关系、语义关联进行有效描述。将所有描述节点、描述节点集、描述区域与描述边等进行抽象表示和有机组合后，就形成了非遗视觉资源的描述模型。

在确定描述模型之后，可将待检索的非遗视觉资源以平面图结构算法对其进行描述，并采用基于邻居向量的近似子图匹配算法[26]，在大规模视觉对象知识库中搜索与待识别非遗视觉资源局部特征相似的视觉资源。这一计算过程包括：首先，对非遗视觉资源进行区域分割，将属于同一分割区域内的视觉资源内容视为一个节点，对该节点进行分析，提取该节点分割区域内视觉特征；然后，对提取的视觉特征进行聚类分析，计算得出相应的节点编码，将相邻的分割区域采用描述边的方式，在彼此之间建立关联关系；最后，将待搜索的非遗视觉资源与视觉对象知识库中的视觉资源用图结构表达，并采用基于邻居向量的近似子图匹配算法对非遗视觉对象知识库进行遍历，就可以获取到与待搜索视觉资源相匹配的非遗视觉资源。

需指出的是，在对非遗视觉资源进行分析、理解和描述的过程中，它所提供的视觉信息反映的是非遗在客观物理世界中的三维影像。因此，在非遗视觉对象知识库中必然会蕴含着大量的视觉对象之间的语义关联关系（如以广西桂剧为例的图2）。通过对上下文语义关联关系的有效理解和结构化描述，可以为非遗视觉资源的整合和交互提供有力支持，并计算得出该非遗的出现概率，从而为基于上下文语义关系的非遗视觉资源建模提供帮助[27]。换句话说，通过分析非遗视觉资源中非遗与其他物体之间的相互位置关系与可能出现的几率，来进行相关性和相似性比较分析，判断彼此是否相关与相对位置，进而计算得出彼此之间的相互关系（如因果关系、关联关系与支撑关系等），从而得出非遗视觉对象中非遗主体与关联对象之间存在的相互关系与上下文语义关联关系。

4 大数据环境下非遗视觉资源整合的案例分析

4.1 两种非遗视觉资源的视觉搜索模式

毫无疑问，非遗数字化研究的最终目的除了保护与传承之外，还有数字化服务这一自然职能。而非遗视觉资源作为传递非遗文化与历史内涵的传播媒介，其数字化服务对象和服务主体都是人。因此，对大数据环境下非遗视觉资源的分析、获取、组织、理解和描述的最终目的，就是为人们提供更加人性化、智慧化、便捷化的非遗数字化服务和工具。而通过上述的非遗视觉资源的获取和组织、有效理解和结构化描述的方法，能为人们提供更加智慧化、个性化的非遗视觉资源整合、交互和展示方法。

传统对视觉资源的信息检索模式主要是对视觉资源进行文本标注（或设定文本标签），将视觉资源的视觉搜索问题转换成基于关键词或文本标注的信息检索模式。通过对非遗视觉资源进行深度分析、有效获取、层次化组织和结构化描述，能将非遗视觉资源进行系统的有机整合，为人们提供非遗数字化服务。而能否为人们提供高效、方便、快捷的信息检索功能，则成为判断大数据环境下非遗视觉资源整合是否全面、有效的重要评判标准之一。因此，本文提出了一种基于粗粒度非遗主体轮廓的视觉搜索模式，这种视觉搜索模式有别于传统基于关键词的信息检索模式，是以视觉对象本体作为检索对象。

在现实生活中，并非人人都拥有绘画技能而能手绘出自己希望搜索到的非遗，但几乎人人都能够手绘出自己希望搜索到的非遗轮廓的几何模型（如三角形、圆形、线条等）。简单几何模型是客观物理世界信息化的基础组成元素，现实世界中所有客观物质在转化成视觉效果（如绘画、设计图等）时，都能通过无数简单几何模型有机组合后，展示在人们视觉中，非遗亦不例外。因此，手绘简单几何模型的有机组合是人们展示灵感和构思创意最有效、最自然的手段和方法，并被广泛应用于建筑规划、工业设计、美术等领域。通过简单的手绘几何模型就能够帮助人们将心中正在想、或转载构思的非遗主体转化成具有真实感的粗放型视觉效果，这种粗粒度非遗主体轮廓可成为人们与非遗视觉资源整合平台之间实时交互的一种桥梁。事实上，借助于大数据环境下视觉资源的分析、获取、组织和描述方法而形成的非遗视觉资源数据集，基于粗粒度非遗主体轮廓的视觉搜索模式正逐渐走入人们生活中。

以广西乡村彩调为例（见图3），大数据环境下非遗视觉资源整合平台提供的视觉搜索有两个功能是非常重要的。一是非遗视觉资源的交互与融合搜索。人们只需在非遗视觉资源整合平台中选择所需要检索的非遗类别，并勾画出待检索非遗的大致轮廓，平台就可直接根据待检索非遗主体轮廓，自动对非遗主体轮廓执行轮廓匹配算法，在设定的非遗类别中检索符合要求的非遗视觉资源，并根据非遗主体轮廓在检索区域的相对位置、相对大小和组合关系将轮廓组合在一起。然后，平台根据视觉融合技术将检索出来的视觉资源进行完美融合，形成一幅全新的非遗视觉资源；二是非遗视觉资源的内容搜索。人们在非遗视觉资源整合平台中选择待检索非遗的类别，并勾画出待检索非遗几何轮廓，平台自动对非遗主体轮廓执行轮廓匹配算法，检索得出与该轮廓相似的非遗视觉资源列表。

4.2 大数据环境下非遗视觉资源的交互模式

从国内外已有研究来看，传统基于文本标注的视觉搜索模式尽管存在着诸多问题，但仍有不少研究者对其进行研究。而对于视觉资源的深度交互与实时编辑问题却极少有研究者涉及，尤其是对非遗视觉资源的交互编辑问题的研究几乎为零。

伴随着大数据、人工智能与深度计算等信息技术的飞速发展和相关算法的逐步完善，视觉资源的深度交互与实时编辑问题已成为热点课题。非遗的数字化保护与开发利用过程，可采取基于视觉资源融合的方法来实现非遗视觉资源的交互编辑相关功能。具体过程为：给出一个待编辑的非遗视觉资源以及预设定的目标尺寸，在非遗视觉资源知识库中，检索得出一幅设定符合条件的新的非遗视觉资源，将二者有机融合形成一幅更大的视觉资源。这个算法执行的难点在于：一是如何找到符合条件的视觉资源；二是如何保证检索得到的视觉资源与原视觉资源进行有机融合。

本文曾提出基于局部区域特征和非遗主体轮廓结构的视觉描述网络这一方法，借助于该描述方法可实现相应的关联视觉资源的有机融合。首先，设定一个非遗视觉资源为待检索对象，同时，设定其交互编辑的目标尺寸与待融合方法；然后，非遗视觉资源整合平台可根据所提供的视觉搜索功能与相关算法，在非遗视觉资源数据集中检索得到最为合适的视觉资源列表，作为候选内容；接着，对候选资源与待处理非遗视觉资源的轮廓结构、局部特征和主体内容进行一致性、相似性评估，选出待融合的视觉资源；最后，采取局部区域特征融合和边界区域平滑过渡方法，对候选视觉资源进行局部融合和全局变换，使其与待处理非遗视觉资源边界部分进行曲线平滑过渡，并采取视觉融合技术和区域分割方法对二者进行处理[28]。

5 结论与展望

在我国文化发展大繁荣的社会背景下，非遗数字化保护事业如何贯彻国民经济与社会发展“十三五”规划纲要、国家“十三五”文化发展规划纲要和国务院办公厅关于加强我国非物质文化遗产保护工作的意见等重大指导性文件精神，在社会公共文化服务体系中获得战略地位和重要作用，成为非遗保护与传承理论、实践研究共同关注的重大问题。非遗数字化作为非遗保护与传承的重要工具和手段，在大数据、视觉搜索与虚拟现实等技术手段的冲击下，势必会给非遗原来赖以生存的原生态空间带来巨大的威胁，导致非遗保护工作受到巨大挑战，但同时也带来了前所未有的机遇。毫无疑问，合理运用大数据、虚拟现实和视觉搜索等现代科技手段进行非遗数字化保护已成为一种必然趋势。

文本、图像、音视频和3D模型等视觉资源逐渐成为非遗数字资源最重要的信息载体，如何高效地分析和利用已有的和即将获取到的非遗视觉大数据资源，将非遗视觉大数据资源转化成知识是当前面临的主要技术瓶颈。尤其是未来十年，在大数据、人工智能和虚拟现实等信息技术的积极推动下，我国非遗视觉资源的数据规模和类型将快速增长，非遗数字化保护研究的深度和广度快速发展，开展大数据环境下非遗视觉资源的获取、组织和描述方法的研究，以为突破这一技术瓶颈提供有效的方法。因此，重视非遗视觉资源分析与利用的研究不仅具有非常重要的理论价值，还具有重要的现实意义。

参考文献：

[1] 谈国新，孙传明.信息空间理论下的非物质文化遗产数字化保护与传播[J].西南民族大学学报（人文社会科学版），2013（6）：179-184.

[2] 谭必勇，张莹.中外非物质文化遗产数字化保护研究[J].图书与情报，2011（4）：7-11.

[3] 宋俊华.关于非物质文化遗产数字化保护的几点思考[J].文化遗产，2015（2）：1-8，157.

[4] 宋丽华，李万社，董涛.非物质文化遗产数字化保护与知识整合平台建设[J].图书馆杂志，2015，34（1）：73-81.

[5] 黄永林.数字化背景下非物质文化遗产的保护与利用[J].文化遗产，2015（1）：1-10，157.

[6] 张旭.非物质文化遗产的数字化展示媒介研究[J].包装工程，2015，36（10）：20-23.

[7] Cheng Yang，Shouqian Sun，Caiqiang Xu.Recovery of Cultural Activity for Digital Safeguarding of Intangible Cultural Heritage[C].Proceeding of the 6th World Congress on Intelligent Control and Automation，2006：10337-10341.

[8] 余日季.基于AR技术的非物质文化遗产数字化开发研究[D].武汉：武汉大学，2014.

[9] Massimiliano Pieraccini，Gabriele Guidi，Carlo Atzeni.3D digitizing of cultural heritage[J].Journal of Cultural Heritage，2001，

2（1）： 63-70.

[10] 夏立新，白阳，孙晶琼.基于关联标签的非遗图片资源主题发现研究[J].图书情报工作，2016，60（2）：22-29.

[11] 程秀峰，毕崇武，李成龙.基于SNA的舞蹈类非物质文化遗产隐性知识关联研究[J].图书情报工作，2016，60（2）：30-36.

[12] 刘勐，胡文静.甘肃非物质文化遗产传承发展的数字化探索[J].图书馆理论与实践，2013（10）：99-101.

[13] 林毅红.基于数字化技术视角下的非物质文化遗产保护研究—以黎族传统纺染织绣工艺为例[J].民族艺术研究，2011（5）：116-121.

[14] 彭冬梅.面向剪纸艺术的非物质文化遗产数字化保护技术研究[D].杭州：浙江大学，2008.

[15] Athanasios D.S，Ipek I.A.Metadatabased heritage sites modeling with e-learning functionality[J].Journal of Cultural Heritage，2009，10（2）：296-312.

[16] Noriko K，Jun A.Cultural Heritage Online：Information Access across Heterogeneous Cultural Heritage inJapan[C/OL]. [2016-01-20].http：//www.kc.tsukuba.ac.jp/dlkc/e-proceedings/papers/dlkc04pp136.pdf.

[17] Regina Varnie.-Janssen.文化遗产的数字化与书目存取方法和组织：立陶宛的解决之道[J/OL].[2016-03-08].http：//www.nlc.gov.cn/newtsgj/iflaygt/gjtlzwyyzx/tlzlby/201011/P020101130493555274507.pdf.

[18] 王蒙，许鑫.主题图技术在非物质文化遗产信息资源组织中的应用研究——以京剧、昆曲为例[J].图书情报工作，2015，59（14）：15-21.

[19] 陈路遥，许鑫.基于关键事件技术的非物质文化遗产形成及演化分析——以两岸同源“歌仔戏”为例[J].图书情报工作， 2015，59（14）： 22-30.

[20] 周莺，张基宏，梁永生，等.基于视觉运动特性的视频时空显著性区域提取方法[J].计算机科学，2015，42（11）：118-121.

[21] 欧阳军林，刘建勋，曹步清.基于LBSVM机器学习的相关反馈图像检索[J].计算机工程与应用，2009（2）：112-115.

[22] Wang X J，Zhang L，Liu M，et al.Arista-image search to annotation on billions of web photos[C].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，San Francisco，2010：2987-2994.

[23] Wang X J，Xu Z，Zhang L，et al.Towards indexing representative images on the web[C].Proceedings of ACMInternational Conference on Multimedia，Naran，2012：1229-1238.

[24] Huang S S，Shamir A，Shen C H，et al.Qualitative Organization of Collections of Shapes via Quartet Analysis[J].ACM Transactions on Graphics，2013，32（4）： 1-10.

[25] 段凌宇，黄铁军，Alex CK，等.移动视觉搜索技术瓶颈与挑战[J].中国计算机学会通讯，2012，8（12）：8-15.

[26] 陈东，王波，席耀一，等.基于邻居向量的近似子图匹配[J].计算机工程与设计，2014，35（11）：4027-4033.

[27] 张磊.大规模互联网图像检索与模式挖掘[J].中国科学：信息科学，2013，43（12）：1641-1653.

[28] 李智杰，李昌华，刘欣，等.融合拓扑特征和领域特征的非精确图匹配算法[J].计算机应用与软件，2015（10）：164-167.

作者简介：张兴旺（1982-），男，桂林理工大学图书馆副研究馆员，博士研究生，研究方向：数字图书馆；卢桥（1988-），女，桂林理工大学图书馆助理馆员，研究方向：知识服务；田清（1984-），女，桂林理工大学图书馆助理馆员，研究方向：读者服务。