Sistemas de descripción de contenidos multimedia

Transcripción

1 Sistemas de descripción de contenidos multimedia Paulo Villegas Núñez, Daniel García Fernández TELEFÓNICA INVESTIGACIÓN Y DESARROLLO Los recientes avances en sistemas y estándares de codificación de audio y vídeo han originado una creciente presencia de contenidos multimedia digitales, disponibles a través de distintas redes y en distintos terminales. Esta proliferación de información audiovisual está originando problemas de estructuración, catalogación y acceso a la información, aspectos que repiten una situación ya familiar (y todavía no resuelta) para los usuarios de Internet, sólo que esta vez agravada por las especiales dificultades de proceso que presentan los contenidos multimedia. El presente artículo ofrece una exposición de los aspectos más importantes relacionados con navegación y búsqueda de contenidos audiovisuales, seguida de una panorámica de la situación actual en cuanto a iniciativas de estandarización (principalmente MPEG-7). Los trabajos desarrollados en Telefónica I+D en este campo, estructurados en torno a una plataforma interna denominada genéricamente Base de Datos Multimedia, sirven de base para comentar aspectos de arquitectura y funcionamiento de un sistema concreto. INTRODUCCION Internet, a través principalmente de su manifestación más visible, la red WWW, ha invadido todos los sectores. Es un hecho asumido que, prácticamente en cualquier ámbito, toda la información que se pueda desear está ya disponible en Internet. Sólo queda el problema de encontrarla: la ingente cantidad de información utilizable tropieza ahora con el obstáculo de su localización en un mar de servidores heterogéneos y sin estructurar. Esta cuestión se ha convertido en una de las barreras más importantes que impiden actualmente aprovechar al máximo la potencialidad de la Red como fuente de información. Debido a ello han proliferado las iniciativas destinadas a ofrecer servicios de localización de información en Internet; muchas de ellas han acabado por convertirse en portales, canalizando la entrada de usuarios en la Red. Las soluciones actualmente existentes son principalmente de dos tipos: Navegadores estructurados, generalmente por áreas temáticas (Yahoo). Motores de búsqueda, que permiten realizar búsquedas de documentos utilizando combinaciones de palabras clave (Google, Altavista). La mayoría de estos servidores funcionan principalmente para localizar documentos de texto y realizan búsquedas planas (sin estructurar), lo que impide aprovechar la riqueza (tanto en variedad como en estructura) de contenidos multimedia disponibles en Internet. Otro gran problema con estas soluciones, tal como actualmente existen, es que frecuentemente las herramientas ofrecidas necesitan de un usuario experto para obtener un aprovechamiento óptimo. Recientemente la eficiencia alcanzada por los sistemas de codificación multimedia y el creciente aumento de capacidad de las redes de comunicación han permitido una mayor penetración de la gran oferta de información multimedia (imágenes, sonido y vídeo) que proporciona Internet. La cultura actual concede gran importancia a la imagen (y mucha más al vídeo), por lo que hay una gran tendencia a emplearlos siempre que sea posible. La proliferación de contenidos digitales de vídeo ha acentuado la necesidad de contar con sistemas efectivos de descripción de material multimedia que permitan localizar contenidos, navegar 133

2 por ellos y manipularlos de manera eficiente. Por eso mismo han empezado a aparecer extensiones a los portales tradicionales de búsqueda que permiten localizar contenidos audiovisuales. En un principio utilizan principalmente anotaciones de texto (comentarios) anexas a la información multimedia; aunque comienzan a surgir también ejemplos de aplicación de las nuevas tecnologías, en representación de la información multimedia, que aprovechan características intrínsecas del material visual o auditivo, en vez de basarse únicamente en textos asociados a él. Sin embargo la estructura interna del vídeo, menos estudiada y más difícil de analizar que los documentos escritos, ofrece todavía bastantes obstáculos para su tratamiento. Esta situación, patente en el caso de Internet, no es en absoluto exclusiva de este medio. Las redes de difusión de televisión digital (por cable, por satélite o por difusión terrenal) son también un buen ejemplo: la cantidad de canales de televisión disponibles hace cada vez más pesada la navegación por ellos; la búsqueda del programa deseado comienza a ser una tarea difícil. El papel que en Internet juegan los buscadores y portales lo ejercen aquí las guías de programación electrónica (EPG) que todas las cabeceras de distribución digital ofrecen. Por último queda destacar que la situación es susceptible de complicarse aún más con la extensión de los contenidos de vídeo a las redes móviles [1], primero sobre redes ya disponibles (GSM y GPRS) y más adelante sobre las futuras redes de siguiente generación (UMTS). La menor capacidad de transmisión de estas redes aumenta aún más la importancia de disponer de sistemas eficientes de localización y descripción de contenidos, con el fin de poder seleccionar la información deseada sin necesidad de descargarla previamente. SISTEMAS DE CATALOGACIÓN MULTIMEDIA Existen varias formas complementarias de atacar el problema expuesto y crear sistemas que permitan disponer de acceso a contenidos clasificados, con recursos potentes para consulta de material. En general, el concepto fundamental en todas ellas es el de metainformación o metadatos, es decir, datos que describen otros datos (en este caso son metadatos aplicados a contenidos multimedia). La diferencia está en el tipo de metainformación y la forma de adquirirla. A continuación se exponen las vías más habituales de trabajo. Información semántica El método clásico de realizar clasificación de contenidos, y probablemente el más importante, es mediante anotaciones que permitan describir el material a que se refieren. Para ser realmente eficaces, estas anotaciones deben ser consistentes y manejar formatos y conceptos comunes, de tal manera que una vez generadas sean susceptibles de tratamiento automatizado. Existen muchos tipos posibles de anotaciones realizables sobre contenidos multimedia: descripciones de carácter general (título, palabras clave, tema, etc.), de producción y propiedad intelectual (se exponen en el siguiente apartado), así como del contenido de la escena (fondo, objetos, etc.), de eventos que tienen lugar en ella o de comentarios genéricos sobre el contenido. Disciplinas tales como la representación del conocimiento, las técnicas documentalistas y bibliográficas, la teoría cinematográfica, la semiótica o la psicología, son aplicables a la tarea de la catalogación multimedia. El vídeo (y, en menor medida, la imagen) es un medio expresivamente muy rico y que puede poseer significación a muchos niveles. Contiene desde la información puramente objetiva de lo filmado, hasta las connotaciones que la visión del contenido induce en el espectador (que, por tanto, son altamente subjetivas); todo ello puede convertirse en metainformación potencialmente útil. Las interpretaciones y descripciones posibles del material audiovisual son en principio infinitas; un problema añadido sería separar los componentes fundamentales, que pueden ser aplicadas de manera amplia, de las secundarias originadas por interpretaciones personales, las cuales sólo son aplicables a un conjunto reducido de personas o en condiciones particulares. Gestión de la propiedad intelectual Uno de los tipos de metainformación más sensibles es el que se utiliza para establecer las características de propiedad intelectual de los contenidos. Conceptualmente es un tipo más de información semántica, sin embargo su especial importancia merece un comentario separado. En el campo multimedia resulta especialmente significativo, por la complejidad y cantidad de agentes responsables de los contenidos. Asimismo, 134

3 el material de vídeo, audio o imágenes es el principal activo de las compañías dedicadas al sector audiovisual, y uno de los principales atractivos que puede tener un servicio de cara al usuario final. Por otra parte, los modelos de negocio de muchas empresas del sector de las telecomunicaciones prestan especial atención a la capacidad de ofrecer o distribuir contenidos multimedia. Los metadatos utilizables como información de propiedad intelectual están a menudo relacionados con las etapas de producción del contenido: información de autor, productor, origen o derechos. Obviamente se trata de información muy importante y con implicaciones legales. Precisamente la facilidad intrínseca con que los contenidos multimedia digitales pueden ser copiados indefinidamente sin pérdida de calidad ha sido percibida por las compañías del sector como una gran amenaza a su actividad. Tanto la piratería industrial como la copia personal indiscriminada están tratando de contrarrestarse mediante medidas tanto legales (como la ley estadounidense denominada DMCA o las directivas europeas relevantes [2]) como tecnológicas. Entre estas últimas están: Los sistemas de encriptación de contenidos (CSS para DVD o sistemas de acceso condicional para televisión digital) basados en criptografía de clave pública o privada [3]. Los métodos de marcado de contenidos mediante marcas de agua (watermarking) o huellas digitales (fingerprinting), como los que se propusieron para música en SDMI. Los sistemas de distorsión de señal para evitar la grabación (Macrovision). Los canales de distribución seguros para contenidos, de forma que se impida su descarga local o se establezca un período de caducidad. Sin embargo, los recientes ataques realizados contra algunos de estos sistemas han demostrado que no hay barrera tecnológica que sea totalmente impermeable si se dedica el suficiente tiempo y esfuerzo a intentar franquearla. Para que sean útiles estos métodos precisan de un nivel no excesivamente elevado de complejidad (que encarecería el producto final) y de una amplia difusión; esto y el comentado atractivo de los contenidos multimedia incrementan su vulnerabilidad. Una cuestión adicional que puede surgir, es la necesidad de establecer gestión de propiedad intelectual no sólo de los contenidos, sino también de las descripciones de éstos, ya que si son suficientemente ricas tienen valor en sí mismas (en ocasiones más que los contenidos en sí). Una empresa puede dedicarse a la creación y comercialización de metadatos sobre contenidos de otros proveedores, teniendo, por tanto que gestionar la propiedad intelectual de esas descripciones, distinta de la de los contenidos. Análisis de contenidos multimedia La creación de anotaciones semánticas es un aspecto fundamental de todo sistema de clasificación; sin embargo las características especiales de los contenidos audiovisuales admiten la aplicación de otras técnicas, basadas principalmente en el tratamiento digital de señales, que permiten la obtención de información complementaria [4,5]. A continuación se comentan las líneas de trabajo más importantes. Descomposición temporal El vídeo crudo sin editar es un medio lineal en su relación con el tiempo: un flujo temporal de imágenes y audio. La edición y postproducción introducen efectos de montaje que alteran esa estructura, combinando segmentos de vídeo (planos) para conseguir un resultado final acorde con las intenciones de los creadores. El número final de planos es muy variable, y depende en gran manera del tipo de material; para un conjunto muy amplio de contenidos editados suele ser considerable (una película estándar contiene típicamente entre 800 y 1200 planos). El análisis temporal del vídeo suele comenzar por la localización de los cambios de plano (cortes, fundidos, superposiciones y desplazamientos). Para ello se usan algoritmos de detección automática que analizan las propiedades de los cuadros para detectar los efectos introducidos por el cambio de plano. Se trata de una tecnología con bastante grado de madurez y que suele producir buenos resultados (aunque todavía falla en casos problemáticos). Una vez dividido el contenido en sus elementos fundamentales (sus planos) pueden aplicarse sucesivos algoritmos de agrupación para combinar planos, creando conjuntos con propiedades comunes (escenas y secuencias); una revisión final por un operador permitiría refinar aún más la agrupación, creando áreas temáticas. El producto final es una descomposición jerárquica del 135

4 vídeo que facilita enormemente la tarea de navegar por él o de realizar búsquedas; en vez de disponer solamente del tradicional acceso lineal (desplazamiento hacia adelante o hacia atrás), es posible el acceso directo a sus subcomponentes a través de un árbol semántico. La existencia de esta descomposición permite, asimismo, la creación automática de resúmenes de contenidos, los cuales seleccionan los elementos considerados más relevantes y producen una versión muy reducida del material que permite la visualización rápida, incluso a través de redes de bajo ancho de banda, con lo que se consigue una forma muy eficiente de obtener un avance del contenido. Análisis de movimiento Una característica muy significativa del vídeo es el movimiento presente en la escena captada por la cámara. Este movimiento puede ser de dos tipos (ver la Figura 1): movimiento general del plano, causado por un efecto de cámara (zoom, desplazamiento o giro) o movimiento de los objetos contenidos en el plano de cámara. Ambos tipos de movimiento proporcionan importante información sobre la escena (el movimiento de los objetos permite, además, su extracción en entidades separadas, como veremos más adelante). Características ópticas adicionales, como la distancia de encuadre (plano corto, plano general), la profundidad de campo, la distancia focal (gran angular, enfoque medio, teleobjetivo), son también una fuente interesante de metadatos. Muchas de estas propiedades son también susceptibles de cálculo algorítmico, por ejemplo mediante flujo óptico. Análisis gráfico de imágenes a) Zoom b) Desplazamiento lateral Figura 1. Análisis de movimiento de la escena La percepción visual humana analiza la información de imágenes recibida, descomponiéndola primero en elementos simples, tales como bordes (zonas de la imagen con cambios bruscos de intensidad) y superficies, representadas por sus propiedades de distribución de intensidad (texturas), y a continuación en sus propiedades cromáticas (distribución de colores). Extrayendo ese tipo de información de imágenes es posible luego utilizarla para caracterizarlas, y realizar comparaciones y clasificaciones basada en ella. Como resultado se obtienen sistemas capaces de realizar búsquedas de imágenes similares a una dada como patrón, o de crear grupos de imágenes parecidas. Hay que tener en cuenta que estos algoritmos de comparación y búsqueda automática, aunque son ya de utilidad, en su mayoría son "ciegos": buscan imágenes que se parecen en sus propiedades gráficas simples, aunque el contenido realmente corresponda a escenas muy diferentes. La investigación en visión artificial tiene todavía un largo camino por recorrer hasta poder acercarse a la precisión alcanzada por el sistema visual humano en el reconocimiento de objetos y escenas. Capacidades tales como la constancia cromática (habilidad de mantener la misma percepción del color de los objetos en una gama muy amplia de condiciones de iluminación) o la identificación de formas, independientemente de su posición u orientación, presentan importantes obstáculos a los sistemas de reconocimiento. Descomposición espacial Un nivel adicional de descomposición permite separar las imágenes en sus elementos constituyentes. Para ello se utilizan las propiedades gráficas comentadas en el apartado anterior y, en el caso del vídeo, del movimiento de los objetos. Como resultado, se obtiene una separación de las zonas de la imagen con características diferenciadas o movimiento distinto. En algunos casos las regiones extraídas corresponderán a objetos físicos reales contenidos en la escena; en otros serán solamente zonas con propiedades homogéneas (ambos son aprovechables para caracterizar las imágenes). La Figura 2 presenta el resultado de una segmentación en zonas con propiedades espaciales distintas y la Figura 3 muestra un cuadro de una secuencia donde se han extraído los objetos mediante una combinación de homogeneidad espacial y movimiento. Los algoritmos de segmentación automática también distan bastante de estar resueltos; en general funcionan razonablemente en casos sencillos y controlados, fallando con frecuencia en secuencias complicadas. De todas formas hay casos (cada vez más frecuentes) en los que no son necesarios, pues se dispone de una segmentación en origen cuando la creación del conte- 136

5 nido incluye composición de la escena con técnicas tales como transparencia de croma (chroma key) o composición digital (especialmente con gráficos). Estándares recientes de codificación de vídeo, como MPEG-4 [6], permiten codificar de manera eficiente vídeo segmentado. Existen, además, dos elementos contenidos en imágenes, cuya detección e identificación tiene especial interés. Éstos son: a) Imagen original b) Regiones obtenidas Figura 2. Segmentación en regiones homogéneas 1. Rótulos superpuestos. Generalmente contienen texto que describe o especifica de alguna manera el contenido: titulaciones, nombres de personas, títulos de crédito o transcripción de la banda de audio (subtítulos). 2. Rostros. Las personas presentes en una imagen o secuencia de vídeo constituyen un referente fundamental para los usuarios, a la hora de localizar contenidos; los sistemas de reconocimiento de rostros tratan de automatizar la anotación de estos eventos. En ambos casos los algoritmos de análisis automático trabajan en dos pasos. En primer lugar detectan la posible presencia y localización de rótulos o rostros, basándose en sus propiedades características (forma, colores y disposición); esta información por sí misma ya es útil. Una vez detectados, un segundo paso de reconocimiento permite identificarlos, proceso más sencillo en el caso de los rótulos (empleando reconocimiento de caracteres) que para los rostros (los algoritmos no son todavía lo bastante robustos para un caso general, aunque alcanzan buenos resultados con un conjunto no muy grande de modelos, especialmente con rostros en posiciones normalizadas y con iluminación lo más constante posible). Análisis de audio La banda de audio, ya sea como contenido aislado o acompañando a vídeo, contiene también una gran cantidad de información extraible para propósitos de descripción. En el caso de la voz, además, tiene la ventaja de que la transcripción de los contenidos produce un tipo de información (texto) para el que ya existen muchas técnicas de catalogación. Algunas de las propiedades más importantes contenidas en el audio, susceptibles de procesado automático, son: Tipo de contenido. Clasificación general en tramos de silencio, voz, sonido ambiente (incluyendo tipo a) Secuencia original b) Objetos extraídos Figura 3. Extracción de objetos móviles de sonido) o música. Identificación de idioma, para contenidos de voz. Identificación del locutor, con entrenamiento anterior para un conjunto determinado de posibles locutores. Reconocimiento de voz. Reconocimiento de palabras aisladas (word spotting) o reconocimiento de lenguaje natural [7]. Esta última modalidad es difícil de abordar para contenidos genéricos, al no estar acotado el vocabulario usado y necesitar independencia del locutor; restringiendo el rango de contenidos de aplicación pueden mejorarse los resultados. Estructuración El reto final de un sistema de metadatos es la ordenación de toda la información disponible, tanto las anotaciones semánticas como los datos extraídos mediante análisis, de forma que se forme un conjunto ordenado y coherente, capaz de proporcionar, al mismo tiempo, potencia y sencillez de uso a los usuarios de las aplicaciones de consulta y búsqueda de material multimedia. INICIATIVAS DE ESTANDARIZACIÓN En el campo de la metainformación, la interoperabilidad entre sistemas resulta vital. Por muy buena que 137

6 sea una aplicación de descripción desarrollada para un conjunto concreto de material, sus posibilidades de trabajo y evolución futura se verán muy limitadas si no se ha realizado acorde a las normas, de tal forma que sea utilizable con facilidad por nuevos usuarios y además pueda compartir información con otros archivos similares. Aprovechando las ventajas que ofrecen las redes de comunicaciones, esa compartición de datos puede en muchos casos hacerse en tiempo real. Para poder efectuarla es necesaria la compatibilidad de los metadatos a dos niveles: sintáctico (el formato de los datos es el mismo) y semántico (los campos utilizados significan lo mismo). Esa compatibilidad puede venir del hecho de usar la misma aplicación en distintos archivos (estableciendo un estándar de facto), o mediante el empleo de estándares reales de metainformación. Obviamente, el último caso es preferible generalmente. Seguidamente se comentan los estándares más relevantes en este campo, primero los formatos generales aplicados a los contenidos digitales y a continuación los especializados en contenidos multimedia. Estándares generales El uso de estándares de metainformación tiene gran tradición en algunos sectores como el bibliotecario, donde los registros bibliográficos normalizados y los estándares de clasificación, como DDC (Dewey Decimal Classification) o UDC (Universal Decimal Classification), llevan usándose mucho tiempo. Más recientemente se han creado versiones especialmente adaptadas para su tratamiento informático, como las distintas normas MARC (MAchine-Readable Cataloguing Records) o el protocolo Z39.50 para acceso a información bibliográfica. Para el caso de la catalogación de documentos en formato electrónico existen también iniciativas importantes de normalización. Así, por ejemplo, la especificación RDF del consorcio W3C [8] busca normalizar modelos para describir las interrelaciones entre los recursos, en términos de propiedades y valores (un "recurso" es cualquier tipo de contenido, especialmente contenido web), utilizando una sintaxis basada en XML. Este modelo de datos se complementa con la especificación de métodos para definir esas propiedades (RDF Schema). Asimismo, el grupo conocido como Dublin Core Metadata Iniciative ha elaborado un conjunto de elementos de descripción capaz de ser aplicado a un amplio rango de contenidos. Este conjunto, conocido como Dublin Core Element Set [9], tiene el objetivo de crear un "mínimo común" de metadatos, capaz de lograr un grado suficiente de interoperabilidad entre sistemas heterogéneos. Está teniendo gran aceptación, precisamente por su sencillez, que lo hace fácil de usar (aunque esa sencillez también limita su poder expresivo). Estándares multimedia Normas para televisión Con la llegada de la digitalización a la producción y difusión de programas televisivos han surgido iniciativas para incorporar metainformación en la producción y distribución de contenidos, tanto de cara a los usuarios finales como para el intercambio de material entre instituciones y empresas. El instituto europeo de normalización (ETSI) ha publicado un estándar [10] para la incorporación de información sobre contenidos en sistemas de difusión de televisión digital (DVB). Dicho estándar especifica la sintaxis y la semántica de una trama que, transmitida junto con la señal digital de televisión, permite a los receptores obtener datos sobre los programas que se están emitiendo. Su objetivo es proporcionar información para las guías electrónicas de programación (EPG) usadas en televisión digital. La Unión Europea de Radiodifusión (UER o EBU) y la estadounidense SMPTE (Society of Motion Picture and Television Engineers) crearon un grupo de trabajo conjunto (Task Force) con objeto de investigar la creación de estándares para intercambio de material audiovisual en formato digital entre estudios, productoras y emisoras de televisión. Su informe final [11] incluye requisitos para estándares de metainformación aplicados a material audiovisual. Ambas instituciones continúan activas en la estandarización de metadatos para su uso en radiodifusión. MPEG-7 MPEG-7 [12] es probablemente el estándar más ambicioso de metainformación para material multimedia. Representa el esfuerzo realizado por el comité MPEG de ISO para añadir descripción de contenidos a su lista de estándares desarrollados para el procesado de información multimedia, comenzada con 138

7 MPEG-1, MPEG-2 y MPEG-4. Su objetivo se aparta de estos estándares, que se ocupan principalmente de la representación del contenido (codificación), y añade una capa semántica por encima; por lo que depende de ellos (u otros estándares similares) para proporcionar acceso a los contenidos mismos. MPEG-7 es un estándar reciente: la fecha oficial de publicación como Estándar Internacional (IS) es, para sus secciones más significativas, octubre de Gracias a ello incorpora muchos avances recientes en tratamiento de la información multimedia. MPEG-7 se estructura alrededor del concepto de descriptor, una representación de una propiedad determinada de material audiovisual que caracteriza al contenido de alguna manera. Los descriptores se organizan en esquemas de descripción, conjunto ordenado de componentes (descriptores u otros esquemas) con especificación de las relaciones entre ellos. Un grupo de esquemas de descripción aplicado a un contenido audiovisual forma la descripción de ese contenido. Las descripciones se expresan en un lenguaje denominado Lenguaje de Definición de Descriptores (DDL), definido por MPEG, tomando como base el lenguaje XML Schema [13] del consorcio WWW. El lenguaje DDL permite también extensibilidad del estándar (en el nivel sintáctico) mediante su empleo para especificar descriptores y esquemas de descripción no previamente definidos. Como todos los estándares producidos por MPEG, la especificación de MPEG-7 está orientada a un modelo de descodificador. Es decir, MPEG-7 detalla la sintaxis y semántica de las descripciones, de tal forma que cualquier descodificador acorde con la norma sea capaz de interpretar una descripción MPEG-7. Tanto lo que luego el descodificador haga con ella (filtrado, búsqueda, navegación o acceso) como el método usado en el codificador para generarla no están especificados, dejando espacio para desarrollos o mejoras posteriores, así como para la posibilidad de ofrecer valor añadido por parte de empresas o instituciones que produzcan aplicaciones basadas en MPEG-7. De todas formas, durante el desarrollo del estándar se ha ido construyendo un modelo software completo, que incluye codificador y descodificador, llamado "Modelo de Experimentación" (XM). El XM permite realizar pruebas de funcionamiento de las partes desarrolladas, asimismo sirve de orientación para la construcción de sistemas MPEG-7. MPEG-7 ha sido dividido en secciones, que tratan con diferentes aspectos de la descripción del material multimedia. Las más importantes son: 1. Los sistemas. Esta sección abarca aspectos globales de acceso a la información, a los mecanismos de transmisión, a la sincronización de la información, a los formatos de fichero, al multiplexado de descripciones y a la calidad de servicio. 2. El DDL. Define el lenguaje de definición de descripciones. 3. El visual. Comprende la descripción de elementos visuales, por sus propiedades espaciales (color, textura o forma), por sus propiedades temporales (movimiento o actividad), por su localización espacio-temporal (posición o trayectoria) o por sus características específicas (reconocimiento de rostros). 4. El audio. Especifica los métodos de descripción de contenidos de audio basados en sus características (timbre, ritmo, distribución espacial, temporal y espectral o fuente de sonido), así como la transcripción a texto (para voz o letras de canciones). 5. Los esquemas de descripción (MDS). Sección que especifica las herramientas de descripción que son genéricas (es decir, no aplicables sólo a vídeo o a audio), así como la organización de los elementos individuales, de forma tal que se puedan aplicar a la creación de descripciones completas de la estructura física y del contenido semántico del material [14]. Dentro de MDS se encuentran también los esquemas de descripción para los usuarios de los servicios audiovisuales, que permiten especificar las preferencias personales y los patrones de uso para ofrecer servicios de personalización. MPEG-21 La iniciativa más reciente del comité MPEG pretende situarse a un nivel por encima y ofrecer una perspectiva global de la infraestructura necesaria para la distribución y uso de los contenidos digitales, así como para identificar lagunas no cubiertas por los estándares actuales y proponer iniciativas para cubrirlas [15]. Abarca, por tanto, la creación, producción, distribución y uso de los contenidos, e incluye también aspectos de identificación, descripción, gestión y protección del material multimedia. 139

8 Beneficios de la estandarización La existencia de estándares beneficia a todos los agentes en la cadena de proceso, de manera que: Los proveedores de contenidos pueden organizar de manera sistemática sus archivos de material, reaprovechar de forma más eficiente sus contenidos y establecer nuevas vías de acceso a ellos, que amplíen la oferta de servicios a sus clientes. Los fabricantes de equipos, sistemas software y aplicaciones, disponen de una referencia en la que basarse para la creación de sus productos; una adopción extensa del estándar permite aumentar el mercado para esos productos y prolongar su ciclo de vida. Los operadores de redes y servicios pueden asegurar su independencia frente a los proveedores y homogeneizar sus procesos de trabajo. Los consumidores están probablemente entre los más beneficiados, al ganar independencia respecto a las soluciones particulares y obtener vías de acceso e interfaces consistentes, con: a) Una selección de la oferta de contenidos. Dado que la oferta de material audiovisual existente, de pago o gratuita, es cada vez mayor, el usuario final precisa de métodos eficientes de acceso como los comentados; el hecho de estar basados en estándares permite mayor consistencia y estabilidad en las aplicaciones, así como facilitar la migración entre los diferentes sistemas. b) Una organización de contenidos personales. Aunque es frecuente centrar la atención en los contenidos producidos profesionalmente, en realidad en términos de volumen la mayor parte del material audiovisual existente es generado por los usuarios finales (usando equipamiento de consumo como vídeo doméstico o cámaras fotográficas), y éste será consumido solamente por un pequeño número de personas. Estos contenidos pueden ser de interés sólo para unas pocas personas, pero para ellas son del máximo interés. Una parte sustancial de ese material audiovisual se genera ya en formatos digitales (o es susceptible de digitalización), y además esta proporción va en aumento. Está cada vez más cercana la posibilidad de disponer de bibliotecas digitales de contenidos multimedia personales, bibliotecas que precisan igualmente de organización. En este caso el énfasis se hace en la sencillez de uso más que en la potencia; sin embargo los beneficios derivados de la utilización de estándares son igualmente importantes (consistencia en las aplicaciones, facilidad de compartir contenidos y descripciones con familiares y amigos, etc.). LA PLATAFORMA BDM DE TELEFÓNICA I+D Telefónica I+D lleva varios años trabajando en tecnologías de descripción y estructuración de información multimedia. Los desarrollos efectuados han permitido disponer de una plataforma de experimentación y creación de aplicaciones para archivo, así como de catalogación, búsqueda y navegación de contenidos multimedia (imágenes y vídeos). Esta plataforma recibe el nombre de Base de Datos Multimedia (BDM), y se basa en conceptos de catalogación y organización de información multimedia, en bases de datos, en sistemas de tratamiento digital de imágenes y vídeo, y en algoritmos de análisis estadístico de información multimedia. El sistema básico está centrado en una biblioteca de vídeos, que almacena descripciones de los contenidos disponibles y referencias a las localizaciones físicas para su recuperación. El uso del sistema tiene dos aspectos: 1. Catalogación. Una vez creado y disponible un cierto elemento de contenido audiovisual, el catalogador se encarga de su almacenamiento junto con los descriptores asociados que contienen la información sobre el mismo. El proceso de catalogación se hace por medio de una sencilla interfaz web. 2. Recuperación de los contenidos. La búsqueda y recuperación de documentos se realiza a través de otra herramienta específica, que puede funcionar, a su vez, en dos modos: a) Navegación. Los documentos de vídeo aparecen identificados con diversos criterios y son fragmentados en sus partes constitutivas. b) Búsqueda. Es posible la realización de consultas con diversos criterios: palabras clave, términos de catalogación o por los mismos contenidos visuales. 140

9 La arquitectura se basa en estándares de representación multimedia, como MPEG-7. La conformidad con los estándares permitirá en un futuro la interoperabilidad entre los distintos sistemas de bases de datos multimedia, con lo que se ampliará la potencia de dichos entornos. Podrán crearse así conjuntos de Bibliotecas Multimedia interdependientes, con capacidad de intercambiar información entre ellas. El sistema actual incorpora información de propiedad intelectual de los contenidos (autor, copyright, derechos, etc.), pero sólo a título informativo. Una posible evolución, en sintonía con las tendencias del sector, es hacia los sistemas que proporcionen gestión uniformizada de la propiedad intelectual, es decir, que permitan controlar las transacciones que se realizan con los contenidos y realizar auditorías de uso. Arquitectura La plataforma creada se estructura en torno a una arquitectura cliente-servidor, en el cual los distintos componentes del sistema se han modularizado en función de la funcionalidad que ofrecen. La Figura 4 presenta un diagrama general de bloques del sistema de Base de Datos Multimedia. Se pueden distinguir en el diagrama los cuatro bloques funcionales que se comentan en los siguientes apartados: el servidor de información, la unidad de entrada, la aplicación de administración y la aplicación de consulta. El servidor de información Constituye el entorno en el que se almacenan las descripciones de los contenidos. Está compuesto por: Una base de datos, la cual tiene como misión almacenar las anotaciones semánticas que se hacen sobre los contenidos que se introducen. Con el fin de simplificar la implementación y el tratamiento de información se utiliza un sistema de bases de datos relacional estándar que admita procesado mediante el lenguaje SQL. Un servidor de propiedades gráficas (colores y texturas) para imágenes. Alberga los descriptores de contenidos que, por sus características especiales (no tienen formato textual y las búsquedas utilizan operaciones algorítmicas especializadas), no se ha considerado conveniente almacenar en la base de datos relacional. Un servidor HTTP que alberga imágenes para ayuda en la navegación por los contenidos, y que además contiene páginas web que implementan las interfaces de catalogación y administración. Un servidor central de descripciones que aglutina la información proveniente de los otros tres bloques y ofrece un único punto de acceso a la aplicación de consulta. El sistema se completa con un servidor de contenidos que permite albergar los contenidos de vídeo, de forma tal que sea posible enviarlos a las aplicaciones clientes, con capacidad de reproducción en tiempo real (streaming). Dicho servidor no forma parte del desarrollo efectuado (aunque sí del sistema final) y para su inclusión se ha optado por la integración de sistemas externos. En el sistema BDM los contenidos de vídeo están catalogados de manera estructurada, de forma que se Anotación y corrección Servidor de propiedades gráficas Administración Aplicación de consulta Análisis Base de datos Aplicación de consulta Contenidos de vídeo Introducción de contenidos Unidad de entrada Servidor de descripciones Servidor de contenidos Servidor de Información Reproductor de vídeo Figura 4. Arquitectura general del sistema 141

10 facilite la navegación por los mismos. Asimismo, en los descriptores (propiedades del contenido almacenadas en la base de datos) se trata de reflejar las características más relevantes de cada uno de los contenidos, facilitando de esta manera las posteriores búsquedas y recuperaciones. El sistema ofrece, en concordancia con lo anteriormente expuesto, las siguientes posibilidades: Ordenación de los documentos en colecciones y subcolecciones, obteniendo así una estructura jerárquica. Gestión y administración de grupos de usuarios, con distintos privilegios de acceso y modificación de la información. Gestión de información de propiedad intelectual, mediante la asignación de los diferentes contenidos multimedia a personas y/o instituciones responsables de los mismos. La unidad de entrada Esta herramienta permite al usuario introducir los documentos en la BDM, especificando las propiedades del mismo de acuerdo con la estructura definida en la base de datos. Se ha diseñado con una interfaz web, de forma que cualquier terminal dotado de un navegador web pueda ser usado como unidad de introducción de información. En el lado del servidor incorpora un módulo de análisis automático de contenidos, con algoritmos de detección de cambios de plano, agrupación de planos, análisis y extracción de propiedades gráficas de imágenes (colores o texturas) y de movimiento de escenas. Asimismo, con el fin de aislar al terminal de la implementación concreta del servidor, toda interacción con la base de datos se realiza a través de procesos de servidor HTTP. La aplicación de administración Facilita la gestión de las tablas de la base de datos, permitiendo el acceso a través de una interfaz web sencilla e intuitiva. En concreto, mediante las páginas de administración es posible: Gestionar información de personas o instituciones, dando de alta o baja, o modificando su perfil. Con el fin de mantener la consistencia, la base de datos utiliza entradas de este tipo para asignar los descriptores de propiedad intelectual a los contenidos, por lo que para poder introducir estos descriptores será necesario que previamente se hayan introducido entradas mediante la herramienta de administración. Modificar el árbol de agrupación de los contenidos, creando nuevas colecciones o reubicándolas, o moviendo contenidos entre colecciones. Modificar descripciones de contenidos. Permite corregir posibles errores cometidos en la herramienta de introducción de datos o modificar valores que hayan cambiado. La aplicación de navegación y búsqueda Facilita al usuario la localización de documentos para su inclusión en los cursos, ya que permiten un acceso basado en contenido. Se han creado dos versiones, una con una interfaz construida con páginas web, implementando la lógica en el lado del servidor, y otra como aplicación autocontenida, programada en Java por portabilidad. Poseen las siguientes funcionalidades: Muestran en forma de árbol la estructura jerárquica existente en la base de datos. Mediante ella se pueden consultar y seleccionar los diferentes documentos para su posterior uso. Permiten realizar consultas complejas, por combinaciones de los campos introducidos en la fase de anotación. Posibilitan, además, un recorrido visual sencillo por el contenido de la base de datos. Implementan una interfaz para búsquedas visuales, basadas en comparación de imágenes, que permite localizar contenidos basándose en imágenes representativas del vídeo (keyframes). La Figura 5 muestra una ventana de la aplicación basada en páginas web y la Figura 6 de la aplicación Java. Por supuesto, ambas pueden ser utilizadas simultáneamente contra el mismo servidor de información. Aspectos de implementación La arquitectura del sistema BDM se ha diseñado de forma lo más independiente posible de la plataforma 142

11 Figura 5. Aplicación de consulta web Figura 6. Aplicación de consulta Java hardware y de los componentes software comerciales. Por supuesto, a la hora de realizar implementaciones reales es necesario elegir alguna solución concreta, que dependerá de los requisitos de la aplicación que se esté desarrollando. estructurada los vídeos que luego se utilizarán para publicar cursos multimedia. Existen otras muchas aplicaciones potenciales; como ejemplo, en la Figura 7 se muestra una interfaz sim- Con el fin de incrementar la modularidad se han diseñado los componentes del sistema como servicios independientes, que se comunican entre sí mediante protocolo SOAP, es decir, enviando mensajes XML sobre transporte HTTP. Esto además permite realizar por separado el desarrollo y prueba de los módulos. Aplicaciones La plataforma BDM continúa en evolución, añadiéndose nuevas funcionalidades y mejorando las prestaciones de las existentes. Al mismo tiempo, se está empezando a utilizar la tecnología desarrollada para la prestación de servicios de clasificación de material multimedia en aquellas aplicaciones y servicios que hagan un uso extensivo de éste. Un ejemplo es el servicio de e-videoteca [16], en el que se emplea un catálogo multimedia para almacenar de manera Figura 7. Buscador fotográfico 143

12 ple que proporciona un servicio de buscador de fotografías, el cual ha sido creado combinando módulos de la plataforma. Otras posibles aplicaciones vienen de su combinación con los sistemas de captura y edición de vídeo, creando entornos integrados de gestión de contenidos digitales (Media Asset Management Systems). La arquitectura del sistema permite esta selección e integración de módulos de manera sencilla. CONCLUSIONES El volumen de información multimedia disponible en formato digital es cada vez más abundante, lo cual está provocando problemas importantes de acceso a la información. Las soluciones pasan por la implantación de entornos de metainformación que proporcionen métodos de descripción de contenidos con servicios de catalogación, navegación, consulta y recuperación de material. Se pueden aplicar diferentes tecnologías a la construcción de estos sistemas, asimismo existen iniciativas de estandarización que pueden proporcionar la necesaria interoperabilidad entre ellos. La experiencia adquirida por Telefónica I+D en esta área ha permitido el desarrollo de una plataforma de experimentación genérica denominada Base de Datos Multimedia, así como la creación de aplicaciones a partir de ella. La plataforma continúa en evolución, con el objeto de incrementar su funcionalidad e incorporar los nuevos avances que vayan surgiendo en el sector. Glosario de Acrónimos CSS DDL DMCA DVB EBU EPG GPRS HTTP IS ISO Content Scramble System Description Definition Language Digital Millenium Copyright Act Digital Video Broadcasting European Broadcasting Union Electronic Program Guide General Packet Radio Service HyperText Transport Protocol International Standard International Organization for Standardization MARC MDS MPEG RDF SMPTE UMTS W3C XM XML Machine-Readable Cataloguing Data Multimedia Description Schemes Moving Pictures Expert Group Resource Description Framework Society of Motion Picture and Television Engineers Universal Mobile Telecommunications System World Wide Web Consortium (MPEG-7) experimentation Model Extensible Markup Language Referencias 1. J. R. LÓPEZ LORITE, J. LORENTE MARTÍNEZ, R. M. BERNÁRDEZ RODRÍGUEZ, J. M. LÓPEZ MUÑOZ, A. FERRERAS GARCÍA, J. L. GARCÍA GÓMEZ: Servicios de vídeo sobre redes móviles de nueva generación. Comunicaciones de Telefónica I+D, número 21, junio Directiva 2001/2/CE del Parlamento Europeo y del Consejo de 22 de mayo de 2001 relativa a la armonización de determinados aspectos de los derechos de autor y derechos afines a los derechos de autor en la sociedad de la información. Diario Oficial de las Comunidades Europeas, L 167, pág. 10, 22 junio ARTURO LÓPEZ GUEVARA, ANTONIO DÍAZ AGUDO: La criptografía de clave pública y su aplicación a las tecnologías de la información. Comunicaciones de Telefónica I+D, número 19, diciembre YONG RUI, THOMAS S. HUANG, SHIH-FU CHANG: Image retrieval: Current techniques, promising directions, and open issues. Journal of Visual Communication and Image Representation, Vol. 10, No. 1, marzo R. W. PICARD: A society of models for image and video libraries. IBM Systems Journal, Vol. 35, No. 3&4, MPEG Requirements Subgroup: Overview of the MPEG-4 Standard. Documento ISO/IEC JTC1/SC29/WG11/N4030, Comité MPEG, Singapur, marzo 2001, 7. MIGUEL ÁNGEL RODRÍGUEZ CRESPO, ISMAEL CORTÁZAR MÚGICA, DANIEL TAPIAS MERINO, JOSÉ RELAÑO GIL: Estado del arte en tecnologías de voz. Comunicaciones de Telefónica I+D, número 20, marzo Consorcio WWW: W3C Semantic Web Activity: Resource Description Framework (RDF) Dublin Core Metadata Iniciative: Dublin Core Metadata Element Set. Version 1.1: Reference Description. Julio 1999, European Telecommunications Standards Institute: Digital broadcasting systems for television, sound and data services: Specification for Service Information (SI) in Digital Video Broadcasting (DVB) systems.ets , mayo EBU/SMPTE: Task Force for Harmonized Standards for the Exchange of Program Material as Bit Streams. Final Report: Analyses and Results. Abril MPEG Requirements Subgroup: MPEG-7 Requirements. Document V. 14. Documento ISO/IEC JTC1/SC29/WG11/N4035, Comité MPEG, Singapur, marzo Grupo de trabajo XML: Schema de W3C: XML Schema. Consorcio WWW, 2 mayo 2001, P. SALEMBIER, J. SMITH: MPEG-7 Multimedia Description Schemes. IEEE Transactions on Circuits and Systems for Video Technology. Vol. 11(6), pág , junio MPEG Requirements Subgroup: MPEG-21 Overview. Documento ISO/IEC JTC1/SC29/WG11/N4318, Comité MPEG, Sydney, julio 2001, F. RODRÍGUEZ GARCÍA, A. M. ROSAS GÓMEZ, P. VILLEGAS NÚÑEZ, M. ROSER BALLESTER, L. C. FERNÁNDEZ GONZÁLEZ: E-Videoteca: Un sistema de creación, catálogo y publicación de contenidos multimedia.comunicaciones de Telefónica I+D, número 20, marzo