大數據環境下非遺視覺資源的獲取、組織與描述

張興旺 盧橋 田清

摘 要：文本、圖像、視頻和3D模型等視覺資源已成為非遺數字化體系中重要的信息載體。研究非遺視覺資源數字化技術，有助于促進視覺搜索技術在非遺數字化保護與開發中的應用。文章對非遺視覺資源數字化保護現狀進行了分析，歸納了大數據環境下非遺視覺資源數字化保護存在的新問題，提出了相應的非遺視覺資源的獲取、組織、理解與描述方法，并從案例分析角度對相應的視覺搜索和交互模式進行了分析。

關鍵詞：非物質文化遺產；非遺視覺資源；大數據；數字圖書館

中圖分類號： G254.9 文獻標識碼： 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

人類所接受的信息源中超過80%的信息來自于視覺通道（主要包含文本、圖像、視頻與幾何模型等），作為承載視覺通道的信息資源類型稱之為視覺資源。隨著互聯網環境的逐步完善和大數據技術的飛速發展，以文本、圖像、音視頻和3D模型等為代表的視覺資源逐漸成為數字圖書館最為重要的信息載體，在非物質文化遺產（Intangible Cultural Heritage，ICH，以下簡稱“非遺”）數字化保護與開發利用體系中也不例外。

非遺作為人類世代相傳、與人類生存生活密切相關的文化表現形式、傳承方式和文化空間，由于其自身所帶的系統性、無形性、復雜性和漸變性等特殊屬性[1]，使非遺數字化保護與開發利用難度較大。而非遺視覺資源除了擁有上述自然屬性之外，在大數據環境下更是增添了數據量大、非結構化或半結構化、縱深緯度高、語義關聯性不強和語義時空性等附屬特征，使得非遺視覺資源的高效處理、內容理解和交互反饋就成為需要解決的難點問題，而非遺視覺資源的有效獲取、系統組織與結構化描述就成為亟待解決的首要問題。因此，本文從優化非遺視覺資源的獲取、組織與描述方式的角度出發，致力于研究大數據環境下非遺視覺資源的獲取、組織和描述過程，建立相應的模型，針對知識類和實體類非遺視覺資源提出相應的獲取、組織和描述方法。

2 非遺視覺資源數字化保護研究現狀

國內外關于非遺保護的研究成果非常多，從非遺的社會經濟屬性分析，到非遺的綜合管理，也都出現了許多系統研究的專著。但專門針對非遺數字化保護與開發利用方面的研究并不多，尤其是關于大數據環境下非遺數字化保護、非遺視覺資源開發利用等方面研究更少。

數字化保護與開發利用是非遺保護非常重要的研究領域。自20世紀90年代以來，國際社會和世界各國開始將數字化項目作為發展非遺數字化保護與開發利用的主要策略。如聯合國教科文組織推行的“世界的記憶”計劃、日本奧茲大學的“獅子舞”數字化保護工程、芝加哥大學與西安大略湖大學的“Sulman 木乃伊工程”等。我國非遺數字化保護研究現已進入到飛速發展階段，各種數字化保護平臺、技術與工具層出不窮、琳瑯滿目[2]。如 “中國非物質文化遺產數字博物館”、 “中國非物質文化遺產保護與研究網”[3]、“湖南紙影戲藝術數字化博物館”、“山西地方戲劇文物文獻資源數據庫”等[4]。為了解和掌握非遺資源，我國會定期開展全國性非遺普查，采用田野調查、非遺傳承人與專家訪談、掃描、拍攝等多種手段相結合的方式，獲取了大量極具文化、歷史和科研價值，以文本、圖像與音視頻等視覺資源為主的非遺大數據資源[5]，這一過程使得視覺資源逐漸成為非遺數字化保護體系的主要信息載體[6]，因此，國內外已有相關技術研究主要是圍繞非遺視覺資源的獲取、組織和描述等方面展開，主要集中在以下三個方面：

（1）非遺視覺資源數字化技術工具的選擇與評價研究。如何選擇恰當的視覺資源數字化技術、方法對非遺視覺資源進行獲取、組織、描述和整理，是非遺數字化保護與開發利用研究必須要解決的關鍵技術問題。Cheng[7]、余日季[8]等分析了虛擬現實、增強現實等先進技術在非遺數字化保護與開發利用研究中的應用，并提出通過三維重建、恢復與模擬等方式來推進非遺數字化保護、傳承與傳播；Massimiliano等[9]認為3D技術應該在非遺數字化保護領域得到廣泛的發展和充分的應用；夏立新等[10]從關聯標簽的角度對非遺圖片資源之間的標簽關聯關系進行了研究，并采用可視化方法對非遺圖片資源的主題特征進行了多元化展示；程秀峰等[11]則對舞蹈類非遺視覺資源的存在形式與類型進行了調研，提出采用社會化網絡標簽（SNA）形式來揭示非遺視覺資源之間的隱性知識關聯。此外，宋麗華[4]、劉勐[12]、林毅紅[13]、彭冬梅[14]等均探討了不同的數字化保護方法、工具在非遺視覺資源數字化保護中的應用，對黎族傳統紡染織工藝、甘肅“花兒”藝術、剪紙藝術等非遺數字化保護平臺建設進行了研究和評價。

（2）非遺視覺資源數字化保存機制研究。國內外非遺視覺資源收藏機構都在充分利用信息技術來整理、獲取、組織、處理和展示其豐富的非遺資源，從而確保了非遺視覺資源數字化長期保存和多元化展示成為其重要的研究主題。從非遺視覺資源數字化保存研究現狀來看，當前主要研究重心集中在非遺視覺資源數字化保存的元數據技術和方法方面。如Athanasios等[15]就非遺視覺資源數學建模與元數據集成問題進行了研究；Noriko等[16]分析了異構非遺視覺資源（如戲曲、舞蹈、建筑、繪畫等）在線獲取的元數據方法；Regina等[17]對非遺視覺資源元數據格式、標準與技術問題進行了分析。

（3）非遺視覺資源數字化服務研究。隨著大數據、云計算、數字影像掃描與傳感、三維數字建模、虛擬現實與增強現實、可視化等技術的發展，非遺視覺資源數字化建設項目逐漸具備了多元化、嵌入式、協作化的知識服務與可視化共享功能，尤其是與視覺資源整合、開放式文化教育、自主交互式工具有機結合起來后，極大地推動了非遺視覺資源的數字化服務模式和服務內容。

3 大數據環境下非遺視覺資源的獲取、組織與描述方法研究

3.1 大數據環境下非遺視覺資源數字化保護的新問題

在大數據環境下，海量、異構的非遺視覺資源內容中，包含了對復雜、多元化的客觀物理類非遺資源的多角度、全方位的映射與表達，可以讓人們體驗到更加客觀、真實、全面的非遺視覺資源展示與感知，從而為非遺視覺資源數字化保護與服務提供更加有效的支撐，有效推動非遺的全面保護與活態傳承，促進非遺客觀物理空間與虛擬服務世界的有機融合。這些非遺視覺資源是來源于現實世界中客觀事物，彼此之間蘊含著密切的、復雜的時空關聯關系，通過對非遺視覺資源的這些時空關聯信息的分析、處理和整合，就可以清晰地組織、描述和可視化展示非遺保護、傳承與服務的時空變遷。通過對非遺視覺大數據資源的動態挖掘、深度學習和實時分析，使得許多與人類認知相契合的非遺數字化保護與服務的工具、技術和平臺也層出不窮，如王蒙等[18]基于主題圖理論和方法，以京劇與昆曲為例，建立了非遺信息資源主題圖模型；陳路遙等[19]以“歌仔戲”為例，提出了一種基于關鍵事件技術的非遺信息資源的組織方法與可視化展示技術。

一方面，由于視覺大數據資源因其自身特性，對大數據環境下非遺視覺資源數字化保護的有序化傳播、系統化整合、集約化管理、有效組織與描述提出了巨大的挑戰。與傳統非遺資源相比，非遺視覺大數據資源除了具有時空信息復雜、語義關聯多樣化、非結構化或半結構化等特點之外，還具有數據規模龐大、動態變化性、無序性、實時性等特征，使得大數據環境下非遺視覺資源的分析和處理具有一定的難度和復雜性。

另一方面，由于非遺視覺資源的來源具有不確定性、異構性和時空關聯性，視覺資源本身也不易組織和整合，因此，如何進行視覺資源的高效獲取、組織和描述也是大數據環境下非遺視覺資源數字化保護與開發利用的基礎性問題。同時，隨著非遺規模與類型的逐漸發展和壯大，非遺視覺資源的規模和種類也在不斷增長，尤其在“互聯網+”時代，三元空間融合下的非遺數字化保護體系在不斷產生著無數的非遺視覺資源，只有對其所蘊含的內容進行有效獲取與組織、深度理解與結構化描述，才有可能實現對大數據環境下非遺視覺資源的深度分析和有效利用。

因此，大數據環境下非遺數字化保護與開發利用研究，需要從非遺視覺資源的獲取、組織、理解和結構化描述等方面進行研究與分析。

3.2 非遺視覺資源的獲取與組織方法

非遺資源由于其生存環境、分類方法與傳承方式的不同，使得非遺視覺資源的類型特征、處理手段、處理技術與保存方法等也會有一定區別，這些差異使其在大數據環境下的存在形式是異構無序、動態變化、時空關聯的，且與之相關的視覺資源的生成與發布也是動態無序的。每一項非遺數字化過程都需要對相關主題信息、繁雜異構信息與隱含關聯關系等進行處理。此外，現有非遺視覺資源分析與處理都是基于文本標注的，且以人工標注為主，但傳統的人工標注方法在大數據環境下，存在著標注精確性低、時間和人力成本高、分析和處理效率低等問題。因此，如何方便快捷地獲取與組織非遺視覺資源，是大數據環境下非遺數字化保護與開發利用的關鍵問題，而對大規模無關非遺視覺資源的分析、過濾、清洗以及對海量非遺視覺資源的高效組織也是非遺數字化保護與開發利用的核心問題。

在整個非遺視覺資源獲取與組織流程（見圖1）中，視覺資源過濾是大數據環境下非遺視覺資源獲取與分析的關鍵環節。本文提出了一種基于輪廓特征點的非遺視覺資源整合體系，采用不同的方法從不同層面對獲取到的海量非遺視覺資源進行層次過濾、清洗，其中主要的過濾與清洗方法有三種：一是基于顯著特征點的非遺視覺資源復雜性過濾，主要用于過濾、清洗掉高度復雜的非遺主體的背景視覺信息。該方法首先檢測出非遺視覺對象的顯著性區域，通過標識非遺主體的顯著性區域，對所有非遺視覺對象進行區域分割，并對區域劃分出的高顯著區域附近一定閥值區域范圍內的所有劃分區域數量進行計算，選擇其中劃分區域數低于設定閥值的區域作為非遺主體的背景區域，并保留下來[20]；二是基于輪廓特征點的非遺視覺資源相似性過濾，主要用于甄選出與特定幾何輪廓一致的非遺視覺資源。在經過第一種過濾清洗方法之后，獲取到帶有簡單背景區域的非遺視覺資源，得到符合下一操作要求的過濾清洗效果，在此基礎上，對預先設定的分割邊界與待識別非遺視覺資源輪廓特征點所構成的幾何區域進行一致性檢測和評估，并計算得出一致性值，取其中一致性值最高的作為輪廓相似性視覺對象；三是基于內容的非遺視覺資源過濾，主要利用設定的多種標注信息進行非遺視覺資源內容過濾，在前面兩輪過濾清洗后獲得的非遺視覺資源集合中，將無法提供普適性表象特性的視覺信息過濾清洗掉。如以廣西瑤族長鼓為例，經過以上三種過濾方法的反復執行，就能從海量、動態變化、異構無序的“視覺資源海洋”中獲取到符合要求的非遺視覺資源。

在大數據環境中，存在著大量與非遺相關的信息資源，而非遺數字化保護體系對于大數據環境中的非遺視覺資源具有非常強的信息敏感度。由于絕大部分人對于物理世界客觀事物的信息獲取與感知源于視覺系統，人類視覺系統天生對于事物物理結構信息非常敏感，如果僅僅依據通用的信息資源獲取方法來獲取非遺視覺資源內容，可能難以滿足非遺視覺資源的獲取與組織的分析需求。因此，有必要將非遺視覺資源的非遺主體區域的語義結構作為分析對象，研究如何利用它來幫助我們更好地從海量的視覺大數據資源中提取需要的非遺視覺對象內容。

在具體使用視覺資源的非遺主體區域的語義結構，對非遺視覺大數據資源進行智能化地內容過濾清洗過程中，就需要通過深度計算、機器學習與人工智能的方法來提取非遺視覺資源的非遺主體區域[21]，從而得到結構化的非遺視覺主體，進而實現基于語義結構和視覺自然屬性的非遺視覺資源獲取。

事實上，利用視覺資源的語義結構或視覺特征來分析和組織視覺大數據資源，能夠對獲取大數據環境下海量非遺視覺資源中所包含的視覺信息產生積極影響。如Wang等用帶有語義結構的層次化語義標簽對20億張網絡圖像進行組織[22]，隨后又進一步建立起蘊含52萬條語義、2.35億圖像的圖像知識庫，進一步將圖像中的語義結構和視覺特征進行自動標注，并與建立的大規模視覺知識庫進行匹配，基于圖像自然屬性和語義結構，對圖像進行分類組織，從而大大提升了獲取效率[23]。

與文本、圖像與視頻等視覺資源獲取與組織方法有所不同，大數據環境下三維（3D）模型的獲取與組織顯得更為繁瑣、復雜。Huang等[24]引入生物進化思想，對異構、大規模的三維模型知識庫中的三維模型進行深度分析、有效分類和組織，生成三維模型深層次分類樹與三維模型層次化交互瀏覽方案。

3.3 非遺視覺資源的理解與結構化描述

為了在異構無序、動態變化的海量視覺大數據資源中檢索出符合非遺自然屬性和視覺語義結構的非遺視覺資源，就需要在非遺自然屬性和視覺語義結構的認知特征分析結果的基礎上，對非遺視覺資源內容進行結構化、深層次的分析、理解和描述。

非遺視覺資源的理解和描述問題作為大數據環境下非遺數字化深度保護研究的關鍵問題之一，而對應的非遺視覺資源的局部區域特征的描述問題就成為了需要解決的核心問題。在其描述過程中，可采取局部區域特征單元劃分方法，建立非遺視覺資源的緊湊視覺描述子[25]，將其作為非遺視覺資源局部區域特征的表示形式和描述單元，并以此為基礎單元，根據非遺視覺資源自然屬性與視覺語義結構，建立基于局部區域特征和非遺主體輪廓結構的視覺描述網絡，對非遺視覺資源進行描述。在描述過程中，因同類型非遺視覺資源中具有相似的表觀特性和自然屬性，故可采用緊湊視覺描述區來代表其中一個局部區域，將其作為該描述模型的一個描述節點。而對于非遺視覺資源中那些具有復雜結構和內容的局部區域，則使用多個描述節點組合成復合描述節點集來對其進行描述和表達，從而形成語義關聯性強和邏輯結構合理的層次化多元結構，以描述同一個非遺在不同環境下的主要視覺特征與自然屬性。而描述節點、描述節點集和描述區域之間則通過“邊”來對其相對位置、關聯關系與幾何結構進行表達，并對其上下文關系、語義關聯進行有效描述。將所有描述節點、描述節點集、描述區域與描述邊等進行抽象表示和有機組合后，就形成了非遺視覺資源的描述模型。

在確定描述模型之后，可將待檢索的非遺視覺資源以平面圖結構算法對其進行描述，并采用基于鄰居向量的近似子圖匹配算法[26]，在大規模視覺對象知識庫中搜索與待識別非遺視覺資源局部特征相似的視覺資源。這一計算過程包括：首先，對非遺視覺資源進行區域分割，將屬于同一分割區域內的視覺資源內容視為一個節點，對該節點進行分析，提取該節點分割區域內視覺特征；然后，對提取的視覺特征進行聚類分析，計算得出相應的節點編碼，將相鄰的分割區域采用描述邊的方式，在彼此之間建立關聯關系；最后，將待搜索的非遺視覺資源與視覺對象知識庫中的視覺資源用圖結構表達，并采用基于鄰居向量的近似子圖匹配算法對非遺視覺對象知識庫進行遍歷，就可以獲取到與待搜索視覺資源相匹配的非遺視覺資源。

需指出的是，在對非遺視覺資源進行分析、理解和描述的過程中，它所提供的視覺信息反映的是非遺在客觀物理世界中的三維影像。因此，在非遺視覺對象知識庫中必然會蘊含著大量的視覺對象之間的語義關聯關系（如以廣西桂劇為例的圖2）。通過對上下文語義關聯關系的有效理解和結構化描述，可以為非遺視覺資源的整合和交互提供有力支持，并計算得出該非遺的出現概率，從而為基于上下文語義關系的非遺視覺資源建模提供幫助[27]。換句話說，通過分析非遺視覺資源中非遺與其他物體之間的相互位置關系與可能出現的幾率，來進行相關性和相似性比較分析，判斷彼此是否相關與相對位置，進而計算得出彼此之間的相互關系（如因果關系、關聯關系與支撐關系等），從而得出非遺視覺對象中非遺主體與關聯對象之間存在的相互關系與上下文語義關聯關系。

4 大數據環境下非遺視覺資源整合的案例分析

4.1 兩種非遺視覺資源的視覺搜索模式

毫無疑問，非遺數字化研究的最終目的除了保護與傳承之外，還有數字化服務這一自然職能。而非遺視覺資源作為傳遞非遺文化與歷史內涵的傳播媒介，其數字化服務對象和服務主體都是人。因此，對大數據環境下非遺視覺資源的分析、獲取、組織、理解和描述的最終目的，就是為人們提供更加人性化、智慧化、便捷化的非遺數字化服務和工具。而通過上述的非遺視覺資源的獲取和組織、有效理解和結構化描述的方法，能為人們提供更加智慧化、個性化的非遺視覺資源整合、交互和展示方法。

傳統對視覺資源的信息檢索模式主要是對視覺資源進行文本標注（或設定文本標簽），將視覺資源的視覺搜索問題轉換成基于關鍵詞或文本標注的信息檢索模式。通過對非遺視覺資源進行深度分析、有效獲取、層次化組織和結構化描述，能將非遺視覺資源進行系統的有機整合，為人們提供非遺數字化服務。而能否為人們提供高效、方便、快捷的信息檢索功能，則成為判斷大數據環境下非遺視覺資源整合是否全面、有效的重要評判標準之一。因此，本文提出了一種基于粗粒度非遺主體輪廓的視覺搜索模式，這種視覺搜索模式有別于傳統基于關鍵詞的信息檢索模式，是以視覺對象本體作為檢索對象。

在現實生活中，并非人人都擁有繪畫技能而能手繪出自己希望搜索到的非遺，但幾乎人人都能夠手繪出自己希望搜索到的非遺輪廓的幾何模型（如三角形、圓形、線條等）。簡單幾何模型是客觀物理世界信息化的基礎組成元素，現實世界中所有客觀物質在轉化成視覺效果（如繪畫、設計圖等）時，都能通過無數簡單幾何模型有機組合后，展示在人們視覺中，非遺亦不例外。因此，手繪簡單幾何模型的有機組合是人們展示靈感和構思創意最有效、最自然的手段和方法，并被廣泛應用于建筑規劃、工業設計、美術等領域。通過簡單的手繪幾何模型就能夠幫助人們將心中正在想、或轉載構思的非遺主體轉化成具有真實感的粗放型視覺效果，這種粗粒度非遺主體輪廓可成為人們與非遺視覺資源整合平臺之間實時交互的一種橋梁。事實上，借助于大數據環境下視覺資源的分析、獲取、組織和描述方法而形成的非遺視覺資源數據集，基于粗粒度非遺主體輪廓的視覺搜索模式正逐漸走入人們生活中。

以廣西鄉村彩調為例（見圖3），大數據環境下非遺視覺資源整合平臺提供的視覺搜索有兩個功能是非常重要的。一是非遺視覺資源的交互與融合搜索。人們只需在非遺視覺資源整合平臺中選擇所需要檢索的非遺類別，并勾畫出待檢索非遺的大致輪廓，平臺就可直接根據待檢索非遺主體輪廓，自動對非遺主體輪廓執行輪廓匹配算法，在設定的非遺類別中檢索符合要求的非遺視覺資源，并根據非遺主體輪廓在檢索區域的相對位置、相對大小和組合關系將輪廓組合在一起。然后，平臺根據視覺融合技術將檢索出來的視覺資源進行完美融合，形成一幅全新的非遺視覺資源；二是非遺視覺資源的內容搜索。人們在非遺視覺資源整合平臺中選擇待檢索非遺的類別，并勾畫出待檢索非遺幾何輪廓，平臺自動對非遺主體輪廓執行輪廓匹配算法，檢索得出與該輪廓相似的非遺視覺資源列表。

4.2 大數據環境下非遺視覺資源的交互模式

從國內外已有研究來看，傳統基于文本標注的視覺搜索模式盡管存在著諸多問題，但仍有不少研究者對其進行研究。而對于視覺資源的深度交互與實時編輯問題卻極少有研究者涉及，尤其是對非遺視覺資源的交互編輯問題的研究幾乎為零。

伴隨著大數據、人工智能與深度計算等信息技術的飛速發展和相關算法的逐步完善，視覺資源的深度交互與實時編輯問題已成為熱點課題。非遺的數字化保護與開發利用過程，可采取基于視覺資源融合的方法來實現非遺視覺資源的交互編輯相關功能。具體過程為：給出一個待編輯的非遺視覺資源以及預設定的目標尺寸，在非遺視覺資源知識庫中，檢索得出一幅設定符合條件的新的非遺視覺資源，將二者有機融合形成一幅更大的視覺資源。這個算法執行的難點在于：一是如何找到符合條件的視覺資源；二是如何保證檢索得到的視覺資源與原視覺資源進行有機融合。

本文曾提出基于局部區域特征和非遺主體輪廓結構的視覺描述網絡這一方法，借助于該描述方法可實現相應的關聯視覺資源的有機融合。首先，設定一個非遺視覺資源為待檢索對象，同時，設定其交互編輯的目標尺寸與待融合方法；然后，非遺視覺資源整合平臺可根據所提供的視覺搜索功能與相關算法，在非遺視覺資源數據集中檢索得到最為合適的視覺資源列表，作為候選內容；接著，對候選資源與待處理非遺視覺資源的輪廓結構、局部特征和主體內容進行一致性、相似性評估，選出待融合的視覺資源；最后，采取局部區域特征融合和邊界區域平滑過渡方法，對候選視覺資源進行局部融合和全局變換，使其與待處理非遺視覺資源邊界部分進行曲線平滑過渡，并采取視覺融合技術和區域分割方法對二者進行處理[28]。

5 結論與展望

在我國文化發展大繁榮的社會背景下，非遺數字化保護事業如何貫徹國民經濟與社會發展“十三五”規劃綱要、國家“十三五”文化發展規劃綱要和國務院辦公廳關于加強我國非物質文化遺產保護工作的意見等重大指導性文件精神，在社會公共文化服務體系中獲得戰略地位和重要作用，成為非遺保護與傳承理論、實踐研究共同關注的重大問題。非遺數字化作為非遺保護與傳承的重要工具和手段，在大數據、視覺搜索與虛擬現實等技術手段的沖擊下，勢必會給非遺原來賴以生存的原生態空間帶來巨大的威脅，導致非遺保護工作受到巨大挑戰，但同時也帶來了前所未有的機遇。毫無疑問，合理運用大數據、虛擬現實和視覺搜索等現代科技手段進行非遺數字化保護已成為一種必然趨勢。

文本、圖像、音視頻和3D模型等視覺資源逐漸成為非遺數字資源最重要的信息載體，如何高效地分析和利用已有的和即將獲取到的非遺視覺大數據資源，將非遺視覺大數據資源轉化成知識是當前面臨的主要技術瓶頸。尤其是未來十年，在大數據、人工智能和虛擬現實等信息技術的積極推動下，我國非遺視覺資源的數據規模和類型將快速增長，非遺數字化保護研究的深度和廣度快速發展，開展大數據環境下非遺視覺資源的獲取、組織和描述方法的研究，以為突破這一技術瓶頸提供有效的方法。因此，重視非遺視覺資源分析與利用的研究不僅具有非常重要的理論價值，還具有重要的現實意義。

參考文獻：

[1] 談國新，孫傳明.信息空間理論下的非物質文化遺產數字化保護與傳播[J].西南民族大學學報（人文社會科學版），2013（6）：179-184.

[2] 譚必勇，張瑩.中外非物質文化遺產數字化保護研究[J].圖書與情報，2011（4）：7-11.

[3] 宋俊華.關于非物質文化遺產數字化保護的幾點思考[J].文化遺產，2015（2）：1-8，157.

[4] 宋麗華，李萬社，董濤.非物質文化遺產數字化保護與知識整合平臺建設[J].圖書館雜志，2015，34（1）：73-81.

[5] 黃永林.數字化背景下非物質文化遺產的保護與利用[J].文化遺產，2015（1）：1-10，157.

[6] 張旭.非物質文化遺產的數字化展示媒介研究[J].包裝工程，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技術的非物質文化遺產數字化開發研究[D].武漢：武漢大學，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，白陽，孫晶瓊.基于關聯標簽的非遺圖片資源主題發現研究[J].圖書情報工作，2016，60（2）：22-29.

[11] 程秀峰，畢崇武，李成龍.基于SNA的舞蹈類非物質文化遺產隱性知識關聯研究[J].圖書情報工作，2016，60（2）：30-36.

[12] 劉勐，胡文靜.甘肅非物質文化遺產傳承發展的數字化探索[J].圖書館理論與實踐，2013（10）：99-101.

[13] 林毅紅.基于數字化技術視角下的非物質文化遺產保護研究—以黎族傳統紡染織繡工藝為例[J].民族藝術研究，2011（5）：116-121.

[14] 彭冬梅.面向剪紙藝術的非物質文化遺產數字化保護技術研究[D].杭州：浙江大學，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.文化遺產的數字化與書目存取方法和組織：立陶宛的解決之道[J/OL].[2016-03-08].http：//www.nlc.gov.cn/newtsgj/iflaygt/gjtlzwyyzx/tlzlby/201011/P020101130493555274507.pdf.

[18] 王蒙，許鑫.主題圖技術在非物質文化遺產信息資源組織中的應用研究——以京劇、昆曲為例[J].圖書情報工作，2015，59（14）：15-21.

[19] 陳路遙，許鑫.基于關鍵事件技術的非物質文化遺產形成及演化分析——以兩岸同源“歌仔戲”為例[J].圖書情報工作， 2015，59（14）： 22-30.

[20] 周鶯，張基宏，梁永生，等.基于視覺運動特性的視頻時空顯著性區域提取方法[J].計算機科學，2015，42（11）：118-121.

[21] 歐陽軍林，劉建勛，曹步清.基于LBSVM機器學習的相關反饋圖像檢索[J].計算機工程與應用，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，黃鐵軍，Alex CK，等.移動視覺搜索技術瓶頸與挑戰[J].中國計算機學會通訊，2012，8（12）：8-15.

[26] 陳東，王波，席耀一，等.基于鄰居向量的近似子圖匹配[J].計算機工程與設計，2014，35（11）：4027-4033.

[27] 張磊.大規?；ヂ摼W圖像檢索與模式挖掘[J].中國科學：信息科學，2013，43（12）：1641-1653.

[28] 李智杰，李昌華，劉欣，等.融合拓撲特征和領域特征的非精確圖匹配算法[J].計算機應用與軟件，2015（10）：164-167.

作者簡介：張興旺（1982-），男，桂林理工大學圖書館副研究館員，博士研究生，研究方向：數字圖書館；盧橋（1988-），女，桂林理工大學圖書館助理館員，研究方向：知識服務；田清（1984-），女，桂林理工大學圖書館助理館員，研究方向：讀者服務。