KR100986223B1 - 불법 동영상 데이터 검색 장치 및 방법 - Google Patents

불법 동영상 데이터 검색 장치 및 방법 Download PDF

Info

Publication number
KR100986223B1
KR100986223B1 KR1020080077495A KR20080077495A KR100986223B1 KR 100986223 B1 KR100986223 B1 KR 100986223B1 KR 1020080077495 A KR1020080077495 A KR 1020080077495A KR 20080077495 A KR20080077495 A KR 20080077495A KR 100986223 B1 KR100986223 B1 KR 100986223B1
Authority
KR
South Korea
Prior art keywords
video data
feature value
file
key frames
learning model
Prior art date
Application number
KR1020080077495A
Other languages
English (en)
Other versions
KR20100018816A (ko
Inventor
최병철
한승완
정치윤
임재덕
박소희
김정녀
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020080077495A priority Critical patent/KR100986223B1/ko
Priority to US12/465,900 priority patent/US20100036781A1/en
Publication of KR20100018816A publication Critical patent/KR20100018816A/ko
Application granted granted Critical
Publication of KR100986223B1 publication Critical patent/KR100986223B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • H04N5/92—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/105—Arrangements for software license management or administration, e.g. for managing licenses at corporate level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/16—Program or content traceability, e.g. by watermarking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8453—Structuring of content, e.g. decomposing content into time segments by locking or enabling a set of features, e.g. optional functionalities in an executable program

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Technology Law (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 불법 동영상 데이터 검색 장치 및 방법을 제공하기 위한 것이다.
이를 위해 본 발명은 동영상 데이터에서 복수개의 키 프레임을 추출하는 키 프레임 추출부와, 상기 추출된 복수개의 키 프레임의 특징값들을 검출하여 특징값 파일을 생성하는 특징값 파일 생성부와, 미리 저장된 학습모델 파일을 이용하여 상기 특징값 파일의 유사도를 측정하고, 상기 유사도에 기반하여 상기 동영상 데이터의 적법 여부를 판단하는 불법성 판단부를 포함하는 것을 특징으로 한다.
저작권 동영상 데이터, 저작권 모니터링 대상 동영상 데이터, MPEG-7, SVM

Description

불법 동영상 데이터 검색 장치 및 방법{APPARATUS AND METHOD PROVIDING RETRIEVAL OF ILLEGAL MOVIES}
본 발명은 불법 동영상 데이터 검색 장치에 관한 것으로, 특히 저작권 보호 대상 동영상 데이터의 저작권 보호를 위해 저작권 모니터링 대상 동영상 데이터의 적법 여부를 검색하는 장치 및 방법에 관한 것이다.
본 발명은 정보통신부 및 정보통신연구진흥원의 IT성장동력개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2007-S-016-02, 과제명: 저비용 대규모 글로벌 인터넷 서비스 솔루션 개발].
근래에는 P2P사이트 및 웹 하드 기반의 공유 사이트에 의해서 동영상 데이터의 불법 유통이 만연하고 있으며, 인터넷 확산으로 동영상 데이터의 불법 유통을 방지하는 것이 중요한 사회적 이슈로 등장하고 있다.
이는 동영상 데이터의 대량 복제와 실시간 배포가 네트워크의 발달로 가능할 뿐 아니라, 동영상 데이터의 편집 및 코덱기술이 발전함에 따라서 리사이 즈(Resize), 프레임 비율 조절(Frame Rate Control), 코덱 변환 등을 통한 변종에 의해서 동일한 동영상 데이터에 대한 수십 및 수백개 이상의 변종 동영상 데이터가 존재할 수 있게 되었기 때문이다.
이러한 환경에서 기존에 사용되는 불법 동영상 데이터 검색 방법은 저작권 모니터링 대상 동영상 데이터에 해당하는 변종 동영상 데이터의 적법 여부를 판단하는데 한계에 이르게 되었다.
따라서 본 발명은 저작권 동영상 데이터에 대한 다양한 변종들을 고려하여 불법 동영상 데이터를 검색하기 위한 장치 및 방법에 관한 것이다.
이를 위해 본 발명은 동영상 데이터에서 복수개의 키 프레임을 추출하는 키 프레임 추출부와, 상기 추출된 복수개의 키 프레임의 특징값들을 검출하여 특징값 파일을 생성하는 특징값 파일 생성부와, 미리 저장된 학습모델 파일을 이용하여 상기 특징값 파일의 유사도를 측정하고, 상기 유사도에 기반하여 상기 동영상 데이터의 적법 여부를 판단하는 불법성 판단부를 포함하는 것을 특징으로 한다.
또한 본 발명은 저작권 모니터링 대상 동영상 데이터에서 복수개의 키 프레임을 추출하는 단계와, 상기 추출된 복수개의 키 프레임의 특징값들을 검출하여 특징값 파일을 생성하는 단계와, 상기 생성된 특징값 파일과 미리 저장된 학습모델 파일의 유사도를 측정하는 단계와, 상기 유사도에 기반하여 상기 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 저작권 동영상 데이터의 다양한 키 프레임 정보를 이용하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 검색함으로써, P2P 사이트, 웹 하 드 기반의 공유 사이트로 불법 유통되고 있는 저작권 동영상 데이터에 대한 다양한 변종들의 모니터링을 할 수 있는 효과가 있다.
또한 저작권 동영상 데이터의 다양한 키 프레임 정보를 이용하여 임의의 저작권 모니터링 대상 동영상 데이터가 저작권 보호 대상인지에 대한 판단을 가능하게 함으로써, 디지털 콘텐츠의 불법 유통을 검색 및 차단할 수 있는 효과가 있다.
이하 본 발명의 바람직한 실시 예들을 첨부한 도면을 참조하여 상세히 설명한다. 도면들 중 동일한 구성 요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
이하 도 1 내지 도 2를 참조하여 본 발명의 실시 예에 따라 불법 동영상 데이터를 검색하기 위한 장치를 설명한다.
도 1은 본 발명의 실시 예에 따른 불법 동영상 데이터 검색장치가 실행되는 환경을 나타낸 도면이고,
도 2는 본 발명의 실시 예에 따른 불법 동영상 데이터 검색 장치의 내부 구성도이다.
도 1을 참조하면, 본 발명의 실시 예에 따라 불법 동영상 데이터 검색장치를 실행하기 위한 환경은 저작권 모니터링 대상 동영상 데이터를 다운로드 받기 위한 공유사이트(100)와, 다운로드된 저작권 모니터링 대상 동영상 데이터의 적법 여부 를 판단하기 위한 불법 동영상 데이터 검색 장치(200)로 구성된다.
공유사이트(100)는 P2P 사이트, 웹 하드 기반의 공유사이트를 포함하며, 불법 동영상 데이터 검색 장치(200)는 공유사이트(100)로부터 다운로드 받은 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하고, 판단 결과를 출력하는 기능을 수행한다.
도 2를 참조하여 불법 동영상 데이터 검색 장치에 대해 자세히 설명한다.
불법 동영상 데이터 검색 장치는 키 프레임 추출부(210), 특징값 파일 생성부(220), 학습모델 파일 생성부(230), 학습모델 파일 데이터베이스(240), 불법성 판단부(250)를 포함한다.
키 프레임 추출부(210)는 어떠한 변환도 거치지 않은 원본의 저작권 동영상 데이터 또는 공유사이트(100)로부터 다운로드 받은 저작권 모니터링 대상 동영상 데이터 중 어느 하나의 동영상 데이터가 입력되면, 입력된 동영상 데이터를 디코딩하고, 디코딩을 통해 얻은 헤더 정보를 이용하여 복수개의 키 프레임을 추출한다.
특징값 파일 생성부(220)는 키 프레임 추출부(210)로부터 추출된 복수개의 키 프레임을 색, 질감, 형태, 음성과 같은 내용에 기반하여 검색할 수 있도록 키 프레임 각각의 특징값들을 검출하고, 검출된 키 프레임의 특징값들을 포함하는 저작권 동영상 데이터 또는 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일을 생성하는 기능을 수행한다. 일 실시 예에서, 특징값 파일 생성부(220)는 CLD(Color Layout Descriptor), CSD(Color Structure Descriptor), EHD(Edge Histogram Descriptor), RSD(Region Shape Descriptor)등을 포함하는 MPEG-7 시각서술자를 이용하여 키 프레임의 특징값을 검출할 수 있다.
학습모델 파일 생성부(230)는 특징값 파일 생성부(220)로부터 생성된 저작권 동영상 데이터에 대한 특징값 파일들을 이용하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는데 사용될 학습모델 파일을 생성한다. 일 실시 예에서, 학습모델 파일은 SVM(Support Vector Machine)의 학습 모듈에 기반하여 생성될 수 있으며, 학습모델 파일을 생성하는 과정과 이에 대한 예시는 이하 도 3 및 4를 통해 자세히 설명하기로 한다.
학습모델 파일 데이터베이스(240)는 학습모델 파일 생성부(230)에서 생성된 학습모델 파일과 레인지 파일(특징값의 스케일링 과정에서 필요함)을 포함하고 있다.
불법성 판단부(250)는 특징값 파일 생성부(220)에서 생성된 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일과 학습모델 파일 데이터베이스(240)에 저장된 학습모델 파일의 유사도를 측정하고, 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 기능을 수행한다. 일 실시 예에서, 불법성 판단부(250)는 SVM(Support Vector Machine)의 판단 모듈에 기반하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단할 수 있다.
불법성 판단부(250)에서 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 과정을 설명하면, 불법성 판단부(250)는 학습모델 파일에 포함된 저작권 동영상 데이터에 대한 특징값 파일들 중 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일과 유사도가 가장 높은 특징값 파일을 추출한다.
그 후 불법성 판단부(250)는 유사도가 가장 높은 저작권 동영상 데이터에 대한 특징값 파일에 포함된 키 프레임들과 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일에 포함된 키 프레임들이 특정 임계치 이상 동일한지 판단한다.
이때 불법성 판단부(250)의 판단하에 저작권 동영상 데이터에 대한 특징값 파일과 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일이 특정 임계치 이상 동일할 경우 저작권 모니터링 대상 동영상 데이터를 불법 동영상 데이터로 판단한다. 일 실시 예로, 불법성 판단부(250)는 M of N 판단값을 통해 저작권 동영상 데이터와 저작권 모니터링 대상 동영상 데이터와의 유사도를 측정할 수 있다. 이때 불법성 판단부(250)에서 M of N 판단값 유사도를 통해 불법 동영상 데이터를 판단하는 확률(M of N 판단값 유사도 계산의 기준이 되는 수식임)은 다음과 같이 정의된다.
Figure 112008056798120-pat00001
여기서 n은 저작권 모니터링 대상 동영상 데이터에서 추출된 키 프레임 중 저작권 동영상 데이터의 키 프레임과 비교되는 키 프레임의 개수이고, m은 상기 비교되는 n개의 키 프레임 중 저작권 동영상 데이터의 키 프레임과 일치하는 키 프레임의 개수이다. 또한 Pf는 하나의 키 프레임이 일치할 확률을 의미한다. 이때 일 실시 예로, Pf의 임계치는 0.935 정도가 되는 것이 바람직하며, 불법 동영상 데이터를 판단할 확률 Px는 0.9 정도의 임계치를 두는 것이 바람직하다.
이하 도 3및 4를 참조하여, 저작권 동영상 데이터와 저작권 모니터링 대상 동영상 데이터의 유사도를 측정하기 위해 사용되는 학습모델 파일에 대해 설명하기로 한다.
도 3은 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색 장치에서 학습모델 파일의 생성 과정을 나타낸 도면이고, 도 4는 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색 장치에서 사용하는 학습모델 파일의 예시도이다.
도 3 및 4를 참조하면, 불법 동영상 데이터 검색장치는 저작권 동영상 데이터의 특징값 파일을 생성하기 위해, 입력된 저작권 동영상 데이터에서 복수개의 프레임들을 판단하고(310), 판단된 복수개의 프레임에서 복수개의 키 프레임을 추출한다(320).
그리고 불법 동영상 데이터 검색장치는 추출된 복수개의 키 프레임에서 특징값들을 검출하며, 검출된 복수개의 키 프레임의 특징값들을 포함하는 특징값 파일을 생성한다(330). 이때, 불법 동영상 데이터 검색장치는 MPEG-7 시각서술자에 기반하여 복수개의 키 프레임의 특징값을 검출할 수 있으며, 검출된 복수개의 키 프레임의 특징값을 이용하여 도 4에 도시된 바와 같은 특징값 파일들(예를 들어, 도 4에 도시된 411, 421)을 생성한다.
그리고 불법 동영상 데이터 검색장치는 저작권 동영상 데이터에 대한 특징값 파일이 두 개 이상 존재하는지 판단하고, 저작권 동영상 데이터에 대한 특징값 파일들이 적어도 두 개 이상 존재하면 해당 저작권 동영상 데이터에 대한 학습모델 파일을 생성한다(340). 일 실시 예에서, 학습모델 파일은 SVM(Support Vector Machine)의 학습모듈에 기반하여 생성될 수 있으며, 메모리 공간을 효율적으로 사용하기 위해 적어도 하나의 특징값 파일들(예를 들어, 도 4에 도시된 411, 421)의 특징값에 기반하여 적어도 하나의 학습객체(예를 들어, 도 4에 도시된 410, 420)로 분류되어 생성될 수 있다. 도 4은 i개의 저작권 동영상 데이터에 대한 특징값 파일을 포함하는 학습객체가 j개 존재하는 학습모델 파일을 나타낸 것이다.
상술한 바와 같이 생성된 학습모델 파일을 이용하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 과정을 도 5를 참조하여 설명한다. 이때 불법성 판단부(250)는 M of N 판단값을 이용하여 저작권 모니터링 대상 동영상 데이터와 학습모델 파일의 유사도를 측정하는 것으로 정의하여 설명한다.
도 5는 본 발명의 일 실시 예에 따라 학습모델 파일을 기반으로 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 과정을 나타내는 순서도이다.
도 5를 참조하면, 불법 동영상 데이터 검색장치는 저작권 모니터링 대상 동영상 데이터가 입력되면 입력된 저작권 모니터링 대상 동영상 데이터로부터 복수개의 키 프레임을 추출하고(510), 추출된 복수개의 키 프레임의 특징값들을 포함하는 하나의 특징값 파일을 생성한다(520).
이때 불법 동영상 데이터 검색장치는 다운로드된 저작권 모니터링 대상 동영상 데이터를 디코딩하고, 디코딩을 통해 얻은 이미지 정보 중 헤더 정보를 이용하여 복수개의 키 프레임을 추출하며, 색, 질감, 형태, 음성과 같은 내용을 기반으로 하는 복수개의 키 프레임의 특징값들을 검출하여 하나의 특징값 파일을 생성한다.
이후 불법 동영상 데이터 검색장치는 생성된 특징값 파일과 미리 저장된 학습모델 파일의 M of N 판단값 유사도를 측정하여(530), 생성된 학습모델 파일과 특정 임계치 이상 동일한 특징값 파일이 학습모델 파일에 존재할 경우(540), 저작권 모니터링 대상 동영상 데이터를 불법 동영상 데이터로 판단한다(550).
이때 불법 동영상 데이터 검색장치는 저작권 동영상 데이터들의 특징값 파일로 이루어진 학습모델 파일과 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일들에 대한 M of N 판단값 유사도를 각각 측정한다. 이때 불법 동영상 데이터 검색 장치의 판단하에 학습모델 파일에 포함된 특징값 파일들 중 저작권 모니터링 대상 동영상 데이터에 대한 특징값 파일과 특정 임계치 이상 동일한 경우 저작권 모니터링 대상 동영상 데이터를 불법 동영상 데이터로 판단한다. 일 실시 예에서, 불법 동영상 데이터 검색 장치는 SVM(Support Vector Machine)의 판단 모듈에 기반하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단할 수 있으며, M of N 판단값 유사도(N개의 키 프레임 중에서 M개 이상의 키 프레임이 동일한 특징값 파일로 판단한 결과 값이 임계값(90%)이상일 경우)를 이용하여 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단할 수 있다.
도 6은 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색장치에서 저작권 모니터링 대상 동영상 데이터와 학습모델 파일과의 M of N 판단값 유사도를 이용하여 저작권 모니터링 대상 동영상 데이터의 불법성 여부의 판단이 가능함을 나타낸 그래프이다.
먼저 도 6(a)를 참조하면, 본 발명의 일 실시 예에 따라 사용자가 적법 여부를 판단하고자 하는 저작권 모니터링 대상 동영상 데이터(Movie1)를 지정할 경우 사용자로부터 저작권 모니터링 대상 동영상 데이터(Movie1)와 M of N 판단값 유사도를 측정할 특정 학습객체(제1 학습객체)를 지정받을 수 있다. 이때 불법 동영상 데이터 검색장치는 다운로드된 저작권 모니터링 대상 동영상 데이터(Movie1)의 적법 여부를 판단하고자 할 경우 저작권 모니터링 대상 동영상 데이터(Movie1)에 대한 특징값 파일을 생성하고, 생성된 특징값 파일과 학습모델 파일의 M of N 판단값 유사도를 측정한다. 이때 불법 동영상 데이터 검색장치는 특정 저작권 모니터링 대상 동영상 데이터(Movie1)에 대한 특징값 파일이 학습모델 파일의 해당 저작권 동영상 데이터의 특징값 파일과 임계치 이상 동일한지 판단하여 특정 저작권 모니터링 대상 동영상 데이터(Movie1)의 적법 여부를 판단할 수 있다.
그 결과, 도 6(a)에 도시된 바와 같이 제1 학습객체에 포함된 특징값 파일들 중 2번째 특징값 파일과 저작권 모니터링 대상 동영상 데이터(Movie1)가 특정 임계치 이상 특징값 파일이 동일한 것으로 판단되었다. 따라서 불법 동영상 검색장치는 저작권 모니터링 대상 동영상 데이터(Movie1)를 2번째 특징값 파일에 해당하는 저작권 동영상 데이터에 대한 불법 동영상 데이터인 것으로 판단한다.
한편, 본 발명의 다른 실시 예에 따라 불법 동영상 데이터 검색장치에서 특정 공유사이트에 포함된 다수의 저작권 모니터링 대상 동영상 데이터 중 임의의 저작권 모니터링 대상 동영상 데이터(Movie2)에 대한 적법 여부를 판단할 수 있으며, 이러한 경우 사용자로부터 학습모델 파일에 포함된 학습객체를 지정받지 않는 것이 바람직하다.
도 6(b)를 참조하면, 불법 동영상 데이터 검색장치는 임의의 저작권 모니터링 대상 동영상 데이터(Movie2)의 적법 여부를 판단하고자 할 경우 임의의 저작권 모니터링 대상 동영상 데이터(Movie2)에 대응되는 특징값 파일과 학습모델 파일에 포함된 제1, 제2 학습객체의 M of N 판단값 유사도를 측정하여, 저작권 모니터링 대상 동영상 데이터(Movie2)의 적법 여부를 판단한다.
그 결과, 불법 동영상 데이터 검색 장치는 도 6(b)에 해당하는 제1, 2 학습객체와 임의의 저작권 모니터링 대상 동영상 데이터(Movie2)에 대한 키 프레임의 M of N 판단값 유사도를 측정하고, 도 6(b)의 제2 학습객체 중 9번째 특징값 파일이 특정 임계치 이상의 값으로 나왔기 때문에 저작권 모니터링 대상 동영상 데이터(Movie2)는 제 2 학습객체의 9번째 특징값 파일에 해당하는 저작권 동영상 데이터의 불법 동영상 데이터로 판단됨을 알 수 있다.
도 7은 본 발명의 실시 예에 따라 불법 동영상 데이터 검색 장치에서 저작권 모니터링 대상 동영상 데이터에 대한 적법 여부를 판단하는 확률에 대해 나타낸 표이다.
도 7은 저작권 동영상 데이터에 파일 형식, 프레임 비율, 사이즈, 코덱 변환 등과 같은 저작권 모니터링 대상을 적용하여 저작권 모니터링 대상 동영상 데이터로 변경하고, 상기 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단할 확률을 실험한 결과이다.
도 7을 참조하여 설명하면, 본 발명에 따른 불법 동영상 데이터 검색장치는 저작권 동영상 데이터의 파일 형식을 변화한 저작권 모니터링 대상 동영상 데이터의 적법 여부를 99.5%의 확률로 판단하였다.
또한 저작권 동영상 데이터의 프레임 비율과 사이즈를 변환한 저작권 모니터링 대상 동영상 데이터의 경우 95.5% 확률로 적법 여부를 판단하였으며, 저작권 동영상 데이터의 프레임 비율과 사이즈, 코덱에 대하여 변환한 저작권 모니터링 대상 동영상 데이터의 경우에는 94.5% 확률로 불법임을 판단하였다.
마지막으로, 저작권 동영상 데이터의 프레임 비율과 사이즈, 파일 형식을 변환한 저작권 모니터링 대상 동영상 데이터의 적법 여부는 93.5% 확률로 불법임을 판단하였다.
상술한 바와 같이 본 발명의 실시 예에 따라 불법 동영상 데이터 검색장치는 저작권 동영상 데이터에 다양한 변종을 적용하여 저작권 모니터링 대상 동영상 데이터를 생성하더라도, 저작권 모니터링 대상 동영상 데이터의 적법 여부를 정확히 판단할 수 있다.
상술한 본 발명에서는 구체적인 실시 예에 관해 설명하였으나, 여러 가지 변형을 본 발명의 범위에서 벗어나지 않고 실시할 수 있다. 따라서 본 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위의 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일 실시 예에 따른 불법 동영상 데이터 검색장치가 실행되는 환경을 나타낸 도,
도 2는 본 발명의 일 실시 예에 따른 불법 동영상 데이터 검색 장치의 내부 구성도,
도 3은 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색장치에서 학습모델 파일 생성 과정을 나타내는 순서도,
도 4는 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색 장치에서 사용하는 학습모델 파일의 예시도,
도 5는 본 발명의 일실시 예에 따라 학습모델 파일을 기반으로 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 과정을 나타내는 순서도,
도 6은 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색장치에서 학습모델 파일을 통해 저작권 모니터링 대상 동영상 데이터의 유사도를 이용하여 불법성 여부의 판단이 가능함을 나타낸 그래프,
도 7은 본 발명의 일 실시 예에 따라 불법 동영상 데이터 검색 장치에서 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 확률에 대해 나타낸 표.

Claims (12)

  1. 동영상 데이터에서 복수개의 키 프레임을 추출하는 키 프레임 추출부와,
    상기 추출된 복수개의 키 프레임의 색, 질감, 형태 및 음성 중 적어도 어느 하나에 대한 값인 특징값들을 검출하고 상기 특징값들을 참고하여 선택된 키 프레임으로 구성되는 특징값 파일을 생성하는 특징값 파일 생성부와,
    미리 저장된 학습모델 파일을 이용하여 상기 특징값 파일의 유사도를 측정하고, 상기 유사도에 기반하여 상기 동영상 데이터의 적법 여부를 판단하는 불법성 판단부를 포함하는 것을 특징으로 하는 불법 동영상 데이터 검색장치.
  2. 제1 항에 있어서,
    SVM(Support Vector Machine)을 사용하여 상기 특징값 파일 생성부에서 생성된 적어도 하나의 저작권 동영상 데이터에 대한 특징값 파일들을 이용하여 상기 학습모델 파일을 생성하는 학습모델 파일 생성부를 더 포함하는 것을 특징으로 하는 불법 동영상 데이터 검색장치.
  3. 삭제
  4. 제1 항에 있어서, 상기 특징값 파일 생성부는,
    CLD(Color Layout Descriptor), CSD(Color Structure Descriptor), EHD(Edge Histogram Descriptor) 및 RSD(Region Shape Descriptor) 중 적어도 어느 하나를 포함하는 MPEG-7 시각서술자를 사용하여 상기 추출된 복수개의 키 프레임에 대한 특징값을 추출하는 것을 특징으로 하는 불법 동영상 데이터 검색장치.
  5. 제1 항에 있어서, 상기 불법성 판단부는,
    SVM(Support Vector Machine)을 사용하여 상기 미리 저장된 학습모델 파일에 포함된 키 프레임과 상기 특징값 파일의 키 프레임을 비교한 개수 및 일치하는 키 프레임의 개수 간의 비율을 이용해 상기 특징값 파일의 유사도를 측정하는 것을 특징으로 하는 불법 동영상 데이터 검색장치.
  6. 제1 항에 있어서,
    상기 학습모델 파일을 저장하는 학습모델 파일 데이터베이스를 더 포함하는 것을 특징으로 하는 불법 동영상 데이터 검색 장치.
  7. 저작권 모니터링 대상 동영상 데이터에서 복수개의 키 프레임을 추출하는 단계와,
    상기 추출된 복수개의 키 프레임의 색, 질감, 형태 및 음성 중 적어도 어느 하나에 대한 값인 특징값들을 검출하고 상기 특징값들을 참고하여 선택된 키 프레임으로 구성되는 특징값 파일을 생성하는 단계와,
    상기 생성된 특징값 파일과 미리 저장된 학습모델 파일의 유사도를 측정하는 단계와,
    상기 유사도에 기반하여 상기 저작권 모니터링 대상 동영상 데이터의 적법 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 불법 동영상 데이터 검색 방법.
  8. 제7 항에 있어서, 상기 복수개의 키 프레임을 추출하는 단계 이전에,
    저작권 동영상 데이터에서 복수개의 키 프레임을 추출하는 단계와,
    상기 저작권 동영상 데이터에서 추출된 복수개의 키 프레임의 색, 질감, 형태 및 음성 중 적어도 어느 하나에 대한 값인 특징값을 검출하고 검출된 특징값을 참고하여 상기 저작권 동영상 데이터의 키 프레임으로 구성되는 특징값 파일들을 생성하는 단계와,
    상기 생성된 저작권 동영상 데이터에 대한 특징값 파일들을 이용하여 상기 학습모델 파일을 생성하는 단계를 더 포함하는 것을 특징으로 하는 불법 동영상 데이터 검색 방법.
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
KR1020080077495A 2008-08-07 2008-08-07 불법 동영상 데이터 검색 장치 및 방법 KR100986223B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020080077495A KR100986223B1 (ko) 2008-08-07 2008-08-07 불법 동영상 데이터 검색 장치 및 방법
US12/465,900 US20100036781A1 (en) 2008-08-07 2009-05-14 Apparatus and method providing retrieval of illegal motion picture data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080077495A KR100986223B1 (ko) 2008-08-07 2008-08-07 불법 동영상 데이터 검색 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20100018816A KR20100018816A (ko) 2010-02-18
KR100986223B1 true KR100986223B1 (ko) 2010-10-08

Family

ID=41653815

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080077495A KR100986223B1 (ko) 2008-08-07 2008-08-07 불법 동영상 데이터 검색 장치 및 방법

Country Status (2)

Country Link
US (1) US20100036781A1 (ko)
KR (1) KR100986223B1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9691068B1 (en) * 2011-12-15 2017-06-27 Amazon Technologies, Inc. Public-domain analyzer
CN103327356B (zh) * 2013-06-28 2016-02-24 Tcl集团股份有限公司 一种视频匹配方法、装置
CN105955998B (zh) * 2016-04-18 2019-04-26 华信咨询设计研究院有限公司 基于缓冲技术的无线电监测数据查询方法
US20190020913A9 (en) * 2016-06-27 2019-01-17 Facebook, Inc. Systems and methods for identifying matching content
KR102233175B1 (ko) 2017-01-05 2021-03-29 한국전자통신연구원 특징배우 결정 및 특징배우 출연확률 기반 영상 식별 방법 및 장치
KR102026956B1 (ko) * 2017-10-17 2019-09-30 (주)아이와즈 디지털 저작물 유통 모니터링 시스템
US20210035208A1 (en) * 2018-03-28 2021-02-04 Nec Corporation Information processing apparatus, information processing method, and program
KR102166392B1 (ko) * 2020-02-11 2020-10-15 (주)에이펙스 이에스씨 불법 촬영 영상의 유포 탐지 방법
KR102295881B1 (ko) * 2021-06-03 2021-08-31 주식회사 비듀엔터프라이즈 컨텐츠 채널에 대한 관리 및 모니터링 장치 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003319421A (ja) 2002-04-19 2003-11-07 Nippon Telegr & Teleph Corp <Ntt> 映像管理方法、装置、映像管理プログラム、および同プログラムを記録した記録媒体
KR20070111264A (ko) * 2006-05-17 2007-11-21 삼성전자주식회사 비디오 검색 장치 및 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW554629B (en) * 2002-03-22 2003-09-21 Ind Tech Res Inst Layered object segmentation method based on motion picture compression standard
US20070255755A1 (en) * 2006-05-01 2007-11-01 Yahoo! Inc. Video search engine using joint categorization of video clips and queries based on multiple modalities
US9177209B2 (en) * 2007-12-17 2015-11-03 Sinoeast Concept Limited Temporal segment based extraction and robust matching of video fingerprints
US20090263014A1 (en) * 2008-04-17 2009-10-22 Yahoo! Inc. Content fingerprinting for video and/or image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003319421A (ja) 2002-04-19 2003-11-07 Nippon Telegr & Teleph Corp <Ntt> 映像管理方法、装置、映像管理プログラム、および同プログラムを記録した記録媒体
KR20070111264A (ko) * 2006-05-17 2007-11-21 삼성전자주식회사 비디오 검색 장치 및 방법

Also Published As

Publication number Publication date
US20100036781A1 (en) 2010-02-11
KR20100018816A (ko) 2010-02-18

Similar Documents

Publication Publication Date Title
KR100986223B1 (ko) 불법 동영상 데이터 검색 장치 및 방법
US11423437B2 (en) Methods and apparatus to detect advertisements embedded in online media
US11461392B2 (en) Providing relevant cover frame in response to a video search query
US9935967B2 (en) Method and device for detecting malicious URL
US11417074B2 (en) Methods and apparatus for identifying objects depicted in a video using extracted video frames in combination with a reverse image search engine
RU2677368C1 (ru) Способ и система для автоматического определения нечетких дубликатов видеоконтента
US20170185675A1 (en) Fingerprinting and matching of content of a multi-media file
US9606975B2 (en) Apparatus and method for automatically generating visual annotation based on visual language
US20180232845A1 (en) Detecting Multiple Parts of a Screen to Fingerprint to Detect Abusive Uploading Videos
CN104143055A (zh) 盗版视频监控方法与系统
KR20190042984A (ko) 디지털 저작물 유통 모니터링 시스템
CN109033261A (zh) 图像处理方法、装置、处理设备及其存储介质
CN111339368B (zh) 基于视频指纹的视频检索方法、装置和电子设备
KR101101056B1 (ko) 콘텐츠 모니터링 방법 및 시스템
US11714847B2 (en) Methods and apparatus to detect unconfined view media
US20130230248A1 (en) Ensuring validity of the bookmark reference in a collaborative bookmarking system
KR100930529B1 (ko) 비디오 식별을 통한 유해 동영상 검열 시스템 및 방법
CN106156024B (zh) 一种信息处理方法及服务器
CN113837629B (zh) 原创内容保护方法、装置及可读存储介质
KR101081308B1 (ko) 동영상 저작권 위반 판별방법 및 그것을 이용한 동영상 저작권 위반 판별장치
JP2006259997A (ja) 文書管理装置、文書管理方法、文書管理プログラム及び記録媒体
KR20210148609A (ko) 워터마킹 시스템 및 방법
CN104680066A (zh) 用于杀毒软件防误判的方法及装置
CN115481370A (zh) 一种动漫卡通形象侵权的监控方法及装置
KR20090048209A (ko) 멀티미디어 서비스를 지원하는 웹 포털을 위한 안전한멀티미디어 운용 프레임워크 제공 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130923

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140926

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150925

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee