KR101608703B1 - 동영상 유해성 판단 시스템 - Google Patents

동영상 유해성 판단 시스템 Download PDF

Info

Publication number
KR101608703B1
KR101608703B1 KR1020140186344A KR20140186344A KR101608703B1 KR 101608703 B1 KR101608703 B1 KR 101608703B1 KR 1020140186344 A KR1020140186344 A KR 1020140186344A KR 20140186344 A KR20140186344 A KR 20140186344A KR 101608703 B1 KR101608703 B1 KR 101608703B1
Authority
KR
South Korea
Prior art keywords
image
skin
region
calculating
color
Prior art date
Application number
KR1020140186344A
Other languages
English (en)
Inventor
김승호
김정준
전재현
장용석
육창근
Original Assignee
경북대학교 산학협력단
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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020140186344A priority Critical patent/KR101608703B1/ko
Application granted granted Critical
Publication of KR101608703B1 publication Critical patent/KR101608703B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 동영상 유해성 판단 시스템에 관한 것으로서, 보다 상세하게는 사용자 단말기에 입력되는 동영상에서 특정 프레임의 원본 이미지를 추출하고, 추출된 원본 이미지의 관심영역을 특정하여 피부영역을 추출하기 위해 미리 생성된 컬러모델로 원본 이미지 또는 관심영역 이미지에 포함된 피부영역을 추출하여 피부맵 이미지를 생성하는 영역 검출수단과, 상기 영역 검출수단에 의해 추출된 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 산출하는 연산수단과, 상기 연산수단에서 산출된 특징값과 이미지 학습모델에 의해 기산출된 비교값을 대조하여 유해 이미지를 분류하는 유해 이미지 분류수단을 포함하여 제공된다.
상기와 같은 본 발명에 따르면, 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 함께 고려하여 유해 이미지를 판단하도록 하여, 보다 정확도가 높은 분류가 이루어지도록 하는 효과가 있다.

Description

동영상 유해성 판단 시스템{System for discriminating harmful image}
본 발명은 동영상 유해성 판단 시스템에 관한 것으로서, 보다 상세하게는 유해성 검출을 위한 판단기준을 유해 동영상에서 인체 피부의 특징에 따른 확률모델과, 피부에 의존하지 않고 일반 이미지의 특징에 따른 확률모델을 함께 고려하여 보다 정확도가 높은 분류가 이루어지도록 하는 동영상 유해성 판단 시스템에 관한 것이다.
오늘날 초고속 인터넷과 디지털 기술의 급속한 발전에 힘입어 네트워크는 거대한 발달을 이루어왔다. 특히 국내에서는 BcN(Broadband Convergence Network) 구축 사업에 의한 통합 광대역 네트워크 인프라는 더욱 확대되고 있으며, 네트워크 기술의 성장과 더불어 네트워크를 이용한 다양한 서비스의 등장은 인터넷 이용자 수와 이용률 증가라는 결과를 가져왔다.
네트워크 기술의 발전과 무선 인터넷 기술의 발전은 인터넷 이용자 수의 증가 요인이 된다. 핸드폰을 비롯하여 MP3, PMP, 네비게이션, 스마트폰, 랩톱 컴퓨터 등의 멀티미디어 재생 기능을 제공하는 개인 무선 단말 장치의 보급으로 무선 인터넷 기술은 더욱 빠르게 발전하고 있다. 2013년 한국인터넷진흥원에서 모바일인터넷 이용실태를 조사한 결과 스마트폰을 보유현황을 연령별로 살펴보면 10대(97.8%), 20대(99.2%), 30대(98.6%), 40대(95.6%), 50대(89.1%)로 단말기 보유율이 높고 세대간 스마트폰 보유 격차도 적은 것으로 보인다.
활성화 된 네트워크를 바탕으로 다양한 서비스를 제공하는 가운데, 여러 서비스중 불건전 컨텐츠 또한 무분불하게 유포되고 있다. 모바일 단말기를 이용한 인터넷 이용 현황에서 10대와 20대는 97.8%와 99.2%로 유해한 컨텐츠를 접한 경험이 있다. 또한, 이러한 모바일 단말기는 휴대성이 뛰어나 10대와 20대는 모바일인터넷을 통해 수많은 유해한 성인 영상을 쉽게 접할 수 있는 상황이다.
이러한 유해 이미지는 누드, 성인물과 같이 의복을 입지 않아서 신체 중요 부위가 노출되는 특징을 가지고 있다. 이러한 유해 이미지의 특징을 이용하기 위해 유해 이미지 분류 시스템은 입력 이미지에 대한 피부색을 검출하고, 검출된 피부색을 기준으로 유해 이미지를 분류한다. 그러므로 유해 이미지 분류 시스템의 성능은 피부색 검출 성능에 비례하게 된다.
종래 피부색 검출 방법은 색상 공간에서 실질적으로 얻어진 임계값을 사용하는 방법과 피부색 데이터베이스의 확률값을 모델링하여 사용하는 방법들이 있다. 하지만 이러한 종래기술은 피부색만을 고려하여 검출 성능의 정밀도가 떨어지게 된다.
따라서, 이러한 종래 유해 이미지 분류 시스템의 문제점을 해결하기 위해 보다 정확하게 유해 이미지를 분류할 수 있는 방안이 절실하게 요청되고 있는 실정이다.
한국등록특허 제 10325841호
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 피부특징에만 의존하지 않고 일반 이미지의 특징값을 고려한 유해 이미지의 확률모델이 생성되도록 하여 보다 신뢰도가 높은 분류가 이루어지도록 하는데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 일측면에 따르면, 사용자 단말기에 입력되는 동영상에서 특정 프레임의 원본 이미지를 추출하고, 추출된 원본 이미지의 관심영역을 특정하여 피부영역을 추출하기 위해 미리 생성된 컬러모델로 원본 이미지 또는 관심영역 이미지에 포함된 피부영역을 추출하여 피부맵 이미지를 생성하는 영역 검출수단과, 상기 영역 검출수단에 의해 추출된 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 산출하는 연산수단과, 상기 연산수단에서 산출된 특징값과 이미지 학습모델에 의해 기산출된 비교값을 대조하여 유해 이미지를 분류하는 유해 이미지 분류수단을 포함하여 제공된다.
여기서 상기 영역 검출수단은 기설정된 갯수의 유해 영상 이미지에서 피부영역만 추출하여 추출된 영역에서의 각 RGB색상별 분포 확률값을 산출하는 피부컬러모델 산출모듈과, 기설정된 갯수의 일반 영상 이미지의 전체 영역에서 가지게 되는 각 RGB색상별 분포 확률값을 산출하는 이미지컬러모델 산출모듈을 포함하는 컬러모델산출부와, 상기 원본 이미지 또는 관심영역 이미지 내에 포함되는 RGB색상값을 상기 피부컬러모델 산출모듈에서 산출된 RGB색상별 분포 확률값과 상기 이미지컬러모델 산출모듈에서 산출된 RGB색상별 분포 확률값을 대조하여 피부영역을 추출하는 피부검출부를 포함하여, 상기 피부검출부에서 추출되는 피부맵 이미지는 피부영역과 피부영역을 제외한 나머지 영역이 구분되도록 명암을 다르게 처리된다.
아울러 상기 연산수단은 상기 영역 검출수단에 의해 추출된 관심영역 이미지 또는 피부맵 이미지에서 피부의 색상에 관계된 특징값을 연산하는 피부색상 연산모듈과, 피부가 차지하는 영역에 관계된 특징값을 연산하는 피부영역 연산모듈과, 피부의 질감에 관계된 특징값을 연산하는 피부질감 연산모듈과, 피부라인에 관계된 특징값을 연산하는 피부라인 연산모듈을 포함하는 피부특징 연산부와, 상기 영역 검출수단에 의해 추출된 이미지 전체 영역의 크기, 이미지내에서 얼굴의 특성에 관계된 특징값을 연산하는 이미지특성 연산모듈과, 상기 이미지내의 색상값에 따른 엔트로피값을 연산하는 엔트로피 연산모듈과, 상기 이미지에서 캐니 에지 알고리즘을 수행하여 검출된 에지와 관계된 특징값을 연산하는 캐니 에지 연산모듈을 포함하는 이미지특징 연산부를 포함하여 구성된다.
또한, 상기 유해 이미지 분류수단은 기설정된 갯수로 샘플링된 유해 이미지와 무해 이미지를 상기 연산수단으로 특징값을 산출하고, 상기 산출된 특징값을 특징 벡터로 변환시켜 학습모델을 생성하는 SVM 학습부와, 상기 영역 검출수단에 의해 추출된 분류 대상 이미지를 상기 연산수단으로 특징값을 산출하고, 상기 산출된 특징값을 특징 벡터로 변환시킨 대조모델을 생성하여, 상기 SVM 학습부에서 미리 학습된 학습모델과의 비교를 통해 유해 이미지를 분류하는 SVM 분류부를 포함하여 구성된다.
상기 피부색상 연산모듈은 상기 피부맵 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출하는 제1 피부색상 연산블럭을 포함하여 구성된다.
상기 피부색상 연산모듈은 상기 피부맵 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차를 산출하는 제2 피부색상 연산블럭을 포함하여 구성된다.
상기 피부영역 연산모듈은 상기 피부맵 이미지의 전체 영역에서 피부영역이 차지하는 비율이 50% 이상인지 여부를 판단하는 제1 피부영역 연산블럭을 포함하여 구성된다.
상기 피부영역 연산모듈은 상기 피부맵 이미지에 피부영역으로 명암처리된 경계부의 갯수를 산출하는 제2 피부영역 연산블럭을 포함하여 구성된다.
상기 피부영역 연산모듈은 상기 관심영역 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출하는 제3 피부영역 연산블럭을 포함하여 구성된다.
상기 피부영역 연산모듈은 상기 관심영역 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차를 산출하는 제4 피부영역 연산블럭을 포함하여 구성된다.
상기 피부질감 연산모듈은 상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 상기 피부맵에서 피부영역에 해당되는 픽셀의 수를 비교하는 제1 피부질감 연산블럭을 포함하여 구성된다.
상기 피부질감 연산모듈은 상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 상기 원본 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수를 비교하는 제2 피부질감 연산블럭을 포함하여 구성된다.
상기 피부라인 연산모듈은 상기 관심영역 이미지에 허프 변환을 수행하여 일정 갯수 이상의 픽셀을 가지는 라인의 수를 산출하는 제1 피부라인 연산블럭을 포함하여 구성된다.
상기 이미지특성 연산모듈은 상기 동영상에서 추출된 원본 이미지의 해상도가 일정 픽셀수 이상인지 여부를 판단하는 제1 이미지특성 연산블럭을 포함하여 구성된다.
상기 이미지특성 연산모듈은 상기 관심영역 이미지 전체 영역의 픽셀수를 산출하는 제2 이미지특성 연산블럭을 포함하여 구성된다.
상기 이미지특성 연산모듈은 상기 동영상에서 추출된 원본 이미지의 해상도를 나타내는 픽셀값의 종횡비를 산출하는 제3 이미지특성 연산블럭을 포함하여 구성된다.
상기 이미지특성 연산모듈은 상기 동영상에서 추출된 원본 이미지상에 나타나는 사람 얼굴의 갯수를 산출하는 제4 이미지특성 연산블럭을 포함하여 구성된다.
상기 이미지특성 연산모듈은 상기 원본 이미지 전체 크기에서 상기 원본 이미지상에 나타나는 사람 얼굴중 가장 큰 얼굴이 차지하는 크기 비율을 산출하는 제5 이미지특성 연산블럭을 포함하여 구성된다.
상기 엔트로피 연산모듈은 상기 동영상에서 추출된 원본 이미지에서 각 픽셀의 색상값에 따른 엔트로피 값을 산출하는 제1 엔트로피 연산블럭을 포함하여 구성된다.
상기 엔트로피 연산모듈은 테두리 영역이 일정 부분 제거된 원본 이미지에서 각 픽셀의 색상값에 따른 엔트로피 값을 산출하는 제2 엔트로피 연산블럭을 포함하여 구성된다.
상기 캐니 에지 연산모듈은 상기 동영상에서 추출된 원본 이미지에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 픽셀수를 산출하는 제1 캐니 에지 연산블럭을 포함하여 구성된다.
상기 캐니 에지 연산모듈은 상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 픽셀수를 산출하는 제2 캐니 에지 연산블럭을 포함하여 구성된다.
상기 원본 이미지에 나타나는 얼굴영역이 피부영역을 제외한 나머지 영역으로 구분되도록 명암을 다르게 처리한 변형 이미지를 추출하여, 상기 피부특징 연산부를 통해 상기 원본 이미지와 상기 변형 이미지의 특징값을 함께 산출하여, 산출된 특징값을 특징 벡터로 변환시켜 대조모델을 생성하도록 한다.
상기와 같은 본 발명에 따르면, 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 함께 고려하여 유해 이미지를 판단하도록 하여, 보다 정확도가 높은 분류가 이루어지도록 하는 효과가 있다.
도 1은 본 발명에 따른 동영상 유해성 판단 시스템의 주요 구성을 나타낸 도면이다.
도 2는 본 발명에 따른 영역 검출수단의 주요구성을 나타낸 블럭도이다.
도 3은 본 발명에 따른 영역 검출수단에 의해 피부맵 이미지가 형성되는 일례를 나타내는 도면이다.
도 4는 본 발명에 따른 연산수단의 주요구성을 나타낸 블럭도이다.
도 5는 본 발명에 따른 연산수단의 세부구성을 나타낸 블럭도이다.
도 6은 본 발명에 따른 유해 이미지 분류수단의 주요구성을 나타낸 블럭도이다.
도 7은 본 발명에 따른 동영상 유해성 판단순서를 나타낸 순서도이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예를 상세하게 설명하기로 한다.
도 1은 본 발명에 따른 동영상 유해성 판단 시스템의 주요 구성을 나타낸 도면이다.
도면을 참조하면, 본 발명에 따른 동영상 유해성 판단 시스템은 스마트폰 등의 사용자 단말기로 입력되는 동영상의 유해성을 판단하기 위한 것으로, 단말기로 입력되는 동영상에서 특정 프레임의 원본 이미지를 추출하고, 추출된 원본 이미지의 관심영역을 특정하여 미리 생성된 컬러모델에 의해 원본 이미지 또는 관심영역 이미지에 포함된 피부영역을 추출하여 피부맵 이미지를 생성하는 영역 검출수단(100)과, 영역 검출수단(100)에 의해 추출된 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 산출하는 연산수단(200)과, 연산수단(200)에서 산출된 특징값과 이미지 학습모델에 의해 기산출된 비교값을 대조하여 유해 이미지를 분류하는 유해 이미지 분류수단(300)을 포함하여 제공된다.
이와 같이 본 발명에 따른 동영상 유해성 판단 시스템은 이미지내의 피부영역의 특징과 이미지 전체영역의 특징을 함께 고려하여 보다 정확한 결과값을 도출할 수 있도록 한다.
아래에서는 이러한 신뢰도 높은 결과값을 도출하기 위한 주요 수단에 대해 보다 상세하게 설명하도록 한다.
도 2는 본 발명에 따른 영역 검출수단의 주요구성을 나타낸 블럭도이고, 도 3은 본 발명에 따른 영역 검출수단에 의해 피부맵 이미지가 형성되는 일례를 나타내는 도면이다.
도면을 참조하면, 영역 검출수단(100)은 컬러모델산출부(110)와, 피부검출부(120)를 포함하여 구성된다.
여기서 컬러모델산출부(110)는 인체의 피부에 해당하는 컬러를 판단하기 위한 피부컬러모델 산출모듈(111)과, 풍경 등의 일반 이미지에서의 컬러모델을 산출하는 이미지컬러모델 산출모듈(112)을 포함하여 구성된다.
피부컬러모델 산출모듈(111)은 기설정된 갯수의 유해 영상 이미지에서 피부영역만 추출하여 추출된 영역에서의 각 RGB색상별 분포 확률값을 산출하는 것으로, 피부 색상값에 대한 확률모델이 산출된다.
이미지컬러모델 산출모듈(112)은 기설정된 갯수의 일반 영상 이미지의 전체 영역에서 각 RGB색상별 분포 확률값을 산출하는 것으로, 피부가 아닌 다른 색상값에 대한 확률모델이 산출된다.
피부검출부(120)는 원본 이미지 또는 관심영역 이미지 내에 포함되는 RGB색상값을 피부컬러모델 산출모듈(111)에서 산출된 RGB색상별 분포 확률값과 이미지컬러모델 산출모듈(112)에서 산출된 RGB색상별 분포 확률값을 대조하여 피부영역을 추출한다.
예를 들어, 피부컬러모델 산출모듈(111)과 이미지컬러모델 산출모듈(112)에서 산출된 각 픽셀의 RGB색상 분포 확률값이 0.4 이상 차이가 나면 피부영역으로 판단된다고 가정하면, 피부영역을 추출하기 위한 이미지 내의 특정 픽셀 RGB색상값이 R:255, G:224, B:140이고, 피부컬러모델 산출모듈(111)에서 RGB색상의 분포 확률값은 0.6으로 나타나고, 이미지컬러모델 산출모듈(112)에서 RGB색상의 분포 확률값은 0.1로 나타나면, 양자간의 차이값이 0.4 이상으로 상기 픽셀은 피부영역으로 추출된다.
이와 같이, 본 발명에서는 피부영역의 색상과 관련된 정보만을 비교하여 피부영역을 추출하는 것이 아니라 피부영역에 해당되지 않는 색상값의 확률도 함께 고려하여 더욱 신뢰도 높은 피부영역이 출출되도록 한다.
이러한 피부영역 추출은 도 3에서와 같이, 사용자 단말기로 입력되는 동영상에서 특정 프레임의 원본 이미지(A)를 추출하고, 추출된 원본 이미지(A)에서 관심영역 이미지(B)를 추출하도록 한다. 이러한 관심영역 이미지(B)는 원본 이미지(A) 영상의 가운데 부분을 중심으로 원본 이미지(A)의 1/6 정도의 크기로 추출된다. 이는 영상에서 중요한 부분이 일반적으로 영상의 가운데 부분에 위치하도록 촬영되며, 특히 성인물에서의 피부영역은 대부분 영상의 가운데 부분에 위치하게 되어 관심영역 이미지(B)만으로도 유해판단을 할 수 있게 된다.
이렇게 추출된 관심영역 이미지(B)에서 각 픽셀의 RGB색상값을 컬러모델과 비교하여 피부영역을 추출하고, 추출된 픽셀들로 피부맵 이미지(C)를 생성하게 된다. 이러한 피부맵 이미지(C)는 피부영역과 피부영역을 제외한 나머지 영역이 구분되도록 명암을 다르게 처리하게 되는데, 본 발명에서는 흑백처리하여 2진영상이 형성되도록 한다.
도 4는 본 발명에 따른 연산수단의 주요구성을 나타낸 블럭도이다.
도면을 참조하면, 본 발명에 따른 연산수단(200)은 피부영역에 관계된 특징값만 산출하게 되는 피부특징 연산부(210)와, 이미지 전체 영역에 관계된 특징값을 산출하는 이미지특징 연산부(220)를 포함하여 구성된다.
피부특징 연산부(210)는 영역 검출수단(100)에 의해 추출된 관심영역 이미지(B) 또는 피부맵 이미지(C)에서 피부의 색상에 관계된 특징값을 연산하는 피부색상 연산모듈(211)과, 피부가 차지하는 영역에 관계된 특징값을 연산하는 피부영역 연산모듈(212)과, 피부의 질감에 관계된 특징값을 연산하는 피부질감 연산모듈(213)과, 피부라인에 관계된 특징값을 연산하는 피부라인 연산모듈(214)을 포함하여 구성된다.
이미지특징 연산부(220)는 영역 검출수단(100)에 의해 추출된 이미지 전체 영역의 크기, 이미지내에서 얼굴의 특성에 관계된 특징값을 연산하는 이미지특성 연산모듈(221)과, 이미지내의 색상값에 따른 엔트로피값을 연산하는 엔트로피 연산모듈(222)과, 이미지에서 캐니 에지(canny edge) 알고리즘을 수행하여 검출된 에지(edge)와 관계된 특징값을 연산하는 캐니 에지 연산모듈(223)을 포함하여 구성된다.
도 5는 본 발명에 따른 연산수단의 세부구성을 나타낸 블럭도이다.
도면을 참조하면, 피부색상 연산모듈(211)은 피부맵 이미지(C)에서 피부색상과 관련된 특징값을 산출하는 것으로서, 제1~제2 피부색상 연산블럭을 포함하여 구성된다.
제1 피부색상 연산블럭(211a)은 피부맵 이미지(C) 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출하는 것으로서, 예를 들자면 피부맵 이미지(C)는 흑백처리되어 색상값 0과 255값을 가지게 되며, 전체 픽셀의 색상값 총합을 전체 픽셀수로 나누어 산출한다.
제2 피부색상 연산블럭(211b)은 피부맵 이미지(C) 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차값을 산출한다.
피부영역 연산모듈(212)은 피부맵 이미지(C)와 관심영역 이미지(B)에서 픽셀값의 특징값을 산출하는 것으로서, 제1~제4 피부영역 연산블럭을 포함하여 구성된다.
제1 피부영역 연산블럭(212a)은 피부맵 이미지(C)의 전체 영역에서 피부영역이 차지하는 비율을 판단하는 것으로서, 피부영역의 픽셀수가 피부맵 이미지(C) 전체 영역의 픽셀수의 50% 이상이면 True, 50% 이하이면 False로 플래그 표시한다.
제2 피부영역 연산블럭(212b)은 피부맵 이미지(C)에서 피부영역으로 명암처리된 경계부의 갯수를 산출하는 것으로서, 도 3의 피부맵 이미지(C) 도면을 참조하여 산출값을 계산해보자면 피부영역이 흰색으로 명암처리된 경계부의 갯수가 총 4개로 계산된다.
제3 피부영역 연산블럭(212c)은 관심영역 이미지(B) 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출한다.
제4 피부영역 연산블럭(212d)은 관심영역 이미지(B) 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차값을 산출한다.
피부질감 연산모듈(213)은 관심영역 이미지(B)에 캐니 에지 알고리즘을 수행하여 검출된 에지값의 특성을 산출하는 것으로서, 제1~제2 피부질감 연산블럭(213b)을 포함하여 구성된다.
제1 피부질감 연산블럭(213a)은 관심영역 이미지(B)에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 피부맵 이미지(C)에서 피부영역에 해당되는 픽셀의 수를 비교하는 것으로서, 아래의 수식과 같이 연산되어 특징값이 산출된다.
Figure 112014124559768-pat00001

제2 피부질감 연산블럭(213b)은 관심영역 이미지(B)에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 원본 이미지(A)에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수를 비교하는 것으로서, 아래의 수식과 같이 연산되어 특징값이 산출된다.
Figure 112014124559768-pat00002

피부라인 연산모듈(214)은 관심영역 이미지에 허프 변환을 수행하여 일정 갯수 이상의 픽셀을 가지는 라인의 수를 산출하는 제1 피부라인 연산블럭(214a)을 포함하여 구성된다. 본 발명에서는 5 픽셀수 이상을 갖는 라인의 갯수를 산출한다.
이미지특성 연산모듈(221)은 피부영역의 특성이 아닌 이미지 전체 영역의 특성에 따른 특징값을 산출하는 것으로서, 제1~제5 이미지특성 연산블럭을 포함하여 구성된다.
제1 이미지특성 연산블럭(221a)은 동영상에서 추출된 원본 이미지(A)의 해상도가 일정 픽셀수 이상인지 여부를 판단하는 것으로서, 본 발명에서는 원본 이미지의 크기가 10×10 픽셀 이상이면 True, 10×10 픽셀 이하이면 False로 판단하여 플래그 표시한다.
제2 이미지특성 연산블럭(221b)은 관심영역 이미지(B) 전체 영역의 픽셀수를 연산하여 특징값을 산출한다.
제3 이미지특성 연산블럭(221c)은 동영상에서 추출된 원본 이미지의 해상도를 나타내는 픽셀값의 종횡비를 산출하는 것으로서, 예를 들자면 원본 이미지의 해상도가 1024×760이라면, 제3 이미지특성 연산블럭(221c)에 의해 산출되는 특징값은 1024÷760으로 연산된다.
제4 이미지특성 연산블럭(221d)은 동영상에서 추출된 원본 이미지(A)상에 나타나는 사람 얼굴의 갯수를 산출하고, 제5 이미지특성 연산블럭(221e)은 원본 이미지(A)의 전체 크기에서 원본 이미지(A)상에 나타나는 사람 얼굴중 가장 큰 얼굴이 차지하는 크기 비율을 산출한다.
엔트로피 연산모듈(222)은 원본 이미지(A)의 각 픽셀의 색상값에 따른 엔트로피값을 산출하는 것으로서, 제1~제2 엔트로피 연산블럭(222b)을 포함하여 구성된다.
제1 엔트로피 연산블럭(222a)은 원본 이미지(A)상 각 픽셀의 색상값에 따른 엔트로피 값을 산출하는 것으로서, 하나의 이미지를 읽었을 때에 엔트로피 값이 크다면 이미지상에 색상분포가 다양하게 분포하고 있다고 할 수 있으며, 피부색과 같이 특정 색상이 다수 분포하게 되면 엔트로피 값은 낮게 나타난다.
제2 엔트로피 연산블럭(222b)은 원본 이미지(A)의 테두리 영역을 일정 부분 제거한 상태에서 엔트로피값을 산출하는 것으로서, 본 발명에서는 원본 이미지(A)의 가장자리에서 10픽셀만큰 제거된 이미지 영역으로 엔트로피값을 산출하도록 한다.
캐니 에지 연산모듈(223)은 이미지에 캐니 에지 알고리즘을 수행하여 검출되는 에지의 픽셀수를 산출하는 것으로서, 제1~제2 캐니 에지 연산블럭(223b)을 포함하여 구성된다.
제1 캐니 에지 연산블럭(223a)은 동영상에서 추출된 원본 이미지(A)에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 전체 픽셀수를 산출하고, 제2 캐니 에지 연산블럭(223b)은 관심영역 이미지(B)에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 전체 픽셀수를 산출한다.
도 6은 본 발명에 따른 유해 이미지 분류수단의 주요구성을 나타낸 블럭도이다.
도면을 참조하면, 유해 이미지 분류수단(300)은 학습을 통해 비교값 룩업테이블을 산출하는 SVM 학습부(310)와 이미지를 분류하는 SVM 분류부(320)를 포함하여 구성된다.
SVM(support vector machine) 학습부는 학습을 통해 이미지 분류모델을 생성하는 것으로서, 기설정된 갯수로 샘플링된 유해 이미지와 무해 이미지를 연산수단(200)으로 특징값을 산출하고, 산출된 특징값을 특징 벡터로 변환시켜 학습모델을 생성한다.
SVM 분류부(320)는 영역 검출수단(100)에 의해 추출된 분류 대상 이미지를 연산수단(200)으로 특징값을 산출하고, 산출된 특징값을 특징 벡터로 변환시킨 대조모델을 생성하여, SVM 학습부(310)에서 미리 학습된 학습모델과 비교를 통해 유해 이미지를 분류한다.
아울러, 본 발명에서는 원본 이미지에 나타나는 얼굴영역이 피부영역을 제외한 나머지 영역으로 구분되도록 명암을 다르게 처리한 변형 이미지를 추출하여, 피부특징 연산부(210)를 통해 원본 이미지와 변형 이미지의 특징값을 함게 산출하여, 산출된 특징값을 특징 벡터로 변환시켜 대조모델을 생성하도록 한다. 이는 얼굴영역이 피부 이외에 머리카락, 눈, 코, 입 등 피부와는 다소 다른 색상과 질감을 나타내고 있어 피부특징값에서 제외시키도록 하며, 더욱 많은 특징값을 생성하도록 하여 신뢰도가 높은 분류가 이루어지도록 하기 위함이다.
아래에서는 본 발명에 따른 동영상 유해성 판단방법에 대해 자세히 설명하도록 한다.
도 7은 본 발명에 따른 동영상 유해성 판단순서를 나타낸 순서도이다.
도면을 참조하면, 영역 검출수단(100)에서 피부영역을 추출하기 위해 기준값이 되는 컬러모델을 먼저 산출하게 된다(S701).
컬러모델은 피부영역만 포함된 피부컬러모델과 피부를 제외한 일반 이미지컬러모델 2가지의 컬로모델로 산출되며, 이는 기설정된 갯수의 유해 영상 이미지에서 피부영역만을 추출하여 추출된 영역에서의 RGB색상별 분포 확률값을 산출하여 피부컬러모델을 생성시키고, 피부영역이 아닌 풍경과 같은 일반 영상 이미지에서의 RGB색상별 분포 확률값을 산출하여 이미지컬러모델을 생성시킨다.
이와 함께, 영역 검출수단(100)에서 특징값 산출을 위한 특정 이미지를 생성(S702)시키게 되는데, 이는 사용자 단말기로 입력되는 동영상에서 특정 프레임의 원본 이미지(A)를 추출하고, 추출된 원본 이미지(A)에서 영상의 가운데 부분을 중심으로 원본 이미지(A)의 1/6 정도의 크기의 관심영역 이미지(B)를 추출한다.
그런 다음, 피부검출부(120)에서 관심영역 이미지(B)의 각 RGB색상값을 컬러모델의 RGB색상별 분포 확률값과 비교하여 피부영역을 추출하게 된다(S703).
이렇게 추출된 피부영역과 피부영역을 제외한 나머지 영역이 구분되도록 명암을 다르게 처리하여 피부맵 이미지(C)를 생성시킨다(S704). 여기서 피부맵 이미지(C)는 흑백처리된 2진영상으로 형성된다.
그리고 연산수단(200)은 상기와 같이 영역 검출수단(100)에서 생성된 이미지의 피부에 관련된 특징과 일반 이미지에 관련된 특징을 연산(S705)하여 관련 특징값을 산출하도록 한다(S706).
이렇게 산출된 특징값은 유해 이미지 분류수단(300)에서 관련 특징값을 특징 벡터로 변환시켜 대조모델을 생성하여(S707), 기학습된 학습모델과 비교하여(S708), 유해 이미지를 분류하게 된다(S709).
여기서 기학습된 학습모델은 대조모델과 대조하기 이전에 유해 이미지 분류수단(300)에서 유해 이미지와 무해 이미지를 일정 갯수로 샘플링하고(S710), 샘플링된 이미지는 연산수단(200)을 통해 이미지의 피부특징과 이미지특징을 연산(S711)하고 관련 특징값을 산출한다(S712).
이와 같이 산출된 특징값은 유해 이미지 분류수단(300)에서 관련 특징값을 특징 벡터로 변환시켜 학습모델을 먼저 생성하게 된다(S713). 이렇게 산출된 학습모델을 상기의 대조모델과 비교하여 유해 이미지를 분류하도록 한다.
비록 본 발명이 상기 언급된 바람직한 실시예와 관련하여 설명되어졌지만, 발명의 요지와 범위로부터 벗어남이 없이 다양한 수정이나 변형을 하는 것이 가능하다. 따라서 첨부된 특허등록청구의 범위는 본 발명의 요지에서 속하는 이러한 수정이나 변형을 포함할 것이다.
100 : 영역 검출수단
110 : 컬러모델산출부 111 : 피부컬러모델 산출모듈
112 : 이미지컬러모델 산출모듈 120 : 피부검출부
200 : 연산수단
210 : 피부특징 연산부 211 : 피부색상 연산모듈
211a : 제1 피부색상 연산블럭 211b : 제2 피부색상 연산블럭
212 : 피부영역 연산모듈 212a : 제1 피부영역 연산블럭
212b : 제2 피부영역 연산블럭 212c : 제3 피부영역 연산블럭
212d : 제4 피부영역 연산블럭
213 : 피부질감 연산모듈 213a : 제1 피부질감 연산블럭
213b : 제2 피부질감 연산블럭
214 : 피부라인 연산모듈 214a : 제1 피부라인 연산블럭
220 : 이미지특징 연산부
221 : 이미지특성 연산모듈 221a : 제1 이미지특성 연산블럭
221b : 제2 이미지특성 연산블럭 221c : 제3 이미지특성 연산블럭
221d : 제4 이미지특성 연산블럭 221e : 제5 이미지특성 연산블럭
222 : 엔트로피 연산모듈 222a : 제1 엔트로피 연산블럭
222b : 제2 엔트로피 연산블럭
223 : 캐니 에지 연산모듈 223a : 제1 캐니 에지 연산블럭
223b : 제2 캐니 에지 연산블럭
300 : 유해 이미지 분류수단 310 : SVM 학습부
320 : SVM 분류부

Claims (23)

  1. 사용자 단말기에 입력되는 동영상에서 특정 프레임의 원본 이미지를 추출하고, 추출된 원본 이미지의 관심영역을 특정하여 피부영역을 추출하기 위해 미리 생성된 컬러모델로 원본 이미지 또는 관심영역 이미지에 포함된 피부영역을 추출하여 피부맵 이미지를 생성하는 영역 검출수단과;
    상기 영역 검출수단에 의해 추출된 피부영역의 색상, 질감, 라인의 특징값과 이미지 전체 영역의 특징값을 산출하는 연산수단과;
    상기 연산수단에서 산출된 특징값과 이미지 학습모델에 의해 기산출된 비교값을 대조하여 유해 이미지를 분류하는 유해 이미지 분류수단을 포함하되,
    상기 영역 검출수단은
    기설정된 갯수의 유해 영상 이미지에서 피부영역만 추출하여 추출된 영역에서의 각 RGB색상별 분포 확률값을 산출하는 피부컬러모델 산출모듈과, 기설정된 갯수의 일반 영상 이미지의 전체 영역에서 가지게 되는 각 RGB색상별 분포 확률값을 산출하는 이미지컬러모델 산출모듈을 포함하는 컬러모델산출부와,
    상기 원본 이미지 또는 관심영역 이미지 내에 포함되는 RGB색상값을 상기 피부컬러모델 산출모듈에서 산출된 RGB색상별 분포 확률값과 상기 이미지컬러모델 산출모듈에서 산출된 RGB색상별 분포 확률값을 대조하여 피부영역을 추출하는 피부검출부를 포함하여,
    상기 피부검출부에서 추출되는 피부맵 이미지는 피부영역과 피부영역을 제외한 나머지 영역이 구분되도록 명암을 다르게 처리하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  2. 삭제
  3. 제 1항에 있어서,
    상기 연산수단은
    상기 영역 검출수단에 의해 추출된 관심영역 이미지 또는 피부맵 이미지에서 피부의 색상에 관계된 특징값을 연산하는 피부색상 연산모듈과, 피부가 차지하는 영역에 관계된 특징값을 연산하는 피부영역 연산모듈과, 피부의 질감에 관계된 특징값을 연산하는 피부질감 연산모듈과, 피부라인에 관계된 특징값을 연산하는 피부라인 연산모듈을 포함하는 피부특징 연산부와,
    상기 영역 검출수단에 의해 추출된 이미지 전체 영역의 크기, 이미지내에서 얼굴의 특성에 관계된 특징값을 연산하는 이미지특성 연산모듈과, 상기 이미지내의 색상값에 따른 엔트로피값을 연산하는 엔트로피 연산모듈과, 상기 이미지에서 캐니 에지 알고리즘을 수행하여 검출된 에지와 관계된 특징값을 연산하는 캐니 에지 연산모듈을 포함하는 이미지특징 연산부를 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  4. 제 3항에 있어서,
    상기 유해 이미지 분류수단은
    기설정된 갯수로 샘플링된 유해 이미지와 무해 이미지를 상기 연산수단으로 특징값을 산출하고, 상기 산출된 특징값을 특징 벡터로 변환시켜 학습모델을 생성하는 SVM 학습부와,
    상기 영역 검출수단에 의해 추출된 분류 대상 이미지를 상기 연산수단으로 특징값을 산출하고, 상기 산출된 특징값을 특징 벡터로 변환시킨 대조모델을 생성하여, 상기 SVM 학습부에서 미리 학습된 학습모델과의 비교를 통해 유해 이미지를 분류하는 SVM 분류부를 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  5. 제 3항에 있어서,
    상기 피부색상 연산모듈은
    상기 피부맵 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출하는 제1 피부색상 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  6. 제 3항에 있어서,
    상기 피부색상 연산모듈은
    상기 피부맵 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차를 산출하는 제2 피부색상 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  7. 제 3항에 있어서,
    상기 피부영역 연산모듈은
    상기 피부맵 이미지의 전체 영역에서 피부영역이 차지하는 비율이 50% 이상인지 여부를 판단하는 제1 피부영역 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  8. 제 3항에 있어서,
    상기 피부영역 연산모듈은
    상기 피부맵 이미지에 피부영역으로 명암처리된 경계부의 갯수를 산출하는 제2 피부영역 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  9. 제 3항에 있어서,
    상기 피부영역 연산모듈은
    상기 관심영역 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 평균값을 산출하는 제3 피부영역 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  10. 제 3항에 있어서,
    상기 피부영역 연산모듈은
    상기 관심영역 이미지 전체 영역에 해당하는 픽셀의 색상값을 더하여 표준편차를 산출하는 제4 피부영역 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  11. 제 3항에 있어서,
    상기 피부질감 연산모듈은
    상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 상기 피부맵에서 피부영역에 해당되는 픽셀의 수를 비교하는 제1 피부질감 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  12. 제 3항에 있어서,
    상기 피부질감 연산모듈은
    상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수와 상기 원본 이미지에 캐니 에지 알고리즘을 수행하여 검출된 에지영역에 해당되는 픽셀의 수를 비교하는 제2 피부질감 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  13. 제 3항에 있어서,
    상기 피부라인 연산모듈은
    상기 관심영역 이미지에 허프 변환을 수행하여 일정 갯수 이상의 픽셀을 가지는 라인의 수를 산출하는 제1 피부라인 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  14. 제 3항에 있어서,
    상기 이미지특성 연산모듈은
    상기 동영상에서 추출된 원본 이미지의 해상도가 일정 픽셀수 이상인지 여부를 판단하는 제1 이미지특성 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  15. 제 3항에 있어서,
    상기 이미지특성 연산모듈은
    상기 관심영역 이미지 전체 영역의 픽셀수를 산출하는 제2 이미지특성 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  16. 제 3항에 있어서,
    상기 이미지특성 연산모듈은
    상기 동영상에서 추출된 원본 이미지의 해상도를 나타내는 픽셀값의 종횡비를 산출하는 제3 이미지특성 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  17. 제 3항에 있어서,
    상기 이미지특성 연산모듈은
    상기 동영상에서 추출된 원본 이미지상에 나타나는 사람 얼굴의 갯수를 산출하는 제4 이미지특성 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  18. 제 3항에 있어서,
    상기 이미지특성 연산모듈은
    상기 원본 이미지 전체 크기에서 상기 원본 이미지상에 나타나는 사람 얼굴중 가장 큰 얼굴이 차지하는 크기 비율을 산출하는 제5 이미지특성 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  19. 제 3항에 있어서,
    상기 엔트로피 연산모듈은
    상기 동영상에서 추출된 원본 이미지에서 각 픽셀의 색상값에 따른 엔트로피 값을 산출하는 제1 엔트로피 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  20. 제 3항에 있어서,
    상기 엔트로피 연산모듈은
    테두리 영역이 일정 부분 제거된 원본 이미지에서 각 픽셀의 색상값에 따른 엔트로피 값을 산출하는 제2 엔트로피 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  21. 제 3항에 있어서,
    상기 캐니 에지 연산모듈은
    상기 동영상에서 추출된 원본 이미지에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 픽셀수를 산출하는 제1 캐니 에지 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  22. 제 3항에 있어서,
    상기 캐니 에지 연산모듈은
    상기 관심영역 이미지에 캐니 에지 알고리즘을 수행하여 이미지상에 검출되는 에지의 픽셀수를 산출하는 제2 캐니 에지 연산블럭을 포함하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
  23. 제 4항에 있어서,
    상기 원본 이미지에 나타나는 얼굴영역이 피부영역을 제외한 나머지 영역으로 구분되도록 명암을 다르게 처리한 변형 이미지를 추출하여, 상기 피부특징 연산부를 통해 상기 원본 이미지와 상기 변형 이미지의 특징값을 함께 산출하여, 산출된 특징값을 특징 벡터로 변환시켜 대조모델을 생성하도록 하는 것을 특징으로 하는 동영상 유해성 판단 시스템.
KR1020140186344A 2014-12-22 2014-12-22 동영상 유해성 판단 시스템 KR101608703B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140186344A KR101608703B1 (ko) 2014-12-22 2014-12-22 동영상 유해성 판단 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140186344A KR101608703B1 (ko) 2014-12-22 2014-12-22 동영상 유해성 판단 시스템

Publications (1)

Publication Number Publication Date
KR101608703B1 true KR101608703B1 (ko) 2016-04-05

Family

ID=55800328

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140186344A KR101608703B1 (ko) 2014-12-22 2014-12-22 동영상 유해성 판단 시스템

Country Status (1)

Country Link
KR (1) KR101608703B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023080426A1 (ko) * 2021-11-08 2023-05-11 숭실대학교 산학협력단 적대적 변형된 이미지 탐지 방법 및 적대적 변형된 이미지 탐지 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램
KR102663350B1 (ko) * 2021-11-08 2024-05-07 숭실대학교산학협력단 적대적 변형된 이미지 탐지 방법 및 적대적 변형된 이미지 탐지 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008033654A (ja) 2006-07-28 2008-02-14 Noritsu Koki Co Ltd 写真画像判別方法、写真画像判別プログラム、及び、写真画像処理装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008033654A (ja) 2006-07-28 2008-02-14 Noritsu Koki Co Ltd 写真画像判別方法、写真画像判別プログラム、及び、写真画像処理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문1

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023080426A1 (ko) * 2021-11-08 2023-05-11 숭실대학교 산학협력단 적대적 변형된 이미지 탐지 방법 및 적대적 변형된 이미지 탐지 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램
KR102663350B1 (ko) * 2021-11-08 2024-05-07 숭실대학교산학협력단 적대적 변형된 이미지 탐지 방법 및 적대적 변형된 이미지 탐지 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Similar Documents

Publication Publication Date Title
US20160026861A1 (en) Methods and apparatus for capturing, processing, training, and detecting patterns using pattern recognition classifiers
CN105718869B (zh) 一种评估图片中人脸颜值的方法和装置
CN106682632B (zh) 用于处理人脸图像的方法和装置
US20160154993A1 (en) Automatic segmentation of hair in images
US20160163028A1 (en) Method and device for image processing
WO2020244071A1 (zh) 基于神经网络的手势识别方法、装置、存储介质及设备
CN110390327B (zh) 前景提取方法、装置、计算机设备及存储介质
CN111144215B (zh) 图像处理方法、装置、电子设备及存储介质
CN113301409B (zh) 视频合成方法、装置、电子设备和可读存储介质
CN112396050B (zh) 图像的处理方法、设备以及存储介质
McBride et al. A comparison of skin detection algorithms for hand gesture recognition
CN111178146A (zh) 基于人脸特征识别主播的方法及装置
US20130129222A1 (en) Methods and apparatuses for facilitating detection of text within an image
KR101608703B1 (ko) 동영상 유해성 판단 시스템
CN111325265A (zh) 一种针对篡改图像的检测方法及装置
US10909351B2 (en) Method of improving image analysis
KR20160080483A (ko) 랜덤 포레스트를 이용한 성별인식 방법
CN115223022B (zh) 一种图像处理方法、装置、存储介质及设备
CN111666884A (zh) 活体检测方法、装置、计算机可读介质及电子设备
EP3699865B1 (en) Three-dimensional face shape derivation device, three-dimensional face shape deriving method, and non-transitory computer readable medium
JP5958557B2 (ja) オブジェクト認識方法及びオブジェクト認識装置
JP2016081472A (ja) 画像処理装置、画像処理方法及びプログラム
CN114360015A (zh) 活体检测方法、装置、设备及存储介质
US20220222967A1 (en) Retrieval device, control method, and non-transitory storage medium
JP6467817B2 (ja) 画像処理装置、画像処理方法、およびプログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190304

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200302

Year of fee payment: 5