KR101648966B1 - 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법 - Google Patents

인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법 Download PDF

Info

Publication number
KR101648966B1
KR101648966B1 KR1020150065613A KR20150065613A KR101648966B1 KR 101648966 B1 KR101648966 B1 KR 101648966B1 KR 1020150065613 A KR1020150065613 A KR 1020150065613A KR 20150065613 A KR20150065613 A KR 20150065613A KR 101648966 B1 KR101648966 B1 KR 101648966B1
Authority
KR
South Korea
Prior art keywords
fingerprint
candidate
feature value
distribution
matching
Prior art date
Application number
KR1020150065613A
Other languages
English (en)
Inventor
서진수
Original Assignee
강릉원주대학교산학협력단
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 강릉원주대학교산학협력단 filed Critical 강릉원주대학교산학협력단
Priority to KR1020150065613A priority Critical patent/KR101648966B1/ko
Application granted granted Critical
Publication of KR101648966B1 publication Critical patent/KR101648966B1/ko

Links

Images

Classifications

    • G06F17/30017—
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명의 일 실시예에 따른 핑거프린트 정합 장치는 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부, 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부, 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 생성하는 핑거프린트 생성부 및 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트가 상기 분포에 포함될 확률을 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함할 수 있다.

Description

인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법{APPARATUS AND METHOD FOR GENERATING OR MATCHING A FINGERPRINT USING ON A HUMAN PERCEPTUAL BOUND}
본 발명은 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법에 관한 것으로, 보다 자세하게는 핑거프린트의 생성 또는 정합에 있어서 인간이 인지할 수 없는 디지털 컨텐츠의 최대 변화량(maximum amount of distortion)인 인지적 한계(perceptual bound)를 고려함으로써, 왜곡이 가해진 컨텐츠에 대해서 인간이 인식하는 정합도와 최대한 유사한 정합도를 제공하는 장치 및 방법에 관한 것이다.
본 발명은 2014년도 미래과학창조부의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2012012876, 과제명: 콘텐츠 식별 시스템을 위한 해쉬 추출 함수 설계(Design of the hash-extraction function for a content-identification system)].
디지털 컨텐츠(이하 컨텐츠라고 지칭)에 대한 핑거프린팅은 해당 컨텐츠가 갖는 고유한 특징을 이용하여 컨텐츠를 식별하는 기술을 지칭한다. 예를 들면, 핑거프린팅(fingerprinting)은 정합 대상인 컨텐츠에 대하여 핑거프린트(fingerprint)를 생성하고, 비교 대상인 복수의 컨텐츠에 대하여 핑거프린트를 생성한 뒤, 핑거프린트를 서로 비교하여 정합을 판단하는 과정을 지칭할 수 있다.
종래에는 핑거프린트를 생성하거나 정합을 판단함에 있어서 인간의 인지적 한계(인간이 인지할 수 없는 디지털 컨텐츠의 최대 변화량)를 명시적으로 고려하지 않았다. 이에 관하여 보다 구체적으로 살펴보기 위하여 도 1을 참조하면, 종래에는 핑거프린트의 생성에 있어 복수의 컨텐츠(1)로부터 특징값 추출부(2)를 이용하여 특징값을 추출하고 핑거프린트 생성부(3)를 이용하여 이러한 특징값으로부터 곧바로 핑거프린트를 생성하여 핑거프린트 저장부(4)에 저장하였다. 아울러, 핑거프린트의 정합에 있어서도 마찬가지로 정합 대상인 컨텐츠(5)로부터 특징값 추출부(6)를 이용하여 특징값을 추출하고 핑거프린트 생성부(7)를 이용하여 이러한 특징값으로부터 곧바로 핑거프린트를 생성한 뒤, 생성된 핑거프린트와 핑거프린트 저장부(4)에 저장된 핑거프린트 간의 정합을 정합부(8)에서 판단하여 그 결과 정보를 출력하였다.
즉, 종래에는 핑거프린트의 생성 및 정합에 있어, 컨텐츠에 발생된 변화량의 정도가 인간의 인지할 수 있는 정도인지 여부를 명시적으로 판별하지 않았다.
그런데, 핑거프린팅 분야에서 요구되는 '정합'의 정도는 해당 핑거프린팅이 적용되는 분야에 따라서 다양할 수 있다. 즉, 어떤 분야에서는 인간이 인식할 수 없을 정도의 미세한 변화량만이 존재하는 경우 정합되지 않은 것으로 판단을 요구할 수 있는 반면, 또 다른 분야에서는 이러한 미세한 변화량만이 존재하는 경우 정합된 것으로 판단을 요구할 수 있다.
후자의 경우 요구되는 '정합'의 정도는 인간의 인식 범위를 고려한 것이다. 이에 따르면, 예를 들면 A라는 음원과 A'라는 음원이 음질에 있어서만 차이가 나고 이러한 음질의 차이가 인간이 인식할 수 없는 수준인 경우 A와 A'은 정합된 것으로 판단될 수 있어야 한다.
이러한 점을 핑거프린팅에 반영하기 위해서는, 핑거프린트의 생성 또는 정합에 있어 컨텐츠에 발생된 변화량이 인간이 인식할 수 없는 정도(이하에서는 인지적 한계라고 지칭하기로 함)인지를 고려할 수 있어야 한다. 그러나, 종래의 핑거프린트 생성 또는 정합에 있어서 이러한 인지적 한계를 고려하는 기술은 존재하지 않았다.
한국공개특허공보, 10-2015-0027011 (2015.03.11. 공개)
본 발명의 해결하고자 하는 과제는, 인지적 한계를 기초로 핑거프린트를 생성하거나 정합을 판단하는 장치 및 방법을 제공하는 것이다.
또한, 본 발명의 해결하고자 하는 과제는, 인지적 한계를 고려하지 않고 생성된 기존의 핑거프린트 데이터베이스에 대해서, 인지적 한계를 기초로 핑거프린트의 정합을 판단하는 장치 및 방법을 제공하는 것이다.
다만, 본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 제1 실시예에 따른 핑거프린트 생성 장치는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부; 및 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 대상 컨텐츠를 식별하는 핑거프린트를 생성하는 핑거프린트 생성부를 포함할 수 있다.
본 발명의 제2 실시예에 따른 핑거프린트 정합 장치는 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 생성하는 핑거프린트 생성부; 및 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트가 상기 분포에 포함될 확률을 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함할 수 있다.
본 발명의 제3 실시예에 따른 핑거프린트 정합 장치는 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로 상기 대상 컨텐츠를 식별하는 쿼리 핑거프린트를 생성하는 핑거프린트 생성부; 및 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트와 상기 쿼리 핑거프린트를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함할 수 있다.
본 발명의 제4 실시예에 따른 핑거프린트 정합 장치는 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 특징값에 대한 쿼리 분포를 생성하는 핑거프린트 생성부; 및 상기 쿼리 분포와 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 분포를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함하며, 상기 후보 분포는 상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 산출될 수 있다.
본 발명의 제1 실시예에 따른 핑거프린트 생성 방법은 핑거프린트 생성 장치에 의하여 수행되며, 대상 컨텐츠의 특징값을 추출하는 단계; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계; 및 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 대상 컨텐츠를 식별하는 핑거프린트를 생성하는 단계를 포함할 수 있다.
본 발명의 제2 실시예에 따른 핑거프린트 정합 방법은 핑거프린트 정합 장치에 의하여 수행되며, 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 생성하는 단계; 및 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트가 상기 분포에 포함될 확률을 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함할 수 있다.
본 발명의 제3 실시예에 따른 핑거프린트 정합 방법은 핑거프린트 정합 장치에 의하여 수행되며, 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로 상기 대상 컨텐츠를 식별하는 쿼리 핑거프린트를 생성하는 단계; 및 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트와 상기 쿼리 핑거프린트를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함할 수 있다.
본 발명의 제4 실시예에 따른 핑거프린트 정합 방법은 핑거프린트 정합 장치에 의하여 수행되며, 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계; 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계; 상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 특징값에 대한 쿼리 분포를 산출하는 단계; 및 상기 쿼리 분포와 복수의 후보 컨텐츠 각각에 대하여 기 저장된 상기 후보 컨텐츠 각각에 대한 후보 분포를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함하며, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계 이전에, 상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 후보 분포를 산출하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따른 방법은 컴퓨터 프로그램이 기록된 기록매체에 포함되어 구현될 수 있다.
본 발명의 일 실시예에 따르면, 인지적 한계를 기초로 핑거프린트를 생성하거나 정합을 판단할 수 있으며, 또한 인지적 한계를 고려하지 않고 생성된 기존의 핑거프린트 데이터베이스에 대해서도 인지적 한계를 기초로 핑거프린트의 정합을 판단할 수 있다. 따라서, 왜곡이 가해진 컨텐츠에 대해서 인간과 최대한 유사한 정합도를 갖는 핑거프린트 생성기 및 정합기를 제공할 수 있다.
도 1은 종래의 핑거프린팅에 대한 개념을 예시적으로 도시한 도면이다.
도 2는 본 발명의 제1 실시예에 따른 핑거프린트 생성 장치의 구성을 예시적으로 도시한 도면이다
도 3은 본 발명의 제1 실시예에 따른 핑거프린트 생성 장치에 따라 핑거프린트가 생성되는 과정을 예시적으로 도시한 도면이다.
도 4는 본 발명의 제1 실시예에 따른 핑거프린트 생성 과정에서 인지적 한계를 개념적으로 도시한 도면이다
도 5는 본 발명의 제1 실시예에 따른 핑거프린트 생성 방법의 과정을 예시적으로 도시한 도면이다.
도 6은 본 발명의 제2 실시예에 따른 핑거프린트 생성 과정을 예시적으로 도시한 도면이다.
도 7은 본 발명의 제3 실시예에 따른 핑거프린트 생성 과정을 예시적으로 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
한편, 본 발명의 일 실시예에서 제시하는 방법은 적어도 일부의 소프트웨어와 하드웨어의 하이브리드 구현 방식으로, 프로세서 및 프로세서에 의해 실행되는 명령어들을 저장하는 메모리를 포함하는 전자 디바이스 또는 컴퓨터 프로그램에 의해 선택적으로 활성화 또는 재구성되는 프로그래밍 가능한 머신(machine)상에서 구현될 수 있다.
또한, 본 발명의 일 실시예에서 제시하는 특징들 및/또는 기능성들 중 적어도 일부는 최종 사용자 컴퓨터 시스템, 컴퓨터, 네트워크 서버 또는 서버 시스템, 모바일 컴퓨팅 디바이스(예를 들어, PDA(personal digitalassistant), 모바일 전화기, 스마트폰, 랩탑, 태블릿 컴퓨터 또는 그와 유사한 것), 소비자 전자 디바이스, 또는 임의의 다른 적합한 전자 디바이스 또는 그들의 임의의 조합과 같은 하나 이상의 범용 네트워크 호스트 머신에서 등에서 구현될 수 있다.
또한, 적어도 일부 실시예들에서, 여기에 개시된 개념 계층 구조를 생성하는 방법의 실시예의 특징들 및/또는 기능성들의 적어도 일부는 하나 이상의 가상화된 컴퓨팅 환경(예를 들어 네트워크 컴퓨팅 클라우드 또는 그와 유사한 것)에서 구현될 수 있다.
도 2는 본 발명의 제1 실시예에 따른 핑거프린트 생성 장치의 구성을 예시적으로 도시한 도면이고, 도 3은 본 발명의 제1 실시예에 따른 핑거프린트 생성 장치에 따라 핑거프린트가 생성되는 과정을 예시적으로 도시한 도면이다.
도 2 및 도 3에 도시된 핑거프린트 생성 장치(100)는 컨텐츠의 변화량이 인간이 인식할 수 없는 범위 이내인지를 고려하여 핑거프린트를 생성하는 데이터 처리 장치일 수 있으며, 이러한 데이터 처리 장치는 예를 들면 컴퓨터, 랩탑, 데스크탑, 워크스테이션 또는 서버 등을 포함하는 컴퓨팅 장치일 수 있으나 이에 한정되는 것은 아니다. 아울러, 여기서의 컨텐츠는 디지털 컨텐츠일 수 있으며 예를 들면 디지털 이미지 컨텐츠, 디지털 오디오 컨텐츠, 디지털 비디오 컨텐츠 등일 수 있으나 이에 한정되는 것은 아니며, 핑거프린트 기술이 적용 가능한 모든 형태의 디지털 컨텐츠를 포함할 수 있다.
도 2 및 도 3을 참조하면, 핑거프린트 생성 장치(100)는 특징값 추출부(110), 인지적 한계 산출부(120), 핑거프린트 생성부(130)를 포함하며, 추가적으로 핑거프린트 저장부(140)를 포함할 수 있다. 다만 이는 본 발명의 제1 실시예에 따른 것이므로 이 중 적어도 하나 이상의 구성요소를 포함하지 않거나 또는 여기에서 언급하지 않은 또 다른 구성요소를 더 포함할 수도 있다. 아울러, 이러한 구성요소는 동일한 물리적 장치에 위치하거나 또는 서로 다른 물리적 장치에 위치할 수도 있다.
특징값 추출부(110)는 핑거프린트의 생성 대상인 대상 컨텐츠(5)의 특징값을 추출한다. 이를 위해, 특징값 추출부(110)는 예를 들면 대상 컨텐츠(5)를 복수의 단위(예를 들면 N개)로 분할하여 벡터로 표현하고, 이러한 벡터를 구성하는 요소에 대한 평균값을 특징값으로 산출할 수 있으며, 이와 달리 Haar Wavelet 방식이나 Polar Fourier transform 방식을 이용하여 대상 컨텐츠(5)에 대한 특징값을 추출할 수도 있고 여기서 언급하지 않은 다른 방법에 의해서도 특징값을 추출할 수 있다. 다만, 이하에서는 대상 컨텐츠(5)를 분할(N개로)하여 벡터로 표현하고 이러한 벡터를 구성하는 요소에 대한 평균값을 특징값으로 추출하는 방식을 전제로 설명하기로 한다.
대상 컨텐츠(5)를 A라고 하면, A는 다음의 수학식 1과 같이 대상 컨텐츠(5)를 N개의 단위로 분할하였을 때, 각 단위에 대응되는 원소 A1 내지 AN을 포함하는 벡터로 표현될 수 있다.
Figure 112015045077171-pat00001
여기서, 원소 A1 내지 AN 각각은 n개의 원소를 가질 수 있고, 이에 따라 Aj는 aj1 내지 ajn을 각각 단위 원소로 포함할 수 있다. 아울러, A는 예를 들면 실수(real-valued) 벡터일 수 있다.
다음으로, 인지적 한계 산출부(120)는 인식 불가능한 특징값의 최대 변화 범위인 인지적 한계를 산출한다. 인지적 한계는 인간이 심리적 시각 문턱값(psychovisual threshold)(이하 제1 문턱값이라고 지칭) 이하의 컨텐츠 변화량은 인식할 수 없다는 인간 지각 시스템(human visual system)을 전제로, 인식 불가능한 특징값의 최대 변화 범위를 지칭한다. 이러한 인지적 한계는 제1 문턱값을 기초로 예를 들면 다음과 같은 수학식 2에 의하여 산출될 수 있다.
Figure 112015045077171-pat00002
여기서, δAj는 대상 컨텐츠 A의 j번째 원소 Aj에 대한 인지적 한계이고, λ는 컨텐츠 변화에 대한 민감도를 나타내는 미리 정해진 상수로써 핑거프린트가 사용되는 용도에 따라 그 값이 달라질 수 있으며, |GT|는 특징값을 추출하는 데 사용된 선형 변환 행렬이다.
아울러, PM(Aj)는 대상 컨텐츠 Aj에 대한 제1 문턱값을 나타내고, 이는 인간이 차이를 지각할 수 없을 정도인 콘텐츠 변화량을 의미하며, 이러한 PM(Aj)는 예를 들면 컨텐츠가 영상이면 psychovisual threshold map일 수 있고 컨텐츠가 음성이면 masking threshold으로부터 도출할 수 있다.
다음으로, 핑거프린트 생성부(130)는 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로, 대상 컨텐츠(5)를 식별하는 핑거프린트를 생성한다. 다시 말하면, 핑거프린트 생성부(130)는 인지적 한계 이내에서 특징값이 변화할 경우 이러한 변화는 인간이 인식할 수 없음을 전제로, 이러한 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 고려하여 핑거프린트 생성에 반영한다.
따라서, 본 발명의 제1 실시예에 따르면 핑거프린트를 생성함에 있어 컨텐츠의 변화가 인지적 한계 이내인지 여부를 고려할 수 있으므로 왜곡이 가해진 컨텐츠에 대해서 인간과 최대한 유사한 정합도를 갖는 핑거프린트를 제공할 수 있고, 이하에서는 인지적 한계를 고려하여 핑거프린트를 생성하는 보다 구체적인 방법에 대하여 살펴보기로 한다.
특징값이 인지적 한계 이내에서 변화할 때, 이 때의 특징값의 분포는 예를 들면 최대-최소 분포(즉, 특징값인 평균값을 기준으로 인지적 한계만큼 차이가 나는 최대값 및 최소값을 갖도록 분포), 일반적인 확률 분포(삼각형 분포(triangular distritubtion), truncated gaussian, uniform distribution 등) 등 을 가질 수 있으며, 다만 이는 예시적인 것이므로 이에 한정되지 않고 기타 다른 분포 또는 확률 분포를 가질 수 있다.
핑거프린트 생성부(130)는, 이러한 특징값에 대한 분포가 기 정의된 양자화 값을 가질 확률을 산출(생성)하고, 이를 기초로 핑거프린트를 생성한다. 여기서, 기 정의된 양자화 값을 가질 확률을 산출하기 위하여, 본 발명의 실시예에서는 기 정의된 소프트 양자화 비닝(soft quantization binning)을 이용할 수 있다. 소프트 양자화 비닝에서는, 만약 양자화기가 k-bit인 경우 임의의 d-차원의 공간을 2k개수의 비닝으로 구획할 수 있고, 각 비닝에 할당된 양자화된 값이 존재한다. 이에 따르면, 특징값에 대한 분포가 기 정의된 양자화 값을 가질 확률은, 특징값에 대한 분포가 각 비닝에 포함될 확률을 의미할 수 있다.
이러한 소프트 양자화 비닝을 이용하는 방법에 대하여 도 4를 참조하여 보다 구체적으로 살펴보기로 한다. 도 4는 소프트 양자화 비닝과 인지적 한계를 기초로 확률을 생성하는 방법을 개념적으로 도시한 도면이다. 도 4에서 별표로 표시된 특징값의 원소는, 복수의 구획으로 구분된 전체 비닝 중에서 점선으로 표시된 부분의 넓이만큼의 확률로 각 비닝에 포함될 확률을 가지며, 이러한 확률은 다음과 같은 수학식 3을 이용하여 표현될 수 있다.
Figure 112015045077171-pat00003
여기서, P(H* Q∈Rj)는 특징값의 한 원소인 H* Q가 특정 비닝 Rj에 포함될 확률을 의미한다.
아울러, 수학식 4는 특징값의 분포가 삼각형 분포인 경우, 특징값의 원소가 특정 비닝에 포함될 확률을 나타낸다.
Figure 112015045077171-pat00004
Figure 112015045077171-pat00005
Figure 112015045077171-pat00006
핑거프린트 생성부(130)는 이러한 확률을 기초로 핑거프린트를 생성하는데, 확률을 기초로 핑거프린트를 생성하는 방법 자체는 공지된 기술이므로 이에 대한 설명은 생략하기로 한다.
핑거프린트 저장부(140)는 핑거프린트 생성부(130)가 생성한 핑거프린트를 저장한다. 이를 위해 핑거프린트 저장부(140)는 적어도 하나의 테이블로 구현되는 데이터베이스일 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 제1 실시예에 따르면 핑거프린트를 생성함에 있어 컨텐츠의 변화가 인지적 한계 이내인지 여부를 고려할 수 있으므로 왜곡이 가해진 컨텐츠에 대해서 인간과 최대한 유사한 정합도를 갖는 핑거프린트를 제공할 수 있다.
도 5는 본 발명의 제1 실시예에 따른 핑거프린트 생성 방법의 과정을 예시적으로 도시한 도면이다.
먼저, 본 발명의 제1 실시예에 따른 핑거프린트 생성 방법은 도 2에 도시된 핑거프린트 생성 장치를 이용하여 수행될 수 있다.
도 5를 참조하면, 핑거프린트 생성 방법은 대상 컨텐츠의 특징값을 추출하는 단계(S110), 인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계(S120) 및 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로 대상 컨텐츠를 식별하는 핑거프린트를 생성하는 단계(S130)를 포함할 수 있으며, 다만 이러한 단계 이외에 또 다른 단계를 포함할 수 있고 아울러 여기서 제시한 단계 중 적어도 어느 하나의 단계를 포함하지 않거나 여기서 제시하지 않은 또 다른 단계를 추가로 포함할 수 있다.
대상 컨텐츠의 특징값을 추출하는 단계(S100)는 특징값 추출부(110)에 의해 수행될 수 있으며, 핑거프린트의 생성 대상인 대상 컨텐츠(5)의 특징값을 추출한다. 이 때, 예를 들면 대상 컨텐츠(5)를 복수의 단위(예를 들면 N개)로 분할한 뒤 각 단위에 대한 평균값을 특징값으로 추출할 수 있음은 전술한 바와 같다.
인식 불가능한 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계(S120)는 인지적 한계 산출부(120)에 의해 수행될 수 있으며, 인간 지각 시스템(human visual system)에서의 제1 문턱값을 기초로 인지적 한계를 산출함은 전술한 바와 같다.
인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로 대상 컨텐츠(5)를 식별하는 핑거프린트를 생성하는 단계(S130)는 핑거프린트 생성부(130)에 의해 수행될 수 있으며, 이를 통해 특징값의 변화 모두를 반영하여 핑거프린트를 생성하는 것이 아니라 특징값의 변화가 인지적 한계 이내인지 여부를 고려하여 핑거프린트 생성에 반영할 수 있음은 전술한 바와 같다.
따라서, 본 발명의 제1 실시예에 따르면 핑거프린트를 생성함에 있어 컨텐츠의 변화가 인지적 한계 이내인지 여부를 고려할 수 있으므로 왜곡이 가해진 컨텐츠에 대해서 인간과 최대한 유사한 정합도를 갖는 핑거프린트를 제공할 수 있다.
이하에서는, 도 2 내지 도 5에서 설명한 기술적 사상을 참조하여, 본 발명의 제1 실시예에 따른 핑거프린트를 생성하는 방법을 예를 들어 설명하기로 한다.
대상 컨텐츠를 X라고 하고, X를 수학식 1과 같이 부분으로 분할할 때, i번째로 분할된 벡터인 Xi 는 Xi = [100, 50, 150, 100]으로 표현된다고 하자. 이 때, 특징값 추출부(110)에서 Xi의 특징값은 100, 50, 150, 100의 평균값인 100 으로 정하기로 하자.
다음으로, 인지적 한계 산출부(120)는 각 원소에 대한 인지적 한계를 산출하는데, 이 때 전술한 수학식 2를 이용할 수 있되 여기서는 편의상 다음과 같이 벡터의 각 구성의 10%를 인지적 한계라고 하자. 이 경우, Xi 의 각 원소에 대한 인지적 한계 dXi = [10, 5, 15, 10]이 된다.
이러한 인지적 한계를 고려하여 Xi의 각 원소의 변화 범위를 구해보면, Xi(1)은 90~110 사이, Xi(2)는 45~55 사이, Xi(3)는 135~165 사이, Xi(4)은 90~110 사이가 되며, 따라서 Xi의 평균값의 최소는 90(=(90+45+135+90)/4), 최대는 110(=(110+55+165+110)/4)이 된다. 즉, 특징값의 인지적 한계 이내에서의 변화 범위는 90~110 사이이다.
다음으로, 핑거프린트 생성부(130)는 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로, 대상 컨텐츠(5)를 식별하는 핑거프린트를 생성한다. 여기서, 인지적 한계 이내에서 변화하는 특징값에 대한 분포가 uniform distribution이라고 가정하자. 아울러, 소프트 양자화 비닝(soft quantization binning)을 이용하는 것을 기준으로, 양자화 비닝이 [75, 85, 95, 105, 115, 125]와 같은 경계치를 갖는다고 가정하자.
이를 기초로 살펴보면, 소프트 양자화 비닝의 결과 특징값은 90과 110 사이에서 uniform 하게 변화하므로, 75와 85 사이에서는 0, 85과 95 사이에서 5, 95와 105 사이에서 10, 105와 115 사이에서 5, 115와 125 사이에서는 0만큼이 겹쳐진다. 따라서, 소프트 양자화 비닝의 결과 [0, 5, 10, 5, 0]/(0+5+10+5+0) = [0, 1/4, 1/2, 1/4, 0]의 확률이 생성된다.
마지막으로, 핑거프린트 생성부(130)는 각 비닝에 대한 이러한 확률을 기초로 양자화 값을 생성한다.
이하에서는, 본 발명의 제1 실시예에서의 핑거프린트를 생성하는 기술적 특징을, 핑거프린트 정합 장치 및 정합 방법에 적용한 다양한 실시예에 대하여 살펴보기로 한다.
도 6은 본 발명의 제2 실시예에 따른 핑거프린트 정합 장치 및 정합 방법을 예시적으로 도시한 도면이다.
도 6을 참조하면, 본 발명의 제2 실시예에 따른 핑거프린트 정합 장치는, 후보 컨텐츠(1)에 대한 후보 핑거프린트가 대상 컨텐츠(5)의 특징값에 대한 분포에 포함될 확률을 기초로 정합 여부를 판단한다.
보다 구체적으로 살펴보면, 본 발명의 제2 실시예에 따른 핑거프린트 정합 장치(200a)는 정합(matching) 대상이 되는 대상 컨텐츠(5)의 특징값을 추출하는 특징값 추출부(210), 인식 불가능한 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부(220), 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 생성하는 핑거프린트 생성부(230) 및 복수의 후보 컨텐츠(1) 각각에 대하여 기 저장된 후보 핑거프린트가 대상 컨텐츠(5)의 특징값에 대한 분포에 포함될 확률을 기초로 대상 컨텐츠(5)의 정합 정도를 판단하는 정합부(250)를 포함할 수 있다.
여기서, 특징값 추출부(210) 및 인지적 한계 산출부(220)는 본 발명의 제1 실시예에 따른 핑거프린트 생성 장치와 동일하므로 설명은 생략하기로 한다.
핑거프린트 생성부(230)는 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 생성한다. 여기서, 특징값에 대한 분포를 산출하는 방법은 본 발명의 제1 실시예에서 핑거프린트 생성부(130)에 대한 설명과 함께 이미 설명하였으므로, 이에 대한 설명은 생략하기로 한다.
정합부(250)는 후보 핑거프린트가 대상 컨텐츠(5)의 특징값에 대한 분포에 포함될 확률을 기초로 정합 정도를 판단하며, 다만 정합 정도를 판단하는 것은 공지된 기술이므로 이에 대한 자세한 설명은 생략하기로 한다.
여기서, 후보 핑거프린트는 도 6에 도시된 바와 같이 인지적 한계에 대한 고려 없이, 핑거프린트 생성부(3)가 곧바로 후보 특징값을 양자화하여 생성한 종래의 방식에 따라 생성된 핑거프린트이다.
따라서, 본 발명의 제2 실시예에 따르면 인지적 한계를 고려하지 않고 생성된 기존의 핑거프린트를 포함하는 데이터베이스에 대해서, 인지적 한계를 기초로 핑거프린트의 정합을 판단할 수 있다.
한편, 본 발명의 제3 실시예에 따른 핑거프린트 정합 장치 및 정합 방법은 도 6에서 도시한 본 발명의 제2 실시예에 따른 핑거프린트 정합 장치 및 정합 방법과 핑거프린트 생성부(230) 및 정합부(250)를 제외하고는 모두 동일하다.
핑거프린트 생성부(230)는 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로 쿼리 핑거프린트를 생성하며, 정합부(250)는 후보 핑거프린트와 쿼리 핑거프린트 간의 정합을 판단한다.
이 때, 정합부(250)는 예를 들면 핑거프린트 간의 거리를 계산하는 공지된 방식인 해밍 거리(Hamming Distance)를 이용하여 후보 핑거프린트와 쿼리 핑거프린트 간의 정합을 판단할 수 있으나 이에 한정되는 것은 아니다.
아울러, 제3 실시예에서 후보 핑거프린트는 인지적 한계에 대한 고려 없이 핑거프린트 생성부(3)가 곧바로 후보 특징값을 양자화하여 생성한 핑거프린트이다.
따라서, 본 발명의 제3 실시예에 따르면 인지적 한계를 고려하지 않고 생성된 기존의 핑거프린트를 포함하는 데이터베이스에 대해서, 인지적 한계를 기초로 핑거프린트의 정합을 판단할 수 있다.
도 7은 본 발명의 제4 실시예에 따른 핑거프린트 정합 장치 및 정합 방법을 예시적으로 도시한 도면이다.
도 7을 참조하면, 본 발명의 제4 실시예에 따른 핑거프린트 정합 장치는, 후보 컨텐츠(1)에 대한 후보 핑거프린트와 대상 컨텐츠(5)에 대한 쿼리 핑거프린트 간의 정합을 판단한다.
보다 구체적으로 살펴보면, 본 발명의 제4 실시예에 따른 핑거프린트 정합 장치(200b)는 정합(matching) 대상이 되는 대상 컨텐츠(5)의 특징값을 추출하는 특징값 추출부(210), 인식 불가능한 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부(220), 인지적 한계 이내에서 변화하는 특징값에 대한 분포를 기초로 특징값에 대한 쿼리 핑거프린트를 생성하는 핑거프린트 생성부(230) 및 복수의 후보 컨텐츠(1) 각각에 대하여 기 저장된 후보 핑거프린트와 쿼리 핑거프린트 간의 정합을 판단하는 정합부(250)를 포함할 수 있다.
여기서, 특징값 추출부(210), 인지적 한계 산출부(220), 핑거프린트 생성부(230) 및 정합부(250)는 본 발명의 제3 실시예에 따른 핑거프린트 정합 장치와 동일하므로 설명은 생략하기로 한다.
여기서, 후보 핑거프린트는 후보 특징값에 대한 인지적 한계를 기초로 후보 특징값(1)에 대한 분포를 산출하여 생성한 것이며, 이러한 후보 특징값(1)에 대한 분포는, 후보 특징값에 대한 인지적 한계 이내에서의 후보 특징값에 대한 확률 분포일 수 있다.
따라서, 본 발명의 제4 실시예에 따르면 핑거프린트의 생성 및 정합 모두에 있어서 인지적 한계를 기초로 핑거프린트를 생성하고 정합을 판단할 수 있으며 이에 따라 왜곡이 가해진 컨텐츠에 대해서 인간과 최대한 유사한 정합도를 갖는 핑거프린트 정합 장치 및 방법을 제공할 수 있다.
한편, 본 발명의 제5 실시예에 따른 핑거프린트 정합 장치 및 정합 방법은 후보 컨텐츠(1)에 대한 인지적 한계를 고려한 후보 분포와 대상 컨텐츠(5)에 대한 인지적 한계를 고려한 쿼리 분포를 기초로 정합을 판단한다.
이러한 본 발명의 제5 실시예에 따른 핑거프린트 정합 장치 및 정합 방법은 도 7에 도시된 본 발명의 제4 실시예에 따른 핑거프린트 정합 장치 및 정합 방법과 대상 컨텐츠(5)에 대한 핑거프린트 생성부(230), 후보 컨텐츠에 대한 핑거프린트 생성부(130) 및 정합부(250)를 제외하고는 모두 동일하다.
대상 컨텐츠(5)에 대한 핑거프린트 생성부(230)는 대상 컨텐츠(5)에 대한 인지적 한계를 기초로 대상 컨텐츠의 특징값에 대한 쿼리 분포를 산출하며, 후보 컨텐츠(1)에 대한 핑거프린트 생성부(130)는 후보 컨텐츠(1)에 대한 인지적 한계를 기초로 후보 컨텐츠의 후보 특징값에 대한 후보 분포를 산출한다.
아울러, 정합부(250)는 후보 분포와 대상 컨텐츠(5)의 특징값에 대한 쿼리 분포가 겹쳐지는 정도를 정합 정도로 판단한다. 예를 들면, 겹쳐지는 정도가 기 설정된 제1 기준값 이상이면 정합된 것으로 판단한다.
이상에서 살펴본 바와 같이 본 발명의 일 실시예에 따르면, 인지적 한계를 기초로 핑거프린트를 생성하거나 정합을 판단할 수 있으며 또한 인지적 한계를 고려하지 않고 생성된 기존의 핑거프린트 데이터베이스에 대해서도 인지적 한계를 기초로 핑거프린트의 정합을 판단할 수 있으므로, 컨텐츠에 왜곡이 있는 경우에도 상대적으로 높은 정합도를 도출할 수 있고 이를 통해 핑거프린트의 식별성(pairwise independence)과 강인성(robustness)을 향상시킬 수 있다.
아울러, 본 발명의 일 실시예에 따른 방법은 컴퓨터 프로그램이 기록된 기록매체에 구현될 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 핑거프린트 생성 장치
200 : 핑거프린트 정합 장치

Claims (21)

  1. 대상 컨텐츠의 특징값을 추출하는 특징값 추출부;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부; 및
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 대상 컨텐츠를 식별하는 핑거프린트를 생성하는 핑거프린트 생성부를 포함하며,
    상기 특징값에 대한 분포는,
    상기 인지적 한계 이내에서의 상기 특징값에 대한 확률 분포인 것을 특징으로 하는
    핑거프린트 생성 장치.
  2. 제 1 항에 있어서,
    상기 인지적 한계는,
    인간 시각 시스템(human visual system) 모델에서의 기 설정된 제1 문턱값을 기초로 산출되는
    핑거프린트 생성 장치.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 핑거프린트 생성부는,
    상기 특징값에 대한 분포가 기 정의된 소프트 양자화 비닝(soft quantization binning)을 구성하는 각각의 비닝에 포함될 확률을 기초로 상기 핑거프린트를 생성하는
    핑거프린트 생성 장치.
  5. 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 생성하는 핑거프린트 생성부; 및
    복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트가 상기 분포에 포함될 확률을 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함하는
    핑거프린트 정합 장치.
  6. 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로 상기 대상 컨텐츠를 식별하는 쿼리 핑거프린트를 생성하는 핑거프린트 생성부; 및
    복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트와 상기 쿼리 핑거프린트를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함하며,
    상기 특징값 추출부는 상기 복수의 후보 컨텐츠 각각에 대한 후보 특징값을 추출하고,
    상기 인지적 한계 산출부는 상기 후보 특징값에 대한 인지적 한계를 산출하며,
    상기 핑거프린트 생성부는, 상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 상기 후보 핑거프린트를 생성하는
    핑거프린트 정합 장치.
  7. 제 5 항 또는 제 6 항에 있어서,
    상기 후보 핑거프린트는,
    상기 복수의 후보 컨텐츠 각각에 대한 후보 특징값을 양자화하여 생성된
    핑거프린트 정합 장치.
  8. 제 5 항에 있어서,
    상기 특징값 추출부는 상기 복수의 후보 컨텐츠 각각에 대한 후보 특징값을 추출하고,
    상기 인지적 한계 산출부는 상기 후보 특징값에 대한 인지적 한계를 산출하며,
    상기 핑거프린트 생성부는, 상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 상기 후보 핑거프린트를 생성하는
    핑거프린트 정합 장치.
  9. 제 8 항에 있어서,
    상기 후보 특징값에 대한 분포는,
    상기 후보 특징값에 대한 인지적 한계 이내에서의 상기 후보 특징값에 대한 확률 분포인 것을 특징으로 하는
    핑거프린트 정합 장치.
  10. 정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 특징값 추출부;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 인지적 한계 산출부;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 특징값에 대한 쿼리 분포를 생성하는 핑거프린트 생성부; 및
    상기 쿼리 분포와 복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 분포를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 정합부를 포함하며,
    상기 후보 분포는,
    상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 산출되는
    핑거프린트 정합 장치.
  11. 핑거프린트 생성 장치에 의하여 수행되는 핑거프린트 생성 방법으로써,
    대상 컨텐츠의 특징값을 추출하는 단계;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계; 및
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 대상 컨텐츠를 식별하는 핑거프린트를 생성하는 단계를 포함하며,
    상기 특징값에 대한 분포는,
    상기 인지적 한계 이내에서의 상기 특징값에 대한 확률 분포인 것을 특징으로 하는
    핑거프린트 생성 방법.
  12. 제 11 항에 있어서,
    상기 인지적 한계는,
    인간 시각 시스템(human visual system) 모델에서의 기 설정된 제1 문턱값을 기초로 산출되는
    핑거프린트 생성 방법.
  13. 삭제
  14. 제 11 항에 있어서,
    상기 핑거프린트를 생성하는 단계는,
    상기 특징값에 대한 분포가 기 정의된 소프트 양자화 비닝(soft quantization binning)을 구성하는 각각의 비닝에 포함될 확률을 기초로 상기 핑거프린트를 생성하는
    핑거프린트 생성 방법.
  15. 핑거프린트 정합 장치에 의하여 수행되는 핑거프린트 정합 방법으로써,
    정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 생성하는 단계; 및
    복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트가 상기 분포에 포함될 확률을 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함하는
    핑거프린트 정합 방법.
  16. 핑거프린트 정합 장치에 의하여 수행되는 핑거프린트 정합 방법으로써,
    정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로 상기 대상 컨텐츠를 식별하는 쿼리 핑거프린트를 생성하는 단계; 및
    복수의 후보 컨텐츠 각각에 대하여 기 저장된 후보 핑거프린트와 상기 쿼리 핑거프린트를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함하며,
    상기 대상 컨텐츠의 정합 정도를 판단하는 단계 이전에,
    상기 복수의 후보 컨텐츠에 대한 후보 특징값을 추출하는 단계;
    상기 후보 특징값에 대한 인지적 한계를 산출하는 단계; 및
    상기 후보 특징값의 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 상기 후보 핑거프린트를 생성하는 단계를 더 포함하는
    핑거프린트 정합 방법.
  17. 제 15 항 또는 제 16 항에 있어서,
    상기 대상 컨텐츠의 정합 정도를 판단하는 단계 이전에,
    상기 복수의 후보 컨텐츠 각각에 대한 후보 특징값을 양자화하여 상기 후보 핑거프린트를 생성하는 단계를 더 포함하는
    핑거프린트 정합 방법.
  18. 제 15 항에 있어서,
    상기 대상 컨텐츠의 정합 정도를 판단하는 단계 이전에,
    상기 복수의 후보 컨텐츠에 대한 후보 특징값을 추출하는 단계;
    상기 후보 특징값에 대한 인지적 한계를 산출하는 단계; 및
    상기 후보 특징값의 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 분포를 기초로 상기 후보 핑거프린트를 생성하는 단계를 더 포함하는
    핑거프린트 정합 방법.
  19. 제 18 항에 있어서,
    상기 후보 특징값에 대한 분포는,
    상기 후보 특징값에 대한 인지적 한계 이내에서의 상기 후보 특징값에 대한 확률 분포인 것을 특징으로 하는
    핑거프린트 정합 방법.
  20. 핑거프린트 정합 장치에 의하여 수행되는 핑거프린트 정합 방법으로서,
    정합(matching) 대상이 되는 대상 컨텐츠의 특징값을 추출하는 단계;
    인식 불가능한 상기 특징값의 최대 변화 범위인 인지적 한계를 산출하는 단계;
    상기 인지적 한계 이내에서 변화하는 상기 특징값에 대한 분포를 기초로, 상기 특징값에 대한 쿼리 분포를 산출하는 단계; 및
    상기 쿼리 분포와 복수의 후보 컨텐츠 각각에 대하여 기 저장된 상기 후보 컨텐츠 각각에 대한 후보 분포를 기초로, 상기 대상 컨텐츠의 정합 정도를 판단하는 단계를 포함하며,
    상기 대상 컨텐츠의 정합 정도를 판단하는 단계 이전에,
    상기 후보 특징값에 대한 인지적 한계 이내에서 변화하는 상기 후보 특징값에 대한 후보 분포를 산출하는 단계를 더 포함하는
    핑거프린트 정합 방법.
  21. 제 11 항, 제 15 항, 제 16 항 또는 제 20 항 중 어느 한 항의 방법에 포함된 각 단계가 컴퓨터에 의하여 수행되도록 프로그램된 컴퓨터 프로그램이 기록된 판독 가능한 기록매체.
KR1020150065613A 2015-05-11 2015-05-11 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법 KR101648966B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150065613A KR101648966B1 (ko) 2015-05-11 2015-05-11 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150065613A KR101648966B1 (ko) 2015-05-11 2015-05-11 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101648966B1 true KR101648966B1 (ko) 2016-08-30

Family

ID=56886144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150065613A KR101648966B1 (ko) 2015-05-11 2015-05-11 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101648966B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120077542A1 (en) * 2010-05-05 2012-03-29 Rhoads Geoffrey B Methods and Arrangements Employing Mixed-Domain Displays
KR101494309B1 (ko) * 2013-10-16 2015-02-23 강릉원주대학교산학협력단 디지털 컨텐츠를 위한 비대칭형 핑거프린트 정합 시스템 및 그 제공방법
KR20150027011A (ko) 2013-09-03 2015-03-11 삼성전자주식회사 영상 처리 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120077542A1 (en) * 2010-05-05 2012-03-29 Rhoads Geoffrey B Methods and Arrangements Employing Mixed-Domain Displays
KR20150027011A (ko) 2013-09-03 2015-03-11 삼성전자주식회사 영상 처리 방법 및 장치
KR101494309B1 (ko) * 2013-10-16 2015-02-23 강릉원주대학교산학협력단 디지털 컨텐츠를 위한 비대칭형 핑거프린트 정합 시스템 및 그 제공방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
박만수 외, 실제 잡음 환경에 강인한 오디오 핑거프린팅 기법, Telecommunications Review, 16권3호, pp.435-446, 2006.* *
서진수 외, 압축 도메인 특징을 이용한 강인한 오디오 핑거프린팅, 한국음향학회지 28권4호, pp.375-382, 2009. *

Similar Documents

Publication Publication Date Title
US11244435B2 (en) Method and apparatus for generating vehicle damage information
CN106446816B (zh) 人脸识别方法及装置
US9977995B2 (en) Image clustering method, image clustering system, and image clustering server
CN108053545B (zh) 证件验真方法和装置、服务器、存储介质
CN111814472B (zh) 文本识别方法、装置、设备及存储介质
CN111243601B (zh) 声纹聚类方法、装置、电子设备和计算机可读存储介质
EP2657884A2 (en) Identifying multimedia objects based on multimedia fingerprint
CN111191568A (zh) 翻拍图像识别方法、装置、设备及介质
CN103839041A (zh) 客户端特征的识别方法和装置
CN112084470B (zh) 用户身份认证方法、装置、用户终端及服务器
KR20120066462A (ko) 얼굴 인식 방법 및 시스템, 얼굴 인식을 위한 학습용 특징 벡터 추출 장치 및 테스트용 특징 벡터 추출 장치
CN116824339A (zh) 图像处理方法及装置
CN111931152B (zh) 基于区块链的电子签名校验、电子签名方法及装置
US12112383B2 (en) Methods for determining image content when generating a property loss claim through predictive analytics
Eid et al. Development of Iris Security System Using Adaptive Quality-Based Template Fusion
CN110390083B (zh) 近似案件的推送方法、装置、计算机设备和存储介质
CN111931148A (zh) 图像处理方法、装置和电子设备
KR101648966B1 (ko) 인지적 한계를 기초로 핑거프린트의 생성 또는 정합을 수행하는 장치 및 방법
GB2546567A (en) Method of associating a person with a digital object
CN115410281A (zh) 电子签名识别方法、装置、设备及存储介质
CN110704592A (zh) 语句分析处理方法、装置、计算机设备和存储介质
CN110348361B (zh) 皮肤纹理图像验证方法、电子设备及记录介质
CN110909331A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113837287B (zh) 证件异常信息识别方法、装置、设备及介质
TWI786977B (zh) 手指真偽識別方法、電子裝置及存儲介質

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: 20190812

Year of fee payment: 4