KR101841192B1 - 온라인 만화 식별 시스템 및 방법 - Google Patents
온라인 만화 식별 시스템 및 방법 Download PDFInfo
- Publication number
- KR101841192B1 KR101841192B1 KR1020160152738A KR20160152738A KR101841192B1 KR 101841192 B1 KR101841192 B1 KR 101841192B1 KR 1020160152738 A KR1020160152738 A KR 1020160152738A KR 20160152738 A KR20160152738 A KR 20160152738A KR 101841192 B1 KR101841192 B1 KR 101841192B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- group information
- feature point
- content
- minutiae
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000000284 extract Substances 0.000 claims description 34
- 238000010606 normalization Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 18
- 230000004069 differentiation Effects 0.000 claims 2
- 238000007796 conventional method Methods 0.000 abstract description 5
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 86
- 238000010586 diagram Methods 0.000 description 7
- 239000000470 constituent Substances 0.000 description 6
- 241000949477 Toona ciliata Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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]
-
- 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
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0052—Embedding of the watermark in the frequency domain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 온라인 만화 식별 시스템 및 방법에 관한 것으로서, 더욱 상세히는 웹툰과 같이 온라인을 통해 제공되는 온라인 만화를 복제하여 생성한 복제 파일과 온라인 만화의 원본 이미지에서 각각 추출된 특징점을 기반으로 상호 비교하여 용이하게 불법 복제된 온라인 만화를 식별할 수 있도록 제공함으로써 온라인 만화의 불법 유통을 방지할 수 있도록 한 온라인 만화 식별 시스템 및 방법에 관한 것이다. 본 발명은 기존과 같이 전체 영역에 대하여 이미지를 기반으로 특징점을 추출하는 방식과 달리 이미지의 주파수 특성을 기반으로 특징점을 추출하며, 이를 기반으로 불법 복제 컨텐츠와 온라인 만화 컨텐츠 각각으로부터 추출된 특징점을 상호 비교함으로써, 불법 복제 컨텐츠와 온라인 만화 컨텐츠 모두 픽셀 변화에 따른 주파수 특성이 동일하여 상기 특징점의 위치 및 분포가 변화하지 않아 불법 복제 컨텐츠의 특징점과 온라인 만화 컨텐츠의 특징점을 정확하게 매칭시킬 수 있으며, 이를 통해 불법 복제 컨텐츠의 식별 정확도를 높이는 효과가 있다.
Description
본 발명은 온라인 만화 식별 시스템 및 방법에 관한 것으로서, 더욱 상세히는 웹툰과 같이 온라인을 통해 제공되는 온라인 만화를 복제하여 생성한 복제 파일과 온라인 만화의 원본 이미지에서 각각 추출된 특징점을 기반으로 상호 비교하여 용이하게 불법 복제된 온라인 만화를 식별할 수 있도록 제공함으로써 온라인 만화의 불법 유통을 방지할 수 있도록 한 온라인 만화 식별 시스템 및 방법에 관한 것이다.
현재 네트워크를 통한 온라인(online)을 매개로 하는 컨텐츠(contents) 게재 및 공유 기능이 활성화되어 있으며, 이를 통해 컨텐츠를 제작하여 유통하는 저작권자는 다양한 포탈 사이트를 통해 자신의 컨텐츠를 업로드하여 유통하고 있으며, 이에 따라 사용자는 다양한 컨텐츠 저작물을 온라인을 통해 용이하게 습득할 수 있다.
그러나, 온라인을 통한 컨텐츠의 습득이 용이해짐에 따라 온라인을 통한 컨텐츠 복제가 더욱 용이해졌으며, 이로 인해 포탈 사이트를 통해 게재된 컨텐츠를 캡처하거나 스캔 툴을 이용하여 스캔함으로써 복제 컨텐츠를 생성하고 이를 불법으로 온라인을 통해 유통시키는 불법 사례의 빈도가 더욱 증가하고 있다.
이에 따라, 저작권자의 권리가 무분별하게 침해되고 있을 뿐 아니라 저작물에 대한 정당한 비용을 제공하고 컨텐츠를 구독하는 사용자 역시 피해를 입고 있다.
이러한 컨텐츠 중에서도 웹툰(web toon)과 같은 온라인 만화 관련 컨텐츠는 가장 인기가 많은 컨텐츠 중 하나이며, 이로 인해 가장 많은 불법 복제 컨텐츠가 난무하는 상황이어서, 현재 이러한 온라인 만화와 관련된 불법 복제 컨텐츠를 예방하기 위한 다양한 기술을 적용하여 불법 복제 컨텐츠를 식별하고 예방하기 위한 기술이 등장하고 있다.
일례로, 종이로 구성된 만화책을 스캔하여 이미지 파일 형태로 생성한 불법 스캔 만화를 식별하기 위하여 불법 스캔 만화에서 연속된 이미지의 특징점을 추출한 후 원본만화에서 추출된 특징점과 비교함으로써 일치 여부에 따라 불법 복제 여부를 식별하는 기술을 온라인 만화의 불법 복제 컨텐츠를 식별하기 위한 용도로 적용하는 방법이 있다.
그러나, 페이지 및 이미지 사이즈 단위가 명확하고 다수의 페이지로 구성되어 연속된 페이지의 특징점 추출이 용이한 스캔 만화와 달리 회차 단위의 단일 이미지로 구성되는 온라인 만화 관련 컨텐츠를 복제한 불법 복제 컨텐츠에 대하여 페이지의 명확한 구분을 전제로 하는 상술한 불법 스캔 만화의 식별을 위한 특징점 추출 방식을 적용하는데 어려움이 있다.
이를 개선하기 위해, 온라인 만화 컨텐츠를 복제한 불법 복제 컨텐츠를 구성하는 개별 이미지의 모든 특징점들을 추출하여 순서대로 비교하는 방안이 제안되고 있으나, 이러한 방안을 적용하기 위해서는 온라인 만화 컨텐츠의 전체 영역에서 온라인 만화 컨텐츠에서 추출된 특징점이 위치하는 공간 영역에 대응되는 영역을 불법 복제 컨텐츠에서 식별하는 것이 선행되어야 한다.
그러나, 불법 복제자는 특정 회차의 온라인 만화 컨텐츠를 임의의 다양한 사이즈로 변경하거나 일부를 클리핑하여 불법 복제 컨텐츠를 생성하므로, 상술한 방안 적용시 온라인 만화 컨텐츠에서 추출된 특징점에 대응되는 공간 영역을 불법 복제 컨텐츠에서 특정하기가 어려워 모든 특징점을 추출하더라도 이를 매칭시키기 어려울 뿐만 아니라 하나의 이미지 식별을 위해 수많은 특징점 데이터 추출이 요구되고 이로 인해 연산량이 대폭 증가하게 되어 불법 복제 컨텐츠 하나를 식별하기 위해 상당한 처리 시간이 요구된다. 이와 같은 방안은 비효율적일 뿐만 아니라 성능 보장 역시 힘든 문제점이 있다.
따라서, 상술한 문제점을 개선하여 온라인을 통해 게재된 온라인 만화를 복제한 불법 복제 컨텐츠를 간단하게 식별하고, 이를 통해 불법 복제 컨텐츠의 유통을 사전에 차단할 수 있는 대안이 요구되고 있다.
본 발명은 회차 단위의 단일 이미지로 구성된 온라인 만화 컨텐츠를 복제한 불법 복제 컨텐츠에 대하여 온라인 만화 컨텐츠와 비교가 용이한 특징점을 추출할 수 있는 방안을 제시하며, 연산량 및 처리시간을 대폭 줄이면서 온라인 만화 컨텐츠와 불법 복제 컨텐츠를 상호 비교할 수 있도록 지원하여 불법 복제 컨텐츠를 정확히 식별하고 이를 통해 불법 복제 컨텐츠의 유통을 차단할 수 있도록 지원하는데 그 목적이 있다.
또한, 본 발명은 온라인 만화 컨텐츠를 불법 복제하는 과정에서 색상이나 색조를 변경하여 노이즈가 삽입된 불법 복제 컨텐츠에 대해서도 특징점 추출을 통한 특징점 사이의 상관관계에 따른 배치 패턴을 기준으로 온라인 만화 컨텐츠와 용이하게 비교하여 불법 복제 컨텐츠를 식별할 수 있도록 지원하는데 그 목적이 있다.
본 발명의 실시예에 따른 온라인 만화 식별 시스템은 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별 원본 이미지의 특징점에 대한 회차별 기준 특징점 정보가 상기 온라인 만화 컨텐츠의 각 회차에 대응되는 컨텐츠 정보와 매칭되어 저장된 저장부와, 식별 대상 이미지를 수신하여 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성하는 정규화부와, 상기 정규화 이미지의 일측 방향으로 FFT(Fast Fourier Transform)를 적용하여 얻어진 상기 정규화 이미지의 주파수 특성 중 절반을 주파수 특성 정보로 산출하고, 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고, 시간대별로 주파수 특성을 미리 설정된 조건에 따라 복수의 영역으로 분리한 후 상기 영역별로 설정된 기준 이상의 주파수값을 각각 특징점으로 설정한 특징점 정보를 생성하는 특징점 추출부 및 상기 특징점 정보를 상기 기준 특징점 정보와 비교하여 상기 특징점 정보와 일치하는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우 해당 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 저장부로부터 추출하여, 상기 식별 대상 이미지를 상기 추출된 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 판단부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 영역별로 주파수 평균값을 산출하고, 상기 주파수 평균값을 상기 기준치로 설정하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 시간대와 상기 주파수값을 기초로 상기 특징점 정보에 포함된 각 특징점의 순서를 설정하며, 상기 특징점 정보에 포함된 복수의 특징점 중 미리 설정된 규칙에 따라 하나 이상의 대표 특징점을 설정하고, 상기 대표 특징점을 제외한 나머지 특징점별로 순서가 연속되는 미리 설정된 개수의 특징점을 그룹핑하여 상기 특징점 정보에 대응되어 복수의 그룹정보를 생성한 후 상기 판단부로 제공하며, 상기 저장부에는 서로 다른 기준 특징점 정보 각각에 대응되어 상기 특징점 추출부에 의해 생성된 복수의 기준 그룹정보가 상기 기준 특징점 정보 및 컨텐츠 정보와 매칭 저장되고, 상기 판단부는 상기 특징점 추출부로부터 제공되는 복수의 그룹정보를 상기 저장부에 저장된 상기 컨텐츠 정보별 상기 복수의 기준 그룹정보와 비교하여 상기 복수의 그룹정보와 일치하는 상기 복수의 기준 그룹정보에 매칭된 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 그룹정보 또는 상기 기준 그룹정보에 포함된 상기 각 특징점에 대하여 상기 특징점의 주파수값과 상기 미리 설정된 규칙에 따른 상기 특징점에 대응되는 상기 대표 특징점의 주파수값 및 상기 대표 특징점과 상기 특징점 사이의 시간차를 기초로 주소 정보를 생성하여 상기 그룹정보 또는 상기 기준 그룹정보의 특징점에 대응되어 설정하며, 상기 판단부는 상기 그룹정보와 상기 기준 그룹정보 비교시 상기 주소 정보의 일치 여부를 기초로 상기 그룹정보와 상기 기준 그룹정보의 일치여부를 판단하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 주소정보를 정수형으로 변환하여 상기 특징점에 대응되어 설정하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 그룹정보별로 상기 그룹정보에 포함된 각 특징점의 주소 정보를 특징점의 순서에 따라 순서대로 배열하여 하나의 시퀀스 정보로 생성한 후 상기 그룹정보에 설정하여 상기 판단부로 제공하고, 상기 판단부는 상기 그룹정보와 기준 그룹정보 비교시 상기 기준 그룹정보에 미리 설정된 시퀀스 정보와 상기 그룹정보의 시퀀스 정보를 상호 비교하여 일치 여부를 판단하고, 상기 일치 여부에 따라 상기 복수의 그룹정보와 일치하는 복수의 기준 그룹 정보를 식별하고, 식별된 복수의 기준 그룹 정보에 공통으로 매칭된 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 동일한 상기 시퀀스 정보에 대응되어 동일 인덱스를 생성하는 미리 설정된 알고리즘에 따라 상기 시퀀스 정보에 대응되어 인덱스 정보를 생성하여 상기 그룹정보에 설정하고, 상기 특징점 추출부는 상기 그룹정보와 기준 그룹 정보의 비교시 상기 인덱스 정보를 이용하여 상호 비교하여 상기 일치 여부를 판단하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 복수의 그룹정보 각각에 대하여 상기 특징점 정보를 기초로 상기 미리 설정된 규칙에 따라 상기 그룹정보에 대응되는 상기 대표 특징점의 시간값을 상기 그룹정보에 설정하고, 상기 판단부는 상기 복수의 기준 그룹정보 각각에 미리 설정된 대표 특징점과 상기 그룹정보에 설정된 대표 특징점을 비교하여 상기 대표 특징점이 상호 일치하는 상기 그룹정보 및 기준 그룹정보에 설정된 상기 대표 특징점의 시간값에 대한 차이를 연산하여 이에 대한 오프셋 정보를 산출하고, 상기 복수의 그룹 정보 각각에 대하여 상기 오프셋 정보가 모두 동일하게 산출되는 상기 복수의 기준 그룹정보에 매칭된 상기 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 특징점 추출부는 상기 복수의 그룹정보 중에서 상기 미리 설정된 규칙에 따라 특정 그룹정보의 특징점 중 가장 앞선 순서의 특징점을 기준으로 미리 설정된 순서 차이를 가지는 특징점을 상기 특정 그룹정보의 대표 특징점으로 설정하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 따른 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별 원본 이미지의 특징점에 대한 회차별 기준 특징점 정보가 상기 온라인 만화 컨텐츠의 각 회차에 대응되는 컨텐츠 정보와 매칭되어 저장된 DB를 포함하는 서버의 온라인 만화 식별 방법은, 식별 대상 이미지를 수신하여 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성하는 단계와, 상기 정규화 이미지의 일측 방향으로 FFT를 적용하여 얻어진 상기 정규화 이미지의 주파수 특성 중 절반을 주파수 특성 정보로 산출하고, 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고, 시간대별로 주파수 특성을 미리 설정된 조건에 따라 복수의 영역으로 분리한 후 상기 영역별로 설정된 기준 이상의 주파수값을 각각 특징점으로 설정한 특징점 정보를 생성하는 단계 및 상기 특징점 정보를 상기 기준 특징점 정보와 비교하여 상기 특징점 정보와 일치하는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우 해당 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 DB로부터 추출하여, 상기 식별 대상 이미지를 상기 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 단계를 포함할 수 있다.
본 발명은 기존과 같이 온라인 만화 컨텐츠를 구성하는 원본 이미지의 전체 영역에 대하여 이미지를 기반으로 특징점을 추출하는 방식과 달리 이미지의 주파수 특성을 기반으로 특징점을 추출하며, 이를 기반으로 불법 복제 컨텐츠와 온라인 만화 컨텐츠 각각으로부터 추출된 특징점을 상호 비교함으로써, 불법 복제 컨텐츠와 온라인 만화 컨텐츠 모두 픽셀 변화에 따른 주파수 특성이 동일하여 상기 특징점의 위치 및 분포가 변화하지 않아 불법 복제 컨텐츠의 특징점과 온라인 만화 컨텐츠의 특징점을 정확하게 매칭시킬 수 있으며, 이를 통해 불법 복제 컨텐츠의 식별 정확도를 높이는 효과가 있다.
또한, 본 발명은 이미지에서 직접 특징점을 추출하는 기존 방식과 달리 이미지의 주파수 성분에서 미리 설정된 조건을 만족하는 주파수값을 특징점으로 추출함으로써, 특징점 추출에 필요한 연산량 및 처리속도를 기존보다 크게 감소시킬 수 있으며, 이를 통해 불법 복제 컨텐츠의 식별 효율을 크게 높일 수 있다.
더하여, 본 발명은 식별 대상 이미지와 원본 이미지 각각에 대하여 특징점 사이의 상관관계에 따른 배치 패턴을 그룹정보로 생성하고, 상기 식별 대상 이미지의 특징점 정보에 대한 배치 패턴과 상기 원본 이미지의 기준 특징점 정보에 대한 배치 패턴을 상기 그룹정보의 비교를 통해 상호 비교할 수 있으며, 식별 대상 이미지에 노이즈가 삽입된 경우에도 상기 특징점의 배치 패턴은 변하지 않으므로 특징점의 배치 패턴 비교를 통해 노이즈의 영향 없이 상기 식별 대상 이미지의 불법 복제 여부 및 불법 복제된 원본 컨텐츠를 정확하고 용이하게 검출하는 효과가 있다.
도 1은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 구성도.
도 2는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 기준 특징점 정보 생성 및 저장에 대한 동작 구성도.
도 3은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 불법 복제 컨텐츠 식별 과정에 대한 동작 구성도.
도 4는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 주파수 특성 정보 생성 과정에 대한 예시도.
도 5는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 특징점 추출 과정에 대한 동작 예시도.
도 6 내지 10은 본 발명의 실시예에 따른 온라인 만화 식별 시스템에서 특징점의 배치 패턴을 기반으로 하는 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 11 내지 13은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 오프셋 기반 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 14는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 시퀀스 정보 및 인덱스 정보를 이용한 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 15는 본 발명의 실시예에 따른 온라인 만화 식별 방법에 대한 순서도.
도 2는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 기준 특징점 정보 생성 및 저장에 대한 동작 구성도.
도 3은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 불법 복제 컨텐츠 식별 과정에 대한 동작 구성도.
도 4는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 주파수 특성 정보 생성 과정에 대한 예시도.
도 5는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 특징점 추출 과정에 대한 동작 예시도.
도 6 내지 10은 본 발명의 실시예에 따른 온라인 만화 식별 시스템에서 특징점의 배치 패턴을 기반으로 하는 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 11 내지 13은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 오프셋 기반 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 14는 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 시퀀스 정보 및 인덱스 정보를 이용한 불법 복제 컨텐츠 식별 과정에 대한 동작 예시도.
도 15는 본 발명의 실시예에 따른 온라인 만화 식별 방법에 대한 순서도.
기존의 종이로 구성된 만화책을 불법 스캔하여 생성한 이미지 파일 형태의 불법 스캔 만화를 구성하는 복수의 이미지에서 연속된 각 이미지의 특징점을 추출한 후 원본만화를 구성하는 각 이미지에서 추출된 특징점과 순서대로 비교함으로써 일치 여부에 따라 불법 복제 여부를 식별하는 기술의 경우 불법 스캔 만화와 원본 만화 각각 구성되는 이미지의 페이지 구분이 명확할 뿐만 아니라 크기 비율 또한 명확하여 스캔 만화와 원본 만화로부터 추출된 특징점 비교가 용이하며 이를 통해 손쉽게 불법 스캔 만화를 식별할 수 있다.
그러나, 종이를 거치지 않고 이미지 형태로 직접 온라인에 게재되는 웹툰(web toon)과 같은 온라인(online) 만화 컨텐츠(contents)의 경우 페이지 구분없이 회차 단위의 단일 이미지로 구성되고 상기 단일 이미지의 크기 또한 회차마다 상이하게 구성될 수 있다.
이에 더하여, 상기 온라인 만화 컨텐츠를 불법 복제하는 무권리자는 상기 각 회차의 단일 이미지(원본 이미지)를 캡처한 후 다양한 크기로 분할하여 복수의 이미지 파일로 생성하고 상기 복수의 이미지 파일을 단일 파일로 묶어 불법 복제 컨텐츠를 생성하여 무단 배포하는 형식을 취한다.
이로 인해, 원본 이미지와 불법 복제 컨텐츠를 구성하는 복제 이미지 상호간에 크기 비율이 일치하지 않을 뿐만 아니라 페이지 단위로 구성되어 식별이 용이한 스캔만화와 달리 해당 복제 이미지는 원본 이미지를 복수 이미지로 분할한 형태로 구성되거나 복수 회차에 속한 이미지 일부를 결합한 형태로 구성되어 복제 이미지가 어느 회차에 속해 있는지도 식별 불가능하기 때문에 원본 이미지와 복제 이미지간의 특징점 추출을 통한 일대일 매칭이 불가능하여 기존의 불법 스캔 만화의 식별에 이용되는 검출 방식을 온라인 만화 컨텐츠를 불법 복제한 컨텐츠를 검출하기 위해 적용하는데 어려움이 있다.
따라서, 본 발명은 상술한 바와 같은 문제를 해결하여 온라인 만화 컨텐츠를 불법 복제한 불법 복제 컨텐츠를 용이하고 정확하게 식별할 수 있는 방안을 제시한다.
이하, 도면을 참고하여 본 발명의 상세 실시예를 설명한다.
도 1은 본 발명의 실시예에 따른 온라인 만화 식별 시스템의 구성도로서, 도시된 바와 같이 정규화부(110), 특징점 추출부(120) 및 판단부(130)를 포함할 수 있다.
이때, 상기 온라인 만화 식별 시스템을 구성하는 각 구성부 중 어느 하나는 다른 구성부를 제어하는 제어부로서 구성될 수 있으며, 어느 하나의 구성부가 다른 구성부에 포함되어 구성될 수도 있다.
또한, 상기 온라인 만화 식별 시스템을 구성하는 각 구성부는 서버에 구성되거나 상호 통신 가능한 서로 다른 복수의 장치 각각에 상기 온라인 만화 식별 시스템의 구성부 중 적어도 일부가 구성되어 상호 통신할 수도 있다.
이하, 서버에 구성된 온라인 만화 식별 시스템을 예시로 하여 이하 도면을 통해, 각 구성부의 상세 동작 구성을 도 2의 구성을 참고로 하여, 이하 도면을 통해 상세히 설명한다.
우선, 도 2에 도시된 바와 같이 상기 정규화부(110)는 저작권이 있는 온라인 만화 컨텐츠를 구성하는 회차별 원본 이미지를 추출하여, 상기 특징점 추출부(120)로 제공할 수 있다.
이때, 서로 다른 회차의 원본 이미지 상호 간에는 생성일자 또는 게재일자가 상이하도록 구성될 수 있다.
또한, 정규화부(110)는 미리 설정된 정규화 크기에 따라 상기 원본 이미지를 정규화할 수 있으며, 일례로 상기 정규화부(110)는 상기 원본 이미지의 가로를 미리 설정된 픽셀수로 조절하고, 상기 가로의 조절 비율에 맞추어 상기 원본 이미지의 세로 픽셀수를 자동 조절할 수 있다.
또한, 상기 정규화부(110)는 외부로부터 상기 원본 이미지에 대응되는 컨텐츠 식별정보 및 회차정보를 포함하는 컨텐츠 정보를 수신하여 상기 특징점 추출부(120)로 제공할 수 있다.
한편, 특징점 추출부(120)는 상기 회차별 원본 이미지로부터 특징점을 추출하여 각 회차의 원본 이미지에 대한 기준 특징점 정보를 생성한 후 컨텐츠 DB(140)에 상기 기준 특징점 정보의 회차에 대응되는(기준 특징점 정보의 회차와 동일한) 상기 온라인 만화 컨텐츠의 회차별 컨텐츠 정보와 매칭하여 저장할 수 있다.
즉, 상기 온라인 만화 식별 시스템은 저작권이 있는 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별로 특징점을 추출하고, 이에 대한 정보를 컨텐츠 DB(140)에 저장하여 관리할 수 있다.
한편, 상기 온라인 만화 식별 시스템은 외부로부터 수신된 식별 대상 이미지에 대하여 상기 원본 이미지에 대한 특징점 추출을 통해 상기 기준 특징점 정보를 생성하는 방식과 동일한 방식으로 상기 식별 대상 이미지로부터 특징점을 추출하여 생성한 특징점 정보와 상기 기준 특징점 정보를 비교함으로써 상기 특징점 정보와 일치하는 특징점 정보를 포함하는 기준 특징점 정보가 존재하는지에 따라 상기 식별 대상 이미지의 불법 복제 여부와 상기 식별 대상 이미지에 대응되는 온라인 만화 컨텐츠 및 회차를 식별하여 불법 복제 컨텐츠의 유통을 사전 차단할 수 있는데, 이를 도 3을 참고하여 상세히 설명한다.
도시된 바와 같이, 상기 정규화부(110)는 상기 식별 대상 이미지를 수신하고, 상기 식별 대상 이미지를 미리 설정된 정규화 크기에 따라 정규화할 수 있다.
이때, 상기 정규화부(110)는 상기 식별 대상 이미지와 원본 이미지 사이의 정확한 비교를 위해 상기 식별 대상 이미지의 가로를 구성하는 픽셀 수와 상기 원본 이미지의 가로를 구성하는 픽셀 수가 상호 일치하도록 정규화할 수 있다.
또한, 상기 정규화부(110)는 상기 식별 대상 이미지의 가로 크기 조절에 적용된 가로 조절 비율에 대응되어 미리 설정된 세로 조절 비율에 따라 상기 식별 대상 이미지의 세로 크기를 조절하여 정규화할 수 있다.
이에 따라, 상기 정규화부(110)는 상기 식별 대상 이미지를 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성하고, 이를 상기 특징점 추출부(120)로 제공할 수 있다.
한편, 상기 특징점 추출부(120)는 도 4에 도시된 바와 같이 상기 정규화 이미지를 미리 설정된 일측 방향으로 FFT(Fast Fourier Transform)를 적용하여 상기 정규화 이미지에 대한 주파수 특성을 산출할 수 있으며, 상기 주파수 특성 중 절반만을 주파수 특성 정보로 생성할 수 있다.
이때, 상기 특징점 추출부(120)는 상기 일측 방향을 시간 도메인(domain)으로 설정할 수 있으며, 상기 일측 방향은 세로 방향인 것이 바람직하다.
또한, 상기 FFT를 통해 생성된 상기 주파수 특성은 동일 시간에서 주파수 성분이 상호 대칭므로, 상기 특징점 추출부(120)는 상기 주파수 특성 중 절반만을 이용하여 주파수 특성 정보를 생성할 수 있다.
이를 통해, 상기 특징점 추출부(120)는 시간과 시간별 주파수 특성에 대한 스펙트로그램(spectrogram)으로 구성된 주파수 특성 정보를 생성할 수 있다.
한편, 상기 특징점 추출부(120)는 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고, 상기 주파수 특성 정보에 포함된 주파수 성분 중 동일한 단위 시간(또는 시간대)에 대응되는 복수의 주파수 성분으로부터 특징점을 추출할 수 있는데, 이를 도 5를 참고하여 상세히 설명한다.
도시된 바와 같이, 상기 특징점 추출부(120)는 상기 주파수 특성 정보를 시간에 대응되는 세로 방향에 따라 미리 설정된 시간 단위로 분리하고, 특정 시간대(특정 단위시간대 또는 동일 시간대)에 나타난 복수의 주파수 성분에 대한 주파수 그래프를 생성할 수 있다.
또한, 상기 특징점 추출부(120)는 상기 주파수 그래프를 미리 설정된 조건에 따라 복수의 영역으로 분리할 수 있으며, 상기 각 영역에 대하여 미리 설정된 기준치 이상인 주파수값 또는 주파수 성분의 최대값을 특징점으로 추출할 수 있다.
일례로, 상기 특징점 추출부(120)는 미리 설정된 조건에 따라 동일 시간대의 주파수 특성을 복수의 서로 다른 영역으로 분리하고, 각 영역에 대하여 평균 주파수값을 산출한 후 상기 평균 주파수값을 상기 기준치로 하여 영역별로 기준치 이상인 주파수값을 특징점으로 하거나, 상기 기준치 이상인 주파수 성분의 최대 주파수값을 특징점으로 설정할 수 있다.
이때, 상기 특징점 추출부(120)는 다양한 조건을 사용하여 각 영역에 대한 특징점을 추출할 수도 있다.
한편, 상기 특징점 추출부(120)는 상술한 구성에 따라 상기 주파수 특성 정보를 상기 시간 단위에 따라 서로 다른 단위 시간대별로 상기 특징점을 추출하고, 시간대별로 추출된 특징점을 취합하여 특징점 정보를 생성할 수 있다.
또한, 상기 정규화부(110) 및 상기 특징점 추출부(120)는 상기 식별 대상 이미지로부터 특징점 정보를 생성하는 방식과 동일하게 상기 원본 이미지로부터 특징점을 추출하여 상기 기준 특징점 정보를 생성한 후 컨텐츠 DB(140)에 저장할 수 있다.
상술한 구성을 통해, 도 3에 도시된 바와 같이 상기 특징점 추출부(120)는 상기 특징점 정보를 상기 판단부(130)로 제공할 수 있다.
이에 따라, 상기 판단부(130)는 상기 특징점 정보를 기초로 상기 컨텐츠 DB(140)를 검색할 수 있으며, 상기 특징점 정보와 일치되는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우 상기 식별 대상 이미지를 불법 복제 컨텐츠로 판단하고, 상기 식별 대상 이미지의 특징점 정보와 일치하는 특징점 정보를 포함한 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 컨텐츠 DB(140)로부터 추출할 수 있다.
이를 통해, 상기 판단부(130)는 상기 식별 대상 이미지에 대응되어 상기 컨텐츠 DB(140)로부터 추출된 컨텐츠 정보를 포함하는 상기 식별 대상 이미지의 불법 복제 여부에 대한 결과 정보를 생성하고, 상기 결과 정보를 별도의 디스플레이 장치나 상기 식별 대상 이미지를 전송한 외부 장치로 전송하여, 상기 결과 정보를 통해 상기 식별 대상 이미지의 불법 복제 여부 및 상기 식별 대상 이미지가 불법 복제 컨텐츠인 경우 해당 식별 대상 이미지에 대응되는 온라인 만화 컨텐츠에 대한 컨텐츠 식별정보 및 회차 정보를 제공할 수 있다.
이때, 상기 판단부(130)는 상기 특징점 정보와 일치하는 특징점 정보가 상기 컨텐츠 DB(140)에 존재하지 않는 경우 상기 식별 대상 이미지가 불법 복제와 관련 없는 이미지인 것으로 판단하고 이에 대한 결과정보를 생성하여 제공할 수도 있다.
상술한 바와 같이, 본 발명은 불법 복제 컨텐츠에 대응되는 식별 대상 이미지를 주파수 영역으로 변환하여 주파수 특성을 기초로 특징점을 추출하고, 이를 상기 불법 복제 컨텐츠에 대응되는 온라인 만화 컨텐츠로부터 상기 불법 복제 컨텐츠의 특징점 추출 방식과 동일한 방식으로 추출한 기준 특징점과 상호 비교하여 용이하게 불법 복제 컨텐츠를 식별할 수 있도록 지원할 수 있다.
또한, 본 발명은 기존과 같이 전체 영역에 대하여 이미지를 기반으로 특징점을 추출하는 방식과 달리 이미지의 주파수 특성을 기반으로 특징점을 추출하며, 이를 기반으로 불법 복제 컨텐츠와 온라인 만화 컨텐츠 각각으로로부터 추출된 특징점을 상호 비교함으로써, 불법 복제 컨텐츠와 온라인 만화 컨텐츠 모두 픽셀 변화에 따른 주파수 특성이 동일하여 상기 특징점의 위치 및 분포가 변화하지 않아 불법 복제 컨텐츠의 특징점과 온라인 만화 컨텐츠의 특징점을 정확하게 매칭시킬 수 있으며, 이를 통해 불법 복제 컨텐츠의 식별 정확도를 높일 수 있다.
또한, 본 발명은 이미지에서 직접 특징점을 추출하는 기존 방식과 달리 이미지의 주파수 성분에서 미리 설정된 조건을 만족하는 주파수값을 특징점으로 추출함으로써, 특징점 추출에 필요한 연산량 및 처리속도를 기존보다 크게 감소시킬 수 있으며, 이를 통해 불법 복제 컨텐츠의 식별 효율을 크게 높일 수 있다.
한편, 상술한 구성에서 불법 복제자가 불법 복제 컨텐츠 제작시 상기 원본 이미지의 색조나 색상을 변경하여 상기 식별 대상 이미지를 생성할 수 있다.
이 경우, 상기 판단부(130)에서 상기 식별 대상 이미지가 원본 이미지로부터 추출된 불법 복제 이미지인 경우에도 상기 식별 대상 이미지의 색조나 색상이 일부 변경되는 것과 같이 노이즈가 상기 식별 대상 이미지에 삽입되어 특징점에 대응되는 주파수값이 원본 이미지와 상이하게 변경될 수 있으며, 이에 따라 상기 식별 대상 이미지의 주파수 성분으로부터 추출된 특징점과 상기 원본 이미지의 주파수 성분으로부터 추출된 특징점이 상이하여 식별 대상 이미지가 불법 복제 컨텐츠임에도 불구하고, 해당 식별 대상 이미지를 불법 복제 컨텐츠로 식별하는데 어려움이 발생할 수 있다.
그러나, 노이즈가 삽입된 상기 식별 대상 이미지 및 상기 원본 이미지에서 동일 부분의 주파수값에 차이가 발생하지만 특징점의 위치는 변동이 없으므로, 본 발명은 상술한 바와 같은 특징점의 위치를 고려하여 식별 대상 이미지에 노이즈를 삽입한 경우에도 용이하게 식별 대상 이미지의 불법 복제 여부와 식별 대상 이미지에 대응되는 온라인 만화 컨텐츠를 용이하게 식별하여 불법 복제된 식별 대상 이미지를 정확하게 검출할 수 있도록 지원한다.
이에 대한 실시예를 도 6 내지 도 9를 통해 설명한다.
우선, 도 6(a)에 도시된 바와 같이 상기 특징점 추출부(120)는 식별 대상 이미지에 대응되어 생성한 특징점 정보를 구성하는 각 특징점에 대하여 상기 시간대와 상기 주파수값을 기초로 도 6(b)에 도시된 바와 같이 특징점 정보에 포함된 각 특징점의 순서를 설정할 수 있다.
이때, 상기 시간대는 특정 단위 시간이거나 특정 시간값일 수 있다.
일례로, 도시된 바와 같이, 상기 특징점 추출부(120)는 시간순으로 각 특징점의 순서를 정하되, 동일 시간대에서 주파수값이 낮은 순으로 각 특징점의 순서를 결정할 수 있다.
이때, 상기 특징점 추출부(120)는 각 특징점에 대응되는 시간 및 주파수값을 상기 주파수 특성 정보 또는 상기 특징점 정보를 기초로 식별하고, 이를 통해 상기 특징점 정보에 포함된 각 특징점의 순서를 결정할 수 있다.
또한, 상기 특징점 추출부(120)는 도 7에 도시된 바와 같이 상기 특징점 정보에 포함된 복수의 특징점 중 미리 설정된 규칙에 따라 하나 이상의 대표 특징점(monitor1, monitor2, monitor3)을 설정하고, 상기 대표 특징점을 제외한 나머지 특징점별로 순서가 연속되는 복수의 특징점을 그룹핑하여 상기 특징점 정보에 대응되어 복수의 그룹정보를 생성할 수 있다.
이때, 상기 특징점 추출부(120)는 미리 설정된 규칙에 따라 미리 설정된 개수의 연속된 특징점으로 구성된 그룹정보를 생성할 수 있다.
일례로, 상기 특징점 추출부(120)는 미리 설정된 규칙에 따라 1~3번째의 특징점을 대표 특징점으로 설정하고, 상기 대표 특징점을 제외한 다음 순서의 4번째 특징점에 대하여 도 7(a)에 도시된 바와 같이 4번째 특징점부터 순서가 연속되는 복수의 특징점을 그룹핑하여 미리 설정된 개수의 특징점으로 구성된 제 1 그룹정보(Class1)를 생성하고, 도 7(b)에 도시된 바와 같이 5번째 특징점에 대하여 5번째 특징점부터 순서가 연속되는 복수의 특징점을 그룹핑하여 상기 제 1 그룹정보와 동일한 개수의 특징점으로 구성된 제 2 그룹정보(Class2)를 생성할 수 있으며, 제 1 그룹정보 및 제 2 그룹정보와 마찬가지 방식으로 6번째 특징점에 대응되어 도 7(c)에 도시된 바와 같이 제 3 그룹정보(Class3)를 생성할 수 있다.
상술한 방식을 통해, 상기 특징점 추출부(120)는 상기 특징점 정보에서 미리 설정된 특징점을 제외한 나머지 특징점 각각에 대응되어 복수의 서로 다른 그룹정보를 생성할 수 있다.
또한, 상기 특징점 추출부(120)는 상기 각 그룹정보에 대응되어 미리 설정된 규칙에 따라 상기 그룹정보에 포함된 각 특징점에 주소를 설정할 수 있다.
또한, 상기 특징점 추출부(120)는 도 7에 도시된 바와 같이 상기 특징점 정보에서 설정된 복수의 대표 특징점 중 상기 각 그룹정보와 상관관계에 있는 대표 특징점(Monitor)을 추출할 수 있으며, 일례로 상기 특징점 추출부(120)는 상기 미리 설정된 규칙에 따라 그룹정보에서 가장 앞선 순서를 가진 특징점에 설정된 순서로부터 미리 설정된 n번째 전의 특징점을 상기 그룹정보에 대응되는 대표 특징점으로 선택할 수 있다.
이에 대한 예시로, 도시된 바와 같이 도 7(a)에서 미리 설정된 규칙에 따라 제 1 그룹정보(class1)의 가장 앞선 순서에 해당되는 4번째 특징점을 기준으로 상기 규칙에 따른 3번째 이전의 1번째 특징점을 제 1 그룹정보(class1)에 대응되는 대표 특징점(monitor1)으로 설정하고, 도 7(b)에 도시된 바와 같이 상기 제 2 그룹정보(class2)의 가장 앞선 순서에 해당되는 5번째 특징점을 기준으로 상기 규칙에 따른 3번째 이전의 2번째 특징점을 상기 제 2 그룹정보(class2)에 대응되는 대표 특징점(monitor2)으로 설정하며, 도 7(c)에 도시된 바와 같이 상기 제 3 그룹정보(class3)의 가장 앞선 순서에 해당되는 6번째 특징점을 기준으로 상기 규칙에 따른 3번째 이전의 3번째 특징점을 상기 제 3 그룹정보(class3)에 대응되는 대표 특징점(monitor3)으로 설정할 수 있다.
즉, 상기 특징점 추출부(120)는 상기 그룹정보의 가장 앞선 순서를 가진 특징점에 설정된 순서와 상기 규칙에 따른 미리 설정된 순서 차이를 가지는 특징점을 상기 그룹정보에 대응되는 대표 특징점으로 설정할 수 있다.
또한, 상기 특징점 추출부(120)는 도 8에 도시된 바와 같이 그룹정보에 포함된 각 특징점에 대하여 대표 특징점의 주파수값(monitor freq.)과, 특징점의 주파수값(point freq.) 및 상기 주파수 특성 정보 또는 특징점 정보에 따른 상기 대표 특징점과 특징점 사이의 시간차(delta)를 각각 주소 구성 요소로 하여 주소 정보를 생성할 수 있다.
일례로, 도 8(a)에 도시된 바와 같이 상기 특징점 추출부(120)는 제 3 그룹정보(class3)에 포함된 특징점 중 7번째 특징점에 대하여 대표 특징점(3번째 특징점)의 주파수값(monitor freq.)과, 특징점(7번째 특징점)의 주파수값(point freq.) 및 상기 주파수 특성 정보 또는 특징점 정보에 따른 상기 대표 특징점(3번째 특징점)과 특징점(7번째 특징점) 사이의 시간차(delta)를 각각 주소의 구성 요소로 하여 주소 정보를 생성할 수 있으며, 이를 상기 제 3 그룹정보(class3)에 설정할 수 있다.
이에 따라, 상기 특징점 추출부(120)는 도 8(b)에 도시된 바와 같이 상기 제 3 그룹정보(class3)에 포함된 각 특징점에 대응되어 주소정보를 설정할 수 있다.
또한, 상기 특징점 추출부(120)는 상술한 바에 따라 상기 서로 다른 복수의 그룹정보 각각에 포함된 각 특징점에 대응되어 주소정보를 설정할 수 있다.
이때, 상기 특징점 정보에 속한 특정 특징점이 서로 다른 그룹정보에 모두 속하는 경우 제 1 그룹정보에 속한 상기 특정 특징점과 제 2 그룹정보에 속한 상기 특정 특징점은 상호 서로 다른 주소정보가 설정될 수 있다.
한편, 도 9에 도시된 바와 같이 상기 특징점 추출부(120)는 상기 식별 대상 이미지에 대응되어 서로 다른 복수의 그룹정보를 생성하는 방법과 마찬가지로 상기 온라인 만화 컨텐츠의 특정 회차에 대한 원본 이미지를 기초로 생성한 기준 특징점 정보에 대응되어 서로 다른 복수의 기준 그룹정보를 생성하고, 상기 각 기준 그룹정보에 포함된 각 특징점에 대하여 주소 정보를 설정할 수 있다.
이때, 상기 식별 대상 이미지의 그룹정보는 상기 원본 이미지의 기준 그룹정보에 대응될 수 있으며, 상기 특징점 추출부(120)는 상기 기준 그룹정보를 대응되는 상기 기준 특징점 정보 및 컨텐츠 정보와 매칭하여 컨텐츠 DB(140)에 저장할 수 있다.
또한, 상기 특징점 추출부(120)는 상기 기준 그룹정보에 포함된 각 특징점에 대하여 상기 주파수 특성 정보 또는 상기 특징점 정보에서 상기 특징점에 대응되는 대표 특징점에 대한 시간값을 식별하고, 상기 컨텐츠 정보에서 상기 원본 이미지 또는 상기 기준 특징점 정보에 대응되는 고유 ID를 추출하여 상기 대표 특징점의 시간값 및 상기 고유 ID를 포함하는 식별값을 생성하며, 상기 식별값에 대응되는 특징점과 동일한 특징점의 주소정보와 매칭하여 상기 식별값 및 주소정보를 포함하는 특징점 식별정보(fingerprint)를 생성할 수 있다.
이를 통해, 상기 특징점 추출부(120)는 상기 기준 그룹정보에 포함된 각 특징점에 대하여 특징점 식별정보를 생성한 후 상기 특징점 식별정보에 대응되는 특징점과 매칭하여 상기 기준 그룹정보에 설정할 수 있으며, 상기 특징점별로 특징점 식별정보가 설정된 기준 그룹정보를 해당 기준 그룹정보에 대응되는 컨텐츠 정보 및 기준 특징점 정보와 매칭하여 컨텐츠 DB(140)에 저장할 수 있다.
또한, 상기 특징점 추출부(120)는 상기 기준 특징점 정보에 대응되어 서로 다른 기준 그룹정보를 생성하고, 각 기준 그룹정보에 대응되어 특징점별로 특징점 식별정보를 생성하여 기준 그룹정보에 설정할 수 있으며, 이를 대응되는 컨텐츠 정보 및 기준 특징점 정보와 매칭하여 컨텐츠 DB(140)에 저장할 수 있다.
이때, 상기 고유 ID는 상기 컨텐츠 정보에 포함된 컨텐츠 식별정보일 수 있다.
이에 따라, 상기 특징점 추출부(120)는 상기 기준 특징점 정보에 대응되어 복수의 서로 다른 기준 그룹정보를 생성하고, 상기 기준 그룹정보에 포함된 특징점별로 주소정보와 식별값을 생성한 후 주소정보와 식별값에 대응되는 특징점과 매칭하여 상기 기준 그룹정보에 포함시킬 수 있다.
또한, 상기 특징점 추출부(120)는 상기 기준 특징점 정보에 대응되어 생성된 복수의 서로 다른 기준 그룹정보를 대응되는 기준 특징점 정보 및 컨텐츠 정보와 매칭하여 컨텐츠 DB(140)에 저장할 수 있다.
이때, 도 10에 도시된 바와 같이 상기 특징점 추출부(120)는 이진 데이터로 구성된 상기 주소 정보를 정수형(integer)으로 변환하여 상기 컨텐츠 DB(140)에 저장할 수 있으며, 이에 따라 상기 기준 그룹정보의 저장 용량을 감소시킬 수 있다.
또한, 상기 특징점 추출부(120)는 상기 식별 대상 이미지로부터 얻어진 그룹정보에 포함되는 특징점별 주소정보를 정수형으로 변환할 수 있음은 물론이며, 이를 통해 상기 기준 그룹정보와 상기 그룹정보의 상호 비교시 처리 속도를 높일 수 있다.
상술한 바와 같이, 상기 특징점 추출부(120)는 상기 특징점 정보(또는 기준 특징점 정보)에 포함된 각 특징점에 대하여 대표 특징점을 기준으로 상대 위치를 연산하고 이를 특징점의 주소로서 생성할 수 있으며, 이를 통해 상기 특징점 정보(또는 기준 특징점 정보)에 포함되는 각 특징점의 주소를 기반으로 특징점 정보(또는 기준 특징점 정보)에 포함된 복수의 특징점에 대한 고유 배치 패턴을 생성할 수 있다.
상술한 구성에 따라, 도 11에 도시된 바와 같이 상기 판단부(130)는 상기 특징점 정보로부터 얻어진 복수의 서로 다른 그룹정보를 상기 특징점 추출부(120)로부터 수신하고, 상기 컨텐츠 DB(140)에서 서로 다른 기준 특징점 정보별로 매칭 저장된 복수의 서로 다른 기준 그룹정보를 상기 식별 대상 이미지로부터 얻어진 상기 복수의 서로 다른 그룹정보와 상호 비교할 수 있으며, 상기 컨텐츠 DB(140)에서 상기 식별 대상 이미지에 대응되는 복수의 서로 다른 그룹정보와 모두 일치하는 복수의 서로 다른 기준 그룹 정보에 매칭된 기준 특징점 정보 및 컨텐츠 정보를 식별하고, 식별된 컨텐츠 정보를 상기 컨텐츠 DB(140)로부터 추출할 수 있다.
다시 말해, 상기 판단부는 상기 특징점 정보와 기준 특징점 정보 비교시 상기 특징점 정보로부터 얻어진 그룹정보와 상기 기준 특징점 정보로부터 얻어진 기준 그룹정보를 기초로 상호 비교하여 상기 특징점 정보에 대응되는 기준 특징점 정보 및 컨텐츠 정보를 식별할 수 있다.
이때, 상기 판단부(130)는 상기 그룹정보와 기준 그룹정보를 상호 비교시 컨텐츠 정보별 또는 기준 특징점 정보별로 컨텐츠 DB(140)에 매칭 저장된 복수의 기준 그룹정보에 포함되는 주소정보와 상기 그룹정보에 포함된 주소정보를 상호 비교할 수 있으며, 이를 통해 상기 식별 대상 이미지에 대응되는 복수의 그룹정보와 상기 특징점별 주소정보가 모두 일치하는 복수의 기준 그룹정보를 식별하고, 상기 식별된 복수의 기준 그룹정보가 상호 동일한 특정 온라인 만화 컨텐츠에 대한 컨텐츠 정보 또는 기준 특징점 정보에 매칭되는 경우 이에 해당되는 컨텐츠 정보를 컨텐츠 DB(140)로부터 추출하고, 상기 식별 대상 이미지를 상기 컨텐츠 DB(140)로부터 추출된 컨텐츠 정보에 대응되는 특정 온라인 만화 컨텐츠의 특정 회차에 대한 원본 이미지(원본 컨텐츠)를 복제한 불법 복제 컨텐츠로 식별한 후 이에 대한 상기 결과정보를 생성하여 출력하거나 전송할 수 있다.
또한, 상기 판단부(130)는 상기 식별 대상 이미지에 대응되는 복수의 서로 다른 그룹정보를 기준 특징점 정보별(또는 컨텐츠 정보별)로 컨텐츠 DB(140)와 비교하여, 복수의 서로 다른 그룹정보와 모두 일치하는 복수의 서로 다른 기준 그룹정보에 공통 설정된 식별값을 추출하고, 상기 컨텐츠 DB(140)에서 상기 추출된 식별값에 포함된 고유 ID에 대응되는 컨텐츠 정보를 추출할 수도 있다.
또한, 상기 판단부(130)는 상기 특징점 추출부(120)와 연동하여 상기 그룹정보에 포함된 이진 데이터의 주소 정보를 상술한 바와 같이 정수형으로 변환할 수 있으며, 이를 통해 정수형 데이터로 구성된 그룹정보의 주소정보와 기준 그룹정보의 주소정보를 비교함으로써, 이진 데이터의 비교시보다 처리 속도를 크게 향상시킬 수 있다.
이를 통해, 상기 판단부(130)는 상기 식별 대상 이미지가 상기 식별 대상 이미지에 대응되어 컨텐츠 DB(140)로부터 추출된 컨텐츠 정보에 매칭되는 온라인 만화 컨텐츠의 특정 회차에 대한 원본 이미지를 불법 복제한 컨텐츠인 것으로 판단하고 이에 대한 결과 정보를 생성할 수 있다.
상술한 바와 같이, 본 발명은 식별 대상 이미지와 원본 이미지 각각에 대하여 특징점 사이의 상관관계에 따른 배치 패턴을 상기 그룹정보로 생성하고, 상기 식별 대상 이미지의 특징점 정보에 대한 배치 패턴과 상기 원본 이미지의 기준 특징점 정보에 대한 배치 패턴을 상기 그룹정보의 비교를 통해 상호 비교할 수 있으며, 이를 통해 식별 대상 이미지에 노이즈가 삽입된 경우에도 상기 특징점의 배치 패턴은 변하지 않으므로 노이즈의 영향 없이 특징점의 배치 패턴 비교를 통해 상기 식별 대상 이미지의 불법 복제 여부 및 불법 복제된 온라인 만화 컨텐츠를 용이하게 검출할 수 있다.
한편, 도 12에 도시된 바와 같이 상기 판단부(130)는 상기 특징점 추출부(120)를 통해 수신된 식별 대상 이미지에 대한 복수의 서로 다른 그룹정보를 컨텐츠 DB(140)와 비교하는 과정에서 불법 복제 여부 및 불법 복제 대상 컨텐츠에 대한 검출(식별) 처리 속도를 높이기 위하여, 상기 그룹정보(B)와 기준 그룹정보(A) 비교시 상호 일치하는 그룹정보(B) 및 기준 그룹정보(A) 사이의 시간 차에 대한 오프셋(Offset) 정보(또는 오프셋)를 산출하고, 상기 특징점 정보에 대응되는 각 그룹정보에 대하여 산출된 상기 오프셋 정보가 모두 일치하는 기준 특징점 정보에 매칭된 컨텐츠 정보를 추출할 수 있다.
즉, 상기 원본 이미지에서 상기 식별 대상 이미지와 일치하는 일치 부분과 상기 식별 대상 이미지에 각각 FFT를 적용하여 얻어진 상기 원본 이미지의 기준 특징점 정보에 대응되는 시간대와 상기 식별 대상 이미지의 특징점 정보에 대응되는 시간대에 차이가 발생하는 대신 상기 차이가 상기 원본 이미지와 식별 대상 이미지에 포함된 임의의 영역 중 상호 매칭되는 어느 영역에서든지 항상 일정하므로, 이를 이용하여 용이하게 식별 대상 이미지와 연관된 온라인 만화 컨텐츠를 식별할 수 있다.
다시 말해, 상기 식별 대상 이미지가 원본 이미지의 중간 부분과 일치하는 경우 원본 이미지의 상단부터 FFT를 적용하면 상기 식별 대상 이미지와 일치하는 원본 이미지의 중간 부분에서 시간대가 상기 식별 대상 이미지의 시간대와 일치하지 않는다.
그러나, 상기 원본 이미지 중 적어도 일부를 복제한 식별 대상 이미지는 상기 식별 대상 이미지와 상기 원본 이미지가 상호 일치하는 부분에서 각 대표 특징점의 시간차인 상기 오프셋이 동일하게 구해진다.
이에 따라, 상기 판단부(130)는 상기 식별 대상 이미지의 그룹정보와 상기 온라인 만화 컨텐츠의 기준 그룹정보 비교시 상호 일치하는 대표 특징점의 시간차를 상호 비교하여 각 대표 특징점에 대하여 시간차가 동일하게 구해지는 컨텐츠 정보를 식별하여 상기 식별 대상 이미지가 해당 식별된 컨텐츠 정보에 따른 원본 이미지를 불법 복제한 컨텐츠인 것으로 판단할 수 있다.
이를 상세히 설명하면, 상기 판단부(130)는 컨텐츠 DB(140)에 저장된 서로 다른 컨텐츠 정보별로 복수의 기준 그룹정보를 상기 식별 대상 이미지의 상기 특징점 정보에 대응되는 복수의 서로 다른 그룹정보와 비교하여 상기 복수의 서로 다른 그룹정보 각각에 대하여 대표 특징점이 일치하는 기준 그룹정보를 상호 대응시키고, 대표 특징점이 상호 일치하는 그룹정보의 식별값과 기준 그룹정보의 식별값에서 각각 대표 특징점의 시간값을 추출한 후 상호 차이를 구하여 오프셋을 연산할 수 있다.
이에 따라, 상기 판단부(130)는 식별 대상 이미지에 대응되는 그룹정보별로 상기 대표 특징점을 기준으로 상기 기준 그룹정보와 비교하여 상기 대표 특징점의 시간차에 대한 오프셋을 산출할 수 있으며, 도 13(a)에 도시된 바와 같이 상기 식별 대상 이미지에 대응되는 모든 그룹정보에 대하여 상호 일치하는 대표 특징점을 기준으로 동일 오프셋이 산출되는 복수의 서로 다른 기준 그룹정보에 매칭된 컨텐츠 정보를 컨텐츠 DB(140)로부터 추출하여 상기 식별 대상 이미지를 상기 추출된 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단할 수 있다.
이때, 상기 판단부(130)는 도 13(b)에 도시된 바와 같이 상기 식별 대상 이미지의 각 그룹정보에 대하여 산출된 상기 오프셋이 서로 상이한 경우 상기 식별 대상 이미지와 관련성이 없는 것으로 판단할 수 있다.
한편, 도 14에 도시된 바와 같이 상기 특징점 추출부(120)는 상기 원본 이미지에 대응되는 기준 그룹정보에 설정된 특징점별 주소정보를 특징점의 순서에 따라 순서대로 배열한 후 하나로 병합하여 상기 기준 그룹정보에 대응되어 하나의 기준 시퀀스(sequence) 정보를 생성할 수 있으며, 상기 기준 특징점 정보에 대응되는 서로 다른 복수의 기준 그룹정보에 각각 대응되어 기준 시퀀스 정보를 생성한 후 기준 시퀀스 정보에 대응되는 기준 그룹정보와 매칭하여 컨텐츠 DB(140)에 저장할 수 있다.
또한, 상기 특징점 추출부(120)는 식별 대상 이미지에 대응되어 생성한 복수의 서로 다른 그룹정보에 대응되어 상기 기준 시퀀스 정보의 생성 방식과 동일하게 상기 그룹정보를 구성하는 특징점별 주소정보를 특징점의 순서에 따라 순서대로 배열한 후 하나로 병합하여 하나의 시퀀스 정보로 생성할 수 있으며, 상기 그룹정보별로 생성한 복수의 시퀀스 정보를 판단부(130)로 제공할 수 있다.
이에 따라, 상기 판단부(130)는 상기 복수의 시퀀스 정보를 컨텐츠 정보별로 상기 컨텐츠 DB(140)에 매칭 저장된 복수의 기준 시퀀스 정보와 비교하여, 상기 복수의 시퀀스 정보와 모두 일치하는 복수의 기준 시퀀스 정보에 공통으로 매칭된 컨텐츠 정보를 컨텐츠 DB(140)로부터 추출할 수 있으며, 이를 통해 상기 식별 대상 이미지가 상기 컨텐츠 DB(140)에서 추출된 컨텐츠 정보에 대응되는 불법 복제 컨텐츠인 것으로 식별하고, 상기 컨텐츠 DB(140)에서 추출된 컨텐츠 정보를 포함하는 결과정보를 제공할 수 있다.
이때, 도시된 바와 같이 상기 특징점 추출부(120)는 미리 설정된 인덱싱(indexing) 알고리즘에 따라 상기 기준 시퀀스 정보 및 시퀀스 정보 각각에 대응되어 인덱스(index) 정보(또는 식별자)를 생성할 수 있으며, 상기 기준 시퀀스 정보에 따라 생성한 인덱스 정보를 해당 기준 시퀀스 정보에 대응되는 상기 기준 그룹정보에 설정하고, 상기 시퀀스 정보에 대응되어 생성한 인덱스 정보를 해당 시퀀스 정보에 대응되는 상기 그룹정보에 설정할 수 있다.
이때, 시퀀스 정보와 기준 시퀀스 정보가 상호 일치하는 경우 상기 특징점 추출부(120)는 상호 일치하는 상기 시퀀스 정보와 기준 시퀀스 정보 각각에 대응되어 상호 동일한 인덱스 정보를 생성할 수 있다.
이를 통해, 상기 판단부(130)는 상기 식별 대상 이미지의 모든 그룹정보 각각에 대응되어 설정된 모든 인덱스 정보를 상기 컨텐츠 DB(140)에 저장된 컨텐츠 정보별 복수의 기준 그룹정보에 설정된 인덱스 정보와 비교하여, 상기 복수의 그룹정보와 모든 인덱스 정보가 상호 일치하는 복수의 기준 그룹정보에 공통으로 매칭된 컨텐츠 정보를 상기 컨텐츠 DB(140)로부터 추출할 수 있으며, 이를 통해 상기 식별 대상 이미지가 상기 컨텐츠 DB(140)에서 추출된 컨텐츠 정보에 대응되는 불법 복제 컨텐츠인 것으로 식별하고, 상기 컨텐츠 DB(140)에서 추출된 컨텐츠 정보를 포함하는 결과정보를 제공할 수 있다.
도 15는 본 발명의 실시예에 따른 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별 원본 이미지의 특징점에 대한 회차별 기준 특징점 정보가 상기 온라인 만화 컨텐츠의 각 회차에 대응되는 컨텐츠 정보와 매칭되어 저장된 컨텐츠 DB(140)를 포함하는 서버의 온라인 만화 식별 방법에 대한 순서도이다.
도시된 바와 같이, 상기 서버는 식별 대상 이미지를 수신하여 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성할 수 있다(S1).
이후, 상기 서버는 상기 정규화 이미지의 일측 방향으로 FFT를 적용하여 얻어진 상기 정규화 이미지의 주파수 특성 중 절반을 주파수 특성 정보로 산출할 수 있다(S2).
다음, 상기 서버는 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고(S3), 시간대별로 주파수 특성을 미리 설정된 조건에 따라 복수의 영역으로 분리한 후 상기 영역별로 설정된 기준 이상의 주파수값을 각각 특징점으로 설정한 특징점 정보를 생성할 수 있다(S4).
이후, 상기 서버는 상기 특징점 정보를 상기 DB(140)에 저장된 상기 기준 특징점 정보와 비교하여(S5) 상기 특징점 정보와 일치하는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우(S6) 해당 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 컨텐츠 DB(140)로부터 추출하여, 상기 식별 대상 이미지를 상기 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단할 수 있다(S7).
본 명세서에 기술된 다양한 장치 및 구성부는 하드웨어 회로(예를 들어, CMOS 기반 로직 회로), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.
전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 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 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 정규화부 120: 특징점 추출부
130: 판단부 140: 컨텐츠 DB
130: 판단부 140: 컨텐츠 DB
Claims (10)
- 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별 원본 이미지의 특징점에 대한 회차별 기준 특징점 정보가 상기 온라인 만화 컨텐츠의 각 회차에 대응되는 컨텐츠 정보와 매칭되어 저장된 저장부;
식별 대상 이미지를 수신하여 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성하는 정규화부;
상기 정규화 이미지의 일측 방향으로 FFT(Fast Fourier Transform)를 적용하여 얻어진 상기 정규화 이미지의 주파수 특성 중 절반을 주파수 특성 정보로 산출하고, 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고, 시간대별로 주파수 특성을 미리 설정된 조건에 따라 복수의 영역으로 분리한 후 상기 영역별로 설정된 기준 이상의 주파수값을 각각 특징점으로 설정한 특징점 정보를 생성하는 특징점 추출부; 및
상기 특징점 정보를 상기 기준 특징점 정보와 비교하여 상기 특징점 정보와 일치하는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우 해당 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 저장부로부터 추출하여, 상기 식별 대상 이미지를 상기 추출된 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 판단부를 포함하며,
상기 특징점 추출부는 상기 시간대와 상기 주파수값을 기초로 상기 특징점 정보에 포함된 각 특징점의 순서를 설정하며, 상기 특징점 정보에 포함된 복수의 특징점 중 미리 설정된 규칙에 따라 하나 이상의 대표 특징점을 설정하고, 상기 대표 특징점을 제외한 나머지 특징점별로 순서가 연속되는 미리 설정된 개수의 특징점을 그룹핑하여 상기 특징점 정보에 대응되어 복수의 그룹정보를 생성한 후 상기 판단부로 제공하며,
상기 저장부에는 서로 다른 기준 특징점 정보 각각에 대응되어 상기 특징점 추출부에 의해 생성된 복수의 기준 그룹정보가 상기 기준 특징점 정보 및 컨텐츠 정보와 매칭 저장되고,
상기 판단부는 상기 특징점 추출부로부터 제공되는 복수의 그룹정보를 상기 저장부에 저장된 컨텐츠 정보별 상기 복수의 기준 그룹정보와 비교하여 상기 복수의 그룹정보와 일치하는 상기 복수의 기준 그룹정보에 매칭된 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 1에 있어서,
상기 특징점 추출부는 상기 영역별로 주파수 평균값을 산출하고, 상기 주파수 평균값을 기준치로 설정하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 삭제
- 청구항 1에 있어서,
상기 특징점 추출부는 상기 그룹정보 또는 상기 기준 그룹정보에 포함된 상기 각 특징점에 대하여 상기 특징점의 주파수값과 상기 미리 설정된 규칙에 따른 상기 특징점에 대응되는 상기 대표 특징점의 주파수값 및 상기 대표 특징점과 상기 특징점 사이의 시간차를 기초로 주소 정보를 생성하여 상기 그룹정보 또는 상기 기준 그룹정보의 특징점에 대응되어 설정하며,
상기 판단부는 상기 그룹정보와 상기 기준 그룹정보 비교시 상기 주소 정보의 일치 여부를 기초로 상기 그룹정보와 상기 기준 그룹정보의 일치여부를 판단하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 4에 있어서,
상기 특징점 추출부는 상기 주소정보를 정수형으로 변환하여 상기 특징점에 대응되어 설정하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 4에 있어서,
상기 특징점 추출부는 상기 그룹정보별로 상기 그룹정보에 포함된 각 특징점의 주소 정보를 특징점의 순서에 따라 순서대로 배열하여 하나의 시퀀스 정보로 생성한 후 상기 그룹정보에 설정하여 상기 판단부로 제공하고,
상기 판단부는 상기 그룹정보와 기준 그룹정보 비교시 상기 기준 그룹정보에 미리 설정된 시퀀스 정보와 상기 그룹정보의 시퀀스 정보를 상호 비교하여 일치 여부를 판단하고, 상기 일치 여부에 따라 상기 복수의 그룹정보와 일치하는 복수의 기준 그룹 정보를 식별하고, 식별된 복수의 기준 그룹 정보에 공통으로 매칭된 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 6에 있어서,
상기 특징점 추출부는 동일한 상기 시퀀스 정보에 대응되어 동일 인덱스를 생성하는 미리 설정된 알고리즘에 따라 상기 시퀀스 정보에 대응되어 인덱스 정보를 생성하여 상기 그룹정보에 설정하고,
상기 특징점 추출부는 상기 그룹정보와 기준 그룹 정보의 비교시 상기 인덱스 정보를 이용하여 상호 비교하여 상기 일치 여부를 판단하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 1에 있어서,
상기 특징점 추출부는 상기 복수의 그룹정보 각각에 대하여 상기 특징점 정보를 기초로 상기 미리 설정된 규칙에 따라 상기 그룹정보에 대응되는 상기 대표 특징점의 시간값을 상기 그룹정보에 설정하고,
상기 판단부는 상기 복수의 기준 그룹정보 각각에 미리 설정된 대표 특징점과 상기 그룹정보에 설정된 대표 특징점을 비교하여 상기 대표 특징점이 상호 일치하는 상기 그룹정보 및 기준 그룹정보에 설정된 상기 대표 특징점의 시간값에 대한 차이를 연산하여 이에 대한 오프셋 정보를 산출하고, 상기 복수의 그룹 정보 각각에 대하여 상기 오프셋 정보가 모두 동일하게 산출되는 상기 복수의 기준 그룹정보에 매칭된 상기 컨텐츠 정보를 상기 저장부로부터 추출하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 청구항 1에 있어서,
상기 특징점 추출부는 상기 복수의 그룹정보 중에서 상기 미리 설정된 규칙에 따라 특정 그룹정보의 특징점 중 가장 앞선 순서의 특징점을 기준으로 미리 설정된 순서 차이를 가지는 특징점을 상기 특정 그룹정보의 대표 특징점으로 설정하는 것을 특징으로 하는 온라인 만화 식별 시스템.
- 서로 다른 각 온라인 만화 컨텐츠에 대응되어 회차별 원본 이미지의 특징점에 대한 회차별 기준 특징점 정보가 상기 온라인 만화 컨텐츠의 각 회차에 대응되는 컨텐츠 정보와 매칭되어 저장된 DB를 포함하는 서버의 온라인 만화 식별 방법에 있어서,
정규화부에 의해, 식별 대상 이미지를 수신하여 미리 설정된 정규화 크기에 따라 정규화한 정규화 이미지를 생성하는 단계;
특징점 추출부에 의해, 상기 정규화 이미지의 일측 방향으로 FFT를 적용하여 얻어진 상기 정규화 이미지의 주파수 특성 중 절반을 주파수 특성 정보로 산출하고, 상기 주파수 특성 정보를 상기 일측 방향에 대응되어 미리 설정된 시간 단위로 분리하고, 시간대별로 주파수 특성을 미리 설정된 조건에 따라 복수의 영역으로 분리한 후 상기 영역별로 설정된 기준 이상의 주파수값을 각각 특징점으로 설정한 특징점 정보를 생성하는 단계; 및
판단부에 의해, 상기 특징점 정보를 상기 기준 특징점 정보와 비교하여 상기 특징점 정보와 일치하는 특징점 정보가 포함된 기준 특징점 정보가 존재하는 경우 해당 기준 특징점 정보에 매칭되는 컨텐츠 정보를 상기 DB로부터 추출하여, 상기 식별 대상 이미지를 상기 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 단계를 포함하며,
상기 특징점 정보를 생성하는 단계는,
상기 시간대와 상기 주파수값을 기초로 상기 특징점 정보에 포함된 각 특징점의 순서를 설정하며, 상기 특징점 정보에 포함된 복수의 특징점 중 미리 설정된 규칙에 따라 하나 이상의 대표 특징점을 설정하고, 상기 대표 특징점을 제외한 나머지 특징점별로 순서가 연속되는 미리 설정된 개수의 특징점을 그룹핑하여 상기 특징점 정보에 대응되어 복수의 그룹정보를 생성한 후 상기 판단부로 제공하며,
상기 식별 대상 이미지를 상기 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 단계는,
상기 복수의 그룹정보를 상기 DB에 저장된 컨텐츠 정보별 상기 복수의 기준 그룹정보와 비교하여 상기 복수의 그룹정보와 일치하는 상기 복수의 기준 그룹정보에 매칭된 컨텐츠 정보를 상기 DB로부터 추출하여, 상기 식별 대상 이미지를 상기 컨텐츠 정보에 대응되는 불법 복제 컨텐츠로 판단하는 것을 특징으로 하는 온라인 만화 식별 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160152738A KR101841192B1 (ko) | 2016-11-16 | 2016-11-16 | 온라인 만화 식별 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160152738A KR101841192B1 (ko) | 2016-11-16 | 2016-11-16 | 온라인 만화 식별 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101841192B1 true KR101841192B1 (ko) | 2018-03-22 |
Family
ID=61901069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160152738A KR101841192B1 (ko) | 2016-11-16 | 2016-11-16 | 온라인 만화 식별 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101841192B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020032392A1 (ko) * | 2018-08-06 | 2020-02-13 | 네이버웹툰 주식회사 | 이미지 매칭을 이용한 표식 검출 방법, 장치 및 프로그램 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101492486B1 (ko) | 2014-03-12 | 2015-02-11 | 주식회사 디알엠인사이드 | 조판 방식에 둔감한 스캔 만화 식별 시스템 및 방법 |
| JP5880089B2 (ja) * | 2012-01-31 | 2016-03-08 | 凸版印刷株式会社 | コミック画像データ検出装置及びコミック画像データ検出プログラム |
| KR101645517B1 (ko) * | 2015-04-01 | 2016-08-05 | 주식회사 씨케이앤비 | 특징점 추출 장치 및 방법과 이를 이용한 콘텐츠의 온라인 유통 현황 분석을 위한 이미지 매칭 시스템 |
-
2016
- 2016-11-16 KR KR1020160152738A patent/KR101841192B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5880089B2 (ja) * | 2012-01-31 | 2016-03-08 | 凸版印刷株式会社 | コミック画像データ検出装置及びコミック画像データ検出プログラム |
| KR101492486B1 (ko) | 2014-03-12 | 2015-02-11 | 주식회사 디알엠인사이드 | 조판 방식에 둔감한 스캔 만화 식별 시스템 및 방법 |
| KR101645517B1 (ko) * | 2015-04-01 | 2016-08-05 | 주식회사 씨케이앤비 | 특징점 추출 장치 및 방법과 이를 이용한 콘텐츠의 온라인 유통 현황 분석을 위한 이미지 매칭 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020032392A1 (ko) * | 2018-08-06 | 2020-02-13 | 네이버웹툰 주식회사 | 이미지 매칭을 이용한 표식 검출 방법, 장치 및 프로그램 |
| KR20200016119A (ko) * | 2018-08-06 | 2020-02-14 | 네이버웹툰 주식회사 | 이미지 매칭을 이용한 표식 검출 방법, 장치 및 프로그램 |
| KR102112768B1 (ko) * | 2018-08-06 | 2020-06-04 | 네이버웹툰 주식회사 | 이미지 매칭을 이용한 표식 검출 방법, 장치 및 프로그램 |
| CN112654981A (zh) * | 2018-08-06 | 2021-04-13 | 纳宝韦伯通有限会社 | 利用图像匹配的标志检测方法、装置及程序 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101744614B1 (ko) | 불법 복제된 온라인 만화 식별 시스템 및 방법 | |
| US10019646B2 (en) | Method for object recognition and/or verification on portable devices | |
| Zhao et al. | Inter-frame passive-blind forgery detection for video shot based on similarity analysis | |
| KR101998593B1 (ko) | 관심 영역 기반 온라인 만화 식별 시스템 및 방법 | |
| Sridevi et al. | Comparative study of image forgery and copy-move techniques | |
| KR101803066B1 (ko) | 불법 복제된 서적의 통합 식별 시스템 및 방법 | |
| KR20110010629A (ko) | 그래디언트 히스토그램을 이용한 지문 표현 | |
| KR20100018558A (ko) | 원하는 허위 확률 하에서 검출 임계치를 설정하는 방법 및 장치 | |
| Pun et al. | Robust image hashing using progressive feature selection for tampering detection | |
| Soni et al. | Keypoints based enhanced multiple copy‐move forgeries detection system using density‐based spatial clustering of application with noise clustering algorithm | |
| Warbhe et al. | Computationally efficient digital image forensic method for image authentication | |
| Deng et al. | Copy-move forgery detection robust to various transformation and degradation attacks | |
| CN102129549B (zh) | 基于缩略图和奇异值分解的图像Hash方法 | |
| US8913851B1 (en) | Fingerprinting image using points of interest for robust image identification | |
| KR101841192B1 (ko) | 온라인 만화 식별 시스템 및 방법 | |
| Sewan et al. | Copy move forgery detection using forensic images | |
| Savakar et al. | Copy-move image forgery detection using shannon entropy | |
| KR20220167094A (ko) | 분할영역 대비를 통한 온라인 위조상품 모니터링 방법 | |
| CN110110615B (zh) | 图像信息处理方法和图像信息处理系统 | |
| Huynh-Kha et al. | The efficiency of applying DWT and feature extraction into copy-move images detection | |
| Nazli et al. | Comparison between image forgery detection algorithms | |
| Fadl et al. | Fan search for image copy-move forgery detection | |
| Gupta | A new copy move forgery detection technique using adaptive over-segementation and feature point matching | |
| Vázquez-Padín et al. | Exposing original and duplicated regions using SIFT features and resampling traces | |
| Singh et al. | Fast rotation invariant detection of region duplication attacks even on uniform background containing digital images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |