KR102465368B1 - 이미지 처리 장치 및 방법 - Google Patents

이미지 처리 장치 및 방법 Download PDF

Info

Publication number
KR102465368B1
KR102465368B1 KR1020210157262A KR20210157262A KR102465368B1 KR 102465368 B1 KR102465368 B1 KR 102465368B1 KR 1020210157262 A KR1020210157262 A KR 1020210157262A KR 20210157262 A KR20210157262 A KR 20210157262A KR 102465368 B1 KR102465368 B1 KR 102465368B1
Authority
KR
South Korea
Prior art keywords
image
size
artificial intelligence
reading
recognition
Prior art date
Application number
KR1020210157262A
Other languages
English (en)
Inventor
김민석
Original Assignee
김민석
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 김민석 filed Critical 김민석
Priority to KR1020210157262A priority Critical patent/KR102465368B1/ko
Application granted granted Critical
Publication of KR102465368B1 publication Critical patent/KR102465368B1/ko

Links

Images

Classifications

    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

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

Abstract

본 발명은 이미지 처리 장치 및 방법에 관한 것으로, 상기 장치는 사용자 단말에서 재생되는 영상에서 이미지를 추출하고 상기 이미지의 크기를 기준 사이즈로 조정하는 이미지 추출부, 및 상기 크기 조정된 이미지들 간 유사도 검사하여 현재 이미지가 직전 이미지와 같은 장면의 이미지인지를 판단하고 판단결과를 토대로 상기 현재 이미지에 관한 인공지능 인식 및 판독 시행 여부를 결정하는 유사도 검사부를 포함한다.

Description

이미지 처리 장치 및 방법{IMAGE PROCESSING APPARATUS AND METHOD}
본 발명은 이미지 처리 기술에 관한 것으로, 보다 상세하게는 영상 크기에 상관없이 저사양 하드웨어에서 이미지 추출부터 인공지능 이미지 인식 및 판독, 결과 처리까지 빠른 대응을 할 수 있도록 하는 이미지 처리 장치 및 방법에 관한 것이다.
인공지능 기술을 활용한 이미지, 영상을 판독하기 위한 다양한 기술이 개발되고 있다. 인공지능(AI)은 동적 컴퓨팅 환경에 내장된 알고리즘을 생성하고 적용하여 인간의 지능을 모방하는 기초 지능이다.
일반적으로 영상을 인식, 판독하는 경우 영상에서 키프레임 별로 이미지를 추출하여 이미지를 인공지능으로 인식, 판독하여 그 결과를 처리한다. 인공지능 이미지 인식은 기계가 마치 사람처럼 사진이나 동영상으로부터 사물을 인식하거나 장면을 이해하는 것으로 정의할 수 있다. 이러한 이미지 인식은 컴퓨터 비전(Computer Vision) 기술 중 하나에 해당한다. 컴퓨터 비전 기술은 카메라로부터 영상 이미지를 취득하고, 알고리즘을 통하여 분석하고 판별한다. 컴퓨터 비전에서 이미지 인식 기술은 실시간으로 다중 인물에 대한 제스처를 인식하는 오픈포즈(OpenPose) 기술, 이미지 객체 감지 알고리즘인 YOLO 등이 있다. 인공지능 이미지 인식 기술은 다양한 분야에서 활용되고 있으며, 일예로, 유해 컨텐츠 검사 및 차단 서비스가 있다.
하지만, 영상에서 이미지를 추출하여 인공지능으로 인식, 판독하는 과정에서 고성능 컴퓨터를 활용한 하드웨어 기반의 결과 처리로는 실생활에 사용하기에 여러가지 제약이 있다.
예컨대, 유튜브와 같은 온라인 스트리밍 영상의 경우 240의 저화질부터 1280*720의 고화질까지 다양한 서비스를 하고 있다. 일반적인 보급형 컴퓨터는 저화질의 경우 이미지 추출부터 인공지능의 판독, 그리고 결과 처리까지 초당 10~11 이미지 처리가 가능하므로 충분히 성능을 발휘할 수 있지만, HD(High Definition)급 이상의 고화질의 경우 이미지의 추출과 인공지능의 판단, 그리고 결과 처리까지 그 속도가 현저히 줄어들게 되어 초당 4~6 이미지 밖에 처리할 수 없다.
더욱이, 1920*1080의 FHD(Full High Definition)급 이상의 영상들이 주류를 이루고 있는 반면에, 비대면 교육용 학생들의 컴퓨터, 태블릿 등의 실생활에 사용되는 하드웨어가 보급형 컴퓨터 보다 성능이 낮은 경우가 많기 때문에 이러한 하드웨어 환경에 대응하기 위한 최적화 기술이 필요하게 되었다.
한국등록특허 제10-2259730 (2021.05.27)호 한국공개특허 제10-2021-0104360 (2021.08.25)호
본 발명의 일 실시예는 영상 크기에 상관없이 저사양 하드웨어에서 이미지 추출부터 인공지능 이미지 인식 및 판독, 결과 처리까지 빠른 대응을 할 수 있도록 하는 이미지 처리 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 인공지능 이미지 인식에 사용되는 이미지의 크기에 맞게 영상에서 이미지를 추출하여 이미지 추출에 필요한 하드웨어적 자원 소모를 줄이고 이미지 인식 및 판단 속도를 향상시킬 수 있는 이미지 처리 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 영상에서 추출되는 이미지의 유사도를 검사하여 유사한 이미지에 관한 인공지능의 인식, 판독 과정을 생략함으로써 영상의 실시간 판독의 효율성을 향상시킬 수 있는 이미지 처리 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 이미지 처리 장치는 사용자 단말에서 재생되는 영상에서 이미지를 추출하고 상기 이미지의 크기를 기준 사이즈로 조정하는 이미지 추출부, 및 상기 크기 조정된 이미지들 간 유사도 검사하여 현재 이미지가 직전 이미지와 같은 장면의 이미지인지를 판단하고 판단결과를 토대로 상기 현재 이미지에 관한 인공지능 인식 및 판독 시행 여부를 결정하는 유사도 검사부를 포함한다.
상기 이미지 추출부는 상기 사용자 단말에서 재생되는 로컬 영상 또는 스트리밍 영상에서 이미지들을 추출하고 추출되는 이미지 크기를 인공지능 기반의 영상 판독을 위한 최소 크기와 비교하여 큰 경우 상기 이미지의 크기를 상기 기준 사이즈에 맞추어 축소 조정하고, 상기 이미지 크기가 상기 기준 사이즈의 3배 이상인 경우에는 상기 이미지를 n개(n은 자연수)로 균등 분할할 수 있다.
상기 이미지 추출부는 상기 기준 사이즈를 상기 이미지 인식 및 판독에 사용되는 인공지능 모델의 이미지 크기로 결정할 수 있다.
상기 이미지 추출부는 상기 추출된 이미지의 너비와 높이 중 상대적으로 크기가 작은 부분을 기준으로 상기 기준 사이즈에 맞추어 비례적으로 크기 조정할 수 있다.
상기 유사도 검사부는 상기 추출되는 이미지들 중 서로 이웃하는 두 이미지 간 유사도를 비교하여 차이값을 구하고 상기 차이값이 기준수치 이하일 경우 미세한 변화만 있는 같은 이미지로 판단할 수 있다.
상기 유사도 검사부는 현재 이미지와 직전 이미지의 각 픽셀에 있는 컬러값에 대한 0부터 255까지의 데이터를 비교하여 두 이미지 간 차이점을 계산하고 이를 백분율로 변환한 차이값을 유사도 검사 결과값으로 구할 수 있다.
상기 유사도 검사부는 상기 유사도 검사 결과값을 기초로 미세한 변화만 있는 같은 이미지로 판단되면 해당 이미지의 인공지능 인식 및 판독을 시행하지 않도록 결정하고, 상기 미세한 변화만 있는 같은 이미지로 일정 횟수 연속 판단되면 이미지가 오버랩핑 되면서 장면의 전환이 생기는 경우로 판단하여 해당 이미지의 인공지능 인식 및 판독을 시행하도록 결정할 수 있다.
실시예들 중에서, 이미지 처리 방법은 사용자 단말에서 영상 재생이 최초 시작할 때 해당 영상의 크기와 영상 인식 및 판단용 인공지능 모델의 이미지 크기를 기초로 영상 추출 이미지 크기를 결정하고 재생되는 상기 영상에서 결정된 크기로 이미지를 추출하는 단계, 상기 추출되는 이미지 간 비교를 통한 영상 변화 및 차이점 연산을 수행하는 단계, 및 상기 차이점 연산 결과값이 기준수치 이하인 경우가 일정횟수 연속 발생되면 같은 이미지로 판단하여 해당 이미지에 대해 상기 인공지능 모델을 기초로 영상 인식 및 판단을 위한 검사를 시행하지 않고 그대로 저장하고 아니면 다른 이미지로 판단하여 해당 이미지의 검사를 수행하여 검사결과를 저장하는 단계를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 하거나, 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 이미지 처리 장치 및 방법은 영상 크기에 상관없이 저사양 하드웨어에서 이미지 추출부터 인공지능 이미지 인식 및 판독, 결과 처리까지 빠른 대응을 할 수 있다.
본 발명의 일 실시예에 따른 이미지 처리 장치 및 방법은 인공지능 이미지 인식에 사용되는 이미지의 크기에 맞게 영상에서 이미지를 추출하여 이미지 추출에 필요한 하드웨어적 자원 소모를 줄이고 이미지 인식 및 판단 속도를 향상시킬 수 있다.
본 발명의 일 실시예에 따른 이미지 처리 장치 및 방법은 영상에서 추출되는 이미지의 유사도를 검사하여 유사한 이미지에 관한 인공지능의 인식, 판독 과정을 생략함으로써 영상의 실시간 판독의 효율성을 향상시킬 수 있다.
도 1은 본 발명에 따른 이미지 처리 시스템을 설명하는 도면이다.
도 2는 본 발명에 따른 이미지 처리 장치의 시스템 구성을 설명하는 도면이다.
도 3은 본 발명에 따른 이미지 처리 장치의 기능적 구성을 설명하는 도면이다.
도 4는 도 3에 있는 이미지 처리 장치에서 수행되는 이미지 처리 과정을 설명하는 순서도이다.
도 5는 일 실시예에 따른 이미지 처리 장치가 적용된 이미지 인식 및 판독 과정을 도시한 순서도이다.
도 6은 일 실시예에 따른 이미지 분할 방식을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 이미지 처리 시스템을 설명하는 도면이다.
도 1을 참조하면, 이미지 처리 시스템(100)은 동영상 서버(110) 및 사용자 단말(130)을 포함할 수 있고, 이들 사이의 로컬 영상 또는 스트리밍 중인 영상 재생 및 실시간 영상 판독을 수행하고 그 결과를 즉각적으로 재생되고 있는 영상에 반영하도록 구현될 수 있다.
동영상 서버(110)는 사용자 단말(130)에 네트워크를 통해 영상 컨텐츠를 전송할 수 있는 컴퓨팅 장치로 구현될 수 있다. 일 실시예에서, 동영상 서버(110)는 스트리밍 서비스 플랫폼에서 복수의 영상 컨텐츠들을 동영상 파일 형태로 저장하고 실시간 스트리밍 동영상 데이터를 제공할 수 있다. 여기에서, 동영상 서버(110)는 사용자 단말(130)과 유선 네트워크 또는 블루투스, WiFi 등과 같은 무선 네트워크로 연결될 수 있다.
사용자 단말(130)은 동영상 서버(110)에 영상 컨텐츠를 요청할 수 있고 요청한 영상 컨텐츠의 실시간 스트리밍 동영상 파일을 수신받아 재생할 수 있는 컴퓨팅 장치에 해당할 수 있다. 사용자 단말(130)은 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿PC, IPTV 등 다양한 디바이스로도 구현될 수 있다. 일 실시예에서, 사용자 단말(130)은 본 발명에 따른 이미지 처리 장치를 포함하여 구현될 수 있다. 이 경우, 본 발명에 따른 이미지 처리 장치는 사용자 단말(130) 상에서 실행되는 전용 어플리케이션에 해당할 수 있다. 즉, 본 발명에 따른 이미지 처리 장치는 소정의 기능을 수행하는 독립된 모듈로서 사용자 단말(130)에 포함되어 구현될 수 있으며, 동영상 서버(110)와 상호 연동하여 본 발명에 따른 이미지 처리를 위한 구체적 동작을 수행할 수 있다.
사용자 단말(130)은 영상 판독을 위해 재생할 영상 컨텐츠로부터 이미지를 추출하고 추출한 이미지 크기(size)는 인공지능 모델의 이미지 크기에 따라 결정하여 인공지능 인식율에는 영향을 미치지 않으면서 이미지 인식 및 판독 처리속도를 높일 수 있다. 일 실시예에서, 사용자 단말(130)은 인공지능 이미지 인식 기술을 활용하여 현재 재생되는 영상의 유해성을 실시간으로 검사할 수 있고 검사 결과를 즉각적으로 재생되고 있는 영상에 반영할 수 있다. 여기에서, 사용자 단말(130)은 유해성 검사 결과에 따라서 동영상 파일의 재생을 중지 또는 금지할 수 있고 특정 구간 등을 차단하거나 가려서 유해한 정면의 노출을 방지할 수 있다.
도 2는 본 발명에 따른 이미지 처리 장치의 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 이미지 처리 장치(200)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(240)를 포함하여 구현될 수 있다.
프로세서(210)는 이미지 처리 장치(200)가 동작하는 과정에서의 각 단계들을 처리하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(220)를 관리할 수 있으며, 메모리(220)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 이미지 처리 장치(200)의 동작 전반을 제어할 수 있고, 메모리(220), 사용자 입출력부(230) 및 네트워크 입출력부(240)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 이미지 처리 장치(200)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(220)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 이미지 처리 장치(200)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(230)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(230)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(230)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 이미지 처리 장치(200)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(240)는 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 3은 본 발명에 따른 이미지 처리 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 이미지 처리 장치(200)는 이미지 추출부(310), 유사도 검사부(330) 및 제어부(350)를 포함할 수 있다.
이미지 추출부(310)는 사용자 단말(110)의 성능 및 재생되는 영상의 해상도에 따라 재생되고 있는 동영상 파일에서 초당 적어도 6개 이상의 이미지 프레임을 추출할 수 있다. 이미지 처리 장치(200)는 동영상 서버(110)로부터 영상 컨텐츠를 수신할 수 있다. 이미지 처리 장치(200)는 사용자의 영상 컨텐츠 요청에 따라 동영상 서버(110)와 네트워크 접속하여 해당 영상 컨텐츠의 실시간 스트리밍 동영상 파일을 수신할 수 있다.
일 실시예에서, 이미지 추출부(310)는 사용자 단말(110)에서 재생되는 로컬 영상 혹은 스트리밍 영상에서 이미지를 추출하고 추출한 이미지 크기를 조정할 수 있다. 여기에서, 이미지는 사진과 같은 정지 화면에 해당하거나 또는 동영상과 같은 연속된 화면의 한 프레임(Frame)에 해당할 수 있다. 프레임(Frame)은 동영상의 가장 작은 단위로, 대부분의 동영상은 초당 15에서 30 프레임의 이미지를 보여준다.
일 실시예에서, 이미지 추출부(310)는 추출된 이미지 크기를 인공지능 기반의 영상 인식 및 판단을 위한 최소 크기(이하, '인공지능 판단 최소 크기' 라 칭함)와 비교하고 그 비교결과에 따라 이미지 조정 크기를 결정할 수 있다. 이미지 추출부(310)는 추출된 이미지 크기가 인공지능 판단 최소 크기 보다 작은 경우에는 추출한 이미지 크기를 기준 사이즈로 조정할 수 있다. 여기에서, 추출되는 이미지 크기는 재생되는 영상의 화질에 따라 결정될 수 있다. 예를 들면, SD급 유튜브 영상은 720(가로)×480(세로)의 이미지 크기를 가지며, HD급 유튜브 영상은 1280(가로)×720(세로)의 이미지 크기를 가지고, FHD급 유튜브 영상은 1920(가로)×1080(세로)의 이미지 크기를 갖는다. FHD급 영상은 현재 방송과 영상 컨텐츠의 사용자들에게 가장 널리 쓰이는 화질이라 할 수 있다.
이미지 추출부(310)는 영상의 크기가 인공지능 판단 최소 크기 보다 작은 경우 이미지의 크기를 기준 사이즈에 맞추어 확대 조정할 수 있고, 영상의 크기가 인공지능 판단 최소 크기 보다 큰 경우 이미지의 크기를 기준 사이즈에 맞추어 축소 조정할 수 있다. 일반적으로, 영상의 크기가 인공지능 판단 최소 크기 보다 작은 저화질의 경우에는 활용성이 떨어져 사용자가 선택하지 않는 경우가 많고 이미 대다수 영상이 480 이상의 화질을 사용하고 있기 때문에 이미지의 크기 조정이 필요치 않을 수 있다. 여기에서, 기준 사이즈는 영상의 실시간 판독에 사용되는 인공지능 모델의 이미지 크기로 결정될 수 있다. 예를 들면, 인공지능 모델의 이미지 크기가 300×300인 경우 기준 사이즈는 300×300으로 할 수 있다.
일 실시예에서, 이미지 추출부(310)는 리사이징 과정(resizing process)을 수행하여 이미지의 너비(W)와 높이(H)를 기준 사이즈에 맞추어 조정할 수 있다. 이때, 이미지 추출부(310)는 너비와 높이 중 대부분의 영상은 높이가 작기 때문에 높이를 기준으로 비례적으로 크기 조정할 수 있다. 예를 들면, HD급 영상의 경우 이미지 크기가 1280×720이고, 기준 사이즈가 300×300이므로, 이미지 추출부(310)는 이미지 크기의 높이를 300으로, 너비는 높이 300을 기준으로 비례적으로 줄인 크기인 530으로 결정할 수 있다. 스마트폰 등으로 촬영한 영상의 경우, 높이가 큰 경우가 있는 데 이럴 경우에는 너비를 300으로 하고 높이는 너비 크기에 비례하여 정하여 추출되는 이미지 크기를 조정할 수 있다.
일 실시예에서, 이미지 추출부(310)는 FHD급 이상의 영상의 경우 즉, 이미지의 크기가 기준 사이즈의 3배 이상인 경우에는 이미지의 크기를 조정하지 않고 대신 이미지를 n개(n은 자연수)로 균등 분할할 수 있다. 예를 들면, 유해성 검사의 경우 FHD급(1920×1080) 이상의 영상에서 문제가 되는 객체가 좌,우측에 놓여 있는 경우 크기를 줄여서 검사하면 유해 수치가 50% 미만으로 떨어져 유해성 판단에 문제가 생길 수 있다. 여기에서, 이미지 추출부(310)는 이미지를 가로, 세로 4등분한 이미지 4개와 4등분한 이미지와 같은 크기의 중앙 이미지로 총 5개의 이미지로 분할할 수 있다(도 6의 분할 참조). 예를 들면, 1920×1080 이미지의 경우 960×540의 가로, 세로 4개로 균등 분할하고 960×540으로 정중앙을 더 분할할 수 있다. 이러한 분할 방법은 일반적으로 사진 및 동영상에서 주인공이 되는 사물은 주로 가운데 놓이고 그것을 중심으로 주변에 다른 사물들이 놓이는데 근거할 수 있다. 하나의 이미지에 대해 5개로 분할된 이미지로 유해성 검사할 경우 유해 성격을 띄고 있는 객체가 한쪽에 쏠려 있어도 정확하게 판독할 수 있어 이미지 판독율을 높일 수 있다.
이미지 추출부(310)는 영상이 재생되는 초기 시점에서 추출할 이미지의 크기를 정할 수 있으며, 사용자에 의하여 재생할 영상의 크기가 변경될 경우 이를 인식하고 추출할 이미지의 크기를 재결정할 수 있다. 이미지 추출부(310)는 재생되는 영상에서 이미지를 추출할 수 있고 추출되는 이미지의 크기를 기설정한 크기로 리사이징 할 수 있다. 이미지 추출부(310)는 현재 재생되고 있는 영상 보다는 인공지능이 인식하기에 문제가 없는 최적화된 이미지 사이즈로 영상을 추출함으로써, 영상에서 이미지로 추출하는 데 필요한 하드웨어적 자원 소모를 줄이고 인식 판단의 속도 또한 향상시킬 수 있다. 따라서, 인공지능 모델 개발에 사용된 이미지 크기와 맞추어도 인공지능이 이미지 판별하는데 충분하다.
유사도 검사부(330)는 재생되는 영상에서 추출한 이미지들 간의 비교를 통해 유사도 검사를 수행할 수 있다. 영상의 경우, 같은 장면이 지속적으로 나오는 경우가 있다. 짧게는 1초 일 수도 있고 길게는 몇 분, 수십분간 지속될 수도 있다. 최근 ASMR이라는 장르가 나타나면서 동일한 장면에 음악만 다른 경우가 많다. 이럴 경우, 같은 영상을 지속적으로 추출 검사할 필요가 없다. 따라서, 같은 장면에 대해서는 이미지 추출, 영상 인식, 판독 및 결과 처리 중 가장 긴 시간이 걸리는 인식 및 판독의 과정을 생략할 수 있다.
유사도 검사부(330)는 추출되는 이미지들 중 서로 이웃하는 두 이미지 간 유사도를 비교하여 차이값을 구하고 차이값이 기준수치 이하일 경우 미세한 변화만 있는 같은 이미지로 판단하여 해당 이미지에 대하여 인공지능 모델을 이용한 영상 인식 및 판독 과정을 수행하지 않도록 하여 영상 인식, 판단의 전체적인 프로세스 속도를 높일 수 있다. 유사도 검사부(330)는 두 이미지 간 유사도 비교를 통해 구한 차이값이 기준수치 이상일 경우 즉, 유사성이 떨어지는 경우에는 장면 전환 등 변화가 있는 다른 이미지로 판단하여 해당 이미지에 대한 영상 인식, 판단 과정을 시행할 수 있도록 한다.
일 실시예에서, 유사도 검사부(330)는 이미지의 각 픽셀에 있는 컬러(Red,Green,Blue,Alpha)값에 대한 0부터 255까지의 데이터를 비교하여 차이점을 계산하고 이를 백분율(%)로 변환하여 차이값으로 구할 수 있다. 이는 다음의 수학식와 같이 정의될 수 있다.
[수학식]
diff = 100 * diff / (img.width * img.heigh * 3)
여기에서, diff는 현재 이미지와 직전 이미지 간 차이값이고, img.width 및 img.height는 현재 이미지의 크기로 세로픽셀수 및 가로픽셀수를 나타낸다.
유사도 검사부(330)는 차이값이 0에 가까울수록 비교하는 두 이미지는 같은 이미지로 판단할 수 있다. 예를 들면, 유사도 검사부(330)는 유사도 비교 영상의 차이값이 2% 이하일 경우 미세한 변화만 있는 같은 이미지로 판단할 수 있다. 유사도 검사부(330)는 차이값이 기준수치 이하로 일정 횟수 연속하여 발생할 경우 인공지능을 통해 이미지를 인식, 판단시켜 오류를 최소화하도록 한다. 즉, 두개의 이미지가 서서히 오버랩핑 되면서 장면의 전환이 생기는 경우에는 영상의 미묘한 변화만이 지속적으로 감지될 수 있다. 결국, 다른 장면으로 변환되지만 같은 이미지로 오인하여 검사가 무시되는 경우가 나올 수 있다. 따라서, 유사도 검사부(330)는 2% 미만의 미묘한 변화가 3연속으로 발생할 경우 해당 이미지들에 관한 인공지능 영상 판독이 시행될 수 있도록 한다.
제어부(350)는 이미지 처리 장치(200)의 전체적인 동작을 제어하고, 이미지 추출부(310) 및 유사도 검사부(330) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 도 3에 있는 이미지 처리 장치에서 수행되는 이미지 처리 과정을 설명하는 순서도이다.
도 4를 참조하면, 이미지 처리 장치(300)는 이미지 추출부(310)를 통해 영상에서 이미지를 추출하고 이미지의 크기를 기준 사이즈로 조정할 수 있다(단계 S410). 일 실시예에서, 이미지 추출부(310)는 사용자 단말(130)에서 재생되는 로컬 영상 또는 스트리밍 영상에서 초당 복수의 이미지 프레임들을 추출할 수 있다. 여기에서, 추출되는 프레임 개수는 사용자 단말(130)의 하드웨어 성능 및 재생되는 영상의 해상도에 의해 결정될 수 있다. 이미지 추출부(310)는 추출되는 복수의 이미지 프레임들 각각에 대해 크기를 기준 사이즈에 맞추어 조정할 수 있다. 이미지 추출부(310)는 이미지 추출과 동시에 이미지의 크기를 기준 사이즈로 맞출 수 있다. 여기에서, 기준 사이즈는 이미지 인식 및 판독에 사용되는 인공지능 모델의 이미지 크기를 기준으로 결정될 수 있다. 일 실시예에서, 이미지 추출부는 하기와 같은 형식으로 추출된 이미지의 크기를 조정할 수 있다.
Figure 112021131847337-pat00001
여기에서, videoSize는 영상의 크기(해상도)이고, vHight는 영상의 크기 중 높이이고, vWidth는 영상의 크기 중 너비이고, 224×224 또는 300×300의 기준 사이즈를 나타낸다.
이미지 추출부(310)는 영상의 크기 중 상대적으로 크기가 작은 높이를 기준 사이즈 300으로 맞추고 너비를 300으로 크기 조정된 높이 크기에 비례하여 사이즈 조정할 수 있다. 이미지 추출부(310)는 상대적으로 너비가 작은 경우에는 너비를 기준 사이즈 300에 맞추어 조정하고 300으로 크기 조정된 너비 크기에 비례하여 높이의 크기를 사이즈 조정할 수 있다.
이미지 처리 장치(200)는 유사도 검사부(330)를 통해 크기 조정된 이미지들 간 유사도 검사하여 인공지능 이미지 인식 및 판독 시행 여부를 결정할 수 있다(단계 S430). 일 실시예에서, 유사도 검사부(330)는 이미지들 간의 유사성을 토대로 현재 이미지가 직전 이미지와 같은 장면의 이미지인지를 판단할 수 있다. 여기에서, 유사도 검사부(330)는 이미지 데이터를 픽셀 단위로 구분하는 하기 로직을 사용하여 두 이미지 간 차이점을 계산하고 이를 0부터 100까지의 값으로 구할 수 있다.
Figure 112021131847337-pat00002
유사도 검사부(330)는 유사도 검사 결과값을 기초로 미세한 변화만 있는 같은 이미지로 판단되면 해당 이미지의 인공지능 검사를 시행하지 않는 것으로 결정할 수 있다. 유사도 검사부(330)는 유사도 검사 결과값을 기초로 미세한 변화만 있는 같은 이미지로 일정 횟수 연속 판단되면 두개의 이미지가 서서히 오버랩핑 되면서 장면의 전환이 생기는 경우로 판단하여 해당 이미지의 인공지능 검사를 시행하도록 결정할 수 있다.
유사한 영상, 미세한 변화만 있는 같은 이미지로 판단하여 영상의 인공지능 검사를 시행하지 않는 것으로 인공지능 인식, 판단의 단계를 거치지 않기 때문에 영상 인식, 판단의 전체적인 프로세스 속도를 높일 수 있다. 예를 들어, HD급 유튜브 동영상 검사에서 533×300으로 이미지를 추출하고 유사도 검사를 거치지 않을 경우 사용자 단말의 하드웨어 성능에 따라 차이는 있지만 초당 11장의 이미지를 검사하고 그 결과를 판독할 수 있으나, 유사도 검사를 통해 같은 이미지에 관한 인공지능의 검사, 판독 과정을 생략함으로써 초당 평균 22에서 최대 28장의 이미지를 검사할 수 있고 영상의 인식 및 판독의 속도도 최대 2.5배 향상될 수 있다.
도 5는 일 실시예에 따른 이미지 처리 장치가 적용된 이미지 인식 및 판독 과정을 도시한 순서도이다.
도 5를 참조하면, 이미지 처리 장치(200)는 사용자 단말(130)에서 영상 재생이 최초 시작할 때 해당 영상의 크기와 영상 인식 및 판단용 인공지능 모델의 이미지 크기를 기초로 효율적인 영상 추출 이미지 크기를 결정할 수 있고, 재생되는 영상에서 결정된 크기로 이미지를 추출할 수 있다(단계 S510). 이때, 영상 비교를 위해 약 1~2초 분량의 추출 이미지는 모두 검사를 수행하고 검사 결과는 임시 저장소에 저장될 수 있다.
또한, 이미지 처리 장치(200)는 영상에서 추출된 이미지 비교를 통한 영상 변화, 차이점 연산을 수행할 수 있다(단계 S530). 이때, 이미지 처리 장치(200)는 차이값이 2% 이하이면 같은 이미지로 판단하고, 아니면 다른 이미지로 판단하여 해당 이미지의 검사를 수행할 수 있도록 한다. 이미지 처리 장치(200)는 차이값이 2% 이하인 경우가 3연속 발생하였는지 판단하여 3연속 발생하지 않았으면 해당 이미지의 검사를 시행하지 않고 그대로 임시 저장소에 저장하고 3연속 발생했으면 다른 이미지로 판단하여 해당 이미지의 검사를 수행할 수 있도록 한다. 여기에서, 검사 결과는 임시 저장소에 저장될 수 있다. 이때, 결과값의 저장은 추출되는 이미지가 초당 최대 수를 측정하여 2배수까지만 저장하도록 지정할 수 있고 기본값으로 최근 검사 결과를 30개 보관하도록 하여 결과값 연산에 사용하도록 할 수 있다. 이로써, 제한된 메모리 자원 사용을 줄일 수 있다.
또한, 이미지 처리 장치(200)는 이미지 검사 및 판독에 따른 결과 처리를 수행할 수 있다(단계 S550). 이미지 처리 장치(200)는 해당 이미지에 관해 유해성 검사하고 유해성 판독 결과에 따라 현재 재생되고 있는 영상 중 유해한 이미지의 재생을 차단할 수 있다.
이미지 처리 장치(200)는 영상이 재생되는 동안 이미지 추출 및 유사도 검사를 통해 같은 이미지에 관한 인공지능의 검사, 판독 과정을 생략할 수 있다(단계 S570).
일 실시예에 따른 이미지 처리 장치 및 방법은 저사양의 비대면 태블릿, 컴퓨터, 리소스 활용이 제한적인 스마트폰 등에서도 구동이 가능하여 인공지능 이미지 인식 기술의 활용도를 높일 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 이미지 처리 시스템
110: 동영상 서버 130: 사용자 단말
200: 이미지 처리 장치
210: 프로세서 220: 메모리
230: 사용자 입출력부 240: 네트워크 입출력부
310: 이미지 추출부 330: 유사도 검사부
350: 제어부

Claims (8)

  1. 사용자 단말에서 재생되는 로컬 영상 또는 스트리밍 영상에서 이미지를 추출하고 상기 이미지의 크기를 기준 사이즈로 조정하는 이미지 추출부; 및
    상기 크기 조정된 이미지들 간 유사도 검사하여 현재 이미지가 직전 이미지와 같은 장면의 이미지인지를 판단하고 판단결과를 토대로 상기 현재 이미지에 관한 인공지능 인식 및 판독 시행 여부를 결정하는 유사도 검사부를 포함하되,
    상기 이미지 추출부는
    추출되는 이미지 크기를 인공지능 기반의 영상 판독을 위한 최소 크기와 비교하여 큰 경우 상기 이미지의 크기를 상기 기준 사이즈에 맞추어 축소 조정하고,
    상기 이미지 크기가 상기 기준 사이즈의 3배 이상인 경우에는 상기 이미지의 크기를 조정하지 않고 상기 이미지를 n개(n은 자연수)로 균등 분할하며 같은 분할 크기로 정중앙을 더 분할하고,
    상기 유사도 검사부는
    상기 추출되는 이미지들 중 서로 이웃하는 두 이미지 간 유사도를 비교하여 차이값을 구하고,
    상기 차이값이 기준수치 이하일 경우 미세한 변화만 있는 같은 이미지로 판단하고 해당 이미지의 인공지능 인식 및 판독을 시행하지 않도록 결정하여 영상 인식 및 판독의 프로세스 속도를 높일 수 있도록 하고, 상기 미세한 변화만 있는 같은 이미지로 일정 횟수 연속 판단되면 이미지가 오버랩핑 되면서 장면의 전환이 생기는 경우로 판단하여 해당 이미지의 인공지능 인식 및 판독을 시행하도록 결정하고,
    상기 차이값이 기준수치 이상일 경우 변화가 있는 다른 이미지로 판단하여 해당 이미지의 인공지능 인식 및 판독을 시행하도록 결정하는 것을 특징으로 하는 이미지 처리 장치.
  2. 삭제
  3. 제1항에 있어서, 상기 이미지 추출부는
    상기 기준 사이즈를 상기 이미지 인식 및 판독에 사용되는 인공지능 모델의 이미지 크기로 결정하는 것을 특징으로 하는 이미지 처리 장치.
  4. 제3항에 있어서, 상기 이미지 추출부는
    상기 추출된 이미지의 너비와 높이 중 상대적으로 크기가 작은 부분을 기준으로 상기 기준 사이즈에 맞추어 비례적으로 크기 조정하는 것을 특징으로 하는 이미지 처리 장치.
  5. 삭제
  6. 제1항에 있어서, 상기 유사도 검사부는
    현재 이미지와 직전 이미지의 각 픽셀에 있는 컬러값에 대한 0부터 255까지의 데이터를 비교하여 두 이미지 간 차이점을 계산하고 이를 백분율로 변환한 차이값을 유사도 검사 결과값으로 구하는 것을 특징으로 하는 이미지 처리 장치.
  7. 삭제
  8. 사용자 단말에서 영상 재생이 최초 시작할 때 해당 영상의 크기와 영상 인식 및 판단용 인공지능 모델의 이미지 크기를 기초로 영상 추출 이미지 크기를 결정하고 재생되는 상기 영상에서 결정된 크기로 이미지를 추출하는 단계;
    상기 추출되는 이미지 간 유사도 비교를 통한 영상 변화 및 차이점 연산을 수행하는 단계; 및
    상기 차이점 연산 결과값이 기준수치 이하인 경우 미세한 변화만 있는 같은 이미지로 판단하여 해당 이미지에 대해 상기 인공지능 모델을 기초로 영상 인식 및 판단을 위한 검사를 시행하지 않고 그대로 저장하고 아니면 다른 이미지로 판단하여 해당 이미지의 검사를 수행하여 검사결과를 저장하는 단계를 포함하되,
    상기 이미지 추출 단계는
    추출되는 이미지 크기를 인공지능 기반의 영상 판독을 위한 최소 크기와 비교하여 큰 경우 상기 이미지의 크기를 상기 기준 사이즈에 맞추어 축소 조정하고,
    상기 이미지 크기가 상기 기준 사이즈의 3배 이상인 경우에는 상기 이미지의 크기를 조정하지 않고 상기 이미지를 n개(n은 자연수)로 균등 분할하며 같은 분할 크기로 정중앙을 더 분할하고,
    상기 검사결과 저장 단계는
    상기 차이점 연산 결과값이 기준수치 이하인 경우가 일정횟수 연속 발생되면 이미지가 오버랩핑 되면서 장면의 전환이 생기는 경우로 판단하여 해당 이미지의 검사를 수행하는 것을 특징으로 하는 이미지 처리 방법.
KR1020210157262A 2021-11-16 2021-11-16 이미지 처리 장치 및 방법 KR102465368B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210157262A KR102465368B1 (ko) 2021-11-16 2021-11-16 이미지 처리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210157262A KR102465368B1 (ko) 2021-11-16 2021-11-16 이미지 처리 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102465368B1 true KR102465368B1 (ko) 2022-11-11

Family

ID=84042776

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210157262A KR102465368B1 (ko) 2021-11-16 2021-11-16 이미지 처리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102465368B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090006397A (ko) * 2007-07-11 2009-01-15 에스케이 텔레콤주식회사 동영상 유통 환경에서 유해 동영상의 다단계 차단 시스템및 방법
KR20140025113A (ko) * 2012-08-21 2014-03-04 한국전자통신연구원 유해 컨텐츠 고속 판단 장치 및 방법
KR102169073B1 (ko) * 2019-09-30 2020-10-22 광운대학교 산학협력단 동영상 유해성 분석 결과 기반 실시간 스트리밍 차단 시스템 및 방법
KR102259730B1 (ko) 2019-10-31 2021-06-02 김민석 인공지능 기반의 유해 컨텐츠 차단 장치
KR20210104360A (ko) 2020-02-17 2021-08-25 엔에이치엔 주식회사 이미지 인식 기반 인공지능 서비스 제공방법 및 시스템
KR102308889B1 (ko) * 2020-11-02 2021-10-01 영남대학교 산학협력단 영상 하이라이트 검출 방법 및 이를 수행하기 위한 컴퓨팅 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090006397A (ko) * 2007-07-11 2009-01-15 에스케이 텔레콤주식회사 동영상 유통 환경에서 유해 동영상의 다단계 차단 시스템및 방법
KR20140025113A (ko) * 2012-08-21 2014-03-04 한국전자통신연구원 유해 컨텐츠 고속 판단 장치 및 방법
KR102169073B1 (ko) * 2019-09-30 2020-10-22 광운대학교 산학협력단 동영상 유해성 분석 결과 기반 실시간 스트리밍 차단 시스템 및 방법
KR102259730B1 (ko) 2019-10-31 2021-06-02 김민석 인공지능 기반의 유해 컨텐츠 차단 장치
KR20210104360A (ko) 2020-02-17 2021-08-25 엔에이치엔 주식회사 이미지 인식 기반 인공지능 서비스 제공방법 및 시스템
KR102308889B1 (ko) * 2020-11-02 2021-10-01 영남대학교 산학협력단 영상 하이라이트 검출 방법 및 이를 수행하기 위한 컴퓨팅 장치

Similar Documents

Publication Publication Date Title
US10412452B2 (en) Display device and method for replacing advertisement
US9727788B2 (en) Detecting segments of a video program through image comparisons
US20170213110A1 (en) Multi-stage image classification
US10430694B2 (en) Fast and accurate skin detection using online discriminative modeling
EP2109313B1 (en) Television receiver and method
US20220277566A1 (en) Method and apparatus for extracting video segment, device and storage medium
KR102087882B1 (ko) 시각적 이미지 매칭을 기반으로 한 미디어 스트림 식별 장치 및 방법
JP2009048489A (ja) 映像処理装置、プログラムおよび方法
WO2024001000A1 (zh) 一种视频播放检测的方法和系统
US20230362328A1 (en) Video frame insertion method and apparatus, and electronic device
CN109743566B (zh) 一种用于识别vr视频格式的方法与设备
WO2019137259A1 (zh) 图像处理方法、装置、存储介质及电子设备
Heng et al. How to assess the quality of compressed surveillance videos using face recognition
US11348254B2 (en) Visual search method, computer device, and storage medium
CN113436222A (zh) 图像处理方法、图像处理装置、电子设备及存储介质
US9230173B2 (en) Soft decision making processes for analyzing images
US8891833B2 (en) Image processing apparatus and image processing method
KR102465368B1 (ko) 이미지 처리 장치 및 방법
US10819983B1 (en) Determining a blurriness score for screen capture videos
CN115495307B (zh) 一种传屏数据的处理方法、装置、计算机可读存储介质及系统
CN111274447A (zh) 基于视频的目标表情生成方法、装置、介质、电子设备
US10789693B2 (en) System and method for performing pre-processing for blending images
Fonseca et al. Face detection in the compressed domain
US20200371586A1 (en) Systems and methods for automatic eye gaze refinement
KR20230007717A (ko) 지능적 가로-세로 영상 변환을 위한 전자 장치, 시스템 및 방법

Legal Events

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