KR102501622B1 - 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템 - Google Patents

음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템 Download PDF

Info

Publication number
KR102501622B1
KR102501622B1 KR1020210163146A KR20210163146A KR102501622B1 KR 102501622 B1 KR102501622 B1 KR 102501622B1 KR 1020210163146 A KR1020210163146 A KR 1020210163146A KR 20210163146 A KR20210163146 A KR 20210163146A KR 102501622 B1 KR102501622 B1 KR 102501622B1
Authority
KR
South Korea
Prior art keywords
music
sample
mfcc
audio
unit
Prior art date
Application number
KR1020210163146A
Other languages
English (en)
Inventor
방경식
유정수
Original Assignee
주식회사 원아이디랩
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 주식회사 원아이디랩 filed Critical 주식회사 원아이디랩
Priority to KR1020210163146A priority Critical patent/KR102501622B1/ko
Application granted granted Critical
Publication of KR102501622B1 publication Critical patent/KR102501622B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G06Q50/184—Intellectual property management
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법은 판별 추출부가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계; 판별 모델링부가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계; 상기 판별 추출부가 판단 대상 오디오의 MFCC를 추출하는 단계; 및 판별 예측부가 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 상기 음악 오디오를 추출하는 단계;를 포함할 수 있다.

Description

음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템{METHOD AND SYSTEM FOR CALCULATING ROYALTY USING DISTINGUISHING BETWEEN MUSIC AND NON-MUSIC}
본 발명은 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 저작권의 사용 여부를 판단하여 저작권자에게 저작권료의 정산 및 분배를 구현할 수 있는 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법 및 시스템에 관한 것이다.
대한민국과 같은 대륙법계에서 저작권은 크게 저작인격권과 저작재산권으로 대별되는데, 최근 문화콘텐츠 산업의 발달과 더불어 저작권의 재산권적 측면이 강조되고 있어 저작권을 포함하여 "지적재산권"으로 통칭되고 있지만, 엄밀히 말하면 저작권은 다른 지적재산권(특허권, 상표권, 디자인권, 신지식재산권 등)과는 구분된다.
이는 저작권의 인격권적 측면 때문인데, 저작물은 단순히 창작자의 재산적 권리 이전에 '창작자의 인격'의 발현으로서 보호되어야 한다는 면을 뜻한다. 저작인격권(국내 저작권법상 성명표시권, 동일성유지권, 공표권)은 일신전속적 권리로서, 저작재산권이 만료 또는 양도되더라도 소멸 또는 함께 양도되지 않는다.
현재, 미디어의 발달로 저작권이 무분별하게 사용되고 있는 실정이다.
특히, 방송, 개인방송 등에서 배경 음악 등으로 무단으로 저작권이 사용되고 있어 저작권의 사용을 판별하고, 저작권료의 정산 및 분배를 위한 시스템이 필요하다.
한편, 대한민국 등록특허 제 10-2161876 B1 (2020.09.24)호는 콘텐츠 미디어 서비스의 저작권료와 DRM 저작권료 통합 정산 방법 및 상기 방법을 수행하기 위한 기록 매체를 개시하고 있다.
그러나, 미디어에서 저작권이 사용되었는지 여부를 판단하는데 어려움이 존재한다.
본 발명은 상기와 같은 문제를 해결하기 위한 것으로서, 저작권료의 공정하고 투명한 정산 및 분배를 위해 저작권의 사용 여부를 정확히 판단할 수 있는 음악/비음악 판별 방법 및 시스템을 제공하고자 함이다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법은 판별 추출부가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계; 판별 모델링부가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계; 상기 판별 추출부가 판단 대상 오디오의 MFCC를 추출하는 단계; 및 판별 예측부가 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 상기 음악 오디오를 추출하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법에 의하면, 저작권의 사용 여부를 정확히 판단할 수 있는 장점이 있다.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구현하는 저작권료 분배 시스템이 타 전자장치와 통신하는 것을 도시한 개략도.
도 2는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구현하는 저작권료 분배 시스템의 개략 구성 블록도.
도 3은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 설명하기 위한 개략도.
도 4는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악/비음악 판별 방법을 설명하기 위한 개략도.
도 5는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악 검증 방법을 설명하기 위한 개략도.
도 6은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악 오디오를 식별하는 방법을 설명하기 위한 개략도.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
본 발명의 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법은 판별 추출부가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계; 판별 모델링부가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계; 상기 판별 추출부가 판단 대상 오디오의 MFCC를 추출하는 단계; 및 판별 예측부가 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 상기 음악 오디오를 추출하는 단계;를 포함할 수 있다.
또, 상기 판별 모델을 트레이닝하는 단계는 상기 샘플 MFCC를 2D-CNN 모델로 트레이닝할 수 있다.
본 발명의 다른 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 시스템은 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 판별 추출부; 및 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 판별 모델링부;를 포함하며, 상기 판별 추출부는 판단 대상 오디오의 MFCC를 추출하며, 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 상기 음악 오디오를 추출하는 판별 예측부;를 더 포함할 수 있다.
또, 상기 판별 모델링부는 상기 샘플 MFCC를 2D-CNN 모델로 트레이닝할 수 있다.
각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구현하는 저작권료 분배 시스템이 타 전자장치와 통신하는 것을 도시한 개략도이다.
도 2는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구현하는 저작권료 분배 시스템의 개략 구성 블록도이다.
도 3은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 설명하기 위한 개략도이다.
도 4는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악/비음악 판별 방법을 설명하기 위한 개략도이다.
도 5는 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악 검증 방법을 설명하기 위한 개략도이다.
도 6은 본 발명의 일 실시예에 따른 저작권료 분배 방법을 구성하는 음악 오디오를 식별하는 방법을 설명하기 위한 개략도이다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위하여, 본 발명의 기술적 사상과 관련성이 떨어지거나 당업자로부터 용이하게 도출될 수 있는 부분은 간략화 하거나 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 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.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
본 발명의 일 실시예에 따른 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법은 방송 등 미디어에서 생성된 데이터에서 저작권인 음악을 식별하여, 사용자에게 저작권 사용에 대한 비용을 청구하고, 저작권자에 저작권료를 분해하기 위함이다.
일례로, 도 1 및 도 2에 도시한 바와 같이, 상기 저작권료 분배 방법은 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 시스템(10)에 의해 구현될 수 있다.
일례로, 상기 저작권료 분배 시스템(10)은 방송국 서버 등 외부 서버(S)로부터 저작권 사용여부의 판단 대상이 되는 방송 데이터인 판단 대상 오디오(A)를 수신할 수 있으며, 저작권 사용 결과값을 저작권자, 사용자 등에게 알리기 위해 저작권자, 사용자 등의 단말기(P)와도 통신이 가능하다.
일례로, 상기 저작권료 분배 시스템(10)은 앞서 설명한 외부 서버(S) 및 단말기(P)와 통신하는 통신부(400), 관리자로부터 상기 저작권료 분배 방법을 구현하는데 필요한 데이터/정보/연산값 등을 입력받는 입력부(300), 상기 저작권료 분배 방법을 구현하는데 필요한 데이터/정보/연산값 등을 저장하는 메모리부(200), 상기 저작권료 분배 방법을 구현하는데 필요한 데이터/정보/연산값 및 결과값을 표시하는 디스플레이부(500) 및 상기 저작권료 분배 방법을 구현하는데 필요한 데이터/정보/연산값을 이용하여 상기 저작권료 분배 방법을 구현하는 프로세서(100)를 포함할 수 있다.
일례로, 상기 프로세서(100)는 아래에서 자세하게 설명될 음악/비음악 판별부(110), 음악 식별부(120) 및 검증부(130)를 구비할 수 있다.
한편, 도 3에 도시한 바와 같이, 상기 저작권료 분배 방법은 순차적으로 상기 음악/비음악 판별부(110), 상기 음악 식별부(120) 및 상기 검증부(130)에 의해 구현될 수 있다.
일례로, 상기 저작권료 분배 방법은 순차적으로 상기 음악/비음악 판별부(110)가 구현하는 음악/비음악 판별 방법(단계), 상기 음악 식별부(120)가 구현하는 음악 오디오를 식별하는 방법(단계) 및 상기 검증부(130)가 구현하는 음악 검증 방법(단계)으로 구성될 수 있다.
이하에서는, 도 3 내지 도 6을 참조하여 상기 저작권료 분배 방법을 구성하는 상기 음악/비음악 판별 방법(단계), 상기 음악 오디오를 식별하는 방법(단계) 및 상기 음악 검증 방법(단계)을 순차적으로 자세히 설명하겠다.
1. 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악/비음악 판별 방법
도 3 및 도 4를 참조하여, 상기 음악/비음악 판별 방법을 설명하겠다.
상기 음악/비음악 판별 방법은 음악/비음악 판별부(110)가 판단 대상 오디오(A)의 MFCC(Mel-Frequency Cepstral Coefficient)를 이용하여 상기 판단 대상 오디오(A) 중 비음악이 아닌 음악 오디오을 추출하는 방법(단계)를 의미할 수 있다.
즉, 저작권료를 정산하기 위해서는 상기 판단 대상 오디오(A)에서 저작권에 해당하는 음악 오디오가 포함되었는지 여부를 먼저 추출할 필요가 있다.
따라서, 상기 음악/비음악 판별 방법("음악 오디오을 추출하는 단계"로 명칭될 수 있음)은 상기 판단 대상 오디오(A)의 전체 재생 구간에 대해서 음악 오디오와 비음악 오디오를 구분하여 음악 오디오 부분을 추출하는 방법이다.
일례로, 상기 음악/비음악 판별 방법은 상기 음악/비음악 판별부(110)에 의해 구현될 수 있다.
일례로, 상기 음악/비음악 판별부(110)는 상기 판단 대상 오디오(A)에서 음악 오디오 부분과 비음악 오디오 부분을 판별하는 구성으로서, 판별 추출부(111), 판별 모델링부(112) 및 판별 예측부(113)를 포함할 수 있다.
일례로, 상기 음악/비음악 판별 방법은 상기 판별 추출부(111)가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계를 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 판별 추출부(111)는 상기 외부 서버(S) 및/또는 상기 메모리부(200)에 저장된 수 많은 음악 오디오(미리 관리자 등에 의해 음악으로 정의된 오디오)인 샘플 음악과 수 많은 비음악 오디오(미리 관리자 등에 의해 비음악으로 정의된 오디오)인 비음악 샘플을 입력받아, 샘플 음악의 샘플 MFCC를 추출하고, 샘플 비음악의 샘플 MFCC를 추출할 수 있다.
여기서, 상기 음악/비음악 판별 방법은 상기 판별 모델링부(112)가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 판별 모델링부(112)는 상기 판별 추출부(111)로부터 수 많은 샘플 음악에 대한 샘플 MFCC와 수 많은 샘플 비음악에 대한 샘플 MFCC를 구분하여 전달받아, 딥 러닝을 통해 MFCC를 입력값으로 음악 오디오와 비음악 오디오를 구분할 수 있는 판별 모델을 트레이닝할 수 있다.
즉, 상기 판별 모델링부(112)는 샘플 음악에 대한 샘플 MFCC 벡터를 이용하여 음악 오디오에 대한 특징을 추출하고, 샘플 비음악에 대한 샘플 MFCC 벡터를 이용하여 비음악 오디오에 대한 특징을 추출하여, 딥러닝을 통해 음악과 비음악을 구별할 수 있는 상기 판별 모델을 생성 및 트레이닝할 수 있다.
일례로, 상기 판별 모델을 트레이닝하는 단계는 상기 판별 모델링부(112)가 상기 샘플 MFCC를 입력값으로 하는 2D-CNN 모델을 이용하여 상기 판별 모델을 트레이닝할 수 있다.
결과적으로, 상기 판별 모델링부(112)는 수 많은 샘플 음악과 샘플 비음악의 MFCC를 이용하여 딥러닝을 통해 음악과 비음악을 구분할 수 있는 상기 판별 모델을 생성할 수 있다.
이 후, 상기 판단 대상 오디오(A)에서 음악 오디오를 추출하기 위해, 상기 음악/비음악 판별 방법은 상기 판별 추출부(111)가 상기 판단 대상 오디오(A)의 MFCC를 추출하는 단계를 더 포함할 수 있다.
즉, 상기 판별 추출부(111)는 상기 외부 서버(S) 및/또는 상기 메모리부(200)로부터 상기 판단 대상 오디오(A)를 전달받아 상기 판단 대상 오디오(A)의 MFCC를 추출할 수 있다.
이 후, 상기 판단 대상 오디오(A)에서 음악 오디오를 추출하기 위해, 상기 음악/비음악 판별 방법은 상기 판별 예측부(113)가 상기 판단 대상 오디오(A)의 MFCC를 상기 판별 모델에 입력하여 상기 판단 대상 오디오(A)의 전체 구간 중에서 상기 음악 오디오를 추출하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 판별 예측부(113)는 상기 판별 추출부(111)로부터 상기 판별 대상 오디오의 MFCC를 전달받을 수 있으며, 상기 판별 모델링부(112)가 트레이닝한 상기 판별 모델에 상기 판별 대상 오디오의 MFCC를 입력하여 상기 판별 대상 오디오의 전체 재생 구간 중, 비음악 오디오 구간이 아닌 음악 오디오 구간을 추출할 수 있다.
예를 들어, 도 3에 도시한 바와 같이, 상기 판별 예측부(113)는 상기 판단 대상 오디오(A)의 전체 구간 상에서, 음악 오디오로 판단한 제1 음악 오디오(O1), 제2 음악 오디오(O2) 및 제3 음악 오디오(O3)를 추출할 수 있다.
또한, 상기 판별 예측부(113)는 상기 판단 대상 오디오(A)의 전체 구간 상에서, 음악 오디오인 제1 음악 오디오(O1), 제2 음악 오디오(O2) 및 제3 음악 오디오(O3) 구간이 다른 구간(비음악 오디오로 판단한 구간)과 구별되도록 상기 디스플레이부(500)를 통해 제1 음악 오디오(O1), 제2 음악 오디오(O2) 및 제3 음악 오디오(O3) 구간을 다른 오디오 구간의 색깔과 다르게 표시할 수 있으며, 제1 음악 오디오(O1), 제2 음악 오디오(O2) 및 제3 음악 오디오(O3) 구간 각각의 재생 시작 시점 및 재생 종료 시점을 추출하여 표시할 수도 있다.
결과적으로, 상기 음악/비음악 판별 방법(음악 오디오를 추출하는 단계)은 상기 판단 대상 오디오(A)의 MFCC를 입력값으로 하여 상기 판별 모델을 통해 상기 판단 대상 오디오(A) 중 비음악이 아닌 음악 오디오를 추출할 수 있다.
2. 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악 오디오를 식별하는 방법
도 3 및 도 6을 참조하여, 상기 음악 오디오를 식별하는 방법을 설명하겠다.
상기 음악 오디오를 식별하는 방법은 상기 음악/비음악 판별 방법(음악 오디오를 추출하는 단계)에 의해 상기 판단 대상 오디오(A)에서 음악 오디오로 추출된 오디오가 누구의 저작권인지를 식별할 수 있도록 음악 오디오에 고유의 식별코드를 부여하는 방법(단계)를 의미할 수 있다.
즉, 저작권자에게 저작권료를 정산하기 위해서는 상기 음악 오디오가 누구의 저작권에 해당하는 음악인지 식별해야 한다.
일례로, 상기 음악 오디오를 식별하는 방법("고유의 식별코드를 부여하는 단계"로 명칭될 수 있음)은 상기 음악 식별부(120)가 상기 음악 오디오의 핑거프린트와 레퍼런스 오디오(미리 저작권자가 정의된 오디오)의 핑거프린트를 비교하여 매칭 조건을 만족하는 경우 상기 음악 오디오에 고유의 식별코드(저작권자를 구별할 수 있는 코드)를 부여할 수 있다.
이를 보다 자세히 설명하자면, 상기 음악 식별부(120)는 상기 음악/비음악 판별부(110)로부터 상기 판단 대상 오디오(A) 중 음악 오디오인 상기 제1 음악 오디오(O1), 상기 제2 음악 오디오(O2) 및 상기 제3 음악 오디오(O3)를 전달 받을 수 있다.
여기서, 상기 음악 식별부(120)는 상기 제1 음악 오디오(O1), 상기 제2 음악 오디오(O2) 및 상기 제3 음악 오디오(O3) 각각에 대한 핑거프린트를 생성할 수 있다.
또한, 상기 음악 식별부(120)는 상기 외부 서버(S) 및/또는 상기 메모리부(200)로부터 상기 음악 오디오와의 비교 대상인 레퍼런스 오디오의 핑거프린트를 전달받거나, 레퍼런스 오디오를 전달받은 후 핑거프린트를 생성할 수 있다.
그 결과, 상기 음악 식별부(120)는 상기 제1 음악 오디오(O1), 상기 제2 음악 오디오(O2) 및 상기 제3 음악 오디오(O3) 각각에 대한 핑거프린트와 수 많은 레퍼런스 오디오의 핑거프린트를 비교하여 상기 매칭 조건을 만족하는지 여부를 판단할 수 있다.
일례로, 상기 매칭 조건은 상기 음악 오디오와 상기 레퍼런스 오디오가 동일한 음악인지 여부를 판단하는 기준 조건으로서, 도 6에 도시한 바와 같이, 상기 음악 오디오의 핑거프린트와 상기 레퍼런스 오디오의 핑거프린트를 상호 매칭시키면, 유사한 부분이 유사도 매트릭스(similarity matrix) 상에 대각선으로 매칭된 매칭 구간이 발생된다. 따라서, 상기 매칭 조건은 유사도 매트릭스(similarity matrix) 상에 대각선으로 매칭된 매칭 구간이 기 설정된 구간 이상 나타나는 조건을 의미할 수 있다.
즉, 상기 매칭 조건을 만족하는 경우, 유사도 매트릭스(similarity matrix) 상에 매칭된 상기 음악 오디오와 상기 레퍼런스 오디오가 동일한 오디오임으로 판단될 수 있다.
따라서, 상기 음악 오디오를 식별하는 방법은 상기 음악 오디오의 핑거프린트와 상기 레퍼런스 오디오의 핑거프린트를 비교하여 상기 매칭 조건을 만족하는 경우, 미리 정해진 상기 레퍼런스 오디오의 식별코드를 상기 음악 오디오의 식별코드로 부여할 수 있다.
결과적으로, 상기 음악 식별부(120)는 상기 음악/비음악 판별부(110)가 음악 오디오라고 판단한 오디오에 대해서 상기 레퍼런스 오디오와 동일한 음악으로 판단한 오디오에 고유의 식별코드를 부여할 수 있다.
여기서, 상기 음악 식별부(120)는 상기 매칭 조건을 만족하는 유사도 매트릭스(similarity matrix) 상에 대각선으로 표시되는 상기 음악 오디오의 구간과, 상기 레러펀스 오디오의 구간도 식별할 수 있다.
한편, 만약 상기 음악 식별부(120)가 상기 음악 오디오와 수 많은 레퍼런스 오디오 간에 상기 매칭 조건을 만족하지 않는 경우, 상기 음악 오디오에 대해서는 고유의 식별코드를 부여하지 않고 "unknown"을 의미하는 코드를 부여할 수 있다.
즉, 도 3에 도시한 바와 같이, 상기 음악 식별부(120)는 상기 제1 음악 오디오(O1)와 상기 제2 음악 오디오(O2)가 상기 매칭 조건을 만족하는 경우 상기 제1 음악 오디오(O1)와 상기 제2 음악 오디오(O2)에 각각 고유의 식별코드를 부여할 수 있으며, 상기 제3 음악 오디오(O3)가 상기 매칭 조건을 만족하지 않는 경우 상기 제3 음악 오디오(O3)에 "unknown"을 의미하는 코드를 부여할 수 있다.
따라서, 관리자는 상기 판단 대상 오디오(A) 상에서, 특정 음악이라고 식별된 상기 제1 음악 오디오(O1)와 상기 제2 오디오를 인식할 수 있고, 특정 음악이라고 식별되지 않은 상기 제3 음악 오디오(O3)를 특정 음악이라고 식별된 음악과 구별하여 쉽게 인식할 수 있다.
3. 저작권료의 공정하고 투명한 정산 및 분배를 위한 음악 검증 방법
도 3 및 도 5를 참조하여, 상기 음악 검증 방법을 설명하겠다.
상기 상기 음악 검증 방법은 상기 음악 식별부(120)가 상기 음악 오디오에 부여한 고유의 식별번호가 맞는지 여부를 검증하는 방법일 수 있다.
일례로, 상기 음악 검증 방법은 상기 검증부(130)가 상기 식별코드가 부여된 상기 음악 오디오의 MFCC를 이용하여 상기 음악 오디오에 부여된 상기 식별코드의 적합 여부를 검증하는 방법을 의미할 수 있다.
즉, 상기 식별코드가 부여된 음악 오디오의 저작권자에게 소정의 저작권료를 분배하기 위해서는 상기 식별코드가 정확하게 부여되었는지에 대해서 보다 정확한 검증이 필요하다.
따라서, 상기 음악 검증 방법("식별코드의 적합 여부를 검증하는 단계"로 명칭될 수 있음)은 상기 음악 식별부(120)가 고유의 상기 식별코드를 부여한 상기 음악 오디오 및 이와 동일한 음악이라고 판단한 상기 레퍼런스 오디오를 상호 비교하여 다시 한 번 상기 식별코드가 정확하게 부여되었는지 여부를 판단하는 것이다.
일례로, 상기 음악 검증 방법 상기 검증부(130)에 의해 구현될 수 있다.
일례로, 상기 검증부(130)는 검증 추출부(131), 차이 산출부(132), 검증 모델링부(133) 및 검증 예측부(134)를 포함할 수 있다.
여기서, 일례로, 상기 음악 검증 방법은 상기 검증 추출부(131)가 관리자 등에 의해 미리 동일 음악으로 분류된 제1 샘플 음악과 제2 샘플 음악의 MFCC를 추출하는 단계를 포함할 수 있으며, 또한, 상기 차이 산출부(132)가 상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값을 산출하는 단계를 더 포함할 수 있다.
나아가, 상기 음악 검증 방법은 상기 검증 추출부(131)가 관리자 등에 의해 미리 다른 음악으로 분류된 제3 샘플 음악과 제4 샘플 음악의 MFCC를 추출하는 단계를 더 포함할 수 있으며, 또한 상기 차이 산출부(132)가 상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 산출하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 검증 추출부(131)는 상기 외부 서버(S) 및/또는 상기 메모리부(200)에 저장된 수 많은 음악 오디오 중 동일 음악으로 미리 분류된 제1 샘플 음악과 제2 샘플 음악 각각에 대해 MFCC를 추출할 수 있다.
또한, 상기 검증 추출부(131)는 상기 외부 서버(S) 및/또는 상기 메모리부(200)에 저장된 수 많은 음악 오디오 중 다른 음악으로 미리 분류된 제3 샘플 음악과 제4 샘플 음악 각각에 대해 MFCC를 추출할 수 있다.
여기서, 상기 차이 산출부(132)는 상기 검증 추출부(131)로부터 동일 음악으로 미리 분류된 상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC 간의 차이를 산출할 수 있다.
또한, 상기 차이 산출부(132)는 상기 검증 추출부(131)로부터 동일 음악으로 미리 분류된 상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC 간의 차이를 산출할 수 있다.
일반적으로, 상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC 간의 차이는 상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC 간의 차이보다 작을 수 있다.
한편, 여기서 상기 음악 검증 방법은 상기 검증 모델링부(133)가 상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값 및 상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 딥러닝하여 검증 모델을 트레이닝하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 검증 모델링부(133)는 상기 차이 산출부(132)로부터 미리 동일 음악으로 분류된 샘플 음악들 간의 MFCC 차이값과 미리 다른 음악으로 분류된 샘플 음악들 간의 MFCC 차이값을 구분하여 전달받아 딥 러닝을 통해 입력되는 음악들이 동일 음악인지 여부를 판단할 수 있는 상기 검증 모델을 트레이닝할 수 있다.
일례로, 상기 검증 모델을 트레이닝하는 단계는 상기 판별 모델링부(112)가 "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks"논문에서 공개된 EfficientNet 모델을 이용하여 상기 검증 모델을 트레이닝할 수 있다.
이 후, 고유의 상기 식별번호가 부여된 상기 음악 오디오를 검증하기 위해, 상기 음악 검증 방법은 상기 검증 추출부(131)가 상기 음악 오디오와 상기 레퍼런스 오디오의 MFCC를 추출하는 단계를 포함할 수 있고, 또한 상기 차이 산출부(132)가 상기 음악 오디오의 MFCC와 상기 레퍼런스 오디오의 MFCC의 차이값을 산출하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면, 상기 검증 추출부(131)는 상기 음악 식별부(120)가 고유의 상기 식별코드를 부여한 상기 음악 오디오 및 이와 동일한 음악이라고 판단한 상기 레퍼런스 오디오 각각에 대한 MFCC를 추출할 수 있고, 상기 차이 산출부(132)는 상기 검증 추출부(131)로부터 상기 음악 오디오의 MFCC와 상기 레퍼런스 오디오의 MFCC 간의 차이값을 산출할 수 있다.
여기서, 일례로, 상기 검증 추출부(131)는 상기 음악 오디오 전구간 및 상기 레퍼런스 오디오의 전구간에 대한 MFCC를 추출하는 것이 아니라, 상기 음악 식별부(120)가 추출한 상기 매칭 조건을 만족하는 유사도 매트릭스(similarity matrix) 상에 대각선으로 표시되는 상기 음악 오디오의 구간과, 상기 레러런스 오디오의 구간에 대해서만 MFCC를 각각 추출할 수도 있다.
따라서, 상기 차이 산출부(132)는 유사도 매트릭스(similarity matrix) 상에 대각선으로 표시되는 상기 음악 오디오의 구간에 대한 MFCC와 유사도 매트릭스(similarity matrix) 상에 대각선으로 표시되는 상기 레러런스 오디오의 구간에 대한 MFCC 간의 차이값을 산출할 수 있다.
이 후, 고유의 상기 식별번호가 부여된 상기 음악 오디오를 검증하기 위해, 상기 음악 검증 방법은 상기 검증 예측부(134)가 상기 음악 오디오의 MFCC와 상기 레퍼런스 오디오의 MFCC의 차이값을 상기 검증 모델에 입력하여 상기 음악 오디오와 상기 레퍼런스 오디오가 동일한지 여부를 판단하는 단계를 더 포함할 수 있다.
이를 보다 자세히 설명하자면 상기 검증 예측부(134)는 상기 음악 식별부(120)가 고유의 상기 식별코드를 부여한 상기 음악 오디오 및 이와 동일한 음악이라고 판단한 상기 레퍼런스 오디오 간의 MFCC 차이값을 상기 검증 모델에 입력하여, 상기 음악 오디오와 상기 레퍼런스 오디오가 동일한지 여부를 판단할 수 있다.
만약, 상기 검증 예측부(134)는 상기 검증 모델을 통해 상기 음악 오디오와 상기 레퍼런스 오디오 간이 동일하다고 판단하는 경우 상기 음악 오디오에 부여된 고유의 상기 식별번호를 유지할 수 있고, 상기 검증 모델을 통해 상기 음악 오디오와 상기 레퍼런스 오디오 간이 동일하지 않다고 판단하는 경우 상기 음악 오디오에 부여된 고유의 상기 식별번호를 파기하고 "Reconfirmation required"를 의미하는 코드를 부여할 수 있다.
따라서, 관리자는 상기 판단 대상 오디오(A) 상에서, 고유의 상기 식별코드가 부여된 상기 음악 오디오, "unknown"을 의미하는 코드가 부여된 상기 음악 오디오 및 "Reconfirmation required"를 의미하는 코드가 부여된 상기 음악 오디오를 용이하게 식별할 수 있다.
한편, 상기 저작권료 분배 방법은 순차적으로 상기 음악/비음악 판별부(110)가 구현하는 음악/비음악 판별 방법(단계), 상기 음악 식별부(120)가 구현하는 음악 오디오를 식별하는 방법(단계) 및 상기 검증부(130)가 구현하는 음악 검증 방법(단계)를 거쳐 고유의 상기 식별코드가 부여된 상기 음악 오디오의 사용자에 대해 저작권료 지불을 요청할 수 있고, 상기 음악 오디오의 저작권자에게 저작권료를 분배할 수 있다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
100: 프로세서
110: 음악/비음악 판별부
120: 음악 식별부
130: 검증부

Claims (4)

  1. 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법에 있어서,
    판별 추출부가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계;
    판별 모델링부가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계;
    상기 판별 추출부가 판단 대상 오디오의 MFCC를 추출하는 단계; 및
    판별 예측부가 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 음악 오디오를 추출하는 단계;를 포함하며,
    음악 식별부가 상기 음악 오디오의 핑거프린트와 레퍼런스 오디오의 핑거프린트를 비교하여 매칭 조건을 만족하는 경우 상기 음악 오디오에 고유의 식별코드를 부여하는 단계; 및
    검증부가 상기 식별코드가 부여된 상기 음악 오디오의 MFCC를 이용하여 상기 음악 오디오에 부여된 상기 식별코드의 적합 여부를 검증하는 단계;를 더 포함하고,
    상기 식별코드의 적합 여부를 검증하는 단계는,
    미리 동일 음악으로 분류된 제1 샘플 음악과 제2 샘플 음악의 MFCC를 추출하는 단계;
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값을 산출하는 단계;
    미리 다른 음악으로 분류된 제3 샘플 음악과 제4 샘플 음악의 MFCC를 추출하는 단계;
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 산출하는 단계; 및
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값 및
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 딥러닝하여 상기 검증부를 트레이닝하는 단계;를 포함하는,
    음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법.
  2. 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법에 있어서,
    판별 추출부가 샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 단계;
    판별 모델링부가 상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 단계;
    상기 판별 추출부가 판단 대상 오디오의 MFCC를 추출하는 단계; 및
    판별 예측부가 상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 음악 오디오를 추출하는 단계;를 포함하며,
    음악 식별부가 상기 음악 오디오의 핑거프린트와 레퍼런스 오디오의 핑거프린트를 비교하여 매칭 조건을 만족하는 경우 상기 음악 오디오에 고유의 식별코드를 부여하는 단계; 및
    검증부가 상기 식별코드가 부여된 상기 음악 오디오의 MFCC를 이용하여 상기 음악 오디오에 부여된 상기 식별코드의 적합 여부를 검증하는 단계;를 더 포함하고,
    상기 식별코드의 적합 여부를 검증하는 단계는,
    미리 동일 음악으로 분류된 제1 샘플 음악과 제2 샘플 음악의 MFCC를 추출하는 단계;
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값을 산출하는 단계;
    미리 다른 음악으로 분류된 제3 샘플 음악과 제4 샘플 음악의 MFCC를 추출하는 단계;
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 산출하는 단계; 및
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값 및
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 딥러닝하여 상기 검증부를 트레이닝하는 단계;를 포함하고,
    상기 판별 모델을 트레이닝하는 단계는,
    상기 샘플 MFCC를 2D-CNN 모델로 트레이닝하는,
    음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법.
  3. 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 시스템에 있어서,
    샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 판별 추출부; 및
    상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 판별 모델링부;를 포함하며,
    상기 판별 추출부는,
    판단 대상 오디오의 MFCC를 추출하며,
    상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 음악 오디오를 추출하는 판별 예측부;
    상기 음악 오디오의 핑거프린트와 레퍼런스 오디오의 핑거프린트를 비교하여 매칭 조건을 만족하는 경우 상기 음악 오디오에 고유의 식별코드를 부여하는 음악 식별부; 및
    상기 식별코드가 부여된 상기 음악 오디오의 MFCC를 이용하여 상기 음악 오디오에 부여된 상기 식별코드의 적합 여부를 검증하는 검증부;를 더 포함하며,
    상기 검증부는,
    미리 동일 음악으로 분류된 제1 샘플 음악과 제2 샘플 음악의 MFCC를 추출하고,
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값을 산출하며,
    미리 다른 음악으로 분류된 제3 샘플 음악과 제4 샘플 음악의 MFCC를 추출하고,
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 산출하며,
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값 및
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 딥러닝하여 검증 모델을 트레이닝하는,
    음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 시스템.
  4. 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 시스템에 있어서,
    샘플 음악과 샘플 비음악의 샘플 MFCC를 추출하는 판별 추출부; 및
    상기 샘플 MFCC를 딥러닝하여 판별 모델을 트레이닝하는 판별 모델링부;를 포함하며,
    상기 판별 추출부는,
    판단 대상 오디오의 MFCC를 추출하며,
    상기 판단 대상 오디오의 MFCC를 상기 판별 모델에 입력하여 음악 오디오를 추출하는 판별 예측부;
    상기 음악 오디오의 핑거프린트와 레퍼런스 오디오의 핑거프린트를 비교하여 매칭 조건을 만족하는 경우 상기 음악 오디오에 고유의 식별코드를 부여하는 음악 식별부; 및
    상기 식별코드가 부여된 상기 음악 오디오의 MFCC를 이용하여 상기 음악 오디오에 부여된 상기 식별코드의 적합 여부를 검증하는 검증부;를 더 포함하며,
    상기 검증부는,
    미리 동일 음악으로 분류된 제1 샘플 음악과 제2 샘플 음악의 MFCC를 추출하고,
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값을 산출하며,
    미리 다른 음악으로 분류된 제3 샘플 음악과 제4 샘플 음악의 MFCC를 추출하고,
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 산출하며,
    상기 제1 샘플 음악의 MFCC와 상기 제2 샘플 음악의 MFCC의 차이값 및
    상기 제3 샘플 음악의 MFCC와 상기 제4 샘플 음악의 MFCC의 차이값을 딥러닝하여 검증 모델을 트레이닝하며,
    상기 판별 모델링부는,
    상기 샘플 MFCC를 2D-CNN 모델로 트레이닝하는,
    음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 시스템.
KR1020210163146A 2021-11-24 2021-11-24 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템 KR102501622B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210163146A KR102501622B1 (ko) 2021-11-24 2021-11-24 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210163146A KR102501622B1 (ko) 2021-11-24 2021-11-24 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102501622B1 true KR102501622B1 (ko) 2023-02-21

Family

ID=85328069

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210163146A KR102501622B1 (ko) 2021-11-24 2021-11-24 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102501622B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210017494A (ko) * 2019-08-08 2021-02-17 주식회사 인에이블파인드 소리 정보 판단 장치 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210017494A (ko) * 2019-08-08 2021-02-17 주식회사 인에이블파인드 소리 정보 판단 장치 및 그 방법

Similar Documents

Publication Publication Date Title
CN110147726B (zh) 业务质检方法和装置、存储介质及电子装置
CN110503961B (zh) 音频识别方法、装置、存储介质及电子设备
CN105868970B (zh) 一种认证方法和电子设备
CN104050217A (zh) 媒体内容替换方法和系统
JP6969663B2 (ja) ユーザの撮影装置を識別する装置及び方法
US20150186624A1 (en) System and method for managing personal content copyright using context-based search engine
CN109887187A (zh) 一种取件处理方法、装置、设备及存储介质
CN105450664B (zh) 一种信息处理方法及终端
WO2020220212A1 (zh) 生物特征识别方法以及电子设备
CN110324314A (zh) 用户注册方法及装置、存储介质、电子设备
CN109117622A (zh) 一种基于音频指纹的身份认证方法
CN115298680A (zh) 使用人脸信息进行注册及支付的方法、装置及系统
US20180322901A1 (en) Copyright checking for uploaded media
CN111324611A (zh) 一种资产类通证的凭证检索方法和装置
EA035281B1 (ru) Способ осуществления транзакции по передаче цифровой ценности и система передачи цифровых ценностей для его осуществления
KR102501622B1 (ko) 음악/비음악을 판별하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템
KR102501623B1 (ko) 음악을 검증하여 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템
KR102501621B1 (ko) 저작권료의 공정하고 투명한 정산 및 분배를 위한 저작권료 분배 방법 및 시스템
CN111027065B (zh) 一种勒索病毒识别方法、装置、电子设备及存储介质
WO2020232636A1 (zh) 指纹识别装置、指纹识别方法及电子设备
KR20190044945A (ko) 화자인증장치 및 방법
CN114444048A (zh) 特征管理方法、装置、计算机设备和存储介质
KR101612997B1 (ko) 내용기반의 검색엔진을 이용한 단말기 간 콘텐츠 공유 시스템 및 방법
JP5353485B2 (ja) コンテンツデータの管理システム、管理方法、利用装置及び管理装置
CN117437058B (zh) 一种实体卡牌与数字资产绑定的方法及系统

Legal Events

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