KR20090002076A - 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 - Google Patents
동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 Download PDFInfo
- Publication number
- KR20090002076A KR20090002076A KR1020070054601A KR20070054601A KR20090002076A KR 20090002076 A KR20090002076 A KR 20090002076A KR 1020070054601 A KR1020070054601 A KR 1020070054601A KR 20070054601 A KR20070054601 A KR 20070054601A KR 20090002076 A KR20090002076 A KR 20090002076A
- Authority
- KR
- South Korea
- Prior art keywords
- segment
- data
- video data
- fingerprint
- fingerprint data
- Prior art date
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/72—Data preparation, e.g. statistical preprocessing of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/835—Generation of protective data, e.g. certificates
- H04N21/8358—Generation of protective data, e.g. certificates involving watermark
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
Description
Claims (22)
- 적어도 하나 이상의 핑거프린트 데이터를 갖는 제1 동영상 데이터와 제2 동영상 데이터를 비교하여 동영상 데이터의 동일성을 판단하고 동일 구간을 검출하는 방법에 있어서,제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와, 제2 동영상 데이터의 처음부터 마지막까지 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를 순차적으로 대응시켜 비교하여 비교 결과값을 세그먼트별로 산출하는 제1 단계;상기 제1 단계에서 산출된 세그먼트별 비교 결과값에 의거하여 상기 제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제2 동영상 데이터의 세그먼트를 검출하는 제2 단계;상기 제2 단계에서 세그먼트가 검출된 경우, 검출된 제2 동영상 데이터의 세그먼트의 시작점을 동일 구간의 시작점으로 결정하는 제3 단계;제1 동영상 데이터의 두번째 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트와, 상기 제2 단계에서 검출된 제2 동영상 데이터의 세그먼트의 다음 세그먼트에 상응하는 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를, 각 세그먼트별로 순차적으로 대응시켜 비교함으로써 동일하지 않은 핑거프린트 데이터를 갖는 제2 동영상 데이터의 최초의 세그먼트를 검출하는 제4 단계;상기 제4 단계에서 최초의 세그먼트가 검출된 경우, 검출된 제2 동영상 데이터의 최초의 세그먼트의 시작점을 동일 구간의 종료점으로 결정하는 제5 단계; 및상기 제4 단계에서 상기 제1 및 제2 동영상 데이터 중의 어느 하나의 마지막 세그먼트에 도달할 때까지 세그먼트가 검출되지 않은 경우, 상기 마지막 세그먼트의 종료점을 동일 구간의 종료점으로 결정하는 제6 단계를 포함하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제1항에 있어서,제2 단계에서,상기 제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제2 동영상 데이터의 세그먼트가 검출되지 않은 경우,제2 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와, 제1 동영상 데이터의 처음부터 마지막까지 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를 순차적으로 대응시켜 비교하여 비교 결과값을 세그먼트별로 산출하는 제7 단계;상기 제7 단계에서 산출된 세그먼트별 비교 결과값에 의거하여 상기 제2 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제1 동영상 데이터의 세그먼트를 검출하는 제8 단계;상기 제8 단계에서 세그먼트가 검출된 경우, 검출된 제1 동영상 데이터의 세그먼트의 시작점을 동일 구간의 시작점으로 결정하는 제9 단계;제2 동영상 데이터의 두번째 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트와, 상기 제8 단계에서 검출된 제1 동영상 데이터의 세그먼트의 다음 세그먼트에 상응하는 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를, 각 세그먼트별로 순차적으로 대응시켜 비교함으로써 동일하지 않은 핑거프린트 데이터를 갖는 제1 동영상 데이터의 최초의 세그먼트를 검출하는 제10 단계;상기 제10 단계에서 최초의 세그먼트가 검출된 경우, 검출된 제1 동영상 데이터의 최초의 세그먼트의 시작점을 동일 구간의 종료점으로 결정하는 제11 단계; 및상기 제10 단계에서 상기 제1 및 제2 동영상 데이터 중의 어느 하나의 마지막 세그먼트에 도달할 때까지 세그먼트가 검출되지 않은 경우, 상기 마지막 세그먼트의 종료점을 동일 구간의 종료점으로 결정하는 제12 단계를 포함하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제1항에 있어서,상기 핑거프린트 데이터는 상기 동영상 데이터로부터 추출한 오디오 신호에 의해 생성된 오디오 핑거프린트 데이터인 것을 특징으로 하는 동영상 데이터의 동 일성 판단 및 동일 구간 검출 방법.
- 제1항에 있어서,상기 핑거프린트 데이터는 상기 동영상 데이터로부터 추출한 비디오 신호에 의해 생성된 비디오 핑거프린트 데이터인 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제1항에 있어서,상기 핑거프린트 데이터는,상기 제1 및 제2 동영상 데이터를 적어도 하나 이상의 제1 프레임들로 분할하고, 상기 분할된 제1 프레임들 각각에 대하여 특징 데이터를 추출하는 a) 단계;상기 분할된 제1 프레임들 각각에 대하여 상기 특징 데이터의 분포 특징을 나타내는 특징 분포 데이터를 생성하는 b) 단계; 및상기 제1 및 제2 동영상 데이터를 적어도 하나 이상의 제2 프레임들로 분할하고, 상기 제1 프레임들에 대하여 생성된 특징 분포 데이터를 이용하여, 상기 제2 프레임들 각각에 대한 핑거프린트 데이터를 생성하는 제 c) 단계에 의해 생성된 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 a) 단계 및 제 c) 단계는, 분할되는 하나의 프레임과 인접하는 다음 시간 간격의 프레임이 서로 공통되는 부분을 갖도록 분할하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 제2 프레임 각각의 길이는 상기 제1 프레임 각각의 길이 보다 긴 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 a) 단계는,상기 분할된 제1 프레임들 각각에 대하여, MFCC(Mel Frequency Cepstral Coefficient), PLPC(Perceptual Linear Prediction Coefficient) 또는 LPC(Linear Prediction Coefficient) 중에서 적어도 어느 하나 이상의 조합을 사용하여 특징 벡터를 추출하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 a) 단계는,상기 분할된 제1 프레임들 각각에 대하여, 차분 MFCC(delta Mel Frequency Cepstral Coefficient) 및/또는 차차분 MFCC(acceleration Mel Frequency Cepstral Coefficient) 중에서 적어도 하나 이상의 조합을 사용하여 특징 벡터를 추출하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 핑거프린트 데이터가 동영상 데이터의 비디오 신호에서 추출한 비디오 핑거프린트인 경우,상기 a) 단계는,분할된 제1 프레임 각각을 n×n 크기의 서브 프레임으로 분할하는 단계;상기 분할된 서브 프레임 각각을 구성하는 화소들의 R,G,B값 각각에 대한 평균값을 계산하는 단계; 및상기 계산된 평균값 각각에 대하여 n×n×3차의 특징 벡터를 추출하는 단계를 포함하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제10항에 있어서,상기 계산된 평균값 각각에 대하여 n×n×3차의 특징 벡터를 추출하는 단계 이후, 상기 추출된 특징 벡터값이 각 n×n 크기의 서브 프레임의 가장 밝은 R,G,B값과 가장 어두운 R,G,B 값 사이에 속하도록 정규화하는 단계를 더 포함하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제10항에 있어서,상기 계산된 평균값 각각에 대하여 n×n×3차의 특징 벡터를 추출하는 단계는, 상기 추출된 n×n×3차의 특징 벡터에 대하여, 차분 및/또는 차차분 연산을 수행하고 이들의 결과값의 적어도 하나 이상의 조합을 사용하여 특징 벡터를 추출하는 단계를 더 포함하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제8항 내지 제12항 중 적어도 어느 한 항에 있어서,상기 b) 단계는,상기 a) 단계에서 추출된 특징 벡터들을 적어도 하나 이상의 그룹들로 그룹 화하고 각각의 그룹에 대한 인덱스값을 저장하고 있는 코드북을 참조하여, 상기 분할된 제1 프레임들 각각에 대하여 인덱스값을 산출함으로써 특징 분포 데이터를 생성하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제13항에 있어서,상기 코드북은 상기 그룹별로 특징 벡터들의 평균값을 가지며, 상기 분할된 제1 프레임들 각각에 대한 특징 벡터들과 상기 각 그룹별 특징 벡터들의 평균값과의 거리에 의해 인덱스값을 산출하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제5항에 있어서,상기 c) 단계에 있어서,상기 제2 프레임들 각각에 대한 핑거프린트 데이터는, 상기 각각의 제2 프레임들에 포함되는 제1 프레임들 각각에 대한 특징 분포 데이터의 빈도를 계산함으로써 생성되는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제15항에 있어서,상기 제1 단계는,제2 동영상 데이터의 처음부터 마지막까지 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 각 세그먼트에 대하여, 각 세그먼트에 포함된 P개의 핑거프린트 데이터와 제1 동영상 데이터의 세그먼트의 P개의 핑거프린트 데이터를 순차적으로 대응시켜 비교함으로써 대응되는 핑거프린트 데이터 사이의 거리를 계산하는 제1-1 단계; 및상기 계산된 거리의 합을 제2 동영상 데이터의 모든 세그먼트에 대하여 세그먼트 별로 산출하는 제1-2 단계를 포함하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제16항에 있어서,상기 제1-1 단계에서, 대응되는 핑거프린트 데이터 사이의 거리는,대응되는 각 핑거프린트 데이터를 구성하는 특징 분포 데이터들에 의해 생성된 빈도 데이터들을 순차적으로 비교하면서 빈도 데이터 간의 최소값을 결정하고 결정된 최소값의 합을 산출함으로써 계산되는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제16항에 있어서,상기 제2 단계는,제2 동영상 데이터의 모든 세그먼트에 대하여 세그먼트 별로 산출된 거리의 합 중에서 최대값을 검출하고, 상기 최대값이 소정 임계치보다 큰 경우, 상기 최대값을 갖는 세그먼트를 상기 제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제2 동영상 데이터의 세그먼트로서 검출하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제15항에 있어서,제4 단계는,제1 동영상 데이터의 두번째 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트와, 상기 제2 단계에서 검출된 제2 동영상 데이터의 세그먼트의 다음 세그먼트에 상응하는 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를, 각 세그먼트에 포함된 P개씩의 핑거프린트 데이터를 순차적으로 대응시켜 비교함으로써 대응되는 핑거프린트 데이터 사이의 거리를 계산하고, 상기 계산된 거리의 합을 산출한 후, 상기 계산된 거리의 합이 소정 임계치보다 작은 경우에 비교되는 세그먼트가 서로 동일하지 않 은 핑거프린트 데이터를 갖는 것으로 결정하고 해당 세그먼트를 제2 동영상 데이터의 최초의 세그먼트로서 검출하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 제19항에 있어서,상기 각 세그먼트에 포함된 P개씩의 핑거프린트 데이터를 순차적으로 대응시켜 비교함으로써 대응되는 핑거프린트 데이터 사이의 거리를 계산하는 것은,대응되는 각 핑거프린트 데이터를 구성하는 특징 분포 데이터들에 의해 생성된 빈도 데이터들을 순차적으로 비교하면서 빈도 데이터 간의 최소값을 결정하고 결정된 최소값의 합을 산출함으로써 계산되는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법.
- 적어도 하나 이상의 핑거프린트 데이터를 갖는 제1 동영상 데이터와 제2 동영상 데이터를 비교하여 동영상 데이터의 동일성 여부를 판단하고 동일 구간을 검출하는 장치에 있어서,제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와, 제2 동영상 데이터의 처음부터 마지막까지 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를 순차적으로 대응시켜 비교하여 비교 결과값을 세그먼트별 로 산출하고, 상기 산출된 세그먼트별 비교 결과값에 의거하여 상기 제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제2 동영상 데이터의 세그먼트를 검출하고, 세그먼트가 검출된 경우, 검출된 제2 동영상 데이터의 세그먼트의 시작점을 동일 구간의 시작점으로 결정하고, 제1 동영상 데이터의 두번째 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트와, 상기 검출된 제2 동영상 데이터의 세그먼트의 다음 세그먼트에 상응하는 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를, 각 세그먼트별로 순차적으로 대응시켜 비교함으로써 동일하지 않은 핑거프린트 데이터를 갖는 제2 동영상 데이터의 최초의 세그먼트를 검출하고, 최초의 세그먼트가 검출된 경우, 검출된 제2 동영상 데이터의 최초의 세그먼트의 시작점을 동일 구간의 종료점으로 결정하고, 상기 제1 및 제2 동영상 데이터 중의 어느 하나의 마지막 세그먼트에 도달할 때까지 세그먼트가 검출되지 않은 경우, 상기 마지막 세그먼트의 종료점을 동일 구간의 종료점으로 결정하는 동영상 데이터 비교부를 포함하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 장치.
- 제21항에 있어서,상기 동영상 데이터 비교부는,상기 제1 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼 트와 동일한 핑거프린트 데이터를 갖는 제2 동영상 데이터의 세그먼트가 검출되지 않은 경우, 제2 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와, 제1 동영상 데이터의 처음부터 마지막까지 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를 순차적으로 대응시켜 비교하여 비교 결과값을 세그먼트별로 산출하고, 상기 산출된 세그먼트별 비교 결과값에 의거하여 상기 제2 동영상 데이터의 처음 P개의 핑거프린트 데이터로 구성되는 세그먼트와 동일한 핑거프린트 데이터를 갖는 제1 동영상 데이터의 세그먼트를 검출하고, 세그먼트가 검출된 경우, 검출된 제1 동영상 데이터의 세그먼트의 시작점을 동일 구간의 시작점으로 결정하고, 제2 동영상 데이터의 두번째 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트와, 상기 검출된 제1 동영상 데이터의 세그먼트의 다음 세그먼트에 상응하는 핑거프린트 데이터로부터 P개씩의 핑거프린트 데이터로 순차적으로 구성되는 세그먼트를, 각 세그먼트별로 순차적으로 대응시켜 비교함으로써 동일하지 않은 핑거프린트 데이터를 갖는 제1 동영상 데이터의 최초의 세그먼트를 검출하고, 최초의 세그먼트가 검출된 경우, 검출된 제1 동영상 데이터의 최초의 세그먼트의 시작점을 동일 구간의 종료점으로 결정하고, 상기 제1 및 제2 동영상 데이터 중의 어느 하나의 마지막 세그먼트에 도달할 때까지 세그먼트가 검출되지 않은 경우, 상기 마지막 세그먼트의 종료점을 동일 구간의 종료점으로 결정하는 것을 특징으로 하는 동영상 데이터의 동일성 판단 및 동일 구간 검출 장치.
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070054601A KR100888804B1 (ko) | 2007-06-04 | 2007-06-04 | 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 |
CN200880101785A CN101772950A (zh) | 2007-06-04 | 2008-06-04 | 处理动态图像的方法及设备 |
PCT/KR2008/003142 WO2008150109A1 (en) | 2007-06-04 | 2008-06-04 | Method of processing moving picture and apparatus thereof |
EP18191563.8A EP3438883B1 (en) | 2007-06-04 | 2008-06-04 | Method and apparatus for detecting a common section in moving pictures |
CN201210033359.XA CN102638686B (zh) | 2007-06-04 | 2008-06-04 | 处理动态图像的方法及设备 |
US12/598,199 US8345742B2 (en) | 2007-06-04 | 2008-06-04 | Method of processing moving picture and apparatus thereof |
EP08766104.7A EP2165525B1 (en) | 2007-06-04 | 2008-06-04 | Method of processing moving picture and apparatus thereof |
US13/691,674 US20130088645A1 (en) | 2007-06-04 | 2012-11-30 | Method of Processing Moving Picture and Apparatus Thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070054601A KR100888804B1 (ko) | 2007-06-04 | 2007-06-04 | 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20090002076A true KR20090002076A (ko) | 2009-01-09 |
KR100888804B1 KR100888804B1 (ko) | 2009-03-13 |
Family
ID=40485110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020070054601A KR100888804B1 (ko) | 2007-06-04 | 2007-06-04 | 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100888804B1 (ko) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101030130B1 (ko) * | 2009-07-31 | 2011-04-20 | 주식회사 다음커뮤니케이션 | 중복 콘텐츠 검출 장치 및 검출 방법 |
KR101068288B1 (ko) * | 2009-02-19 | 2011-09-28 | 성균관대학교산학협력단 | 세그먼트 특징을 이용한 내용 기반 동영상 검출 방법 |
KR101334127B1 (ko) * | 2012-05-11 | 2013-11-28 | (주)엔써즈 | 클라이언트 단말기를 이용한 동영상 콘텐츠 공유 서비스 제공 시스템 및 방법 |
WO2017116052A1 (ko) * | 2015-12-28 | 2017-07-06 | 삼성전자 주식회사 | 컨텐트 인식 장치 및 그 동작 방법 |
KR20180134252A (ko) * | 2017-06-08 | 2018-12-18 | 김준희 | 오디오 특징값 추출을 통한 동영상 인코딩 방법 및 장치 |
JP2020201482A (ja) * | 2019-06-13 | 2020-12-17 | ネイバー コーポレーションNAVER Corporation | マルチメディア信号認識のための電子装置およびその動作方法 |
CN117278802A (zh) * | 2023-11-23 | 2023-12-22 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种视频剪辑痕迹的比对方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101094896B1 (ko) | 2010-02-16 | 2011-12-15 | 한국과학기술원 | 멀티미디어 인식 장치 및 방법 |
US8886635B2 (en) | 2012-05-23 | 2014-11-11 | Enswers Co., Ltd. | Apparatus and method for recognizing content using audio signal |
KR101315970B1 (ko) * | 2012-05-23 | 2013-10-08 | (주)엔써즈 | 오디오 신호를 이용한 콘텐츠 인식 장치 및 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6373979B1 (en) * | 1999-01-29 | 2002-04-16 | Lg Electronics, Inc. | System and method for determining a level of similarity among more than one image and a segmented data structure for enabling such determination |
-
2007
- 2007-06-04 KR KR1020070054601A patent/KR100888804B1/ko active IP Right Grant
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101068288B1 (ko) * | 2009-02-19 | 2011-09-28 | 성균관대학교산학협력단 | 세그먼트 특징을 이용한 내용 기반 동영상 검출 방법 |
KR101030130B1 (ko) * | 2009-07-31 | 2011-04-20 | 주식회사 다음커뮤니케이션 | 중복 콘텐츠 검출 장치 및 검출 방법 |
KR101334127B1 (ko) * | 2012-05-11 | 2013-11-28 | (주)엔써즈 | 클라이언트 단말기를 이용한 동영상 콘텐츠 공유 서비스 제공 시스템 및 방법 |
WO2017116052A1 (ko) * | 2015-12-28 | 2017-07-06 | 삼성전자 주식회사 | 컨텐트 인식 장치 및 그 동작 방법 |
KR20170077730A (ko) * | 2015-12-28 | 2017-07-06 | 삼성전자주식회사 | 컨텐트 인식 장치 및 그 동작 방법 |
US11151185B2 (en) | 2015-12-28 | 2021-10-19 | Samsung Electronics Co., Ltd. | Content recognition apparatus and method for operating same |
KR20180134252A (ko) * | 2017-06-08 | 2018-12-18 | 김준희 | 오디오 특징값 추출을 통한 동영상 인코딩 방법 및 장치 |
JP2020201482A (ja) * | 2019-06-13 | 2020-12-17 | ネイバー コーポレーションNAVER Corporation | マルチメディア信号認識のための電子装置およびその動作方法 |
US11468257B2 (en) | 2019-06-13 | 2022-10-11 | Naver Corporation | Electronic apparatus for recognizing multimedia signal and operating method of the same |
CN117278802A (zh) * | 2023-11-23 | 2023-12-22 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种视频剪辑痕迹的比对方法及装置 |
CN117278802B (zh) * | 2023-11-23 | 2024-02-13 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种视频剪辑痕迹的比对方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
KR100888804B1 (ko) | 2009-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100888804B1 (ko) | 동영상 데이터의 동일성 판단 및 동일 구간 검출 방법 및장치 | |
US11869261B2 (en) | Robust audio identification with interference cancellation | |
US9313593B2 (en) | Ranking representative segments in media data | |
JP4906230B2 (ja) | オーディトリーイベントに基づく特徴付けを使ったオーディオ信号の時間調整方法 | |
KR100896737B1 (ko) | 오디오 신호의 견고한 분류를 위한 장치 및 방법, 오디오신호 데이터베이스를 설정 및 운영하는 방법, 및 컴퓨터프로그램 | |
CN109147796B (zh) | 语音识别方法、装置、计算机设备及计算机可读存储介质 | |
JP4067969B2 (ja) | 信号を特徴付ける方法および装置、および、索引信号を生成する方法および装置 | |
Hu et al. | Pitch‐based gender identification with two‐stage classification | |
CN109493881B (zh) | 一种音频的标签化处理方法、装置和计算设备 | |
KR100893123B1 (ko) | 오디오 핑거프린트 데이터 생성 방법 및 장치 및 이를이용한 오디오 데이터 비교 방법 및 장치 | |
JP2014506686A (ja) | 音声信号からの特徴フィンガープリントの抽出及びマッチング方法 | |
JP2004530153A6 (ja) | 信号を特徴付ける方法および装置、および、索引信号を生成する方法および装置 | |
CN114596879B (zh) | 一种虚假语音的检测方法、装置、电子设备及存储介质 | |
Qazi et al. | A hybrid technique for speech segregation and classification using a sophisticated deep neural network | |
Awotunde et al. | Speech segregation in background noise based on deep learning | |
Yadav et al. | ASSD: Synthetic Speech Detection in the AAC Compressed Domain | |
KR100842310B1 (ko) | 동영상 데이터들을 서로 동일성이 있는 동영상데이터들끼리 클러스터링하는 방법 및 시스템 | |
Leonzio et al. | Audio splicing detection and localization based on acquisition device traces | |
Birla | A robust unsupervised pattern discovery and clustering of speech signals | |
KR20060029663A (ko) | 다중 레벨 양자화를 이용한 음악 요약 장치 및 방법 | |
CN111292754A (zh) | 语音信号处理方法、装置及设备 | |
D'haes et al. | Discrete cepstrum coefficients as perceptual features | |
Htun | Analytical approach to MFCC based space-saving audio fingerprinting system | |
Horsburgh et al. | Music-inspired texture representation | |
WO2022082607A1 (en) | Vocal track removal by convolutional neural network embedded voice finger printing on standard arm embedded platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20121221 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20140228 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20150210 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20160304 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20170308 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20180228 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20190227 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20200227 Year of fee payment: 12 |