KR20100083334A - 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템 - Google Patents

적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템 Download PDF

Info

Publication number
KR20100083334A
KR20100083334A KR1020090002671A KR20090002671A KR20100083334A KR 20100083334 A KR20100083334 A KR 20100083334A KR 1020090002671 A KR1020090002671 A KR 1020090002671A KR 20090002671 A KR20090002671 A KR 20090002671A KR 20100083334 A KR20100083334 A KR 20100083334A
Authority
KR
South Korea
Prior art keywords
skin color
image
harmful
input image
feature vector
Prior art date
Application number
KR1020090002671A
Other languages
English (en)
Other versions
KR101014486B1 (ko
Inventor
윤종원
박찬우
문영식
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020090002671A priority Critical patent/KR101014486B1/ko
Publication of KR20100083334A publication Critical patent/KR20100083334A/ko
Application granted granted Critical
Publication of KR101014486B1 publication Critical patent/KR101014486B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
    • G06F9/4482—Procedural
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

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

Abstract

본 발명은 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템을 제공한다. 본 발명은 입력 이미지에서 피부색 검출 방법들의 논리곱 연산을 통해 초기 피부색 영역을 검출하고, 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하고, 피부색 확률 분포 이미지를 생성하고, 피부색 확률 분포 이미지와 에지(edge)의 합 이미지로 최종 피부색 영역을 검출하고, 최종 피부색 영역과 에지 특징을 합하여 학습과 분류에 사용할 특징 벡터를 생성한 후 학습과 분류를 통해 입력 이미지에 대한 유해성 여부를 판단함으로써 유해 이미지를 분류한다.
피부색, 검출, 유해, 이미지, 분류

Description

적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템{METHOD AND SYSTEM FOR CLASSIFYING HARMFUL IMAGE BY DETECTING ADAPTIVE SKIN COLOR}
본 발명은 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템에 관한 것으로, 더욱 상세하게는 입력 이미지에서 피부색 검출 방법들의 논리곱 연산을 통해 초기 피부색 영역을 검출하고, 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하고, 피부색 확률 분포 이미지를 생성하고, 피부색 확률 분포 이미지와 에지의 합 이미지로 최종 피부색 영역을 검출하고, 최종 피부색 영역과 에지 특징을 합하여 학습과 분류에 사용할 특징 벡터를 생성한 후 학습과 분류를 통해 입력 이미지에 대한 유해성 여부를 판단하여 유해 이미지를 분류하는 방법 및 시스템에 관한 것이다.
인터넷의 보편화로 인해 미성년자들이 쉽게 누드, 성인물과 같은 유해 이미지에 접근할 수 있게 됨에 따라 미성년자들의 성범죄나 탈선 행위들이 증가되는 사회 문제가 발생되고 있다. 따라서 미성년자들의 유해 이미지의 접근을 규제하고 차단하기 위해 유해 이미지를 분류할 수 있는 방안이 요청되고 있는 실정이다.
일반적으로 유해 이미지는 누드, 성인물과 같이 의복을 입지 않아서 신체 중 요 부위가 노출되는 특징을 가지고 있다. 이러한 유해 이미지의 특징을 이용하기 위해 유해 이미지 분류 시스템은 입력 이미지에 대한 피부색을 검출하고, 검출된 피부색을 기준으로 유해 이미지를 분류한다. 그러므로 유해 이미지 분류 시스템의 성능은 피부색 검출 성능에 비례하게 된다.
종래 피부색 검출 방법은 색상 공간에서 실질적으로 얻어진 임계값을 사용하는 방법과 피부색 데이터베이스의 확률값을 모델링하여 사용하는 방법들이 있다. 하지만 이러한 종래 피부색 검출 방법은 고정된 임계값과 고정된 데이터베이스의 모델을 사용하기 때문에 상대적으로 각각의 이미지에 대해서 임계값을 조정하거나 모델을 변화시켜서 적용하기가 어려운 단점이 있으므로 피부색을 검출하는 성능에 한계가 있다.
종래 유해 이미지 분류 시스템은 유해 이미지의 컴퓨터 파일 자체를 해쉬 함수 등을 통해 데이터베이스화하고, 입력 이미지를 데이터베이스에서 비교 및 검색하여 분류하는 방식으로 새로운 유해 이미지에 대해 빠르게 대응하지 못하며, 데이터베이스의 손실 등은 분류 성능 자체에 영향을 미치게 된다.
따라서, 이러한 유해 이미지 분류 시스템의 문제점을 해결할 수 있기 위해 보다 정확하게 피부색을 검출하여 유해 이미지를 분류할 수 있는 방안이 절실하게 요청되고 있는 실정이다.
본 발명은 입력 이미지에서 다양한 방식으로 피부색을 검출하고 이들을 논리곱 연산함으로써 배경 영역이 배제된 초기 피부색 영역을 검출하고, 검출된 초기 피부색 영역으로부터 가우시안 정규 분포 모델을 사용하여 입력 이미지에 적응적인 피부색 분포 모델을 생성하고, 이를 통해 피부색 확률 분포 이미지를 생성하고, 피부색 확산 알고리즘을 적용시켜 얻어진 최종 피부색 영역과 사물의 형태 정보를 알 수 있는 에지 특징으로 미리 생성된 분류 모델을 통해 입력 이미지가 유해 이미지인지를 판별할 수 있는 유해 이미지 분류 방법 및 시스템을 제공한다.
또한 본 발명은 고정된 피부색 분류 모델이 아닌 입력 이미지에 따라 적응적으로 변하는 피부색 모델을 사용하여 보다 정확하게 유해 이미지를 분류할 수 있는 유해 이미지 분류 방법 및 시스템을 제공한다.
또한 본 발명은 피부색으로 검출된 영역의 주변에 존재하는 에지를 그 특징으로 사용하여 유해 이미지를 분류하는 성능을 향상시킬 수 있는 방법 및 시스템을 제공한다.
본 발명의 일실시예에 따른 유해 이미지 분류 방법은 입력 이미지로부터 초기 피부색 영역을 검출하는 단계와, 상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하는 단계와, 상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출하는 단계와, 상기 검출된 최종 피부색 영역과 에 지 특징을 합하여 특징 벡터를 생성하는 단계 및 상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지 또는 무해 이미지로 분류하는 단계를 포함한다.
또한 본 발명의 일실시예에 따른 유해 이미지 분류 시스템은 입력 이미지로부터 초기 피부색 영역을 검출하는 초기 피부색 영역 검출부와, 상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하는 적응적 피부색 분포 모델 생성부와, 상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출하는 최종 피부색 영역 검출부와, 상기 검출된 최종 피부색 영역과 에지 특징을 합하여 특징 벡터를 생성하는 특징 벡터 생성부 및 상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지 또는 무해 이미지로 분류하는 유해 이미지 분류부를 포함한다.
본 발명에 따르면, 고정된 피부색 분류 모델이 아닌 입력 이미지에 따라 적응적으로 변하는 적응적 피부색 모델을 사용함으로써 보다 정확하게 유해 이미지를 분류할 수 있다.
또한 본 발명에 따르면, 피부색으로 검출된 영역의 주변에 존재하는 에지를 그 특징으로 사용하여 유해 이미지를 정확하게 분류함으로써 유해 이미지로 분류된 콘텐츠를 차단하여 미성년자들의 무분별한 유해 이미지에 대한 접근을 방지하고, 포털 사이트의 게시판 등에 유해 이미지가 공개되는 것을 미연에 방지할 수 있다.
또한 본 발명에 따르면, 입력 이미지에 따라 적응적으로 변하는 피부색 영역 을 정확하게 검출함으로써 생체 인식 분야에서의 인식 성능을 향상시킬 수도 있다.
이하 첨부된 도면들을 참조하여 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 유해 이미지 분류 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 유해 이미지 분류 시스템(100)은 초기 피부색 영역 검출부(110), 적응적 피부색 분포 모델 생성부(120), 최종 피부색 영역 검출부(130), 특징 벡터 생성부(140) 및 유해 이미지 분류부(150)를 포함한다.
초기 피부색 영역 검출부(110)는 입력 이미지(101)로부터 초기 피부색 영역을 검출한다(111). 초기 피부색 영역 검출부(110)는 입력 이미지(101)로부터 다양한 색상 임계값을 이용한 피부색 검출 방식들을 논리곱 연산을 통해 상기 초기 피부색 영역을 검출한다. 즉, 초기 피부색 영역 검출부(110)는 입력 이미지(101)로부터 다양한 색상 임계값을 이용한 피부색 검출 방식들을 논리곱 연산함으로써 배경 영역을 배제하는 초기 피부색 영역을 검출한다. 일례로 초기 피부색　영역 검출부(100)는 입력 이미지(101)에 대해 둘 이상의 피부색 검출 방식으로 피부색을 검출하고, 검출된 피부색들에 대한 논리곱 연산을 통해 피부색이 아닌 부분이 기준치 이하로 적게 포함되는 상기 초기 피부색 영역을 검출할 수 있다.
도 2는 본 발명에 따른 초기 피부색 영역 검출부에서 입력 이미지로부터 다 양한 피부색 검출 방법들을 논리곱 연산하여 검출한 결과의 일례를 나타내는 도면이다.
도 2를 참조하면, 초기 피부색 영역 검출부(110)는 입력 이미지(200)로부터 HSV 피부색 검출 방식에 의한 검출된 제1 검출 이미지(201), YCbCr 피부색 검출 방식에 의해 검출된 제2 검출 이미지(202), RGB 피부색 검출 방식에 의해 검출된 제3 검출 이미지(203) 또는 YUV_YIQ 피부색 검출 방식에 의해 검출된 제4 검출 이미지(204)를 논리곱 연산을 통해 상기 초기 피부색 영역을 검출한 검출 결과 이미지(205)를 출력할 수 있다. 예를 들어, 검출 결과 이미지(205)는 HSV 피부색 검출 방식에 의해 검출된 제1 검출 이미지(201)가 상대적으로 다른 피부색 검출 방식에 의해 검출된 제2 내지 제4 검출 이미지(202~204)보다 배경 영역이 더 적게 포함되기 때문에 논리곱 연산을 수행한 결과에 따라 배경 영역이 더 적게 포함되는 초기 피부색 영역이 검출될 수 있다.
이와 같이, 초기 피부색 영역 검출부(110)는 색상 임계값을 이용한 피부색 검출 방식들이 각각 피부색을 검출하는데 상호 보완적인 관계가 성립하기 때문에 상기 피부색 검출 방식들의 논리곱 연산을 통해 피부색이 아닌 부분인 배경 영역이 더 적게 포함되는 초기 피부색 영역을 검출할 수 있다.
적응적 피부색 분포 모델 생성부(120)는 상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하고, 피부색 확률 분포 이미지를 생성한다(121). 상기 적응적 피부색 분포 모델은 입력 이미지의 변화에 따라 변화되는 피부색 분포 모델이다. 일례로 적응적 피부색 분포 모델 생성부(120)는 입력 이미 지의 초기 피부색 영역으로부터 RGB 색상 공간에서 컬러 벡터( X )의 평균( μ )과 공분산 행렬(Σ)을 이용한 정규 분포 모델로 상기 입력 이미지의 초기 피부색 영역에 따라 수학식 1을 이용하여 RGB 컬러 벡터의 확률 분포 모델을 생성할 수 있다.
Figure 112009002091724-PAT00001
일례로 적응적 피부색 분포 모델 생성부(120)는 상기 검출된 초기 피부색 영역으로부터 가우시안 정규 분포 모델을 사용하여 상기 입력 이미지에 따른 적응적인 피부색 분포 모델을 생성할 수 있다.
도 3은 본 발명에 따라 생성된 피부색 확률 분포 이미지의 일례를 나타내는 도면이다.
도 3을 참조하면, 적응적 피부색 분포 모델 생성부(120)는 상기 생성된 적응적 피부색 분포 모델을 이용하여 획득된 입력 이미지(310)에 대해 각각 픽셀의 피부색 확률값으로 피부색 확률 분포 이미지(320)를 생성한다.
이와 같이, 적응적 피부색 분포 모델 생성부(120)는 적응적 피부색 분포 모델을 사용하여 피부색을 검출함으로써 배경 영역의 오류 부분을 배제하고, 최대한 실제 피부 영역의 피부색 영역을 부각시키는 피부색 확률 분포 이미지를 얻을 수 있다.
최종 피부색 영역 검출부(130)는 상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출한다(131). 최종 피부색 영역 검출부(130)는 상기 피부색 확률 분포 이미지와 에지 이미지를 합한 영상으로 상기 최종 피부색 영역을 검출한다. 최종 피부색 영역 검출부(130)는 최종 피부색 영역 검출을 하기 위해 피부색 확률 분포 이미지에 임계값(τ)을 적용하여 상기 피부색 확률 분포 이미지를 이진화한다. 일례로 최종 피부색 영역 검출부(130)는 수학식 2와 같이 피부색 확률 분포 이미지에 정해진 임계값을 적용하여 상기 피부색 확률 분포 이미지를 이진화할 수 있다.
Figure 112009002091724-PAT00002
여기서, P(x,y)는 피부색 확률 분포 이미지이고, I(x,y)는 P(x,y)를 수학식 2에 따라 이진화한 결과 이미지이고, (x,y)는 이미지의 픽셀 좌표이다.
도 4는 본 발명에 따른 최종 피부색 영역 검출 과정의 일례를 나타내는 도면이다.
도 4를 참조하면, 최종 피부색 영역 검출부(130)는 입력 이미지(400)로부터 검출된 피부색 확률 분포 이미지(411)를 이진화한 결과 이미지(412)와 에지 이미지(413)를 결합한 에지와 피부색 영역의 합 이미지(414)에 피부색 확산 알고리즘을 적용하여 최종 피부색 검출 이미지(415)를 출력한다. 일례로 최종 피부색 영역 검 출부(130)는 이진화된 피부색 확률 분포 이미지(412)와 에지 이미지(413)를 합한 이미지(414)를 사용하여 피부색 영역에서 4개의 이웃(neighbor) 픽셀을 순차적으로 검사하여 각각의 색차와 에지 여부로 피부색 영역을 확산하는 확산 알고리즘을 적용하여 최종 피부색 검출 이미지(415)를 출력할 수 있다.
도 5는 본 발명에 따른 피부색 확산 알고리즘을 적용한 일례를 나타내는 도면이다.
도 5를 참조하면, 최종 피부색 영역 검출부(130)는 입력 이미지(500)에 대한 에지와 피부색 영역의 합 이미지(510)의 부분 확대 이미지(520) 중 피부색 영역을 기점(521)으로 4개의 이웃에 대해 각각의 픽셀과 피부색 영역과의 분산값을 비교하여 상기 분산값이 기준치 이하이고, 해당 픽셀이 에지 영역이 아니면 피부색으로 확산되도록 하는 피부색 확산 알고리즘을 적용할 수 있다.
특징 벡터 생성부(140)는 상기 검출된 최종 피부색 영역과 에지 특징을 합하여 특징 벡터를 생성한다(141). 특징 벡터 생성부(140)는 상기 최종 피부색 검출 이미지와 피부색 영역에 인접한 에지의 합 영상을 이용하여 SVM(Support Vector Machine) 학습과 분류에 사용되는 특징 벡터를 생성할 수 있다. 또한 특징 벡터 생성부(140)는 피부색 영역 안에 있거나 인접한 에지들을 사람 고유의 형태를 파악할 수 있는 특징으로 고려하여 상기 최종 피부색 검출 이미지에서 피부색 영역에 두 픽셀거리 안에 있는 에지 픽셀을 상기 특징 벡터에 추가하여 사용할 수 있다.
도 6은 본 발명에 따른 특징 벡터 생성 과정의 일례를 나타내는 도면이다.
도 6을 참조하면, 특징 벡터 생성부(140)는 최종 피부색 영역과 에지를 합한 이미지(610)에 대해 특징 벡터 생성을 위한 후처리한 후처리 이미지(620)를 정해진 크기로 정규화한 이미지(630)를 상기 특징 벡터로 생성할 수 있다.
유해 이미지 분류부(150)는 상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지(151) 또는 무해 이미지(152)로 분류한다.
일례로 유해 이미지 분류부(150)는 유해 이미지 및 무해 이미지를 분류할 수 있는 학습 샘플로부터 추출된 특징 벡터를 이용하여 분류 모델을 생성하고,　상기 분류 모델과 상기 생성된 특징 벡터를 비교하여 상기 입력 이미지를 상기 유해 이미지 또는 상기 무해 이미지로 분류할 수 있다.
도 7은 본 발명에 따른 SVM 학습 및 분류 절차의 일례를 나타내는 도면이다.
도 7을 참조하면, 유해 이미지 분류부(150)는 SVM 학습 과정(710)과 SVM 분류 과정(720)을 통해 생성된 특징 벡터를 이용하여 입력 이미지(721)에 대한 유해성 여부를 판단하고, 상기 유해성 판단 결과에 따라 유해 이미지(724) 또는 무해 이미지(725)로 분류한다.
SVM 학습 과정(710)은 학습을 통해 유해 이미지 분류 모델을 생성하는 과정으로서 유해, 무해 이미지를 판단하기 위한 학습 샘플(711)로부터 특징 벡터를 생성하고(712), 상기 생성된 학습 샘플(711)의 특징 벡터를 이용하여 SVM 학습 및 분류 모델을 생성한다(713).
SVM 분류 과정(720)은 입력된 특징 벡터를 통해 입력 이미지를 분류하기 위한 과정으로서 입력 이미지(721)로부터 특징 벡터를 생성하고(722), SVM 분류 모 델(714)을 사용하여 입력 이미지(721)의 특징 벡터로 입력 이미지(721)의 유해 여부를 판별하여 SVM 분류(723)를 통해 입력 이미지(721)를 유해 이미지(724) 또는 무해 이미지(725)로 분류한다.
이와 같이, 본 발명의 일실시예에 따른 유해 이미지 분류 시스템(100)은 적응적 피부색 검출을 통한 최종 피부색 영역과 에지 특징을 합하여 학습과 분류에 사용할 특징 벡터를 생성한 후 학습과 분류를 통해 입력 이미지에 대한 유해성 여부를 판단하여 유해 이미지를 분류할 수 있다.
따라서, 본 발명의 일실시예에 따른 유해 이미지 분류 시스템(100)은 인터넷 포털 사이트 또는 P2P 사이트에서의 이용되는 콘텐츠가 유해 이미지 또는 무해 이미지로 분류함으로써 유해 이미지가 포함된 유해 콘텐츠에 미성년자가 접근하는 것을 사전에 차단할 수 있다.
또한 본 발명의 일실시예에 따른 유해 이미지 분류 시스템(100)은 고정된 피부색 분류 모델이 아닌 입력 이미지에 따라 적응적으로 변하는 피부색 모델을 사용하여 보다 정확하게 유해 이미지를 분류할 수 있다.
또한 본 발명의 일실시예에 따른 유해 이미지 분류 시스템(100)은 피부색으로 검출된 영역의 주변에 존재하는 에지를 그 특징으로 사용하여 유해 이미지를 분류하는 성능을 향상시킬 수 있다.
도 8은 본 발명의 일실시예에 따른 유해 이미지 분류 방법의 동작 흐름을 나타내는 도면이다.
도 1 및 도 8을 참조하면, 단계(S810)에서 유해 이미지 분류 시스템(100)은 입력 이미지(101)로부터 초기 피부색 영역을 검출한다(111). 일례로 단계(S810)에서 유해 이미지 분류 시스템(100)은 입력 이미지(101)로부터 둘 이상의 피부색 검출 방식에 따라 피부색 이미지들을 검출하고,　상기　둘 이상의 피부색 검출 방식에 의해 검출된 피부색 이미지들을 논리곱 연산을 통해 피부색이 아닌 부분이 기준치 이하로 적게 포함되는 초기 피부색 영역을 검출할 수 있다. 예를 들어, 단계(S810)에서 유해 이미지 분류 시스템(100)은 입력 이미지(101)로부터 HSV 피부색 검출 방식, YCbCr 피부색 검출 방식, RGB 피부색 검출 방식 또는 YUV_YIQ 피부색 검출 방식으로 검출된 피부색 이미지들에 대해 논리곱 연산을 수행한 결과 배경 영역을 덜 포함하는 초기 피부색 영역을 검출할 수 있다.
이와 같이, 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 입력 이미지에서 다양한 방식으로 피부색을 검출하고 이들을 논리곱 연산함으로써 배경 영역이 배제된 초기 피부색 영역을 검출할 수 있다.
단계(S820)에서 유해 이미지 분류 시스템(100)은 상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하고, 피부색 확률 분포 이미지를 생성한다(121).
일례로 단계(S820)에서 유해 이미지 분류 시스템(100)은 상기　검출된 초기 피부색 영역으로부터　RGB 색상 공간에서 컬러 벡터의 평균과 공분산 행렬을 이용한 정규 분포 모델로 상기 입력 이미지의 초기 피부색 영역에 따라 피부색 확률 분포 모델을 적응적으로 생성할 수 있다. 일례로 단계(S820)에서 유해 이미지 분류 시스템(100)은 상기 검출된 초기 피부색 영역으로부터 가우시안 정규 분포 모델을 사 용하여 상기 입력 이미지에 따른 적응적 피부색 분포 모델을 생성할 수 있다.
또한 단계(S820)에서 유해 이미지 분류 시스템(100)은 상기 생성된 적응적 피부색 분포 모델을 이용하여 획득된 입력 이미지의　각각　픽셀의 피부색 확률 값으로 피부색 확률 분포 이미지를 생성한다.
이와 같이, 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 적응적으로 피부색 영역을 정확하게 검출함으로써 생체 인식 분야에서의 인식 성능을 향상시킬 수도 있다.
단계(S830)에서 유해 이미지 분류 시스템(100)은 상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출한다(131). 단계(S830)에서 유해 이미지 분류 시스템(100)은 상기 피부색 확률 분포 이미지에 정해진 임계값을 적용하여 상기 피부색 확률 분포 이미지를 이진화하고, 상기 이진화된 피부색 확률 분포 이미지와 상기 입력 이미지로부터 검출된 에지 이미지를 합한 이미지에 피부색 확산 알고리즘을 적용하여 최종 피부색 검출 이미지를　출력한다.
단계(S840)에서 유해 이미지 분류 시스템(100)은 상기 검출된 최종 피부색 영역과 에지 특징을 합하여 특징 벡터를 생성한다(141). 단계(S840)에서 유해 이미지 분류 시스템(100)은 상기 최종 피부색 검출 이미지로부터 피부색 영역에 두 픽셀거리 안에 있는 에지 픽셀을 상기 특징 벡터에 추가할 수 있다.
단계(S850)에서 유해 이미지 분류 시스템(100)은 상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지(151) 또는 무해 이미지(152)로 분류한다. 단계(S850)에서 유해 이미지 분류 시스템(100)은 유해 이미지와 무해 이미지를 분류할 수 있는 학습 샘플로부터 추출된 특징 벡터를 이용하여 분류 모델을 생성하고,　상기 분류 모델과 상기 생성된 특징 벡터를 비교하여 상기 입력 이미지를 유해 이미지(151) 또는 무해 이미지(152)로 분류할 수 있다.
이와 같이, 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 최종 피부색 영역과 에지 특징을 합하여 학습과 분류에 사용할 특징 벡터를 생성한 후 학습과 분류를 통해 입력 이미지에 대한 유해성 여부를 판단하여 유해 이미지를 분류할 수 있다.
따라서, 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 인터넷 포털 사이트 또는 P2P 사이트에서의 이용되는 콘텐츠가 유해 이미지 또는 무해 이미지로 분류함으로써 유해 이미지가 포함된 유해 콘텐츠에 미성년자가 접근하는 것을 사전에 차단할 수 있다.
또한 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 고정된 피부색 분류 모델이 아닌 입력 이미지에 따라 적응적으로 변하는 피부색 모델을 사용하여 보다 정확하게 유해 이미지를 분류할 수 있다.
또한 본 발명의 일실시예에 따른 유해 이미지 분류 방법은 피부색으로 검출된 영역의 주변에 존재하는 에지를 그 특징으로 사용하여 유해 이미지를 분류하는 성능을 향상시킬 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일실시예에 따른 유해 이미지 분류 시스템의 구성을 나타내는 도면이다.
도 2는 본 발명에 따른 초기 피부색 영역 검출부에서 입력 이미지로부터 다양한 피부색 검출 방법들을 논리곱 연산하여 검출한 결과의 일례를 나타내는 도면이다.
도 3은 본 발명에 따라 생성된 피부색 확률 분포 이미지의 일례를 나타내는 도면이다.
도 4는 본 발명에 따른 최종 피부색 영역 검출 과정의 일례를 나타내는 도면이다.
도 5는 본 발명에 따른 피부색 확산 알고리즘을 적용한 일례를 나타내는 도면이다.
도 6은 본 발명에 따른 특징 벡터 생성 과정의 일례를 나타내는 도면이다.
도 7은 본 발명에 따른 SVM 학습 및 분류 절차의 일례를 나타내는 도면이다.
도 8은 본 발명의 일실시예에 따른 유해 이미지 분류 방법의 동작 흐름을 나타내는 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 유해 이미지 분류 시스템
110: 초기 피부색 영역 검출부
120: 적응적 피부색 분포 모델 생성부
130: 최종 피부색 영역 검출부
140: 특징 벡터 생성부
150: 유해 이미지 분류부

Claims (12)

  1. 입력 이미지로부터 초기 피부색 영역을 검출하는 단계;
    상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하는 단계;
    상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출하는 단계;
    상기 검출된 최종 피부색 영역과 에지 특징을 합하여 특징 벡터를 생성하는 단계; 및
    상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지 또는 무해 이미지로 분류하는 단계
    를 포함하는 유해　이미지 분류 방법.
  2. 제1항에 있어서,
    상기 초기 피부색　영역을 검출하는 단계는,
    상기 입력 이미지로부터 둘 이상의 피부색 검출 방식에 따라 피부색 이미지들을 검출하고, 상기 검출된 피부색 이미지들에 대한 논리곱 연산을 통해 피부색이 아닌 부분이 기준치 이하로 적게 포함되는 상기 초기 피부색 영역을 검출하는 유해　이미지 분류 방법.
  3. 제1항에 있어서,
    상기 적응적 피부색 분포 모델을 생성하는 단계는,
    상기　검출된 초기 피부색 영역으로부터　RGB 색상 공간에서 컬러 벡터의 평균과 공분산 행렬을 이용한 정규 분포 모델로 상기 입력 이미지의 초기 피부색 영역에 따라　상기 적응적 피부색 분포 모델을 생성하고, 상기 생성된 적응적 피부색 분포 모델을 이용하여 획득된 입력 이미지의　각각　픽셀의 피부색 확률값으로 피부색 확률 분포 이미지를 생성하는 유해 이미지 분류 방법.
  4. 제3항에 있어서,
    상기 최종 피부색　영역을 검출하는 단계는,
    상기 피부색 확률 분포 이미지에 정해진 임계값을 적용하여 상기 피부색 확률 분포 이미지를 이진화하고, 상기 이진화된 피부색 확률 분포 이미지와 상기 입력 이미지로부터 검출된 에지 이미지를 합한 이미지에 피부색 확산 알고리즘을 적용하여　최종 피부색 검출 이미지를　출력하는 유해 이미지 분류 방법.
  5. 제4항에 있어서,
    상기 특징 벡터를 생성하는 단계는,
    상기 최종 피부색 검출 이미지로부터 피부색 영역에 두 픽셀거리 안에 있는 에지 픽셀을 상기 특징 벡터에 추가하는 유해 이미지 분류 방법.
  6. 제1항에 있어서,
    상기 유해 이미지 또는 무해 이미지로 분류하는 단계는,
    학습 샘플로부터 추출된 특징 벡터를 이용하여 분류 모델을 생성하고,　상기 분류 모델과 상기 생성된 특징 벡터를 비교하여 상기 입력 이미지를 상기 유해 이미지 또는 상기 무해 이미지로 분류하는 유해 이미지 분류 방법.
  7. 입력 이미지로부터 초기 피부색 영역을 검출하는 초기 피부색 영역 검출부;
    상기 검출된 초기 피부색 영역으로부터 적응적 피부색 분포 모델을 생성하는 적응적 피부색 분포 모델 생성부;
    상기 생성된 적응적 피부색 분포 모델을 이용하여 최종 피부색 영역을 검출하는 최종 피부색 영역 검출부;
    상기 검출된 최종 피부색 영역과 에지 특징을 합하여 특징 벡터를 생성하는 특징 벡터 생성부; 및
    상기 생성된 특징 벡터를 이용하여 상기 입력 이미지에 대한　유해성 여부를 판단하여 상기 입력 이미지를 유해 이미지 또는 무해 이미지로 분류하는 유해 이미지 분류부
    를 포함하는 유해　이미지 분류 시스템.
  8. 제7항에 있어서,
    상기 초기 피부색　영역 검출부는,
    상기 입력 이미지로부터 둘 이상의 피부색 검출 방식으로 피부색 이미지들을 검출하고, 상기 검출된 피부색 이미지들에 대해 논리곱 연산을 통해 피부색이 아닌 부분이 기준치 이하로 적게 포함되는 상기 초기 피부색 영역을 검출하는 유해　이미지 분류 시스템.
  9. 제8항에 있어서,
    상기 적응적 피부색 분포 모델 생성부는,
    상기　검출된 초기 피부색 영역으로부터　RGB 색상 공간에서 컬러 벡터의 평균과 공분산 행렬을 이용한 정규 분포 모델로 상기 입력 이미지의 초기 피부색 영역에 따라　상기 적응적 피부색 분포 모델을 생성하고, 상기 생성된 적응적 피부색 분포 모델을 이용하여 획득된 입력 이미지의　각각　픽셀의 피부색 확률값으로 피부색 확률 분포 이미지를 생성하는 유해 이미지 분류 시스템.
  10. 제9항에 있어서,
    상기 최종 피부색　영역을 검출부는,
    상기 피부색 확률 분포 이미지에 정해진 임계값을 적용하여 상기 피부색 확률 분포 이미지를 이진화하고, 상기 이진화된 피부색 확률 분포 이미지와 상기 입력 이미지로부터 검출된 에지 이미지를 합한 이미지에 피부색 확산 알고리즘을 적용하여　최종 피부색 검출 이미지를　출력하는 유해 이미지 분류 시스템.
  11. 제10항에 있어서,
    상기 특징 벡터 생성부는,
    상기 최종 피부색 검출 이미지로부터 피부색 영역에 두 픽셀거리 안에 있는 에지 픽셀을 상기 특징 벡터에 추가하는 유해 이미지 분류 시스템.
  12. 제7항에 있어서,
    상기 유해 이미지 분류부는,
    학습 샘플로부터 추출된 특징 벡터를 이용하여 분류 모델을 생성하고,　상기 분류 모델과 상기 생성된 특징 벡터를 비교하여 상기 입력 이미지를 상기 유해 이미지 또는 상기 무해 이미지로 분류하는 유해 이미지 분류 시스템.
KR1020090002671A 2009-01-13 2009-01-13 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템 KR101014486B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090002671A KR101014486B1 (ko) 2009-01-13 2009-01-13 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090002671A KR101014486B1 (ko) 2009-01-13 2009-01-13 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20100083334A true KR20100083334A (ko) 2010-07-22
KR101014486B1 KR101014486B1 (ko) 2011-02-14

Family

ID=42643104

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090002671A KR101014486B1 (ko) 2009-01-13 2009-01-13 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101014486B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101332630B1 (ko) * 2012-06-18 2013-11-25 한국과학기술원 경량화된 랜덤펀스 및 이를 이용한 이미지 표현방법
KR101468863B1 (ko) * 2010-11-30 2014-12-04 한국전자통신연구원 전역적 유해 동영상 검출 시스템 및 그 방법
KR101468865B1 (ko) * 2010-12-22 2014-12-04 한국전자통신연구원 멀티미디어 콘텐츠 재생 특성을 이용한 멀티미디어 콘텐츠 유해성 판단 방법
KR20160000574A (ko) * 2014-06-24 2016-01-05 경희대학교 산학협력단 이미지 스팸 필터링 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970019722A (ko) * 1995-09-28 1997-04-30 배순훈 리모콘의 밝기 인식 방법
KR100320950B1 (ko) * 1999-03-06 2002-01-23 강남천 디스플레이 시스템의 유해 화면 차단 장치 및 그 방법
KR100398927B1 (ko) * 2000-08-22 2003-09-19 문종웅 음란물 시청 방지장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101468863B1 (ko) * 2010-11-30 2014-12-04 한국전자통신연구원 전역적 유해 동영상 검출 시스템 및 그 방법
KR101468865B1 (ko) * 2010-12-22 2014-12-04 한국전자통신연구원 멀티미디어 콘텐츠 재생 특성을 이용한 멀티미디어 콘텐츠 유해성 판단 방법
KR101332630B1 (ko) * 2012-06-18 2013-11-25 한국과학기술원 경량화된 랜덤펀스 및 이를 이용한 이미지 표현방법
KR20160000574A (ko) * 2014-06-24 2016-01-05 경희대학교 산학협력단 이미지 스팸 필터링 장치 및 방법

Also Published As

Publication number Publication date
KR101014486B1 (ko) 2011-02-14

Similar Documents

Publication Publication Date Title
Batool et al. Fast detection of facial wrinkles based on Gabor features using image morphology and geometric constraints
CN107256543B (zh) 图像处理方法、装置、电子设备及存储介质
Yarlagadda et al. A novel method for human age group classification based on Correlation Fractal Dimension of facial edges
KR20150051711A (ko) 유해 콘텐츠 영상 차단을 위한 피부 영역 추출 장치 및 방법
Suryakant Edge detection using fuzzy logic in Matlab
JP4238902B2 (ja) 文字ノイズ除去装置、文字ノイズ除去方法、文字ノイズ除去プログラム
KR101014486B1 (ko) 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템
JP6784261B2 (ja) 情報処理装置、画像処理システム、画像処理方法及びプログラム
McBride et al. A comparison of skin detection algorithms for hand gesture recognition
CN103093180A (zh) 一种色情图像侦测的方法和系统
Yogarajah et al. A dynamic threshold approach for skin tone detection in colour images
KR102570955B1 (ko) 러닝 네트워크의 학습에 이용하기 위한 익명화 이미지를 생성하는 방법 및 이를 이용한 라벨링 장치
Xu et al. Identity-constrained noise modeling with metric learning for face anti-spoofing
JP4533849B2 (ja) 画像処理装置及び画像処理プログラム
Rot et al. PrivacyProber: Assessment and detection of soft–biometric privacy–enhancing techniques
JP2010244381A (ja) ガボアフィルタ、画像認識装置および方法、プログラム、並びに記録媒体
Nugroho et al. Face recognition in four types of colour space: a performance analysis
Radman et al. Efficient iris segmentation based on eyelid detection
Patil et al. A novel method for illumination normalization for performance improvement of face recognition system
Cheng et al. DTFA-Net: dynamic and texture features fusion attention network for face antispoofing
Singh et al. Face detection in hybrid color space using HBF-KNN
Abin et al. Real-time multiple face detection and tracking
Murshed et al. Deep slap fingerprint segmentation for juveniles and adults
See et al. Hybrid face detection with skin segmentation and edge detection
Vora et al. Enhanced face recognition using 8-Connectivity-of-Skin-Region and Standard-Deviation-based-Pose-Detection as preprocessing techniques

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: 20140103

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee