KR20120126677A - Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof - Google Patents

Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof Download PDF

Info

Publication number
KR20120126677A
KR20120126677A KR1020110044674A KR20110044674A KR20120126677A KR 20120126677 A KR20120126677 A KR 20120126677A KR 1020110044674 A KR1020110044674 A KR 1020110044674A KR 20110044674 A KR20110044674 A KR 20110044674A KR 20120126677 A KR20120126677 A KR 20120126677A
Authority
KR
South Korea
Prior art keywords
region
image
obscene
face
candidate
Prior art date
Application number
KR1020110044674A
Other languages
Korean (ko)
Other versions
KR101237469B1 (en
Inventor
원일용
신형섭
Original Assignee
재단법인 서울호서직업전문학교
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 재단법인 서울호서직업전문학교 filed Critical 재단법인 서울호서직업전문학교
Priority to KR1020110044674A priority Critical patent/KR101237469B1/en
Publication of KR20120126677A publication Critical patent/KR20120126677A/en
Application granted granted Critical
Publication of KR101237469B1 publication Critical patent/KR101237469B1/en

Links

Images

Classifications

    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T7/10—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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

PURPOSE: A method and an apparatus for an automatic obscene image recognition method are provided to trace a location of a human body from a face area detected from an inputted image and to determine obscene through template matching between the human body and the template image. CONSTITUTION: An automatic obscene image recognition apparatus detects a face area from an input image(402). The apparatus traces a location of the other human body(404). The apparatus performs template matching between an obscene image and a template image(406). The apparatus determines obscenity of the input image based on a template matching result(408). [Reference numerals] (402) Detecting a face area from an input image; (404) Tracing a location of the other human body; (406) Performing template matching between an obscene image and a template image; (408) Determining obscenity of the input image based on a template matching result; (AA) Start; (BB) End

Description

음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체 {Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof}Method and apparatus for automatically detecting pornographic image, and computer readable medium

본 발명은 음란 이미지 자동 인식 방법에 관한 것으로, 더욱 상세하게는 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있는 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.The present invention relates to a method for automatically recognizing obscene images, and more particularly, to a method for recognizing obscene images, an apparatus, and a program for executing the method, which can automatically determine whether or not a new image is obscene without human intervention. The present invention relates to a computer-readable recording medium.

정보통신기술의 발달로 인터넷을 통해 무한한 정보공유가 가능해지면서 사람들은 손쉽게 유용한 정보를 획득할 수가 있다. 하지만 이러한 순기능이 있는 반면 여러 가지 역기능도 등장했다. 특히 급속도로 퍼져 나가는 음란물은 초, 중, 고 학생들에게 부정적인 영향을 미치고 있어, 실질적인 음란물 제어가 필요하다. 통계에 따르면 청소년들의 91.4%가 음란물은 본 적이 있다고 답변하고 있다.With the development of information and communication technology, infinite information sharing is possible through the Internet, and people can easily obtain useful information. However, while there was such a net function, various dysfunctions also appeared. In particular, the rapidly spreading pornography has a negative effect on the elementary, middle, and high school students, and practical pornography control is required. Statistics show that 91.4% of adolescents have seen pornography.

인터넷에 유포되고 있는 음란물을 자동으로 감지하여 청소년을 보호하기 위해 다양한 기술이 개발되고 있다. 대부분의 상업용 제품들이 적용하고 있는 음란물 감지기법은 다음과 같다. 먼저 기존에 알려진 모든 음란파일들의 개별적 특징을 추출하여 음란물 데이터베이스에 저장해 두고, 실시간으로 의심되는 파일을 음란물 데이터베이스에 있는 특징과 비교하여 음란물 여부를 판단하는 방법이다. 그러나 이러한 방법은 알려지지 않은 음란물은 탐지하지 못하며, 음란물 파일이 조금만 변경되어도 탐지할 수 없다는 문제점을 가지고 있다. 특히 기하급수적으로 증가하고 있는 음란물을 모두 데이터베이스화하는 것은 지속적인 노력과 비용이 필요하다.Various technologies are being developed to protect youth by automatically detecting pornography spreading on the Internet. The pornography detection method used by most commercial products is as follows. First, the individual features of all known pornographic files are extracted and stored in the pornographic database, and the suspected file is compared with the features in the pornographic database in real time to determine whether the pornography is. However, this method does not detect unknown pornography and has a problem that it cannot be detected even if the pornography file is changed a little. In particular, the database of all the pornography that is growing exponentially requires constant effort and cost.

따라서, 데이터베이스에 등록되어 있지 않은 음란물에 대해서도 음란물 여부를 자동으로 판단할 수 있는 음란 이미지 탐지 기법을 개발할 필요성이 있다.Therefore, there is a need to develop an obscene image detection technique that can automatically determine whether pornography is registered in the database.

본 발명이 해결하고자 하는 기술적 과제는, 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있도록 하는 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체를 제공하는 것이다.The technical problem to be solved by the present invention can be read by a computer recording a method for automatically recognizing an obscene image, an apparatus and a program for executing the method for automatically determining whether or not obscene for a new image without human intervention. To provide a recording medium.

상술한 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계; 상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계; 상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및 상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계를 포함하는 것을 특징으로 한다.In order to solve the above technical problem, the obscene image automatic recognition method according to an embodiment of the present invention, detecting a face region using a predetermined face recognition algorithm from the input image; Estimating the position of the body region different from the face region based on the position of the face region; Performing template matching between the other body region and a template image of a region constituting an obscene image in the other body region; And determining whether the input image corresponds to an obscene image based on a result of the template matching.

상기 다른 신체 영역은 흉부 영역이고, 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은, 유방 영역 또는 유두 영역일 수 있다.The other body region is a chest region, and the region constituting the obscene image in the other body region may be a breast region or a papillary region.

상기 얼굴 영역을 검출하는 단계는, 상기 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하는 단계를 포함할 수 있다.The detecting of the face area may include converting a size of the input image into a preset size.

상기 얼굴 인식 알고리즘은 Adaboost 알고리즘일 수 있다.The face recognition algorithm may be an Adaboost algorithm.

상기 얼굴 영역을 검출하는 단계는, 상기 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출하는 단계; 상기 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및 상기 계산 결과를 기초로 하여 상기 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.The detecting of the face area may include detecting a face candidate area from the input image by using a predetermined face recognition algorithm; Calculating the number of pixels corresponding to a preset color range of the skin color among the pixels included in the face candidate region; And determining whether the face candidate area corresponds to a face area based on the calculation result.

상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는, 상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계; 상기 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및 상기 계산 결과를 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.Determining whether the input image corresponds to an obscene image comprises: detecting a candidate region constituting the obscene image in the other body region using the template matching; Calculating the number of pixels corresponding to a preset color range of skin color among pixels included in the candidate area; And determining whether the candidate area corresponds to an obscene image based on the calculation result.

상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는, 상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계; 상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하는 단계; 상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 단계; 및 상기 계산된 비율을 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.Determining whether the input image corresponds to an obscene image comprises: detecting a candidate region constituting the obscene image in the other body region using the template matching; Detecting an outline using a Kenny edge transform in the candidate region; Calculating a ratio of the number of pixels corresponding to the outline to the number of pixels included in the candidate area; And determining whether the candidate area corresponds to an obscene image based on the calculated ratio.

상기 후보 영역은 유방 후보 영역 또는 유두 후보 영역이고, 상기 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 상기 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 상기 유두 후보 영역에 대하여 수행될 수 있다.The candidate region may be a breast candidate region or a papillary candidate region, and the determination of whether the candidate region corresponds to an obscene image may be performed first with respect to the breast candidate region and then with respect to the papillary candidate region.

또한, 상술한 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 얼굴영역검출부; 상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 후보영역추정부; 상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 템플릿매칭부; 및 상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 음란이미지결정부를 포함하는 것을 특징으로 한다.In addition, in order to solve the above technical problem, the obscene image automatic recognition apparatus according to an embodiment of the present invention, a face region detection unit for detecting a face region from the input image using a predetermined face recognition algorithm; A candidate region estimator for estimating a position of the body region different from the face region based on the position of the face region; A template matching unit configured to perform template matching between the other body region and a template image of a region constituting an obscene image in the other body region; And an obscene image determiner configured to determine whether the input image corresponds to an obscene image based on a result of the template matching.

또한, 상술한 기술적 과제를 해결하기 위하여, 상술한 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은 상기 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.In addition, in order to solve the above technical problem, the method for automatically recognizing obscene images according to an embodiment of the present invention described above may be implemented as a computer-readable recording medium in which a program for executing the method is recorded.

본 발명의 일 실시예에 따르면, 입력된 이미지에서 검출된 얼굴 영역의 위치로부터 다른 신체 영역의 위치를 추정하고 다른 신체 영역과 템플릿 이미지 간의 템플릿 매칭을 수행하여 음란 이미지에 해당하는지 여부를 결정함으로써, 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있는 효과가 있다.According to an embodiment of the present invention, by estimating the position of the other body region from the position of the face region detected in the input image and performing template matching between the other body region and the template image to determine whether it corresponds to the obscene image, There is an effect that can automatically determine whether the obscene new image without human intervention.

또한, 본 발명의 일 실시예에 따르면, 얼굴 영역 및 음란 이미지를 검출할 때 피부색 비율 검사 및 질감 검사를 함께 수행하도록 함으로써, 음란 이미지 판단의 정확도를 향상시킬 수 있는 효과가 있다.In addition, according to an embodiment of the present invention, the skin color ratio test and the texture test are performed together when detecting the face area and the obscene image, thereby improving the accuracy of the obscene image determination.

도 1은 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치를 예시적으로 도시한 블록도이다.
도 2는 얼굴 영역의 위치로부터 흉부 영역의 위치를 추정하는 방법을 예시적으로 설명하기 위한 도면이다.
도 3은 신체 영역에 대한 질감 검사를 수행하는 방법을 예시적으로 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.
도 5는 입력 이미지에 대한 피부색 검사를 수행하여 얼굴 영역을 검출하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 6은 신체 영역에 대한 피부색 검사를 수행하여 음란 이미지 여부를 결정하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 7은 신체 영역에 대한 질감 검사를 수행하여 음란 이미지 여부를 결정하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 8은 본 발명의 또 다른 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.1 is a block diagram illustrating an example of an obscene image automatic recognition apparatus according to an embodiment of the present invention.
2 is a diagram for exemplarily describing a method of estimating a position of a chest region from a position of a face region.
3 is a diagram for describing a method of performing a texture test on a body region by way of example.
4 is a flowchart exemplarily illustrating a method for automatically recognizing obscene images according to an exemplary embodiment of the present invention.
5 is a flowchart illustrating a method for detecting a face region by performing a skin color test on an input image.
6 is a flowchart exemplarily illustrating a method for determining whether an obscene image is performed by performing a skin color test on a body region.
FIG. 7 is a flowchart illustrating a method for determining whether an obscene image is performed by performing a texture test on a body region.
8 is a flowchart exemplarily illustrating a method for automatically recognizing obscene images according to another exemplary embodiment of the present invention.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치를 예시적으로 도시한 블록도이다.1 is a block diagram illustrating an example of an obscene image automatic recognition apparatus according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치(100)는 음란물 데이터베이스(도시되지 않음)에 미리 등록되어 있지 않은 음란 이미지에 대해서도 패턴 매칭 기반의 탐지 방법 등을 이용하여 자동으로 음란물인지 여부를 판단할 수 있도록 하는 장치로서, 데스크톱, 노트북, 스마트폰, PDA 등과 같이 외부로부터 다양한 이미지들을 수신하여 처리하는 프로세서를 내장한 디바이스로서 구현될 수 있다.Referring to FIG. 1, the apparatus 100 for automatically recognizing an obscene image according to an exemplary embodiment may use a pattern matching-based detection method for an obscene image that is not registered in a pornography database (not shown) in advance. As an apparatus for automatically determining whether or not pornographic material, the device may be implemented as a device having a processor for receiving and processing various images from the outside, such as a desktop, a notebook, a smartphone, a PDA, and the like.

음란 이미지 자동 인식 장치(100)는, 예를 들어, 가슴 영역 및 유두 영역을 템플릿 이미지로 미리 등록해두고, 어떤 이미지가 입력되면 적당한 크기로 이미지를 변경한 후 얼굴 영역을 감지한다. 이 때, 얼굴 영역을 감지할 때의 정확도를 높이기 위해서 피부색 비율 테스트를 실시할 수 있다. 그리고나서, 감지된 얼굴 영역의 위치를 기준으로 흉부 영역의 위치를 추론하고, 미리 저장되어 있는 가슴 템플릿과의 템플릿 매칭을 이용하여 가슴 영역을 탐지한다. 탐지된 가슴 영역을 확인하기 위해서 피부색 비율 검사를 실시하고, 이 검사를 통과한 영역에 대하여 질감 검사를 실시할 수 있다. 이렇게 통과된 영역에 대하여 유두 템플릿 매칭을 실시하고, 유두 템플릿 매칭을 통과한 유두 후보 영역에 대하여 질감 검사를 실시할 수 있다. 그리고나서, 음란 이미지 자동 인식 장치(100)는 상술한 단계들을 통과한 이미지를 음란 이미지로 판단하고, 나머지는 정상 이미지로 판단할 수 있다.For example, the pornographic image recognition apparatus 100 registers the chest region and the nipple region as a template image in advance, and when an image is input, changes the image to an appropriate size and detects a facial region. In this case, a skin color ratio test may be performed to increase the accuracy of detecting a face area. Then, the position of the chest region is inferred based on the position of the detected face region, and the chest region is detected by using template matching with a pre-stored chest template. The skin color ratio test can be performed to confirm the detected chest area, and the texture test can be performed on the area that passes the test. The teat template matching may be performed on the passed region, and the texture test may be performed on the nipple candidate region that has passed the teat template matching. Subsequently, the apparatus 100 for automatically recognizing an obscene image may determine an image passing through the above-described steps as an obscene image and determine the rest as a normal image.

상술한 동작을 수행하기 위하여, 음란 이미지 자동 인식 장치(100)는 이미지 변환부(104), 얼굴 영역 검출부(106), 후보 영역 추정부(108), 템플릿 매칭부(110), 템플릿 데이터베이스(112), 피부색 검사부(114), 질감 검사부(116) 및 음란 이미지 결정부(118)를 포함한다.In order to perform the above-described operation, the obscene image automatic recognition apparatus 100 may include an image converter 104, a face region detector 106, a candidate region estimator 108, a template matcher 110, and a template database 112. ), A skin color inspector 114, a texture inspector 116, and an obscene image determiner 118.

이미지 변환부(104)는 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환한다. 예를 들어, 이미지 변환부(104)는 입력되는 이미지의 크기를 가로 480 픽셀 및 세로 640 픽셀에 근접하도록 동일 비율 확대 축소를 통해 이미지를 크기를 적정하게 변경할 수 있다.The image converting unit 104 converts the size of the input image into a preset size. For example, the image conversion unit 104 may appropriately change the size of the image through the same ratio enlargement and reduction so that the size of the input image is close to 480 pixels horizontally and 640 pixels vertically.

얼굴 영역 검출부(106)는 입력되는 이미지(이미지 변환부(104)의 출력을 포함)로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출한다. 얼굴 영역의 검출은 예를 들어 Adaboost 알고리즘을 이용하여 수행될 수 있다. 커널머신을 이용한 대표적 분류기인 Adaboost 알고리즘은 본 발명의 패턴인식 문제에 적용될 수 있다. 부스팅(boosting)은 구별 기능이 약한 여러 개의 검출기(classifier)를 조합하여 강인한 검출기를 만드는 학습 방법이다. 많은 검출기들 중에서 찾고자 하는 대상과 적합한 패턴을 정해진 개수만큼 찾아내고 이들 사이에서 선형적인 관계를 찾는 학습 방법이다. 선형적인 관계는 찾아진 검출기들에 대한 각각의 계수들을 찾아내고, 이들을 선형적으로 융합하는 것을 의미한다.The face area detection unit 106 detects a face area from an input image (including the output of the image conversion unit 104) using a predetermined face recognition algorithm. Detection of the facial region can be performed using, for example, the Adaboost algorithm. Adaboost algorithm, a representative classifier using a kernel machine, can be applied to the pattern recognition problem of the present invention. Boosting is a learning method that creates a robust detector by combining several detectors with weak discrimination. Among many detectors, it is a learning method that finds a certain number of objects and a suitable pattern to find and finds a linear relationship between them. The linear relationship means finding the respective coefficients for the found detectors and linearly fusing them.

Figure pat00001
Figure pat00001

여기서, T는 사용자가 실험을 통하여 적당한 값을 선정하여 몇 개의 패턴으로 원하는 물체를 표현할지를 나타내고, Fstrong은 찾아진 검출기 Ft와 계수 α에 대한 선형 조합의 형태를 갖는다. 여기서 Fstrong이 -1이면 틀린 경우, 1이면 맞는 경우를 의미한다. x는 일정한 크기를 가지는 임의의 입력 벡터이다.Here, T indicates how many patterns the user wants to express the desired object through the experiment, and F strong has a linear combination of the found detector F t and the coefficient α. If F strong is -1, false means wrong, or 1 if true. x is an arbitrary input vector of constant size.

또한, 얼굴 영역 검출부(106)는 검출되는 얼굴 영역의 적중률을 높이기 위해서 얼굴 인식 알고리즘에 의해서 검출된 영역에 대해서 피부색 비율을 계산할 수 있다. 피부색 비율은 얼굴 인식 알고리즘에 의해서 검출된 영역에 대하여 소정의 피부색 범위(예를 들어, 77 < Cb < 127 및 133 < Cr < 173)에 해당하는 영역의 비율을 의미한다. 얼굴 영역 검출부(106)는, 예를 들어, 피부색 비율이 미리 설정된 임계값인 X1 % (예를 들어, 70%) 이상이면 얼굴 영역으로 판단할 수 있다. X1은 실시예에 따라서 다양하게 설정될 수 있는 값이다.In addition, the face area detector 106 may calculate the skin color ratio of the area detected by the face recognition algorithm in order to increase the hit ratio of the detected face area. The skin color ratio means a ratio of a region corresponding to a predetermined skin color range (for example, 77 <Cb <127 and 133 <Cr <173) with respect to the region detected by the face recognition algorithm. For example, the face region detector 106 may determine that the skin color ratio is the face region when the skin color ratio is equal to or greater than X1% (for example, 70%) which is a preset threshold. X1 is a value that can be set variously according to an embodiment.

얼굴 영역 검출부(106)는, 피부색을 검출하기 위해서, 예를 들어, YCrCb 색공간의 색차성분 (CrCb) 부분의 범위 X2 < Cb < X3 and X4 < Cr < X5(예를 들어, 77 < Cb < 127 및 133 < Cr < 173)를 피부색 범위로 사용할 수 있다. X2, X3, X4, X5는 실시예에 따라서 다양하게 설정될 수 있는 값이다.In order to detect the skin color, the face region detection unit 106 is, for example, in the range X2 <Cb <X3 and X4 <Cr <X5 (for example, 77 <Cb <) of the color difference component (CrCb) portion of the YCrCb color space. 127 and 133 <Cr <173) can be used in the skin color range. X2, X3, X4, and X5 are values that can be variously set according to embodiments.

즉, 해당 영역의 각각의 점의 R, G, B 값에서 다음과 같이 계산하고,In other words, the following values are calculated from the R, G, and B values of each point in the area,

Y = 0.299 * R + 0.587 * G + 0.114 * BY = 0.299 * R + 0.587 * G + 0.114 * B

Cr = (R-Y) * 0.713 + deltaCr = (R-Y) * 0.713 + delta

Cb = (B-Y) * 0.564 + deltaCb = (B-Y) * 0.564 + delta

계산한 값의 Cb, Cr값이 X2 < Cb < X3 and X4 < Cr < X5에 해당하면 피부색에 해당하는 것으로 판단할 수 있다.When Cb and Cr of the calculated value correspond to X2 <Cb <X3 and X4 <Cr <X5, it may be determined that the skin color corresponds.

후보 영역 추정부(108)는 얼굴 영역 검출부(106)에서 검출된 얼굴 영역의 위치를 기초로 하여 검출된 얼굴 영역과 다른 신체 영역(예를 들어, 흉부 영역)의 위치를 추정한다. 여기서, 얼굴 영역과 다른 신체 영역은 음란 이미지를 구성하는 영역(예를 들어, 유방 영역, 유두 영역 등)을 포함하고 음란 이미지를 구성하는 영역보다 더 넓은 영역이거나 또는 음란 이미지를 구성하는 영역과 같은 영역일 수 있다.The candidate region estimator 108 estimates the position of the detected body region and the other body region (for example, the chest region) based on the position of the face region detected by the face region detector 106. Here, the body region different from the face region includes a region (for example, a breast region, a papillary region, etc.) constituting the obscene image and is wider than an area constituting the obscene image, or the same as the region constituting the obscene image. It may be an area.

도 2는 후보 영역 추정부(108)가 얼굴 영역의 위치로부터 흉부 영역의 위치를 추정하는 방법을 예시적으로 설명하기 위한 도면이다. 도 2를 참조하면, 후보 영역 추정부(108)는, 예를 들어, 얼굴 영역 검출부(106)에서 검출된 얼굴 영역(202)의 아래쪽으로 얼굴 높이보다 2배의 높이를 가지고 얼굴 폭보다 2배의 폭을 가지도록 흉부 영역(204)을 설정할 수 있다.FIG. 2 is a diagram for describing a method in which the candidate region estimator 108 estimates the position of the chest region from the position of the face region. Referring to FIG. 2, the candidate region estimator 108 may, for example, have a height twice as high as a face below the face area 202 detected by the face area detection unit 106 and twice as wide as a face. The chest region 204 may be set to have a width of.

템플릿 매칭부(110)는 후보 영역 추정부(108)에서 추정된 다른 신체 영역(예를 들어, 흉부 영역) 및 템플릿 데이터베이스(112)에 미리 저장되어 있는 다른 신체 영역 내에서 음란 이미지를 구성하는 영역(예를 들어, 유방 영역, 유두 영역 등)의 템플릿 이미지 간의 템플릿 매칭을 수행한다. 여기서, 템플릿 이미지의 크기는 예를 들어 얼굴 크기와 동일한 크기 등으로 설정될 수 있다. 또한, 템플릿 매칭은 예를 들어 유방 템플릿 이미지 또는 유두 템플릿 이미지 중 어느 하나에 대해서 수행될 수도 있고, 또는 먼저 유방 템플릿 이미지에 대해 수행되고 그리고나서 유두 템플릿 이미지에 대해 수행될 수도 있다.The template matching unit 110 constitutes an obscene image in another body region (eg, a chest region) estimated by the candidate region estimation unit 108 and another body region previously stored in the template database 112. Template matching between template images (for example, breast region, papillary region, etc.) is performed. Here, the size of the template image may be set to, for example, the same size as the face size. Further, template matching may be performed on either the breast template image or the teat template image, for example, or may first be performed on the breast template image and then on the teat template image.

템플릿 매칭부(110)는 템플릿으로 표준 패턴을 수동으로 미리 작성하거나 함수 파라미터 형식으로 정의하고 주어진 이미지 위에서 이동하면서 템플릿인 표준 패턴과 상관 관계를 계산하여 대응하는 위치를 찾는다. 매칭 방법은 예를 들어 상관 계수(Correlation Coefficient)를 이용할 수 있다. 상관 계수의 결과값이 1이면 템플릿 이미지와 입력된 신체 영역이 정확히 일치하는 것을 의미하고, 1에 가까울수록 정합률이 좋은 것을 의미한다.The template matching unit 110 manually creates a standard pattern as a template in advance or defines a function parameter format and moves over a given image to calculate a correlation with the standard pattern as a template to find a corresponding position. The matching method may use, for example, a correlation coefficient. If the result of the correlation coefficient is 1, it means that the template image and the input body region are exactly matched. The closer to 1, the better the matching ratio is.

한편, 템플릿 매칭부(110)는 유방 템플릿 이미지를 이용하여 흉부 영역 내에서 유방 후보 영역을 결정할 수 있다. 이 때, 결정된 유방 후보 영역의 적중도를 높이기 위해서, 피부색 검사부(114)는 유방 후보 영역의 피부색 비율을 계산하고, 계산된 피부색 비율이 미리 설정된 임계값인 X6 % (예를 들어, 70%) 이상이면 피부색에 해당하는 것으로 결정할 수 있다. 또한, 피부색 검사부(114)는 템플릿 매칭을 이용하여 검출된 음란 이미지를 구성하는 유두 후보 영역에 대해서도, 유두 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수(즉, 유두 후보 영역의 피부색 비율)를 계산하여 유두 후보 영역의 적중도를 높일 수도 있다. 피부색 비율에 대해서는 상술된 바 있으므로 추가적인 설명은 생략된다.Meanwhile, the template matching unit 110 may determine the breast candidate region in the chest region using the breast template image. At this time, in order to increase the hit degree of the determined breast candidate region, the skin color inspection unit 114 calculates the skin color ratio of the breast candidate region, and the calculated skin color ratio is equal to or greater than X6% (for example, 70%) that is a preset threshold. It can be determined that it corresponds to the skin color. In addition, the skin color inspecting unit 114 may include the number of pixels corresponding to a preset color range of the skin color among the pixels included in the nipple candidate region, even for the nipple candidate region constituting the indecent image detected by using template matching. (Ie, the skin color ratio of the nipple candidate region) may be calculated to increase the hit degree of the nipple candidate region. Since the skin color ratio has been described above, further description is omitted.

템플릿 데이터베이스(112)는 하나 이상의 거리(예를 들어 근거리, 중거리, 원거리)에서 바라본 신체 영역(예를 들어, 가슴 영역 또는 유두 영역)에 대한 템플릿 이미지를 저장한다. 예를 들어, 템플릿 데이터베이스(112)는 근거리, 중거리, 원거리에서 바라본 가슴 영역의 템플릿 이미지 n개(n > 0, 정수)를 저장할 수 있고, 근거리, 중거리, 원거리에서 바라본 유두 영역의 템플릿 이미지 m개(m > 0, 정수)를 저장할 수 있다.The template database 112 stores template images for body regions (eg, chest area or papillary area) viewed from one or more distances (eg, near, medium, and far). For example, the template database 112 can store n template images (n> 0, integer) of chest regions viewed at near, mid, and long distances, and m template images of the nipple regions at near, mid, and long distances. (m> 0, integer) can be stored.

질감 검사부(116)는 템플릿 매칭 또는 피부색 비율 검사 등을 통과한 후보 영역에 대하여 질감 검사를 실시할 수 있다.The texture inspecting unit 116 may perform a texture inspection on a candidate region that has passed template matching or skin color ratio inspection.

질감은 영상의 표면 특성으로 표현되는 화소간의 밝기 차이를 나타낸 것으로써 인간의 시각 패턴에 있어 중요한 요소로 작용한다. 질감의 구조가 옷감의 프린트 패턴이나 벽돌무늬처럼 규칙적으로 반복되는 기하학적인 도형의 배열을 분석하는데 주로 이용된다. 영상 처리의 일반적인 문제는 화소와 화소 사이에서 갑작스럽게 나타나는 밝기값의 변화이다. 이러한 변화는 현격히 다른 두 대상물 사이의 경계인 외곽선을 나타낸다. 하나의 필터에 의해 생성되는 강화영상은 한 방향에 대해서만 우월적으로 나타내며, 수평과 수직방향으로 영상 필터링을 수행하여 도 3과 같은 벡터 값을 산출함으로써 얻어질 수 있다.Texture is an important factor in the human visual pattern as it represents the difference in brightness between pixels represented by the surface characteristics of the image. Textured structures are often used to analyze the arrangement of geometric shapes that repeat regularly, such as cloth print patterns or brick patterns. A common problem in image processing is the sudden change in brightness between pixels. This change represents an outline, the boundary between two significantly different objects. The enhanced image generated by one filter is superior to only one direction, and may be obtained by calculating a vector value as shown in FIG. 3 by performing image filtering in the horizontal and vertical directions.

질감 검사는, 예를 들어 얼굴 영역, 흉부 영역 또는 유방 영역 등으로 추정된 이미지 영역을 대상으로 하여 수행될 수 있다. 질감 검사부(116)는 템플릿 매칭을 이용하여 검출된 음란 이미지를 구성하는 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하고, 음란 이미지를 구성하는 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하며, 계산된 비율이 미리 설정된 소정의 범위에 속하는지 여부를 결정하는 방식으로 질감 검사를 수행할 수 있다. 예를 들어, 질감 검사부(116)는 템플릿 매칭에 의해 결정된 유두 후보 영역에 대하여 케니에지를(Canny edge)를 검출하고 외곽선 비율을 계산하여 외곽선 비율이 소정 범위(T7 %) 이상이면 유두 영역으로 인정할 수 있다.The texture test may be performed, for example, on an image area estimated as a face area, a chest area, a breast area, or the like. The texture inspecting unit 116 detects an outline using a Kenny edge transform in the candidate region constituting the obscene image detected by using template matching, and applies the outline to the number of pixels included in the candidate region constituting the obscene image. The texture inspection may be performed by calculating a ratio of the number of corresponding pixels and determining whether the calculated ratio falls within a predetermined range. For example, the texture inspecting unit 116 detects a Kenny edge with respect to the nipple candidate region determined by template matching, calculates an outline ratio, and recognizes the nipple region if the outline ratio is more than a predetermined range (T7%). Can be.

음란 이미지 결정부(118)는 템플릿 매칭, 피부색 비율 검사 또는 질감 검사의 결과를 기초로 하여 검출된 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 예를 들어, 음란 이미지 결정부(118)는 유방 영역에 대한 템플릿 매칭, 피부색 비율 검사 및 질감 검사를 모두 통과하고 유두 영역에 대한 템플릿 매칭 및 질감 검사를 모두 통과한 이미지에 대해서는 음란 이미지로 판단하고, 나머지 이미지는 정상 이미지로 판단할 수 있다. 다만, 음란 이미지의 판단은 상술한 예시에 한정되는 것은 아니며 실시예에 따라서 다양한 방식으로 적용될 수 있을 것이다.The obscene image determiner 118 finally determines whether the detected candidate region corresponds to the obscene image based on the result of the template matching, skin color ratio test, or texture test. For example, the obscene image determiner 118 determines that the image passes all the template matching, skin color ratio test, and the texture test for the breast area, and the template matching and the texture test for the nipple area, is determined as the obscene image. The remaining images can be determined as normal images. However, the determination of the obscene image is not limited to the above-described example and may be applied in various ways according to the embodiment.

도 4는 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.4 is a flowchart exemplarily illustrating a method for automatically recognizing obscene images according to an exemplary embodiment of the present invention.

도 4를 참조하면, 단계 402에서, 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출한다. 얼굴 인식 알고리즘은 예를 들어 Adaboost 알고리즘 등이 적용될 수 있다. 또한, 음란 이미지 자동 인식 장치는 얼굴 영역을 보다 용이하게 검출하기 위하여 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하여 얼굴 인식 알고리즘을 적용할 수도 있다.Referring to FIG. 4, in operation 402, the pornographic image automatic recognition apparatus detects a face region from an input image by using a predetermined face recognition algorithm. As the face recognition algorithm, for example, the Adaboost algorithm may be applied. In addition, the apparatus for automatically recognizing obscene images may apply a face recognition algorithm by converting a size of an input image into a preset size in order to detect a face region more easily.

단계 404에서, 음란 이미지 자동 인식 장치는, 단계 402에서 검출된 얼굴 영역의 위치를 기초로 하여 얼굴 영역과 다른 신체 영역의 위치를 추정한다. 여기서, 얼굴 영역과 다른 신체 영역은 예를 들어 흉부 영역 등일 수 있다.In operation 404, the apparatus for automatically detecting an obscene image estimates a position of a body region different from the facial region based on the position of the facial region detected in operation 402. Here, the body region different from the facial region may be, for example, a chest region.

단계 406에서, 음란 이미지 자동 인식 장치는, 단계 404에서 추정된 다른 신체 영역 및 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행한다. 여기서, 얼굴 영역과 다른 신체 영역은 예를 들어 흉부 영역일 수 있고, 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은 예를 들어 유방 영역 또는 유두 영역일 수 있다.In operation 406, the apparatus for automatically detecting an obscene image performs template matching between another body region estimated in operation 404 and a template image of a region constituting the obscene image in the other body region. Here, the body region different from the face region may be, for example, a chest region, and the region constituting the obscene image in the other body region may be, for example, a breast region or a papillary region.

단계 408에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭 결과를 기초로 하여 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정한다.In operation 408, the apparatus for automatically detecting obscene images determines whether an input image corresponds to an obscene image based on the template matching result of operation 406.

도 5는 도 4에서 얼굴 영역을 검출할 때 입력 이미지에 대한 피부색 검사를 수행하여 검출된 얼굴 영역의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.FIG. 5 is a flowchart exemplarily illustrating a method for increasing the accuracy of a detected face region by performing a skin color test on an input image when detecting a face region in FIG. 4.

도 5를 참조하면, 단계 502에서, 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출한다.Referring to FIG. 5, in operation 502, the apparatus for automatically detecting obscene images detects a face candidate region from an input image by using a predetermined face recognition algorithm.

단계 504에서, 음란 이미지 자동 인식 장치는, 단계 502에서 검출된 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산한다.In operation 504, the apparatus for automatically detecting an obscene image calculates the number of pixels corresponding to a preset color range of skin color among pixels included in the face candidate region detected in operation 502.

단계 506에서, 음란 이미지 자동 인식 장치는, 단계 504의 계산 결과를 기초로 하여 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 최종 결정한다.In operation 506, the apparatus for automatically recognizing obscene images finally determines whether the face candidate region corresponds to the facial region based on the calculation result of operation 504.

도 6은 도 4에서 음란 이미지에 해당하는지 여부를 결정할 때 음란 이미지를 구성하는 후보 영역에 대한 피부색 검사를 수행하여 음란 이미지 판단의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.6 is a flowchart exemplarily illustrating a method for increasing the accuracy of obscene image determination by performing a skin color test on a candidate region constituting an obscene image when determining whether it corresponds to an obscene image in FIG. 4.

도 6을 참조하면, 단계 602에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭을 이용하여 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출한다. 여기서, 후보 영역은 유방 후보 영역 또는 유두 후보 영역일 수 있다.Referring to FIG. 6, in operation 602, the apparatus for automatically detecting an obscene image detects a candidate region that constitutes an obscene image in another body region by using the template matching in operation 406. Here, the candidate region may be a breast candidate region or a papillary candidate region.

단계 604에서, 음란 이미지 자동 인식 장치는, 단계 602에서 검출된 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산한다.In operation 604, the apparatus for automatically detecting an obscene image calculates the number of pixels corresponding to a preset color range of skin color among pixels included in the candidate region detected in operation 602.

단계 606에서, 음란 이미지 자동 인식 장치는, 단계 604의 계산 결과를 기초로 하여 검출된 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 한편, 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 유두 후보 영역에 대하여 최종적으로 수행될 수 있다.In operation 606, the apparatus for recognizing obscene images automatically determines whether the detected candidate region corresponds to the obscene image based on the calculation result of operation 604. Meanwhile, the determination of whether the candidate area corresponds to the obscene image may be performed first on the breast candidate area and then finally on the nipple candidate area.

도 7은 도 4에서 음란 이미지에 해당하는지 여부를 결정할 때 음란 이미지를 구성하는 후보 영역에 대한 질감 검사를 수행하여 음란 이미지 판단의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.7 is a flowchart exemplarily illustrating a method for improving the accuracy of obscene image determination by performing a texture check on a candidate region constituting an obscene image when determining whether it corresponds to an obscene image in FIG. 4.

도 7을 참조하면, 단계 701에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭을 이용하여 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출한다. 여기서, 후보 영역은 유방 후보 영역 또는 유두 후보 영역일 수 있다.Referring to FIG. 7, in operation 701, the apparatus for automatically detecting an obscene image detects a candidate region constituting an obscene image in another body region using the template matching in operation 406. Here, the candidate region may be a breast candidate region or a papillary candidate region.

단계 702에서, 음란 이미지 자동 인식 장치는, 단계 702에서 검출된 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출한다.In operation 702, the apparatus for automatically detecting an obscene image detects an outline using a Kenny edge transform in the candidate region detected in operation 702.

단계 704에서, 음란 이미지 자동 인식 장치는, 단계 702에서 검출된 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 단계 704에서 검출된 외곽선에 해당하는 픽셀들의 개수의 비율을 계산한다.In operation 704, the apparatus for automatically detecting an obscene image calculates a ratio of the number of pixels corresponding to the outline detected in operation 704 to the number of pixels included in the candidate region detected in operation 702.

단계 706에서, 음란 이미지 자동 인식 장치는, 단계 706에서 계산된 비율을 기초로 하여 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 한편, 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 유두 후보 영역에 대하여 최종적으로 수행될 수 있다.In operation 706, the apparatus for recognizing obscene images may finally determine whether the candidate region corresponds to the obscene image based on the ratio calculated in operation 706. Meanwhile, the determination of whether the candidate area corresponds to the obscene image may be performed first on the breast candidate area and then finally on the nipple candidate area.

도 8은 본 발명의 또 다른 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.8 is a flowchart exemplarily illustrating a method for automatically recognizing obscene images according to another exemplary embodiment of the present invention.

도 8을 참조하면, 단계 802에서, 음란 이미지 자동 인식 장치는, 외부로부터 입력되는 이미지를 수신한다.Referring to FIG. 8, in operation 802, the apparatus for automatically detecting obscene images receives an image input from the outside.

단계 804에서, 음란 이미지 자동 인식 장치는, 얼굴 영역을 보다 용이하게 검출하기 위하여 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환한다.In operation 804, the apparatus for automatically detecting an obscene image converts a size of an input image into a preset size in order to detect a face area more easily.

단계 806에서, 음란 이미지 자동 인식 장치는, 소정의 얼굴 인식 알고리즘을 이용하여 입력 이미지로부터 학습된 데이터 파일을 통해 얼굴 영역을 검출한다.In operation 806, the apparatus for automatically detecting an obscene image detects a face region through a data file learned from an input image using a predetermined face recognition algorithm.

단계 808에서, 음란 이미지 자동 인식 장치는, 얼굴 영역의 위치로부터 음란이라고 판단되는 흉부 영역을 확보한다. 흉부 영역은 도 2와 같이 검출된 얼굴 영역의 크기를 통해 확보될 수 있다.In operation 808, the apparatus for recognizing obscene images secures a chest region determined to be indecent from the position of the face region. The chest region may be secured through the size of the detected facial region as shown in FIG. 2.

단계 810에서, 음란 이미지 자동 인식 장치는, 확보된 흉부 영역에 대하여 템플릿 데이터베이스에 미리 저장되어 있는 유방 템플릿 이미지와 템플릿 매칭을 시도한다. 유방 템플릿 이미지의 사이즈는 예를 들어 얼굴 크기와의 관계에서 적절한 크기로 설정될 수 있다.In operation 810, the obscene image recognition apparatus attempts a template matching with the breast template image previously stored in the template database for the secured chest region. The size of the breast template image may be set to an appropriate size, for example in relation to the face size.

단계 812에서, 음란 이미지 자동 인식 장치는, 템플릿 매칭된 영역에서 오검출 영역을 줄이고, 정확한 유방 영역을 확보하기 위해서 질감 검사 및 피부색 비율 검사를 실시한다. 템플릿 매칭된 유방 영역은 케니에지로 변환되어 외곽선이 검출된다. 이 때, 픽셀값이 미리 정해놓은 임계값을 넘어간다면 유방 영역이라 판단된다. 또한, 템플릿 매칭된 유방 영역은 피부색 비율의 검사를 통해서 그 정확도가 향상된다.In operation 812, the pornographic image recognition apparatus performs a texture test and a skin color ratio test to reduce a false detection area in a template matched area and to secure an accurate breast area. The template matched breast region is converted into Kenny edges to detect the outline. At this time, if the pixel value exceeds a predetermined threshold, it is determined as the breast area. In addition, the template-matched breast region is improved in accuracy through examination of skin color ratio.

단계 816에서, 음란 이미지 자동 인식 장치는, 질감 검사 및 피부색 비율 검사를 통과한 유방 영역에 대하여 템플릿 데이터베이스에 미리 저장되어 있는 유두 템플릿 이미지와의 템플릿 매칭을 시도한다.In operation 816, the obscene image recognition apparatus attempts template matching with the nipple template image previously stored in the template database for the breast region that has passed the texture test and the skin color ratio test.

단계 818에서, 음란 이미지 자동 인식 장치는, 템플릿 매칭된 유두 영역을 케니에지로 변환하여 질감 검사를 실시한다.In operation 818, the pornographic image recognition apparatus converts the template-matched nipple region into a kenny edge and performs a texture inspection.

단계 820에서, 음란 이미지 자동 인식 장치는, 케니에지 변환된 외곽선에 따른 유두 영역의 픽셀의 평균값이 미리 정해놓은 임계값보다 높다면 최종적으로 음란 이미지로 판단한다.In operation 820, the apparatus for recognizing obscene images finally determines that the average value of the pixels of the nipple region according to the Kenny edge-converted outline is higher than the predetermined threshold.

또한, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 저장 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드로서 저장되고 실행될 수 있다.In addition, the method for automatically recognizing obscene images according to an embodiment of the present invention may be implemented as computer readable codes on a computer readable recording medium. Computer-readable recording media include all kinds of storage devices that store data that can be read by a computer system. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, and the like. The computer readable recording medium may also be distributed over a networked computer system and stored and executed as computer readable code in a distributed manner.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far I looked at the center of the preferred embodiment for the present invention. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive sense. The scope of the present invention is defined by the appended claims rather than by the foregoing description, and all differences within the scope of equivalents thereof should be construed as being included in the present invention.

Claims (10)

입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계;
상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계;
상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및
상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.Detecting a face region from an input image using a predetermined face recognition algorithm;
Estimating the position of the body region different from the face region based on the position of the face region;
Performing template matching between the other body region and a template image of a region constituting an obscene image in the other body region; And
And determining whether the input image corresponds to an obscene image based on a result of the template matching. 제1항에 있어서,
상기 다른 신체 영역은 흉부 영역이고,
상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은, 유방 영역 또는 유두 영역인 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1,
Said other body region is a chest region,
The region constituting the obscene image in the other body region is a breast image or nipple region automatic recognition method. 제1항에 있어서, 상기 얼굴 영역을 검출하는 단계는,
상기 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하는 단계를 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1, wherein the detecting of the face area comprises:
And converting the size of the input image into a preset size. 제1항에 있어서, 상기 얼굴 인식 알고리즘은 Adaboost 알고리즘인 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1, wherein the face recognition algorithm is an Adaboost algorithm. 제1항에 있어서, 상기 얼굴 영역을 검출하는 단계는,
상기 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출하는 단계;
상기 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및
상기 계산 결과를 기초로 하여 상기 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1, wherein the detecting of the face area comprises:
Detecting a face candidate region from the input image using a predetermined face recognition algorithm;
Calculating the number of pixels corresponding to a preset color range of the skin color among the pixels included in the face candidate region; And
And determining whether the face candidate area corresponds to a face area based on the calculation result. 제1항에 있어서, 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는,
상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계;
상기 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및
상기 계산 결과를 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1, wherein the determining of whether the input image corresponds to an obscene image comprises:
Detecting candidate regions constituting an obscene image in the other body region using the template matching;
Calculating the number of pixels corresponding to a preset color range of skin color among pixels included in the candidate area; And
And determining whether the candidate area corresponds to the obscene image based on the calculation result. 제1항에 있어서, 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는,
상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계;
상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하는 단계;
상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 단계; 및
상기 계산된 비율을 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.The method of claim 1, wherein the determining of whether the input image corresponds to an obscene image comprises:
Detecting candidate regions constituting an obscene image in the other body region using the template matching;
Detecting an outline using a Kenny edge transform in the candidate region;
Calculating a ratio of the number of pixels corresponding to the outline to the number of pixels included in the candidate area; And
And determining whether the candidate area corresponds to the obscene image based on the calculated ratio. 제6항 또는 제7항에 있어서,
상기 후보 영역은 유방 후보 영역 또는 유두 후보 영역이고,
상기 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 상기 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 상기 유두 후보 영역에 대하여 수행되는 것을 특징으로 하는 음란 이미지 자동 인식 방법.8. The method according to claim 6 or 7,
The candidate region is a breast candidate region or a papillary candidate region,
The determination of whether the candidate region corresponds to the obscene image is performed first with respect to the breast candidate region and then with respect to the nipple candidate region. 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 얼굴영역검출부;
상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 후보영역추정부;
상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 템플릿매칭부; 및
상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 음란이미지결정부를 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 장치.A face region detector for detecting a face region from an input image using a predetermined face recognition algorithm;
A candidate region estimator for estimating a position of the body region different from the face region based on the position of the face region;
A template matching unit configured to perform template matching between the other body region and a template image of a region constituting an obscene image in the other body region; And
And an obscene image determining unit configured to determine whether the input image corresponds to an obscene image based on the template matching result. 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계;
상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계;
상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및
상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계를 포함하는 음란 이미지 자동 인식 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.Detecting a face region from an input image using a predetermined face recognition algorithm;
Estimating the position of the body region different from the face region based on the position of the face region;
Performing template matching between the other body region and a template image of a region constituting an obscene image in the other body region; And
And determining whether the input image corresponds to an obscene image based on a result of the template matching.
KR1020110044674A 2011-05-12 2011-05-12 Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof KR101237469B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110044674A KR101237469B1 (en) 2011-05-12 2011-05-12 Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110044674A KR101237469B1 (en) 2011-05-12 2011-05-12 Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof

Publications (2)

Publication Number Publication Date
KR20120126677A true KR20120126677A (en) 2012-11-21
KR101237469B1 KR101237469B1 (en) 2013-02-26

Family

ID=47511956

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110044674A KR101237469B1 (en) 2011-05-12 2011-05-12 Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof

Country Status (1)

Country Link
KR (1) KR101237469B1 (en)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180123998A (en) * 2018-11-06 2018-11-20 주식회사 하이퍼커넥트 Image displaying method, apparatus and computer readable recording medium
KR20180129562A (en) * 2017-05-27 2018-12-05 주식회사 하이퍼커넥트 Device and method of making video calls
CN111178343A (en) * 2020-04-13 2020-05-19 腾讯科技（深圳）有限公司 Multimedia resource detection method, device, equipment and medium based on artificial intelligence
CN111199233A (en) * 2019-12-30 2020-05-26 四川大学 Improved deep learning pornographic image identification method
US11102450B2 (en) 2016-10-10 2021-08-24 Hyperconnect, Inc. Device and method of displaying images
US11184582B2 (en) 2019-10-01 2021-11-23 Hyperconnect, Inc. Terminal and operating method thereof
US11323659B2 (en) 2017-04-17 2022-05-03 Hyperconnect Inc. Video communication device, video communication method, and video communication mediating method
US11553157B2 (en) 2016-10-10 2023-01-10 Hyperconnect Inc. Device and method of displaying images
US11716424B2 (en) 2019-05-10 2023-08-01 Hyperconnect Inc. Video call mediation method
US11825236B2 (en) 2020-01-31 2023-11-21 Hyperconnect Inc. Terminal and operating method thereof

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102432824B1 (en) 2020-04-29 2022-08-17 한국전자통신연구원 Method for Detecting Harmful Streaming Video in Smart Device, Smart Device and Terminal for Machine Learning

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101428037B1 (en) * 2007-07-03 2014-08-07 엘지전자 주식회사 method and system for blocking noxious information
KR20100027412A (en) * 2008-09-02 2010-03-11 주식회사 퓨즈커뮤니케이션 System and method for protecting pornograph

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11102450B2 (en) 2016-10-10 2021-08-24 Hyperconnect, Inc. Device and method of displaying images
US11553157B2 (en) 2016-10-10 2023-01-10 Hyperconnect Inc. Device and method of displaying images
US11323659B2 (en) 2017-04-17 2022-05-03 Hyperconnect Inc. Video communication device, video communication method, and video communication mediating method
US11722638B2 (en) 2017-04-17 2023-08-08 Hyperconnect Inc. Video communication device, video communication method, and video communication mediating method
KR20180129562A (en) * 2017-05-27 2018-12-05 주식회사 하이퍼커넥트 Device and method of making video calls
KR20180123998A (en) * 2018-11-06 2018-11-20 주식회사 하이퍼커넥트 Image displaying method, apparatus and computer readable recording medium
US11716424B2 (en) 2019-05-10 2023-08-01 Hyperconnect Inc. Video call mediation method
US11184582B2 (en) 2019-10-01 2021-11-23 Hyperconnect, Inc. Terminal and operating method thereof
CN111199233A (en) * 2019-12-30 2020-05-26 四川大学 Improved deep learning pornographic image identification method
CN111199233B (en) * 2019-12-30 2020-11-20 四川大学 Improved deep learning pornographic image identification method
US11825236B2 (en) 2020-01-31 2023-11-21 Hyperconnect Inc. Terminal and operating method thereof
CN111178343A (en) * 2020-04-13 2020-05-19 腾讯科技（深圳）有限公司 Multimedia resource detection method, device, equipment and medium based on artificial intelligence

Also Published As

Publication number Publication date
KR101237469B1 (en) 2013-02-26

Similar Documents

Publication Publication Date Title
KR101237469B1 (en) Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof
Chung et al. Efficient shadow detection of color aerial images based on successive thresholding scheme
EP3249579B1 (en) Object recognition apparatus, objection recognition method, and program
KR100651753B1 (en) Method for detecting eye using characteristics of symmetry and moment and apparatus thereof
Fernández-García et al. Automatic generation of consensus ground truth for the comparison of edge detection techniques
US9070043B2 (en) Method and apparatus for analyzing video based on spatiotemporal patterns
CN105404884B (en) Image analysis method
CN105279772B (en) A kind of trackability method of discrimination of infrared sequence image
Ishikura et al. Saliency detection based on multiscale extrema of local perceptual color differences
KR102094506B1 (en) Method for measuring changes of distance between the camera and the object using object tracking , Computer readable storage medium of recording the method and a device measuring changes of distance
KR101953626B1 (en) Method of tracking an object based on multiple histograms and system using the method
US9064178B2 (en) Edge detection apparatus, program and method for edge detection
JP2005129070A (en) System and method for assessing image quality
JP2018067120A (en) Fingerprint processing apparatus, fingerprint processing method, program and fingerprint processing circuit
Pang et al. Motion blur detection with an indicator function for surveillance machines
Lee et al. Video saliency detection based on spatiotemporal feature learning
JP4625949B2 (en) Object tracking method, object tracking apparatus, and program
KR20220078231A (en) Skin condition measuring apparatus, skin condition measring system and method thereof
CN109657544B (en) Face detection method and device
KR101521136B1 (en) Method of recognizing face and face recognition apparatus
Khongkraphan An efficient color edge detection using the mahalanobis distance
JP6540577B2 (en) Object recognition device
Indhumathi et al. Comparison of feature detection using sift and orb detector
Zhan et al. An image splicing detection method based on PCA minimum eigenvalues.
Zhou et al. On contrast combinations for visual saliency detection

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200130

Year of fee payment: 8