KR20190124600A - 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법 - Google Patents

신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법 Download PDF

Info

Publication number
KR20190124600A
KR20190124600A KR1020180048771A KR20180048771A KR20190124600A KR 20190124600 A KR20190124600 A KR 20190124600A KR 1020180048771 A KR1020180048771 A KR 1020180048771A KR 20180048771 A KR20180048771 A KR 20180048771A KR 20190124600 A KR20190124600 A KR 20190124600A
Authority
KR
South Korea
Prior art keywords
image
objects
neural networks
server
object protection
Prior art date
Application number
KR1020180048771A
Other languages
English (en)
Other versions
KR102524220B1 (ko
Inventor
박수완
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020180048771A priority Critical patent/KR102524220B1/ko
Publication of KR20190124600A publication Critical patent/KR20190124600A/ko
Application granted granted Critical
Publication of KR102524220B1 publication Critical patent/KR102524220B1/ko

Links

Images

Classifications

    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H04N21/4318—Generation of visual interfaces for content selection or interaction; Content or additional data rendering by altering the content in the rendering process, e.g. blanking, blurring or masking an image region
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에서는 영상 내의 복수의 객체들을 식별하기 위한 복수의 신경망들이 포함된 객체 보호 엔진을 생성하며, 복수의 객체들 중 영상 내에서 보호 처리할 제1 객체들을 설정하는 영상 보안 관리 모듈과, 영상을 수신하고, 객체 보호 엔진을 이용하여 영상 내에서 설정된 제1 객체들을 식별하고, 제1 객체들에 대한 영상 처리를 적용하며, 영상 처리 적용된 영상을 출력하는 실시간 영상 처리 모듈을 포함하는 영상 내의 객체를 보호하는 서버를 제공함으로써, 타인의 동의 없이 노출되는 프라이버시 침해 요소가 되는 객체들을 영상의 종류에 적합하게 선별하여 보호하고, 프라이버시 보호의 적용 범위의 확장성 및 유연성을 보장할 수 있다.

Description

신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법{LAYERED PROTECTING APPARATUS AND SYSTEM FOR MULTIPLE VIDEO OBJECTS BASED ON NEURAL NETWORK LEARNING AND METHOD THEREOF}
본 발명은 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법에 관한 것이다.
인터넷의 급속한 발전에 따라, 인터넷에 대한 사용량이 폭발적으로 증가하고 있으며, 인터넷과 관련된 다양한 서비스가 사용자들에게 제공되기 시작했다. 다양한 서비스 중에서도, 인터넷 방송 서비스는 대중 매체와 대안 매체의 성격을 동시에 지니고 있는 새로운 커뮤니케이션으로 이점을 제공하고 있다.
반면, 인터넷 방송 서비스는 음란물 유포 문제, 도박 조장 문제, 프라이버시침해 문제, 해킹 가능성, 컴퓨터 바이러스의 확산 가능성 등 다양한 문제점을 가지고 있다. 특히, 사용자에게 스마트 폰(smart phone)을 통해 생방송을 제공할 수 있는 인터넷 생방송 제공 서비스의 경우, 타인의 사생활이 방송 영상 내에 나타나거나, 타인과 관련된 개인 정보가 나타나는 상황이 발생되어, 타인의 사생활이 인터넷 생방송 서비스를 통해 침해되는 문제가 발생하고 있다.
예를 들면, 인터넷 생방송 제공 서비스의 영상 내에서, 방송 서비스의 의도와 관계없이 행인으로 노출되는 타인, 의도와 관계없이 노출되는 타인의 차량 번호판,의도와 관계없이 건물의 창문을 통해 노출되는 타인 및 사물 등에 의해 타인의 사생활이 침해되는 경우가 발생하고 있다.
상기한 바와 같은 노출 상황은 인터넷 생방송 제공 서비스를 통해 제공되는 동영상(비디오)뿐만 아니라 정지 영상에서도 마찬가지로 나타날 수 있다. 예를 들면, 구글(Google) 업체에서 제공되는 이미지 검색 서비스 또는 각종 어플리케이션에서 제공되는 닮은꼴 알림 서비스 등 다양한 이미지 활용 서비스는 사회관계망 서비스(SNS, social network service)를 통해 공유된 이미지를 타인의 허락 없이 사용할 수 있고, 서비스의 제공자나 영상 게시자가 아닌 정지 영상 속의 타인이 해당되는 타인의 허락없이 노출되는 경우가 발생하며, 이에 따라 타인의 사생활 침해가 심각하게 발생하고 있다.
또한, 상기한 인터넷 방송 제공 서비스뿐만 아니라, CCTV와 같이 특정 용도로 특정 영상을 촬영하는 상황에서도, 상기한 바와 같은 프라이버시 침해 문제도 발생할 수 있다. CCTV에 의해 촬영된 영상의 경우 특정 장소에서 용의자에 대한 정보를 획득하기 위한 용도로서 사용될 수 있으나, 타인의 의도와 상관 없이, 용의자와 상관없는 타인의 프라이버시가 침해될 수 있다는 문제점을 안고 있다.
상기한 바와 같인 타인의 사생활 침해를 차단하기 위해서는 개인정보법과 CCTV 보호법 등 인터넷 방송 제공 서비스를 통해 제공되는 영상에 대한 법적 규제와 더불어, 법적 규제를 지원할 수 있는 다양한 사생활 보호 장치 및 시스템들이보완되어야 한다.
본 발명의 실시예는, 각 영상에서 보호되어야 할 객체를 목적에 맞게 적절하게 보호하고, 각 영상에서 검색하고자 하는 객체를 쉽게 검색하는 것을 목적으로 한다.
본 발명의 실시예에 따른 영상 내의 객체를 보호하는 서버는, 상기 영상 내의 복수의 객체들을 식별하기 위한 복수의 신경망들이 포함된 객체 보호 엔진을 생성하며, 상기 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하는 영상 보안 관리 모듈, 및, 상기 영상을 수신하고, 상기 객체 보호 엔진을 이용하여 상기 영상 내에서 상기 설정된 제1 객체들을 식별하고, 상기 제1 객체들에 대한 영상 처리를 적용하며, 상기 영상 처리 적용된 영상을 출력하는 실시간 영상 처리 모듈을 포함할 수 있다.
상기 영상 보안 관리 모듈은, 상기 객체 보호 엔진에 포함된 복수의 신경망들 중에서 상기 제1 객체들에 대응하는 제1 신경망들을 활성화하고, 상기 제1 신경망들이 활성화된 상기 객체 보호 엔진을 상기 실시간 영상 처리 모듈로 제공할 수 있다.
상기 영상 보안 관리 모듈은, 상기 복수의 신경망들에 대응하는 학습 결과를 외부로부터 획득하고, 상기 학습 결과에 기반하여 상기 복수의 신경망들을 상기 객체 보호 엔진에 포함시키는 신경망 학습 결과 관리 모듈을 포함할 수 있다.
상기 실시간 영상 처리 모듈은, 상기 제1 객체들마다 서로 다른 보호 처리 방법을 결정하고, 상기 결정된 보호 처리 방법을 이용하여 상기 제1 객체들 각각에 대한 보호 처리를 수행할 수 있다.
상기 영상 보안 관리 모듈은, 상기 제1 객체들을 지정하는 사용자 입력을 수신하고, 상기 사용자 입력에 기반하여 상기 제1 객체들을 설정할 수 있다.
상기 영상 보안 관리 모듈은, 상기 영상을 분석하여 상기 영상이 촬영된 환경에 대한 정보를 판단하고, 상기 영상이 촬영된 환경에 기반하여 상기 제1 객체들을 설정할 수 있다.
본 발명의 실시예에 따른 영상 내의 객체를 보호하는 시스템은, 상기 영상을 수신하는 단말 상기 영상 내의 복수의 객체들을 식별하기 위해 복수의 신경망들을 생성하여 저장하며, 상기 저장된 복수의 신경망들을 관리하는 서비스를 사용자 또는 영상 관리 서버로 제공 클라우드 서버 및, 상기 단말로부터 상기 영상을 획득하고, 상기 클라우드 서버로부터 상기 복수의 신경망들을 획득하며, 상기 복수의 신경망들을 적층하여 상기 복수의 객체들을 식별하기 위한 객체 보호 엔진을 생성하며, 상기 영상 내의 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하고, 상기 영상 내에서 상기 설정된 제1 객체들을 식별하며, 상기 제1 객체들에 대한 영상 처리를 적용하는 영상 관리 서버를 포함할 수 있다.
상기 서버는, 상기 객체 보호 엔진에 포함된 복수의 신경망들 중에서 상기 제1 객체들에 대응하는 제1 신경망들을 활성화하고, 상기 제1 신경망들이 활성화된 상기 객체 보호 엔진을 상기 단말로 제공할 수 있다.
본 발명의 실시예에 따른 영상 내의 객체를 보호하는 시스템은 상기 영상을 수신하는 단말 상기 영상 내의 복수의 객체들을 식별하기 위해 복수의 신경망들을 생성하여 저장하며, 상기 저장된 복수의 신경망들을 관리하는 서비스를 사용자 또는 영상 관리 서버로 제공 클라우드 서버 및, 상기 단말로부터 상기 영상을 획득하고, 상기 클라우드 서버로부터 상기 복수의 신경망들을 획득하며, 상기 복수의 신경망들을 적층하여 상기 복수의 객체들을 식별하기 위한 객체 보호 엔진을 생성하며, 상기 영상 내의 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하고, 상기 영상 내에서 상기 설정된 제1 객체들을 식별하며, 상기 제1 객체들에 대한 영상 처리를 적용하는 영상 관리 서버를 포함할 수 있다.
상기 영상 관리 서버는, 상기 제1 객체들에 대한 설정 정보에 기반하여 상기 복수의 신경망들 중 상기 제1 객체들에 대응하는 제1 신경망들을 상기 클라우드 서버로 요청하고, 상기 클라우드 서버는, 상기 요청된 제1 신경망들을 검색하여 상기 제1 신경망들을 상기 영상 관리 서버로 전송하고, 상기 영상 관리 서버는, 상기 제1 신경망들을 순차적으로 정렬하며, 상기 제1 신경망들을 포함하는 상기 객체 보호 엔진을 생성할 수 있다.
본 발명의 실시예에 따르면, 인터넷 방송 서비스를 통해 제공되는 영상 내에서 타인의 동의 없이 노출되는 프라이버시 침해 요소가 되는 객체들을 영상의 종류(영상의 내용과 영상이 제공되는 환경)에 적합하게 선별하여 보호할 수 있다.
또한, 본 발명의 실시예에 따르면, 인터넷 방송 서비스를 통해 제공되는 영상 내의 객체에 대한 프라이버시 보호의 적용 범위의 확장성 및 유연성을 보장할 수 있다.
또한, 본 발명의 실시예에 따르면, 일반 방송뿐만 아니라 법적 규제가 상대적으로 약한 인터넷 방송과 같은 실시간 영상을 통해 침해될 수 있는 프라이버시를 보호하기 위해, 영상 내에서 노출될 수 있는 다양한 객체를 영상의 종류(영상의 내용 및 제공 환경)에 기반하여 적층적으로 보호할 수 있다.
또한, 본 발명의 실시예에 따르면, 학습된 신경망을 이용해 식별되는 영상 내의 각 객체는 객체별로 결정된 다양한 보호 방법(픽셀레이션, 모자이크, 블러링, 마스킹, 암호화 등) 및 보호 키를 할당할 수 있으며, 각 신경망이 레이어드되어 동일 영상 내 다종의 객체를 동시에 서로 다른 방법으로 보호할 수 있다.
또한, 본 발명의 실시예에 따르면, 다양한 목적의 신경망을 생성할 수 있는 신경망 학습 엔진이 탑재된 클라우드 서버와의 연동된 객체 보호 시스템을 제안하고 있어, 객체의 분류, 검출, 인식, 식별 방법에 제한이 없고 다양한 종류(다양한 내용 및 다양한 환경)의 영상에 대한 객체를 선별 적용할 수 있는 적용 확장성 및 유연성이 확보될 수 있다.
또한, 본 발명의 실시예에 따르면, 영상 내에서 노출되는 타인의 동의 없이 영상에 의해 무방비하게 노출되는 타인의 프라이버시 침해 상황을 효과적이고 세부적으로 차단하여, 프라이버시 보호를 위한 법적 규제를 지원하기 위한 보호 기술을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 객체를 보호하는 과정을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 3은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 4는 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 5는 본 발명의 일 실시예에 따른 신경망 학습 결과 관리 모듈을 나타낸다.
도 6은 본 발명의 일 실시예에 따른 레이어드 기반 객체 인식 엔진을 도시한다.
도 7은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 8은 본 발명의 일 실시예에 따른 클라우드 서버를 도시한다.
도 9은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 방법을 도시한다.
도 10은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 방법을 도시한다.
도 11은 본 발명의 일 실시예에 따른 레이어드 기반 객체 보호 엔진을 구성하는 방법을 도시한다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템이 객체를 보호하는 과정을 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템의 단말(101), 블랙박스(102) 또는 CCTV(103)는 외부의 객체를 촬영할 수 있다.
적층형 다종 영상 객체 보호 시스템의 영상 처리 모듈(120)은 촬영된 영상(110)에 대한 영상 처리(예를 들면, 영상 내의 객체를 보호)를 수행할 수 있으며, 보안 관리 모듈(150)로부터 객체에 관한 정보를 획득하고, 객체에 관한 정보에 기반하여 영상(110)에 대한 영상 처리를 수행할 수 있다. 영상 처리 모듈(120)은 영상 관리 서버 또는 영상 입력 단말에 포함될 수 있으며, 이에 한정하지 않는다.
영상(110) 내에는 보호가 필요한 객체(111, 112)가 포함될 수 있다. 객체의 예로 사람(111) 또는 차량 번호판(112)이 예시되어 있으나, 반드시 이에 한정될 필요는 없으며, 사용자 또는 법적 규제에 기반하여 미리 설정된 객체를 모두 포함할 수 있다.
영상(110)이 영상 관리 모듈(120)로 수신되면, 영상 관리 모듈(120)은 보안 관리 모듈(150)로부터 레이어드(적층)된 객체 보호 엔진들을 획득하여 영상(110)에 대한 영상 처리를 수행하고, 객체가 보호된 영상(130)을 생성할 수 있다.
영상(130)은 사용자의 단말(141) 또는 PC(142)로 브로드캐스팅(broadcasting)될 수 있으며, 단말(141) 또는 PC(142)는 객체가 보호된 영상(130)을 외부로 출력할 수 있다.
최종적으로, 사용자는 단말(141) 또는 PC(142)를 통해 객체가 보호된 영상(130)을 감상할 수 있다.
도 2는 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 신경망 학습에 기반한 적층형 다종 영상 객체 보호 시스템은 영상 입력 단말(200), 영상 관리 서버(220) 및 영상 수신 단말(240)을 포함할 수 있다.
영상 입력 단말(200)은 외부를 촬영하여 획득된 영상을 영상 관리 서버(220)로 전송하는 영상 촬영 및 전송 모듈(210)을 포함할 수 있다. 영상 촬영 및 전송 모듈(210)은 특정 해상도의 영상을 촬영할 수 있는 카메라를 포함할 수 있다. 예를 들면, 카메라는 낮은 해상도(예를 들면, 제1 해상도 보다 낮은 해상도), 중간 해상도(예를 들면, 제1 해상도 보다 높으면서 제2 해상도 보다 낮은 해상도) 또는 높은 해상도(예를 들면, 제2 해상도 보다 높은 해상도)의 성능을 가질 수 있다.
영상 관리 서버(220)는 영상(210)에 대한 실시간 영상 처리를 수행하는 실시간 영상 처리 모듈(221) 및 객체 처리를 위한 영상 보안 기능을 저장 및/또는 관리하는 영상 보안 관리 모듈((222)을 포함할 수 있다.
실시간 영상 처리 모듈(221)은 영상 입력 단말(200)로부터 실시간으로 영상(210)을 수신할 수 있는 영상 수신 모듈(2211)을 포함할 수 있다. 영상 관리 서버(220)는 영상 내에서 보호가 요구되는 객체들을 객체의 종류 별로 보호(예를 들면, 픽셀레이션(pixelation), 모자이크(mosaic), 블러링(bluring), 마스킹(masking) 및 암호화(coding))할 수 있는 객체 보호 모듈(2212)을 포함할 수 있다.
객체 보호 모듈(2212)은 영상 보안 관리 모듈(222)로부터 사용자에 의해 미리 설정된 객체들에 대한 설정 정보를 수신할 수 있고, 영상 보안 관리 모듈(222)로부터 미리 설정된 객체들을 보호하기 위한 레이어드된 객체 보호 엔진들을 획득할 수 있으며, 미리 설정된 객체들을 객체 보호 엔진들을 이용하여 영상 내에서 보호 처리(예를 들면, 픽셀레이션 등)할 수 있다.
실시간 영상 처리 모듈(221)은 보호된 영상을 영상 수신 단말(240)로 전송하는 영상 출력 모듈(2213)을 포함할 수 있다.
영상 관리 서버(220)는 사용자 또는 제조사에 의해 미리 설정되는 영상 보안 기능에 대한 관리를 수행하기 위한 영상 보안 관리 모듈(222)을 포함할 수 있다.
영상 보안 관리 모듈(222)은 미리 사용자의 입력을 수신하고, 사용자의 입력에 기반하여 영상 내의 객체들 중에서 보호할 객체들을 설정하는 보호 객체 설정 모듈(2221)을 포함할 수 있다. 또한, 영상 보안 관리 모듈(222)은 미리 설정된 객체들을 보호하기 위해 외부에서 수행된 신경망 학습 결과를 기반으로 하여 미리 생성된 레이어드 기반 객체 보호 엔진(2223)을 포함할 수 있다. 영상 보안 관리 모듈(222)은 미리 생성된 레이어드 기반 객체 보호 엔진(2223)을 미리 설정된 객체들에 대한 설정 정보에 기반하여 관리 및/또는 저장(예를 들면, 변경, 삭제, 생성, ON/OFF하는 구성)하는 신경망 학습 결과 관리 모듈(2222)을 포함할 수 있다.
영상 수신 단말(240)은 영상 관리 서버(220)로부터 다양한 통신 방법(유니캐스트, 브로드캐스트, 멀티캐스트 등)을 기반으로 객체가 보호된 영상을 수신하고, 수신된 영상을 플레이(재생)하는 영상 수신 및 플레이 모듈(230)을 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
예를 들면, 도 3의 영상 입력 단말(300)은 도 2의 영상 입력 단말(200)보다 높은 해상도의 카메라를 포함할 수 있다.
도 3에 도시된 바와 같이, 영상 입력 단말(300)은 도 2의 영상 관리 서버(220)의 실시간 영상 처리 모듈(221)에 포함되었던 객체 보호 모듈과 동일한 객체 보호 모듈(3011), 객체 보호 모듈(3011)의 객체 보호 기능이 수행되기 위하여 필요한 객체 보호 엔진(3020)을 포함할 수 있다.
영상 관리 서버(320)는 도 2의 영상 보안 관리 모듈과 동일한 영상 보안 관리 모듈(321)을 포함할 수 있고, 영상 보안 관리 모듈(321)은 도 2와 동일하게 보호 객체 설정 모듈(3211), 신경망 학습 결과 관리 모듈(3212) 및 레이어드 기반 객체 보호 엔진(3213)을 포함할 수 있으며, 도 2와 동일한 기능을 수행하도록 설정될 수 있다.
도 4는 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
예를 들면, 도 4의 영상 입력 단말(400)은 도 2의 영상 입력 단말(200) 및/또는 도 3의 영상 입력 단말(300) 보다 더 높은 해상도의 카메라를 포함할 수 있다.
도 4에 도시된 바와 같이, 영상 입력 단말(400)은 도 2의 실시간 영상 처리 모듈(221)과 동일한 실시간 영상 처리 모듈(401), 도 2 및 도 3의 영상 관리 서버(220, 320)의 영상 보안 관리 모듈(221, 321)과 동일한 영상 보안 관리 모듈(402)을 포함할 수 있다.
예를 들면, 영상 입력 단말(400)에 포함된 영상 보안 관리 모듈(402)은 사용자의 입력에 기반하여 영상 내에서 보호할 객체를 설정하기 위한 보호 객체 설정 모듈(4021), 외부에 의해 학습된 신경망의 학습 결과에 기반하여 생성된 객체 보호 엔진을 관리하는 신경망 학습 결과 관리 모듈(402) 및/또는 객체 설정 결과 및 신경망 학습 결과에 기반하여 생성된 레이어드 기반 객체 보호 엔진(4023)을 포함할 수 있다.
한편, 상기 도 2 내지 도 4를 참조하여 설명한 객체 설정 방법의 예가 표 1에 예시되어 있다.
보호 방법 대상 목적 On Off
마스킹/암호화 (차단) 호스트 외 사람 O
건물/창문 O
차량번호판 O
식별/검색 차량 O
사람 용의자/미아 O
차량번호판 O
표 1에 나타난 바와 같이, 보호 객체 설정 모듈(2212, 3011, 4021)은 사용자의 입력에 기반하여 영상 내에서 보호하고자 하는 객체를 영상의 종류(영상의 내용 및 영상의 제공 환경)에 따라 다양하게 설정할 수 있다.
보호 객체 설정 모듈(2212, 3011, 4021)은 인터넷 방송의 경우, 방송 호스트에 해당하는 VJ를 제외한 타인(예를 들면, 나머지 사람들)의얼굴, 타인 소유의 차량 번호판 및/또는 영상에 나타난 건물 내부의 창문 등을 사용자의 입력에 기반하여 보호할 객체로 설정할 수 있다. 보호 객체 설정 모듈(2212, 3011, 4021)은 객체를 영상 내에서 복수 개 설정할 수 있다.
객체 보호 모듈은 보호 객체 설정 모듈로부터수신된 객체 설정 정보에 기반하여 영상 내의 복수의 객체 중 보호할 객체를 식별, 검색 및/또는 확인하고, 확인된 각 객체에 대한 픽셀레이션, 모자이크, 블러링, 마스킹 또는 암호화 중 어느 하나의 보호 방법을 적용할 수 있다. 예를 들면, 객체 보호 모듈은 각 객체에 대한 객체별 중요도를 설정 정보에 기반하여 판단할 수 있으며, 객체별 중요도에 기반하여 설정된 각 객체 별로 서로 다른 보호 방법을 적용할 수 있다.
예를 들면, 객체 보호 모듈은 영상 내 객체의 프라이버시를 보호할 뿐 아니라, 영상 내 미아 또는 용의자 등 특정 객체를 검색할 수 있는 기능을 수행할 수 있다. 예를 들면, 객체 보호 모듈은 특정 사람(얼굴), 차량, 차량번호판 등을 식별할 수 있고, 인식할 수 있는 인식 신경망 기술을 활용하여 영상 내 특정 객체를 검색할 수 있으며, 이는 경찰청 시스템, 지방자지단체의 사회안전시스템과 연동될 수 있고, 해당 시스템으로부터 배포되는 객체 식별 신경망을 활용할 수 있다는 장점이 있다.
표 1에 예시된 바와 같이, 객체와 보호 방법은 사용자/관리자에 의해 미리 설정될 수 있으며, 설정된 이후 입력되는 영상 내의 객체를 보호하기 위한 정보로 활용될 수 있다.
도 5는 본 발명의 일 실시예에 따른 신경망 학습 결과 관리 모듈을 나타낸다.
예를 들면, 신경망 학습 결과는 외부의 장치(미도시)에 의해 수행된 머신 러닝(machine learning) 또는 딥 러닝(deep learning) 학습을 기반으로 영상 내 객체를 검출하고, 분류하고, 인식하고, 식별할 수 있도록 제공되는 인식 신경망을 의미할 수 있다. 신경망 학습 결과는 외부 장치에 의해 수행된 영상 호스트(VJ)에 대한 인식 신경망, 사람 얼굴에 대한 인식 신경망, 차량 또는 차량 번호판에 대한 인식 신경망, 건물의 창문을 인식하기 위한 신경망을 포함할 수 있으며, DB(database)(554)에 저장 및/또는 관리될 수 있다.
DB(554)는 도 2 내지 도 4의 보호 객체 설정 모듈을 통해 On으로 설정된 객체들의 신경망들을 검색하기 위해 활용될 수 있으며, 보다 다양한 신경망을 활용하기 위해서는 신경망 생성을 돕는 클라우드 서버(추후 도 7을 참조하여 설명)와의 연동 및 통합도 가능하다.
신경망 학습 결과 관리 모듈(550)은 외부 장치에 의해 수행된 학습 결과인 신경망들을 외부로부터 수신하기 위한 학습 결과 수신 모듈(551)을 포함할 수 있다. 신경망 학습 결과 관리 모듈(550)은 학습 결과 수신 모듈(551)로부터 수신된 신경망들을 DB(554)에 저장하는 학습 결과 저장 모듈(552)을 포함할 수 있다. 신경망 학습 결과 관리 모듈(550)은 도 2 내지 도 4를 통해 설명한 실시간 영상 처리 모듈로부터의 요청에 기반하여 DB(554) 내의 신경망들을 검색하고, 검색된 신경망들을 실시간 영상 처리 모듈로 전송하는 학습 결과 관리/검색 모듈(553)을 포함할 수 있다.
도 6은 본 발명의 일 실시예에 따른 레이어드 기반 객체 인식 엔진을 도시한다.
레이어드 기반 객체 인식 엔진(654)은 표 1에서 설정된 객체들을 적층적으로 보호하기 위해서 신경망 학습 결과 관리 모듈에 의해 생성될 수 있다. 레이어드 기반 객체 인식 엔진(654)은 획득된 객체별 신경망들이 레이어드(적층)된 형태로 구성될 수 있다. 레이어드 기반 객체 인식 엔진(654)의 각 신경망들은 보호 객체 설정 모듈의 설정값에 따라 On/Off 값이 결정되어 활성화여부가 결정될 수 있다. 활성화된 특정 신경망들은 특정 입력 영상 단말에서 수행되는 하나의 객체 보호 엔진을 구성할 수 있다.
예를 들면, 도 6에 도시된 바와 같이, 복수의 신경망들(6541-6546) 중에서 차량 번호판 마스킹(6542) 및 차량 찾기(번호판)(6545) 신경망에 대하여 비활성화값(Off)이 설정되고, 나머지 호스트 외 사람 마스킹(6541), 미아 찾기(6543), 용의자 찾기(6544), 건물 창문 마스킹(6546)에 대하여 활성화값(On)이 설정된 상태에서 영상이 영상 입력 단말로 수신되면, 실시간 영상 처리 모듈은 영상 보안 관리 모듈로부터 각 신경망들에 대한 미리 설정된 설정값을 획득하고, 설정값에 의해 활성화된 신경망들(6541, 6543, 6544, 6546)을 엔진으로부터 획득하며, 획득한 신경망들을 이용하여 영상 내의 호스트 외 사람에 대하여 마스킹 처리하고, 영상 내의 미아를 검색하며, 용의자를 검색하고, 건물 창문에 대하여 마스킹 처리할 수 있다.
도 7은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 시스템을 도시한다.
도 7에 도시된 바와 같이, 클라우드 서버(760)는 신경망을 요구하는 사용자에게 객체 식별(분류, 검출, 인식) 학습을 통해 새로운 객체 인식 신경망을 제공하는 신경망 서비스 관리 모듈(761)을 포함할 수 있다. 신경망 서비스 관리 모듈(761)은 학습을 통해 외부의 장치를 통해 생성된 학습 결과들을 DB(754)에 저장할 수 있고, 학습 결과들에 기반하여 신경망을 생성하는 신경망 학습 엔진(762)을 포함하며, 생성된 신경망들을 영상 보안 관리 모듈(722)로 제공할 수 있다.
또한, 클라우드 서버(760)는 사용자뿐만 아니라, 제3자 또는 공공기관(사회안전 시스템)에 의해 제공된 신경망들을 저장하고 관리할 수 있다.
도 8은 본 발명의 일 실시예에 따른 클라우드 서버를 도시한다.
도 8에 도시된 바와 같이, 클라우드 서버(860)는 신경망 서비스 관리 모듈(861) 및 신경망 학습 엔진(862)을 포함할 수 있다.
신경망 서비스 관리 모듈(861)은 신경망 학습 엔진을 요구하는 사용자 정보를 관리하는 서비스 관리(학습결과 송신) 모듈(8610) 및, 사용자의 요청에 기반하여 인식 신경망을 생성하거나 검색할 수 있으며 신경망 학습 엔진을 제공하는 서비스를 사용자에게 전달 및/또는 제공하는 학습 엔진 서비스 제공 모듈(8620)을 포함할 수 있다. 예를 들면, 학습 엔진 서비스 제공 모듈(8620)은 신경망 학습 엔진(862)과 연결될 수 있다.
신경망 학습 엔진(862)은 사용자가 요구하는 다양한 객체의 특성에 맞는 인식 신경망을 생성할 수 있다. 예를 들면, 신경망 학습 엔진(862)은 특정 사람을 인식하는 사람 인식 신경망(8621), 차량 번호판을 식별하기 위한 차량 번호판 식별 신경망(8623), 사물을 인식하기 위한 사물 인식 신경망(8622), 차량을 식별하기 위한 차량 식별 인식망(8624)을 포함할 수 있다.
DB(854)는 사람, 사물, 차량 및/또는 차량 번호판에 대한 학습을 위해 필요한 학습 데이터 및 결과물을 관리(또는 저장)할 수 있으며, 신경망 서비스 관리 모듈(861)은 검색을 통해 이들 결과물을 활용하거나 사용자에게 전송할 수 있다.
도 9은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 방법을 도시한다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 따른 적층형 다종 영상 객체 보호 시스템은 영상 입력 단말(900), 영상 관리 서버 내의 실시간 영상 처리 모듈(921), 영상 관리 서버 내의 영상 보안 관리 모듈(922) 및 영상 수신 단말(940)을 포함할 수 있으며, 적층형 다종 영상 객체 보호 방법은 동작 S901 내지 동작 S911을 포함할 수 있다.
동작 S901에서, 영상 입력 단말(900)은 외부로부터 영상을 입력받을 수 있다.
동작 S903에서, 영상 입력 단말(900)은 입력된 영상을 실시간 영상 처리 모듈(921)로 전송할 수 있다.
동작 S900에서, 영상 보안 관리 모듈(922)는 사용자 입력에 기반하여 미리 보호할 객체를 설정할 수 있고, 동작 S902에서, 외부 장치에 의해 학습된 신경망의 학습 결과를 관리(저장)할 수 있으며, 동작 S904에서, 신경망 학습 결과에 기반하여 레이어드 기반의 객체 보호 엔진을 구성할 수 있고, 동작 S906에서, 객체 보호 엔진을 실시간 영상 처리 모듈(921)로 전달할 수 있다.
동작 S905에서, 실시간 영상 처리 모듈(921)은 동작 S903을 통해 전송된 영상에 대하여, 동작 S906을 통해 전달된 객체 보호 엔진을 이용하여 보호할 것으로 미리 설정된 객체들에 대한 보호를 수행할 수 있다.
동작 S907에서, 실시간 영상 처리 모듈(921)은 객체가 보호된 영상을 관리하고 저장할 수 있으며, 영상을 영상 수신 단말(940)로 전달할 수 있다.
동작 S911에서, 영상 수신 단말(940)은 영상을 출력할 수 있다.
도 10은 본 발명의 일 실시예에 따른 적층형 다종 영상 객체 보호 방법을 도시한다.
도 10에 도시된 바와 같이, 본 발명의 실시예에 따른 적층형 다종 영상 객체 보호 시스템은 영상 관리 서버 내의 신경망 학습 결과 관리 모듈(1021), 클라우드 서버 내의 신경망 서비스 관리 모듈(1061) 및 클라우드 서버 내 신경망 학습 엔진(1062)을 포함할 수 있으며, 적층형 다종 영상 객체 보호 방법은 동작 S1001 내지 동작 S1015을 포함할 수 있다.
동작 S1001에서, 신경망 학습 결과 관리 모듈(1021)은 사용자로부터의 객체 인식 신경망 서비스에 대한 요청을 신경망 서비스 관리 모듈(1061)로 전달할 수 있다.
동작 S1000에서, 신경망 서비스 관리 모듈(1061)은 사전에 미리 사용자로부터 서비스 신청을 수신할 수 있고, 동작 S1003에서, 동작 S1001을 통해 수신된 서비스 요청에 기반하여, 설정된 객체들에 대응하는 신경망을 신경망 학습 엔진(1062)으로 요청할 수 있다.
동작 S1005에서, 신경망 학습 엔진(1062)은 신경망을 생성하고, 동작 S1007에서, 선택된 신경망을 포함하는 학습 엔진 정보를 신경망 서비스 관리 모듈(1061)로 전송할 수 있다.
동작 S1009에서, 신경망 서비스 관리 모듈(1061)은 학습 엔진을 제공하는 서비스를 제공할 수 있고, 동작 S1011에서, 신경망에 대한 학습 결과를 DB로부터 검색할 수 있다.
동작 S1013에서, 신경망 서비스 관리 모듈(1061)은 최종적으로 객체 인식 신경망 서비스의 결과물을 신경망 학습 결과 관리 모듈(1021)로 전송할 수 있다.
동작 S1015에서, 신경망 학습 결과 관리 모듈(1021)은 신경망 결과를 DB를 통해 관리(또는 저장)할 수 있다.
도 11은 본 발명의 일 실시예에 따른 레이어드 기반 객체 보호 엔진을 구성하는 방법을 도시한다.
도 11에 도시된 바와 같이, 동작 S1101에서, 객체 보호 시스템은 영상 내의 객체에 대한 보호 설정 정보를 획득하여, 설정될 객체의 개수를 확인할 수 있다.
동작 S1103에서, 객체 보호 시스템은 On으로 설정된 항목의 개수를 0과 비교한다.
객체 보호 시스템은 만일 On 항목의 개수가 0보다 작은 경우, 동작을 종료하며, 동작 S1105에서, On항목의 개수가 0보다 큰 경우, 각 설정된 객체 항목을 하나씩 읽어올 수 있다.
동작 SS107에서, 객체 보호 시스템은 읽어온 항목이 On으로 설정되어 있는지 여부를 판단할 수 있다.
객체 보호 시스템은 읽어온 항목이 Off로 설정된 경우 동작 S1105로 돌아가 새로운 항목을 읽고, 동작 S1109에서, On으로 설정되어 있는 경우 DB로부터 해당 인식 신경망을 검색할 수 있다.
동작 S1111에서, 객체 보호 시스템은 불러온 신경망 결과를 인식 신경망 엔진 구성을 위해 순차적으로 정렬할 수 있고, 동작 S1113에서, 설정 항목이 마지막인지 판단한다.
해당 항목이 마지막인 경우, 동작 S1115에서, 객체 보호 시스템은 레이어드 기반 객체 보호 엔진을 구성한다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (10)

  1. 영상 내의 객체를 보호하는 서버에 있어서,
    상기 영상 내의 복수의 객체들을 식별하기 위한 복수의 신경망들이 포함된 객체 보호 엔진을 생성하며, 상기 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하는 영상 보안 관리 모듈, 및,
    상기 영상을 수신하고, 상기 객체 보호 엔진을 이용하여 상기 영상 내에서 상기 설정된 제1 객체들을 식별하고, 상기 제1 객체들에 대한 영상 처리를 적용하며, 상기 영상 처리 적용된 영상을 출력하는 실시간 영상 처리 모듈을 포함하는,
    서버.
  2. 제1항에 있어서,
    상기 영상 보안 관리 모듈은,
    상기 객체 보호 엔진에 포함된 복수의 신경망들 중에서 상기 제1 객체들에 대응하는 제1 신경망들을 활성화하고,
    상기 제1 신경망들이 활성화된 상기 객체 보호 엔진을 상기 실시간 영상 처리 모듈로 제공하는,
    서버.
  3. 제1항에 있어서,
    상기 영상 보안 관리 모듈은,
    상기 복수의 신경망들에 대응하는 학습 결과를 외부로부터 획득하고, 상기 학습 결과에 기반하여 상기 복수의 신경망들을 상기 객체 보호 엔진에 포함시키는 신경망 학습 결과 관리 모듈을 포함하는,
    서버.
  4. 제1항에 있어서,
    상기 실시간 영상 처리 모듈은,
    상기 제1 객체들마다 서로 다른 보호 처리 방법을 결정하고,
    상기 결정된 보호 처리 방법을 이용하여 상기 제1 객체들 각각에 대한 보호 처리를 수행하는,
    서버.
  5. 제1항에 있어서,
    상기 영상 보안 관리 모듈은,
    상기 제1 객체들을 지정하는 사용자 입력을 수신하고,
    상기 사용자 입력에 기반하여 상기 제1 객체들을 설정하는,
    서버.
  6. 제1항에 있어서,
    상기 영상 보안 관리 모듈은,
    상기 영상을 분석하여 상기 영상이 촬영된 환경에 대한 정보를 판단하고,
    상기 영상이 촬영된 환경에 기반하여 상기 제1 객체들을 설정하는,
    서버.
  7. 영상 내의 객체를 보호하는 시스템에 있어서,
    상기 영상 내의 복수의 객체들을 식별하기 위한 복수의 신경망들이 적층된 객체 보호 엔진을 생성하며, 상기 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하는 서버 및,
    상기 영상을 수신하고, 상기 영상 내에서 상기 설정된 제1 객체들을 식별하고, 상기 객체 보호 엔진을 이용하여 상기 제1 객체들에 대한 영상 처리를 적용하며, 상기 영상 처리 적용된 영상을 출력하는 단말을 포함하는,
    객체 보호 시스템.
  8. 제7항에 있어서,
    상기 서버는,
    상기 객체 보호 엔진에 포함된 복수의 신경망들 중에서 상기 제1 객체들에 대응하는 제1 신경망들을 활성화하고,
    상기 제1 신경망들이 활성화된 상기 객체 보호 엔진을 상기 단말로 제공하는,
    객체 보호 시스템.
  9. 영상 내의 객체를 보호하는 시스템에 있어서,
    상기 영상을 수신하는 단말
    상기 영상 내의 복수의 객체들을 식별하기 위해 복수의 신경망들을 생성하여 저장하며, 상기 저장된 복수의 신경망들을 관리하는 서비스를 사용자 또는 영상 관리 서버로 제공 클라우드 서버 및,
    상기 단말로부터 상기 영상을 획득하고, 상기 클라우드 서버로부터 상기 복수의 신경망들을 획득하며, 상기 복수의 신경망들을 적층하여 상기 복수의 객체들을 식별하기 위한 객체 보호 엔진을 생성하며, 상기 영상 내의 복수의 객체들 중 상기 영상 내에서 보호 처리할 제1 객체들을 설정하고, 상기 영상 내에서 상기 설정된 제1 객체들을 식별하며, 상기 제1 객체들에 대한 영상 처리를 적용하는 영상 관리 서버를 포함하는,
    객체 보호 시스템.
  10. 제9항에 있어서,
    상기 영상 관리 서버는,
    상기 제1 객체들에 대한 설정 정보에 기반하여 상기 복수의 신경망들 중 상기 제1 객체들에 대응하는 제1 신경망들을 상기 클라우드 서버로 요청하고,
    상기 클라우드 서버는,
    상기 요청된 제1 신경망들을 검색하여 상기 제1 신경망들을 상기 영상 관리 서버로 전송하고,
    상기 영상 관리 서버는,
    상기 제1 신경망들을 순차적으로 정렬하며, 상기 제1 신경망들을 포함하는 상기 객체 보호 엔진을 생성하는,
    객체 보호 시스템.
KR1020180048771A 2018-04-26 2018-04-26 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법 KR102524220B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180048771A KR102524220B1 (ko) 2018-04-26 2018-04-26 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180048771A KR102524220B1 (ko) 2018-04-26 2018-04-26 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190124600A true KR20190124600A (ko) 2019-11-05
KR102524220B1 KR102524220B1 (ko) 2023-04-24

Family

ID=68577149

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180048771A KR102524220B1 (ko) 2018-04-26 2018-04-26 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102524220B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102259457B1 (ko) * 2020-08-21 2021-06-02 (주)와토시스 개인정보 비식별화 처리 방법, 검증 방법 및 시스템
CN113780527A (zh) * 2021-09-01 2021-12-10 浙江数秦科技有限公司 一种隐私计算方法
WO2022031050A1 (ko) * 2020-08-04 2022-02-10 삼성전자 주식회사 이미지를 생성하는 전자 장치 및 방법
WO2022039318A1 (ko) * 2020-08-21 2022-02-24 (주)와토시스 비식별화 영상 데이터를 이용한 인공지능 학습 방법 및 시스템
KR102436602B1 (ko) * 2021-12-30 2022-08-29 (주)와토시스 영상 데이터의 개인정보 비식별화 방법 및 장치
KR20220129905A (ko) * 2021-03-17 2022-09-26 삼성전자주식회사 대상 객체를 추적하는 방법과 장치 및 전자 장치

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120035299A (ko) * 2010-10-05 2012-04-16 한국인터넷진흥원 프라이버시 보호를 위한 영상 보호처리 장치와, 그를 이용한 영상 보안 시스템 및 그 방법
KR20130047223A (ko) * 2011-10-31 2013-05-08 한국전자통신연구원 모니터링 영상 기반의 프라이버시 영역 보호 방법 및 장치
KR20140012474A (ko) * 2012-07-20 2014-02-03 한국전자통신연구원 얼굴인식 기반의 개인정보보호 장치 및 방법
KR20160012362A (ko) * 2014-07-23 2016-02-03 서울특별시 방범 시스템 및 그 제어 방법
KR20160061856A (ko) * 2014-11-24 2016-06-01 삼성전자주식회사 객체 인식 방법 및 장치, 및 인식기 학습 방법 및 장치
KR20170028591A (ko) * 2015-09-04 2017-03-14 한국전자통신연구원 컨볼루션 신경망을 이용한 객체 인식 장치 및 방법
KR20170061016A (ko) * 2015-11-25 2017-06-02 삼성전자주식회사 데이터 인식 모델 구축 장치 및 방법과 데이터 인식 장치
KR101743689B1 (ko) * 2016-09-07 2017-06-07 주식회사 엠제이비전테크 통합 방범 지능형 cctv의 영상 처리 방법 및 통합 방범 지능형 cctv 시스템
KR20170108339A (ko) * 2016-03-17 2017-09-27 한국전자통신연구원 영상에서 다수의 객체를 인식하는 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120035299A (ko) * 2010-10-05 2012-04-16 한국인터넷진흥원 프라이버시 보호를 위한 영상 보호처리 장치와, 그를 이용한 영상 보안 시스템 및 그 방법
KR20130047223A (ko) * 2011-10-31 2013-05-08 한국전자통신연구원 모니터링 영상 기반의 프라이버시 영역 보호 방법 및 장치
KR20140012474A (ko) * 2012-07-20 2014-02-03 한국전자통신연구원 얼굴인식 기반의 개인정보보호 장치 및 방법
KR20160012362A (ko) * 2014-07-23 2016-02-03 서울특별시 방범 시스템 및 그 제어 방법
KR20160061856A (ko) * 2014-11-24 2016-06-01 삼성전자주식회사 객체 인식 방법 및 장치, 및 인식기 학습 방법 및 장치
KR20170028591A (ko) * 2015-09-04 2017-03-14 한국전자통신연구원 컨볼루션 신경망을 이용한 객체 인식 장치 및 방법
KR20170061016A (ko) * 2015-11-25 2017-06-02 삼성전자주식회사 데이터 인식 모델 구축 장치 및 방법과 데이터 인식 장치
KR20170108339A (ko) * 2016-03-17 2017-09-27 한국전자통신연구원 영상에서 다수의 객체를 인식하는 방법
KR101743689B1 (ko) * 2016-09-07 2017-06-07 주식회사 엠제이비전테크 통합 방범 지능형 cctv의 영상 처리 방법 및 통합 방범 지능형 cctv 시스템

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022031050A1 (ko) * 2020-08-04 2022-02-10 삼성전자 주식회사 이미지를 생성하는 전자 장치 및 방법
US12022189B2 (en) 2020-08-04 2024-06-25 Samsung Electronics Co., Ltd Electronic device and method for generating an image
KR102259457B1 (ko) * 2020-08-21 2021-06-02 (주)와토시스 개인정보 비식별화 처리 방법, 검증 방법 및 시스템
WO2022039318A1 (ko) * 2020-08-21 2022-02-24 (주)와토시스 비식별화 영상 데이터를 이용한 인공지능 학습 방법 및 시스템
WO2022039319A1 (ko) * 2020-08-21 2022-02-24 (주)와토시스 개인정보 비식별화 처리 방법, 검증 방법 및 시스템
KR20220129905A (ko) * 2021-03-17 2022-09-26 삼성전자주식회사 대상 객체를 추적하는 방법과 장치 및 전자 장치
CN113780527A (zh) * 2021-09-01 2021-12-10 浙江数秦科技有限公司 一种隐私计算方法
KR102436602B1 (ko) * 2021-12-30 2022-08-29 (주)와토시스 영상 데이터의 개인정보 비식별화 방법 및 장치

Also Published As

Publication number Publication date
KR102524220B1 (ko) 2023-04-24

Similar Documents

Publication Publication Date Title
KR102524220B1 (ko) 신경망 학습에 기반한 적층형 다종 영상 객체 보호 장치, 시스템 및 방법
Fitwi et al. A lightweight blockchain-based privacy protection for smart surveillance at the edge
US11423126B2 (en) Computerized system and method for modifying a media file by automatically applying security features to select portions of media file content
KR102700353B1 (ko) 합성 재암호화된 이미지를 이용한 이미지 분배
US10990695B2 (en) Post-recording, pre-streaming, personally-identifiable information (“PII”) video filtering system
EP3323117A1 (en) A method and system for differentiated privacy protection
Senior et al. Privacy protection and face recognition
Winkler et al. User-centric privacy awareness in video surveillance
CN115053225A (zh) 隐私保护的视频分析
Rashwan et al. Understanding trust in privacy-aware video surveillance systems
WO2022201411A1 (ja) 準同型暗号を用いた顔認証のアプリケーション
Zuo et al. Covert photo classification by deep convolutional neural networks
Ardabili et al. Understanding policy and technical aspects of ai-enabled smart video surveillance to address public safety
Spencer The Surveillance Society and the Third-Party Privacy Problem
Feeney Deepfake laws risk creating more problems than they solve
Luo et al. Anonymous subject identification and privacy information management in video surveillance
Harwell This facial recognition website can turn anyone into a cop—or a stalker
Wong et al. A privacy-preserving framework for surveillance systems
KR20220131136A (ko) Cctv 카메라, 인공지능 및 무인항공기를 이용한 범죄용의자 식별 및 식별 범죄용의자 정보 전파 방법 및 그 시스템
Kerr et al. Adapting law enforcement frameworks to address the ethical problems of CCTV product propagation
Gulzar et al. Surveillance privacy protection
Aziz et al. Privacy challenges in cyber security against cybercrime in digital forensic. A systematic literature review in Pakistan.
Eneman et al. Being filmed at work: How police perceive citizens' use of cameras to conduct sousveillance
Kotak Technology in Policing
Umar et al. Design and Implementation of Blockchain-Enabled Immutability Mechanism for Enhanced Machine Visual Data Integrity

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant