맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

스케치 기반의 영상표절 검사 방법 및 장치

  • 기술번호 : KST2019008439
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 스케치 기반의 영상표절 검사 방법 및 장치에 관한 것으로 사용자 영상을 수신하는 사용자 영상 수신부, CNN(Convolution Neural Network, 합성곱 신경망) 기반의 영상 분류를 통해 상기 사용자 영상에 관한 특정 영상 카테고리와 영상 특징을 검출하는 영상 특징 검출부, 검출된 상기 영상 특징을 해시 코드화하여 영상 해시 코드(Hash Code)를 생성하는 해시 코드화부 및 상기 특정 영상 카테고리에 있는 적어도 하나의 해당 학습 영상의 해시 코드 각각으로부터 상기 영상 해시 코드와 가장 유사한 유사 학습 영상을 결정하여 표절 검사를 수행하는 표절 검사 수행부를 포함한다. 따라서, 본 발명은 사용자가 입력한 영상을 인식하여 표절여부를 검사할 수 있다.
Int. CL G06F 21/64 (2013.01.01) G06F 21/60 (2013.01.01) G06T 7/10 (2017.01.01) H04L 9/06 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06F 21/64(2013.01) G06F 21/64(2013.01) G06F 21/64(2013.01) G06F 21/64(2013.01) G06F 21/64(2013.01) G06F 21/64(2013.01)
출원번호/일자 1020170163724 (2017.11.30)
출원인 국민대학교산학협력단
등록번호/일자 10-2058393-0000 (2019.12.17)
공개번호/일자 10-2019-0064288 (2019.06.10) 문서열기
공고번호/일자 (20191223) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.11.30)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 국민대학교산학협력단 대한민국 서울특별시 성북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 윤상민 서울특별시 서대문구
2 최정우 서울시 중구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 정부연 대한민국 서울특별시 서초구 반포대로**길 ** ***동 ***,***호(서초동, 한빛위너스)(현신특허사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 국민대학교산학협력단 서울특별시 성북구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.11.30 수리 (Accepted) 1-1-2017-1200096-11
2 선행기술조사의뢰서
Request for Prior Art Search		 2018.12.10 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2019.02.21 발송처리완료 (Completion of Transmission) 9-6-2019-0044135-59
4 의견제출통지서
Notification of reason for refusal		 2019.05.22 발송처리완료 (Completion of Transmission) 9-5-2019-0367341-11
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.07.05 수리 (Accepted) 1-1-2019-0692338-72
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.07.05 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0692331-53
7 등록결정서
Decision to grant		 2019.11.17 발송처리완료 (Completion of Transmission) 9-5-2019-0828802-04
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
사용자 영상을 수신하는 사용자 영상 수신부;CNN(Convolution Neural Network, 합성곱 신경망) 기반의 영상 분류를 통해 상기 사용자 영상에 관한 특정 영상 카테고리와 영상 특징을 검출하는 영상 특징 검출부;검출된 상기 영상 특징을 해시 코드화하여 영상 해시 코드(Hash Code)를 생성하는 해시 코드화부;상기 특정 영상 카테고리에 있는 적어도 하나의 해당 학습 영상의 해시 코드 각각으로부터 상기 영상 해시 코드와 가장 유사한 유사 학습 영상을 결정하여 표절 검사를 수행하는 표절 검사 수행부; 및상기 사용자 영상에 관한 표절 검사 결과 및 상기 유사 학습 영상을 제공하는 영상표절 가시화부를 포함하되,상기 영상표절 가시화부는 상기 사용자 영상에 관한 유사 학습 영상의 제공 과정에서 해당 유사 학습 영상이 스트로크의 픽셀 수를 기준으로 복수의 단계로 구성된 부분 학습 영상 중 하나에 해당하는 경우에는 상기 해당 유사 학습 영상에 관한 다음 단계의 부분 분할 영상을 상기 사용자 영상의 다음 단계에서 예상되는 가이드 영상으로서 제공하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
2 2
제1항에 있어서,CNN 기반의 영상 분류를 통해 학습 영상들을 적어도 하나의 영상 카테고리로 자동으로 분류하고 상기 학습 영상의 특징을 해시 코드화하여 학습 영상 해시 코드를 사전에 생성하는 영상 학습부를 더 포함하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
3 3
제2항에 있어서, 상기 영상 학습부는상기 학습 영상들을 스트로크(Stroke)의 픽셀 수를 기준으로 복수의 단계로 구성된 부분 학습 영상으로 분할하고, 상기 부분 학습 영상을 기초로 상기 CNN 기반의 영상 분류를 수행하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
4 4
제1항에 있어서, 상기 표절 검사 수행부는상기 특정 영상 카테고리에 있는 적어도 하나의 해당 학습 영상의 해시 코드 각각으로부터 상기 영상 해시 코드와의 유사도를 산출하여 상기 가장 유사한 유사 학습 영상을 결정하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
5 5
제4항에 있어서, 상기 표절 검사 수행부는상기 학습 영상의 해시 코드와 상기 영상 해시 코드 간의 배타적 논리 연산을 통해 상기 유사도를 산출하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
6 6
제1항에 있어서, 상기 해시 코드화부는상기 CNN 기반의 영상 분류를 통해 검출된 영상 특징을 해시 함수에 입력하여 상기 영상 해시 코드로서 이진 해시 코드(Binary hash code)를 생성하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 장치
7 7
삭제
8 8
삭제
9 9
삭제
10 10
스케치 기반의 영상표절 검사 장치에서 수행되는 영상표절 검사 방법에 있어서,(a) 사용자 영상을 수신하는 단계;(b) CNN(Convolution Neural Network, 합성곱 신경망) 기반의 영상 분류를 통해 상기 사용자 영상에 관한 특정 영상 카테고리와 영상 특징을 검출하는 단계;(c) 검출된 상기 영상 특징을 해시 코드화하여 영상 해시 코드(Hash Code)를 생성하는 단계;(d) 상기 특정 영상 카테고리에 있는 적어도 하나의 해당 학습 영상의 해시 코드 각각으로부터 상기 영상 해시 코드와 가장 유사한 유사 학습 영상을 결정하여 표절 검사를 수행하는 단계; 및(e) 상기 사용자 영상에 관한 표절 검사 결과 및 상기 유사 학습 영상을 제공하는 단계를 포함하되,상기 (e) 단계는 상기 사용자 영상에 관한 유사 학습 영상의 제공 과정에서 해당 유사 학습 영상이 스트로크의 픽셀 수를 기준으로 복수의 단계로 구성된 부분 학습 영상 중 하나에 해당하는 경우에는 상기 해당 유사 학습 영상에 관한 다음 단계의 부분 분할 영상을 상기 사용자 영상의 다음 단계에서 예상되는 가이드 영상으로서 제공하는 단계를 포함하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 방법
11 11
제10항에 있어서, (f) CNN 기반의 영상 분류를 통해 학습 영상들을 적어도 하나의 영상 카테고리로 자동으로 분류하고 상기 학습 영상의 특징을 해시 코드화하여 학습 영상 해시 코드를 사전에 생성하는 단계를 더 포함하는 것을 특징으로 하는 스케치 기반의 영상표절 검사 방법
12 12
삭제
13 13
삭제
14 14
스케치 기반의 영상표절 검사 장치에서 수행되는 영상표절 검사 방법을 기록하는 컴퓨터 수행 가능한 기록매체에 있어서,사용자 영상을 수신하는 과정;CNN(Convolution Neural Network, 합성곱 신경망) 기반의 영상 분류를 통해 상기 사용자 영상에 관한 특정 영상 카테고리와 영상 특징을 검출하는 과정;검출된 상기 영상 특징을 해시 코드화하여 영상 해시 코드(Hash Code)를 생성하는 과정;상기 특정 영상 카테고리에 있는 적어도 하나의 해당 학습 영상의 해시 코드 각각으로부터 상기 영상 해시 코드와 가장 유사한 유사 학습 영상을 결정하여 표절 검사를 수행하는 과정; 및상기 사용자 영상에 관한 표절 검사 결과 및 상기 유사 학습 영상을 제공하는 과정을 포함하되,상기 유사 학습 영상을 제공하는 과정은 상기 사용자 영상에 관한 유사 학습 영상의 제공 과정에서 해당 유사 학습 영상이 스트로크의 픽셀 수를 기준으로 복수의 단계로 구성된 부분 학습 영상 중 하나에 해당하는 경우에는 상기 해당 유사 학습 영상에 관한 다음 단계의 부분 분할 영상을 상기 사용자 영상의 다음 단계에서 예상되는 가이드 영상으로서 제공하는 과정을 포함하는 것을 특징으로 하는 기록매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 국민대학교 산학협력단 정보통신방송연구개발사업 스케치 기반 지능형 검색 시스템을 위한 장치 및 소프트웨어 개발
2 과학기술정보통신부 명지대학교산학협력단 방송통신산업기술개발사 400G 광전송기술 구현을 위한 광변조 및 신호처리 원천기술 연구
3 과학기술정보통신부 국민대학교 선도연구센터지원사업 융합분야(CRC) 모듈형 스마트 패션 플랫폼 연구센터