| 1 |
1
입력된 영상을 다수의 영역으로 분할하는 전처리 단계와,
분할된 각 영역에 대하여 의미의 시각적 특징을 생성하는 시각적 특징 생성 단계와,
생성된 상기 시각적 특징을 이용하여 의미 특징을 모델링하는 의미 특징 모델화 단계와,
생성된 상기 시각적 특징을 바탕으로 상기 분할된 각 영역의 의미 특징을 생성하는 의미 특징 생성 단계와,
생성된 상기 의미 특징을 병합하는 의미 특징 병합 단계와,
의미 특징 기반의 유해성을 모델링하는 유해성 모델화 단계와,
병합된 상기 의미 특징을 바탕으로 상기 입력된 영상의 유해성 여부를 판단하는 유해성 판단 단계와,
상기 유해성 판단 단계에서 유해한 것으로 판단된 상기 입력된 영상을 차단하는 유해 영상 차단 단계를 포함하는 유해 영상 차단 방법
|
| 2 |
2
제1항에 있어서, 상기 전처리 단계에서는,
영역 템플릿을 입력받아 입력 영상을 다수의 영역 R1, R2, R3, R4, R5, R6 으로 분할하며,
각 템플릿의 좌표는 다음의 [수학식 15]
와 같이 정해지는 유해 영상 차단 방법
|
| 3 |
3
제1항에 있어서, 상기 시각적 특징 생성 단계는,
상기 분할된 각 영역에 대하여 의미의 시각적 특징을 추출하는 시각적 특징 추출 단계와,
추출된 상기 시각적 특징을 정규화하는 특징 정규화 단계를 포함하는 유해 영상 차단 방법
|
| 4 |
4
제3항에 있어서, 상기 시각적 특징 추출 단계에서,
상기 입력된 영상의 색상, 질감, 모양 정보를 이용하여 의미의 시각적 특징을 추출하는 유해 영상 차단 방법
|
| 5 |
5
제4항에 있어서, 상기 시각적 특징 추출 단계에서,
MEPG-7 기술자(descriptors)를 더 사용하여 의미의 시각적 특징을 추출하는 유해 영상 차단 방법
|
| 6 |
6
제1항에 있어서, 상기 의미 특징 모델화 단계에서,
SVM(support vector machine)을 이용하여 상기 분할된 각 영역의 의미를 모델화하는 유해 영상 차단 방법
|
| 7 |
7
제6항에 있어서, 상기 의미 특징 모델화 단계에서,
상기 분할된 각 영역의 의미는 다음의 [수학식 16]
(R은 상기 분할된 각 영역, XR는 영역 R의 시각적 특징값 벡터, FL(R)는 영역 R의 의미 특징 L에 대한 신뢰도)
에 의하여 결정하는 유해 영상 차단 방법
|
| 8 |
8
제1항에 있어서, 상기 의미 특징 병합 단계에서는,
상기 분할된 각 영역의 의미 특징 중 가장 큰 신뢰값을 갖는 의미 특징으로 의미 특징을 병합하는 유해 영상 차단 방법
|
| 9 |
9
제1항에 있어서, 상기 유해성 모델화 단계에서는,
SVM(support vector machine)을 이용하여, 유해 의미를 모델화하는 유해 영상 차단 방법
|
| 10 |
10
제1항에 있어서, 상기 유해성 판단 단계에서는,
다음의 [수학식 17]
(SVMM는 유해 개념 M를 위해 학습된 SVM, F'semantic는 상기 분할된 각 영역들로부터 추출되어 병합된 의미 특징 집합)
에 따라 유해성을 판단하는 유해 영상 차단 방법
|
| 11 |
11
제1항에 있어서, 상기 유해성 판단 단계에서는,
다음의 [수학식 18]
(VM는 유해 개념 M에 대한 신뢰도)
에 따른 신뢰도가 미리 정한 경계치 이상일 경우 유해 영상으로 판단하는 유해 영상 차단 방법
|
| 12 |
12
영상을 입력받는 영상 입력부와,
입력된 영상을 다수의 영역으로 분할하는 전처리부와,
분할된 각 영역에 대하여 의미의 시각적 특징을 생성하는 시각적 특징 생성부와,
생성된 상기 시각적 특징을 이용하여 의미 특징을 모델링하는 의미 특징 모델화부와,
생성된 상기 시각적 특징을 바탕으로 상기 분할된 각 영역의 의미 특징을 생성하는 의미 특징 생성부와,
생성된 상기 의미 특징을 병합하는 의미 특징 병합부와,
의미 특징 기반의 유해성을 모델링하는 유해성 모델화부와,
병합된 상기 의미 특징을 바탕으로 상기 입력된 영상의 유해성 여부를 판단하는 유해성 판단부와,
상기 유해성 판단부에서 유해한 것으로 판단된 상기 입력된 영상을 차단하는 유해 영상 차단부를 포함하는 유해 영상 차단 장치
|
| 13 |
13
제12항에 있어서, 상기 전처리부는,
영역 템플릿 모델을 저장하는 영역 템플릿 모델 저장부와,
상기 영역 템플릿 모델을 이용하여 상기 입력된 영상을 다수의 영역으로 분할하는 영역 분할부를 포함하는 유해 영상 차단 장치
|
| 14 |
14
제13항에 있어서, 상기 영역 템플릿 모델은 다수의 영역 템플릿 R1, R2, R3, R4, R5, R6 을 포함하며,
상기 각 템플릿의 좌표는 다음의 [수학식 19]
와 같이 정해지는 유해 영상 차단 장치
|
| 15 |
15
제12항에 있어서, 상기 시각적 특징 생성부는,
상기 분할된 각 영역의 시각적 특징을 추출하는 시각적 특징 추출부와,
추출된 상기 시각적 특징을 정규화하는 특징 정규화부를 포함하는 유해 영상 차단 장치
|
| 16 |
16
제12항에 있어서, 상기 의미 특징 모델화부는,
SVM(support vector machine)을 이용하여 상기 분할된 각 영역의 의미를 모델화하는 유해 영상 차단 장치
|
| 17 |
17
제16항에 있어서, 상기 의미 특징 모델화부는,
상기 분할된 각 영역의 의미를 다음의 [수학식 20]
(R은 상기 분할된 각 영역, XR는 영역 R의 시각적 특징값 벡터, FL(R)는 영역 R의 의미 특징 L에 대한 신뢰도)
에 의하여 결정하는 유해 영상 차단 장치
|
| 18 |
18
제12항에 있어서, 상기 의미 특징 병합부는,
상기 분할된 각 영역의 의미 특징 중 가장 큰 신뢰값을 갖는 의미 특징으로 의미 특징을 병합하는 유해 영상 차단 장치
|
| 19 |
19
제12항에 있어서, 상기 유해성 판단부는,
다음의 [수학식 21]
(SVMM는 유해 개념 M를 위해 학습된 SVM, F'semantic는 상기 분할된 각 영역들로부터 추출되어 병합된 의미 특징 집합)
에 따라 유해성을 판단하는 유해 영상 차단 방법
|
| 20 |
20
제12항에 있어서, 상기 유해성 판단부는,
다음의 [수학식 22]
(VM는 유해 개념 M에 대한 신뢰도)
에 따른 신뢰도가 미리 정한 경계치 이상일 경우 유해 영상으로 판단하는 유해 영상 차단 장치
|
