1 |
1
입력 영상을 대상으로 피부 영역 후보 픽셀을 추출하고, 상기 입력 영상에 대한 상기 피부 영역 후보 픽셀의 비율을 기반으로 무해 프레임을 1차적으로 필터링하는 1차 필터링부; 및상기 피부 영역 후보 픽셀을 대상으로 2차원 영상 공간에서의 분포 특성을 표현하는 BBP(Block Binary Patter) 히스토그램을 생성하고, 기정해진 학습 데이터와 상기 BBP 히스토그램을 비교함으로써 무해 프레임을 2차적으로 필터링하는 2차 필터링부를 포함하는 것을 특징으로 하는 무해 프레임 필터
|
2 |
2
청구항 1에 있어서,상기 1차 필터링부는,상기 입력 영상의 픽셀에서의 RGB 색상 정보를 HSV 색공간으로 변환하여 Hue 히스토그램을 생성하고, 상기 Hue 히스토그램의 기정해진 색상(H;Hue) 채널에서 밀도 합이 최대가 되는 최대 밀도 영역을 피부 영역 후보 픽셀의 범위로 결정하는 피부 픽셀 추출 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
3 |
3
청구항 2에 있어서,상기 1 차 필터링부는,상기 최대 밀도 영역의 최대 밀도 합이, 기정해진 제 1 설정 값 이하인 경우에는, 상기 입력 영상을 무해 영상으로 판단하고, 상기 제 1 설정 값을 초과하는 경우에는, 상기 입력 영상을 유해 후보 영상으로 판단하여 상기 피부 영역 후보 픽셀로부터 이진화된 알파맵을 생성하여 상기 2차 필터링부에 전달하는 피부 픽셀 기반 1차 필터링 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
4 |
4
청구항 3에 있어서,상기 2차 필터링부는,상기 알파맵에 대하여 후처리 과정을 수행하여 잡음 효과가 보정된 후처리 알파맵을 생성하는 피부 영역 후처리 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
5 |
5
청구항 4에 있어서,상기 피부 영역 후처리 모듈은,컬러(Color) 입력 영상을 흑백 영상으로 변환하고, 에지 연산자를 이용하여 에지 영상을 생성하는 에지 영상 생성 서브 모듈;에지 합 영상을 생성하는 에지합 영상 생성 서브 모듈;에지 밀도를 생성하는 에지 밀도 영상 생성 서브 모듈;상기 알파맵에서 에지 밀도 값이 기정해진 제 2 설정 값 이상인 픽셀들을 배경 영역으로 판단하여 상기 알파맵을 수정하는 알파맵 필터링 서브 모듈; 및상기 에지 연산자의 모포로지 닫힘(Closing) 및 열림(Opening) 연산을 순차적으로 적용하여 상기 알파맵의 노이즈를 감소시키는 모포로지 연산 서브 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
6 |
6
청구항 4에 있어서,상기 2차 필터링부는,상기 후처리 알파맵을 대상으로 하여, 사람의 피부로부터 추출된 피부 픽셀들이, 피부색상과 유사함으로 인해 피부 영역으로 오인된 배경 영역의 피부 색상 픽셀들과 차별되는 영상 평면에서의 분포 특성을 추출하는 BBP 히스토그램 생성 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
7 |
7
청구항 6에 있어서,상기 BBP 히스토그램 생성 모듈은,상기 후처리 알파맵을 소정의 개수로 형성되는 행렬인 영상 블록으로 분할하고, 분할된 영상 블록에서 차지하는 피부 픽셀의 비율을 기반으로 상기 분할된 영상 블록 각각을 피부 영상 블록 또는 비피부 영상블록으로 분류하는 알파맵 블록 행렬 생성 서브 모듈;상기 피부 영상 블록을 중심으로 하여 주변 영상 블록들에서 상기 피부 영상 블록의 분포 형태를 BBP 블록 회전변환 및 BBP 배치방향 역전 변환을 통하여 중복되지 않는 51개의 BBP 패턴으로 표현하는 BBP 매칭 서브 모듈; 및상기 BBP 매칭 서브 모듈을 통하여 표현된 BBP의 개수를 검출하여 BBP 히스토그램을 생성하는 BBP 히스토그램 생성 서브 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
8 |
8
청구항 7에 있어서,상기 BBP 매칭 서브 모듈은,상기 분할된 영상 블록을 갖는 알파맵의 범위 안에서, 2행 2열은 피부 영상 블록인 복수개의 3 X 3 행렬 단위를 대상으로 51개의 BBP 패턴을 표현하는 것을 특징으로 하는 무해 프레임 필터
|
9 |
9
청구항 1에 있어서,상기 2차 필터링부는,상기 BBP 히스토그램을 공간 차수(dimension)가 51인 특징벡터로 지정하여, K 평균 군집화 기법(K means clustering) 또는 서포트 벡터 머신(SVM;Support Vector Machine)을 기반으로 상기 기정해진 학습 데이터와 비교함으로써 무해 프레임을 2차적으로 필터링하는 BBP 기반 2차 필터링 모듈을 포함하는 것을 특징으로 하는 무해 프레임 필터
|
10 |
10
청구항 1 내지 청구항 9 중 어느 하나에 따른 무해 프레임 필터에 의하여 무해 프레임을 필터링하여 획득한 필터링 입력 영상을 대상으로 하여, 유해 콘텐츠 사전 지식 DB(Data Base)에 저장된 학습 데이터를 기반으로 상기 필터링 입력 영상이 유해 영상인지 여부를 판단하는 유해성 판단부; 및상기 유해성 판단부에서 판단된 유해 영상인지 여부에 대한 결과를 시간축 상에서 누적하여 종합하며, 현재 재생되는 영상이 유해 영상인지를 최종적으로 판단하여 유해 영상으로 판단되는 경우, 상기 현재 재생되는 영상을 차단하는 유해 영상 차단부를 포함하는 것을 특징으로 하는 유해 영상 차단 장치
|
11 |
11
1차 필터링부에 의하여, 입력 영상을 대상으로 피부 영역 후보 픽셀을 추출하고, 상기 입력 영상에 대한 상기 피부 영역 후보 픽셀의 비율을 기반으로 무해 프레임을 1차적으로 필터링하는 1차 필터링 단계; 및2차 필터링부에 의하여, 상기 피부 영역 후보 픽셀을 대상으로 2차원 영상 공간에서의 분포 특성을 표현하는 BBP(Block Binary Patter) 히스토그램을 생성하고, 기정해진 학습 데이터와 상기 BBP 히스토그램을 비교함으로써 무해 프레임을 2차적으로 필터링하는 2차 필터링 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
12 |
12
청구항 11에 있어서,상기 1차 필터링 단계는,상기 입력 영상의 픽셀에서의 RGB 색상 정보를 HSV 색공간으로 변환하여 Hue 히스토그램을 생성하고, 상기 Hue 히스토그램의 기정해진 색상(H;Hue) 채널에서 밀도 합이 최대가 되는 최대 밀도 영역을 피부 영역 후보 픽셀의 범위로 결정하는 피부 픽셀 추출 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링 하는 방법
|
13 |
13
청구항 12에 있어서,상기 1 차 필터링 단계는,상기 피부 픽셀 추출 단계 이후에,상기 최대 밀도 영역의 최대 밀도 합이, 기정해진 제 1 설정 값 이하인 경우에는, 상기 입력 영상을 무해 영상으로 판단하고, 상기 제 1 설정 값을 초과하는 경우에는, 상기 입력 영상을 유해 후보 영상으로 판단하여 상기 피부 영역 후보 픽셀로부터 이진화된 알파맵을 생성하는 피부 픽셀 기반 1차 필터링 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
14 |
14
청구항 13에 있어서,상기 2차 필터링 단계는,상기 피부 픽셀 기반 1차 필터링 단계에서 생성된 알파맵에 대하여 후처리 과정을 수행하여 잡음 효과가 보정된 후처리 알파맵을 생성하는 피부 영역 후처리 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
15 |
15
청구항 14에 있어서,상기 피부 영역 후처리 단계는,컬러(Color) 입력 영상을 흑백 영상으로 변환하고, 에지 연산자를 이용하여 에지 영상을 생성하는 에지 영상 생성 서브 단계;에지 합 영상을 생성하는 에지합 영상 생성 서브 단계;에지 밀도를 생성하는 에지 밀도 영상 생성 서브 단계; 상기 알파맵에서 에지 밀도 값이 기정해진 제 2 설정 값 이상인 픽셀들을 배경 영역으로 판단하여 상기 알파맵을 수정하는 알파맵 필터링 서브 단계; 및상기 에지 연산자의 모포로지 닫힘(Closing) 및 열림(Opening) 연산을 순차적으로 적용하여 상기 알파맵의 노이즈를 감소시키는 모포로지 연산 서브 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
16 |
16
청구항 14에 있어서,상기 2차 필터링 단계는,상기 피부 영역 후처리 단계 이후에,상기 후처리 알파맵을 대상으로 하여, 사람의 피부로부터 추출된 피부 픽셀들이, 피부색상과 유사함으로 인해 피부 영역으로 오인된 배경 영역의 피부 색상 픽셀들과 차별되는 영상 평면에서의 분포 특성을 추출하는 BBP 히스토그램 생성 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
17 |
17
청구항 16에 있어서,상기 BBP 히스토그램 생성 단계는,상기 후처리 알파맵을 소정의 개수로 형성되는 행렬인 영상 블록으로 분할하고, 분할된 영상 블록에서 차지하는 피부 픽셀의 비율을 기반으로 상기 분할된 영상 블록 각각을 피부 영상 블록 또는 비피부 영상블록으로 분류하는 알파맵 블록 행렬 생성 서브 단계;상기 피부 영상 블록을 중심으로 하여 주변 영상 블록들에서 상기 피부 영상 블록의 분포 형태를 BBP 블록 회전변환 및 BBP 배치방향 역전 변환을 통하여 중복되지 않는 51개의 BBP 패턴으로 표현하는 BBP 매칭 서브 단계; 및상기 BBP 매칭 서브 단계에서 표현된 BBP의 개수를 검출하여 BBP 히스토그램을 생성하는 BBP 히스토그램 생성 서브 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
18 |
18
청구항 17에 있어서,상기 BBP 매칭 서브 단계는,상기 분할된 영상 블록을 갖는 알파맵의 범위 안에서, 2행 2열은 피부 영상 블록인 복수개의 3 X 3 행렬 단위를 대상으로 51개의 BBP 패턴을 표현하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
19 |
19
청구항 11에 있어서,상기 2차 필터링 단계는,상기 BBP 히스토그램 생성 단계 이후에,상기 BBP 히스토그램을 공간 차수(dimension)가 51인 특징벡터로 지정하여, K 평균 군집화 기법(K means clustering) 또는 서포트 벡터 머신(SVM;Support Vector Machine)을 기반으로 상기 기정해진 학습 데이터와 비교함으로써 무해 프레임을 2차적으로 필터링하는 BBP 기반 2차 필터링 단계를 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|
20 |
20
청구항 11에 있어서,상기 2차 필터링 단계 이후에,상기 2차 필터링 단계에서 필터링하여 획득한 필터링 입력 영상을 대상으로 하여, 유해 콘텐츠 사전 지식 DB(Data Base)에 저장된 학습 데이터를 기반으로 상기 필터링 입력 영상이 유해 영상인지 여부를 판단하는 유해성 판단 단계; 및상기 유해성 판단 단계에서 판단된 유해 영상인지 여부에 대한 결과를 시간축 상에서 누적하여 종합하며, 현재 재생되는 영상이 유해 영상인지를 최종적으로 판단하여 유해 영상으로 판단되는 경우, 상기 현재 재생되는 영상을 차단하는 유해 영상 차단 단계를 더 포함하는 것을 특징으로 하는 무해 프레임을 필터링하는 방법
|