비디오 장면 유사도 검출 알고리즘 = A Similarity detection algorithm of the Video scene

국문 초록 (Abstract)

최근 디지털 저작권과 관련된 이슈들이 많이 발생하면서 디지털 콘텐츠의 저작권 보호 및 불법 사용자 추적에 대한 많은 기술들이 연구되고 있다. 그러나 0과 1로 대변되는 디지털의 특성 때문에 콘텐츠를 손쉽게 복사할 수 있고, 배포될 수 있다는 문제점을 안고 있다. 이러한 문제점을 해결하기 위한 방안으로 워터마킹 기술, DRM 기술, 필터링 기술 등이 있으며 최근에는 필터링 기술 중 한 부류인 특징 데이터 추출에 관한 연구가 크게 각광 받고 있다.
본 연구에서는 고유의 비디오 프레임의 특징 데이터를 추출하고 추출된 특징 데이터를 1차 신호로 생성하여 유사한 비디오 프레임 데이터를 검출하는 방법에 관하여 연구하였다. 기존의 비디오 유사도 검출 방법은 각 프레임 간의 데이터를 비교하기 때문에 검출 속도 및 산출 데이터양이 큰 문제가 있었다. 본 논문에서는 우선적으로 프레임 간의 RGB 거리 값을 계산하여 유사한 프레임간의 경계를 얻어낸 후 경계 범위 내에 있는 유사한 프레임간의 프레임 합에 대한 평균을 구해 대표 프레임을 얻어낸다. 그렇게 얻어낸 대표 프레임으로부터 서로 다른 세기의 가우시안 필터를 씌워 4가지 형태의 각기 다른 blurring 된 프레임을 생성하고, 또 다시 각각의 blurring 된 프레임간의 DOG 값을 구함으로써 3가지 형태의 DOG 프레임을 생성한다. 특징 데이터는 서로 이웃하는 DOG 프레임에 대해서 3 x 3 마스크를 씌워 임계치의 범위를 넘지 않는 가장 큰 값 혹은 가장 작은 값을 구하고, 구한 값에 대해서 outline을 제거함으로써 대표 프레임에 대한 특징 데이터를 추출한다. 이렇게 생성된 특징 데이터를 1차원 신호로 나열하고 다른 콘텐츠에서 추출된 1차원 신호들과 유사도를 비교함으로써 콘텐츠 간 유사도를 비교한다. 실험 결과 제안한 알고리즘은 352 x 288, 320 x 240, 240 x 160, 128 x 128 사이즈의 80 ~ 150 프레임만 추출된 샘플 동영상에서 잡음 첨가, 회전 변환, 크기 변환, 프레임 절삭, 프레임 제거에 대해 매우 강인한 특성을 나타낸다.

다국어 초록 (Multilingual Abstract)

Recently, many issues related to the digital copyright occurred and technology related to the digital contents copyright protection and illegal user tracing was studied. But digital contents can be copied and distributed easily because digital contents consist of just 0 and 1. Watermarking, DRM and Filtering technology can protect digital contents' copyright, Feature date extraction of Filtering technology has received keen interests from research communities.
In this paper We proposed similarity detection algorithm of the video scene using 1-D feature data signal. A various of algorithms have been proposed to compare video Scene's similarity. But they can not solve the low extraction speed and many process data. We focused on the 1-D feature date signal to reduce the date process time. In this paper first, we get the similar frame's boundary by calculating the RGB distance value between frames. And we sum the frames' pixel value in same boundary for making the representative frame. Representative frame pass the Gaussian filter and make blurring frame of 4 forms. Blurring frame of 4 forms subtract between neighbor's blurring frame and make the DOG frame of 3 forms. We find the extreme value from DOG frame of 3 forms using 3 x 3 mask and delete the outline. Finally, we make the 1-D signal with feature data and compare the video scene similarity. The experimental results show that the proposed algorithm is robust against noise addition, rotation change, size change, frame delete, frame cutting.

목차 (Table of Contents)

• 제 1 장 서론 = 1
• 1.1 연구배경 및 목적 = 1
• 1.2 연구내용 및 방법 = 3
• 제 2 장 선행연구 = 5
• 2.1 비디오 특징 데이터 = 5
• 2.2 특징 데이터 추출 기술 분류 = 7
• 2.2.1 얼굴 특징 데이터 추출 기술 = 7
• 2.2.2 지문 특징 데이터 추출 기술 = 9
• 2.2.3 오디오 특징 데이터 추출 기술 = 10
• 2.2.4 텍스트 특징 데이터 추출 기술 = 12
• 2.2.5 비디오 특징 데이터 추출 기술 = 13
• 2.3 비디오 데이터 유사도 검출 알고리즘 = 14
• 2.3.1 공간 영역에서 프레임 간의 그래프 매칭을 사용하여 비교하는 방법 = 14
• 2.3.2 공간 영역에서 픽셀의 유사성을 비교하는 방법 = 16
• 2.3.3 주파수 영역으로 변환 후에 특징 데이터를 추출하는 방법 = 18
• 2.3.4 특징 데이터 검출기 모델을 이용한 방법 = 20
• 제 3 장 연구내용 = 21
• 3.1 Scene Detection = 22
• 3.2 Find Key Location = 23
• 3.2.1 Gaussian function = 23
• 3.2.2 Difference of Gaussian function = 25
• 3.2.3 Local extrema detection = 27
• 3.2.4 Outline의 제거 = 28
• 3.3 Make 1D Signal = 31
• 제 4 장 실험 결과 및 분석 = 33
• 4.1 실험 환경 = 33
• 4.2 실험 결과 및 분석 = 33
• 제 5 장 결론 = 50
• 참고문헌 = 52
• Abstract = 55