• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.527-530
• /
• 2012

비디오 데이터를 효율적으로 검색, 정렬, 탐색, 분류하기 위해서는 프레임 간의 샷 전환 탐지가 선행되어야 한다. 본 논문에서는 디지털 비디오 데이터의 샷 전환 탐지를 위해 비디오 스트림을 구성하고 있는 각 프레임들 간의 화소 밝기 차이와 히스토그램의 변화를 이용하였다. 플래쉬 등과 같은 인위적이고 급격한 화소 밝기변화에 의한 오류를 최소화하기 위해 샷 전환 탐지 이전에 각 프레임 간의 밝기 보상을 적용하였다. 밝기 보정 된 프레임으로부터 프레임의 서브 블록 간의 지역적 화소 밝기 정보, 그리고 프레임의 화소 밝기 값 히스토그램을 비교하여 샷 전환을 탐지한다. 실험에서 제안된 알고리즘은 국가기록원 소장 비디오에 적용하여 효과가 있음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1555-1558
• /
• 2015

본 논문에서는 프레임 블록화와 Otsu 임계값 설정 방법을 이용한 샷 전환 탐지 알고리즘을 제안한다. 제안 방법은 연속된 두 프레임을 일정 크기의 영역으로 분할하여 두 프레임 간 대응되는 영역의 히스토그램 차이를 이용해 샷 전환을 탐지한다. 또한 각 영상마다 Otsu 임계값 설정 방법을 이용하여 자동으로 임계값을 설정한다. 제안 방법의 실험은 영화, 드라마, 애니메이션 등 다양한 영상에 대해 테스트되었으며, 기 연구된 샷 전환 탐지 알고리즘과 비교 시 우수한 탐지율을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제20권5호
• /
• pp.21-29
• /
• 2015

본 논문에서는 프레임 블록화와 이동블록 간 객체 이동을 이용한 샷 전환 탐지 알고리즘을 제안한다. 객체의 급격한 이동을 탐지하기 위해 연속 프레임의 현재 블록의 대각선상에 위치한 이동 블록을 정의하고 블록 히스토그램을 비교한다. 제안 방법은 두 연속 프레임 내 블록 간 객체 이동 여부를 검사하며, 객체 이동 블록 정보를 가지고 프레임 간 샷 전환 탐지를 예측한다. 현재 프레임의 블록이 다음 프레임의 이동 블록과 비교 시, 블록 히스토그램이 사용되며 샷 전환 임계값은 Otsu 임계값 방법을 이용하여 자동으로 선정한다. 제안 방법은 영화, 드라마, 애니메이션, 국가기록원 소장 영상 등과 같이 다양한 흑백 또는 칼라 영상에 대해 테스트되었다. 실험결과 제안하는 방법은 기존의 알고리즘과 비교 시 탐지율을 높일 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제18권5호
• /
• pp.35-42
• /
• 2013

비디오 데이터를 효율적으로 검색, 정렬, 탐색, 분류하기 위해서는 프레임 간의 샷 전환 탐지가 선행되어야 한다. 프레임 간 화소 밝기와 객체 이동은 높은 탐지율을 보장하는 샷 탐지 알고리즘이 극복해야할 문제이다. 본 논문에서는 프레임의 블록화 및 객체의 이동과 프레임의 밝기를 고려하는 샷 탐지 방법을 제안한다. 먼저 연속하는 두 프레임 사이에서 발생할 수 있는 객체의 이동을 고려하여 계산된 히스토그램과 밝기 차이를 반영하는 모폴러지 팽창 연산을 이용하는 알고리즘을 제안한다. 다음으로 화소 밝기 차를 보상한 프레임 블록의 화소정보와 프레임의 전역적인 밝기 히스토그램의 변화를 함께 이용하는 샷 탐지 방법을 제안한다. 제안된 방법들은 국가기록원 소장 비디오 데이터에 대한 실험에서 화소 또는 히스토그램 기반 알고리즘에 비해 높은 샷 탐지율을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.531-534
• /
• 2012

기존의 히스토그램을 이용한 샷 전환 탐지 방법은 연속적인 두 프레임의 전체 또는 대응되는 동일한 크기의 소 영역의 히스토그램을 사용하며, 객체의 이동이나, 프레임의 밝기 변화에 취약한 문제점이 있다. 본 논문에서는 이 문제점들을 해결하기 위하여 연속적인 두 프레임(현재와 참조 프레임)을 소영역으로 분할한 후, 현재 프레임의 소 영역과 두 프레임사이에서 발생할 수 있는 객체의 이동을 고려한 참조 프레임에서의 소 영역의 비교, 그리고 참조 프레임의 소 영역에서 얻은 화소 밝기 히스토그램에 밝기 변화를 보상한 후, 현재 프레임의 소 영역에서 얻은 화소 밝기 히스토그램과 비교하는 방법을 제안한다. 제안한 방법은 영화와 뉴스 같은 비디오 데이터에 좋은 결과를 보였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.47-60
• /
• 2012

비디오 데이터는 구조화되지 않은 복합 데이터의 형태를 지닌다. 이러한 비디오 데이터의 효율적인 관리 및 검색을 위한 비디오 데이터 구조화의 중요성이 대두되면서 콘텐츠 내 시각적 특징을 기반으로 비디오 씬(scene)을 탐지하고자 하는 연구가 활발히 진행되었다. 기존의 연구들은 주로 색상 정보만을 이용하여 샷(shot) 간의 유사도 평가를 기반한 클러스터링(clustering)을 통해 비디오 씬을 탐지하고자 하였다. 하지만 비디오 데이터의 색상 정보는 노이즈(noise)를 포함하고, 특정 사물의 개입 등으로 인해 급격하게 변화하기 때문에 색상만을 특징으로 고려할 경우, 비디오 샷 혹은 씬에 대한 올바른 식별과 디졸브(dissolve), 페이드(fade), 와이프(wipe)와 같은 화면의 점진적인 전환(gradual transitions) 탐지는 어렵다. 이러한 문제점을 해결하기 위해, 본 논문에서는 프레임(frame)의 컬러 히스토그램과 코너 에지, 그리고 객체 컬러 히스토그램에 해당하는 시각적 특징을 기반으로 동일한 이벤트를 구성하는 의미적으로 유사한 샷의 클러스터링을 통해 비디오 씬을 탐지하는 방법(Scene Detector by using Color histogram, corner Edge and Object color histogram, SDCEO)을 제안한다. SDCEO는 샷 바운더리 식별을 위해 컬러 히스토그램 분석 단계에서 각 프레임의 컬러 히스토그램 정보를 이용하여 1차적으로 연관성 있는 연속된 프레임을 샷 바운더리로 병합한 후, 코너 에지 분석 단계에서 병합된 샷 내 처음과 마지막 프레임의 코너 에지 특징 비교를 통하여 샷 바운더리를 정제하여 최종 샷을 식별한다. 키프레임 추출 단계에서는 샷 내 프레임간 유사도 비교를 통해 모든 프레임과 가장 유사한 프레임을 각 샷을 대표하는 키프레임으로 추출한다. 그 후, 비디오 씬 탐지를 위해, 컬러 히스토그램과 객체 컬러 히스토 그램에 해당하는 프레임의 시각적 특징을 기반으로 상향식 계층 클러스터링 방법을 이용하여 의미적인 연관성을 지니는 샷의 군집화를 통해 비디오 씬을 탐지하는 방법이다. 본 논문에서는 SDCEO의 프로토 타입을 구축하고 3개의 비디오 데이터를 이용한 실험을 통하여 SDCEO의 효율성을 평가하였고 샷 바운더리 식별의 성능의 정확도는 평균 93.3%, 비디오 씬 탐지 성능의 정확도는 평균 83.3%로 만족할만한 성능을 보였다.