KR101237469B1 - 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체 - Google Patents

음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체 Download PDF

Info

Publication number
KR101237469B1
KR101237469B1 KR1020110044674A KR20110044674A KR101237469B1 KR 101237469 B1 KR101237469 B1 KR 101237469B1 KR 1020110044674 A KR1020110044674 A KR 1020110044674A KR 20110044674 A KR20110044674 A KR 20110044674A KR 101237469 B1 KR101237469 B1 KR 101237469B1
Authority
KR
South Korea
Prior art keywords
region
image
obscene
face
candidate
Prior art date
Application number
KR1020110044674A
Other languages
English (en)
Other versions
KR20120126677A (ko
Inventor
원일용
신형섭
Original Assignee
재단법인 서울호서직업전문학교
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인 서울호서직업전문학교 filed Critical 재단법인 서울호서직업전문학교
Priority to KR1020110044674A priority Critical patent/KR101237469B1/ko
Publication of KR20120126677A publication Critical patent/KR20120126677A/ko
Application granted granted Critical
Publication of KR101237469B1 publication Critical patent/KR101237469B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 음란 이미지 자동 인식 방법에 관한 것으로, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계; 얼굴 영역의 위치를 기초로 하여 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계; 다른 신체 영역 및 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및 템플릿 매칭의 결과를 기초로 하여 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계를 포함함으로써, 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있는 효과가 있다.

Description

음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체 {Method and apparatus for automatically detecting pornographic image, and computer readable medium thereof}
본 발명은 음란 이미지 자동 인식 방법에 관한 것으로, 더욱 상세하게는 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있는 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.
정보통신기술의 발달로 인터넷을 통해 무한한 정보공유가 가능해지면서 사람들은 손쉽게 유용한 정보를 획득할 수가 있다. 하지만 이러한 순기능이 있는 반면 여러 가지 역기능도 등장했다. 특히 급속도로 퍼져 나가는 음란물은 초, 중, 고 학생들에게 부정적인 영향을 미치고 있어, 실질적인 음란물 제어가 필요하다. 통계에 따르면 청소년들의 91.4%가 음란물은 본 적이 있다고 답변하고 있다.
인터넷에 유포되고 있는 음란물을 자동으로 감지하여 청소년을 보호하기 위해 다양한 기술이 개발되고 있다. 대부분의 상업용 제품들이 적용하고 있는 음란물 감지기법은 다음과 같다. 먼저 기존에 알려진 모든 음란파일들의 개별적 특징을 추출하여 음란물 데이터베이스에 저장해 두고, 실시간으로 의심되는 파일을 음란물 데이터베이스에 있는 특징과 비교하여 음란물 여부를 판단하는 방법이다. 그러나 이러한 방법은 알려지지 않은 음란물은 탐지하지 못하며, 음란물 파일이 조금만 변경되어도 탐지할 수 없다는 문제점을 가지고 있다. 특히 기하급수적으로 증가하고 있는 음란물을 모두 데이터베이스화하는 것은 지속적인 노력과 비용이 필요하다.
따라서, 데이터베이스에 등록되어 있지 않은 음란물에 대해서도 음란물 여부를 자동으로 판단할 수 있는 음란 이미지 탐지 기법을 개발할 필요성이 있다.
본 발명이 해결하고자 하는 기술적 과제는, 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있도록 하는 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체를 제공하는 것이다.
상술한 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계; 상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계; 상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및 상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계를 포함하는 것을 특징으로 한다.
상기 다른 신체 영역은 흉부 영역이고, 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은, 유방 영역 또는 유두 영역일 수 있다.
상기 얼굴 영역을 검출하는 단계는, 상기 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하는 단계를 포함할 수 있다.
상기 얼굴 인식 알고리즘은 Adaboost 알고리즘일 수 있다.
상기 얼굴 영역을 검출하는 단계는, 상기 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출하는 단계; 상기 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및 상기 계산 결과를 기초로 하여 상기 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.
상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는, 상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계; 상기 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및 상기 계산 결과를 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.
상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는, 상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계; 상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하는 단계; 상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 단계; 및 상기 계산된 비율을 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계를 더 포함할 수 있다.
상기 후보 영역은 유방 후보 영역 또는 유두 후보 영역이고, 상기 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 상기 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 상기 유두 후보 영역에 대하여 수행될 수 있다.
또한, 상술한 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 얼굴영역검출부; 상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 후보영역추정부; 상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 템플릿매칭부; 및 상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 음란이미지결정부를 포함하는 것을 특징으로 한다.
또한, 상술한 기술적 과제를 해결하기 위하여, 상술한 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은 상기 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
본 발명의 일 실시예에 따르면, 입력된 이미지에서 검출된 얼굴 영역의 위치로부터 다른 신체 영역의 위치를 추정하고 다른 신체 영역과 템플릿 이미지 간의 템플릿 매칭을 수행하여 음란 이미지에 해당하는지 여부를 결정함으로써, 사람의 간섭없이 새로운 이미지에 대한 음란 여부를 자동으로 판단할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면, 얼굴 영역 및 음란 이미지를 검출할 때 피부색 비율 검사 및 질감 검사를 함께 수행하도록 함으로써, 음란 이미지 판단의 정확도를 향상시킬 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치를 예시적으로 도시한 블록도이다.
도 2는 얼굴 영역의 위치로부터 흉부 영역의 위치를 추정하는 방법을 예시적으로 설명하기 위한 도면이다.
도 3은 신체 영역에 대한 질감 검사를 수행하는 방법을 예시적으로 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.
도 5는 입력 이미지에 대한 피부색 검사를 수행하여 얼굴 영역을 검출하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 6은 신체 영역에 대한 피부색 검사를 수행하여 음란 이미지 여부를 결정하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 7은 신체 영역에 대한 질감 검사를 수행하여 음란 이미지 여부를 결정하기 위한 방법을 예시적으로 도시한 흐름도이다.
도 8은 본 발명의 또 다른 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치를 예시적으로 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 장치(100)는 음란물 데이터베이스(도시되지 않음)에 미리 등록되어 있지 않은 음란 이미지에 대해서도 패턴 매칭 기반의 탐지 방법 등을 이용하여 자동으로 음란물인지 여부를 판단할 수 있도록 하는 장치로서, 데스크톱, 노트북, 스마트폰, PDA 등과 같이 외부로부터 다양한 이미지들을 수신하여 처리하는 프로세서를 내장한 디바이스로서 구현될 수 있다.
음란 이미지 자동 인식 장치(100)는, 예를 들어, 가슴 영역 및 유두 영역을 템플릿 이미지로 미리 등록해두고, 어떤 이미지가 입력되면 적당한 크기로 이미지를 변경한 후 얼굴 영역을 감지한다. 이 때, 얼굴 영역을 감지할 때의 정확도를 높이기 위해서 피부색 비율 테스트를 실시할 수 있다. 그리고나서, 감지된 얼굴 영역의 위치를 기준으로 흉부 영역의 위치를 추론하고, 미리 저장되어 있는 가슴 템플릿과의 템플릿 매칭을 이용하여 가슴 영역을 탐지한다. 탐지된 가슴 영역을 확인하기 위해서 피부색 비율 검사를 실시하고, 이 검사를 통과한 영역에 대하여 질감 검사를 실시할 수 있다. 이렇게 통과된 영역에 대하여 유두 템플릿 매칭을 실시하고, 유두 템플릿 매칭을 통과한 유두 후보 영역에 대하여 질감 검사를 실시할 수 있다. 그리고나서, 음란 이미지 자동 인식 장치(100)는 상술한 단계들을 통과한 이미지를 음란 이미지로 판단하고, 나머지는 정상 이미지로 판단할 수 있다.
상술한 동작을 수행하기 위하여, 음란 이미지 자동 인식 장치(100)는 이미지 변환부(104), 얼굴 영역 검출부(106), 후보 영역 추정부(108), 템플릿 매칭부(110), 템플릿 데이터베이스(112), 피부색 검사부(114), 질감 검사부(116) 및 음란 이미지 결정부(118)를 포함한다.
이미지 변환부(104)는 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환한다. 예를 들어, 이미지 변환부(104)는 입력되는 이미지의 크기를 가로 480 픽셀 및 세로 640 픽셀에 근접하도록 동일 비율 확대 축소를 통해 이미지를 크기를 적정하게 변경할 수 있다.
얼굴 영역 검출부(106)는 입력되는 이미지(이미지 변환부(104)의 출력을 포함)로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출한다. 얼굴 영역의 검출은 예를 들어 Adaboost 알고리즘을 이용하여 수행될 수 있다. 커널머신을 이용한 대표적 분류기인 Adaboost 알고리즘은 본 발명의 패턴인식 문제에 적용될 수 있다. 부스팅(boosting)은 구별 기능이 약한 여러 개의 검출기(classifier)를 조합하여 강인한 검출기를 만드는 학습 방법이다. 많은 검출기들 중에서 찾고자 하는 대상과 적합한 패턴을 정해진 개수만큼 찾아내고 이들 사이에서 선형적인 관계를 찾는 학습 방법이다. 선형적인 관계는 찾아진 검출기들에 대한 각각의 계수들을 찾아내고, 이들을 선형적으로 융합하는 것을 의미한다.
Figure 112011035175029-pat00001
여기서, T는 사용자가 실험을 통하여 적당한 값을 선정하여 몇 개의 패턴으로 원하는 물체를 표현할지를 나타내고, Fstrong은 찾아진 검출기 Ft와 계수 α에 대한 선형 조합의 형태를 갖는다. 여기서 Fstrong이 -1이면 틀린 경우, 1이면 맞는 경우를 의미한다. x는 일정한 크기를 가지는 임의의 입력 벡터이다.
또한, 얼굴 영역 검출부(106)는 검출되는 얼굴 영역의 적중률을 높이기 위해서 얼굴 인식 알고리즘에 의해서 검출된 영역에 대해서 피부색 비율을 계산할 수 있다. 피부색 비율은 얼굴 인식 알고리즘에 의해서 검출된 영역에 대하여 소정의 피부색 범위(예를 들어, 77 < Cb < 127 및 133 < Cr < 173)에 해당하는 영역의 비율을 의미한다. 얼굴 영역 검출부(106)는, 예를 들어, 피부색 비율이 미리 설정된 임계값인 X1 % (예를 들어, 70%) 이상이면 얼굴 영역으로 판단할 수 있다. X1은 실시예에 따라서 다양하게 설정될 수 있는 값이다.
얼굴 영역 검출부(106)는, 피부색을 검출하기 위해서, 예를 들어, YCrCb 색공간의 색차성분 (CrCb) 부분의 범위 X2 < Cb < X3 and X4 < Cr < X5(예를 들어, 77 < Cb < 127 및 133 < Cr < 173)를 피부색 범위로 사용할 수 있다. X2, X3, X4, X5는 실시예에 따라서 다양하게 설정될 수 있는 값이다.
즉, 해당 영역의 각각의 점의 R, G, B 값에서 다음과 같이 계산하고,
Y = 0.299 * R + 0.587 * G + 0.114 * B
Cr = (R-Y) * 0.713 + delta
Cb = (B-Y) * 0.564 + delta
계산한 값의 Cb, Cr값이 X2 < Cb < X3 and X4 < Cr < X5에 해당하면 피부색에 해당하는 것으로 판단할 수 있다.
후보 영역 추정부(108)는 얼굴 영역 검출부(106)에서 검출된 얼굴 영역의 위치를 기초로 하여 검출된 얼굴 영역과 다른 신체 영역(예를 들어, 흉부 영역)의 위치를 추정한다. 여기서, 얼굴 영역과 다른 신체 영역은 음란 이미지를 구성하는 영역(예를 들어, 유방 영역, 유두 영역 등)을 포함하고 음란 이미지를 구성하는 영역보다 더 넓은 영역이거나 또는 음란 이미지를 구성하는 영역과 같은 영역일 수 있다.
도 2는 후보 영역 추정부(108)가 얼굴 영역의 위치로부터 흉부 영역의 위치를 추정하는 방법을 예시적으로 설명하기 위한 도면이다. 도 2를 참조하면, 후보 영역 추정부(108)는, 예를 들어, 얼굴 영역 검출부(106)에서 검출된 얼굴 영역(202)의 아래쪽으로 얼굴 높이보다 2배의 높이를 가지고 얼굴 폭보다 2배의 폭을 가지도록 흉부 영역(204)을 설정할 수 있다.
템플릿 매칭부(110)는 후보 영역 추정부(108)에서 추정된 다른 신체 영역(예를 들어, 흉부 영역) 및 템플릿 데이터베이스(112)에 미리 저장되어 있는 다른 신체 영역 내에서 음란 이미지를 구성하는 영역(예를 들어, 유방 영역, 유두 영역 등)의 템플릿 이미지 간의 템플릿 매칭을 수행한다. 여기서, 템플릿 이미지의 크기는 예를 들어 얼굴 크기와 동일한 크기 등으로 설정될 수 있다. 또한, 템플릿 매칭은 예를 들어 유방 템플릿 이미지 또는 유두 템플릿 이미지 중 어느 하나에 대해서 수행될 수도 있고, 또는 먼저 유방 템플릿 이미지에 대해 수행되고 그리고나서 유두 템플릿 이미지에 대해 수행될 수도 있다.
템플릿 매칭부(110)는 템플릿으로 표준 패턴을 수동으로 미리 작성하거나 함수 파라미터 형식으로 정의하고 주어진 이미지 위에서 이동하면서 템플릿인 표준 패턴과 상관 관계를 계산하여 대응하는 위치를 찾는다. 매칭 방법은 예를 들어 상관 계수(Correlation Coefficient)를 이용할 수 있다. 상관 계수의 결과값이 1이면 템플릿 이미지와 입력된 신체 영역이 정확히 일치하는 것을 의미하고, 1에 가까울수록 정합률이 좋은 것을 의미한다.
한편, 템플릿 매칭부(110)는 유방 템플릿 이미지를 이용하여 흉부 영역 내에서 유방 후보 영역을 결정할 수 있다. 이 때, 결정된 유방 후보 영역의 적중도를 높이기 위해서, 피부색 검사부(114)는 유방 후보 영역의 피부색 비율을 계산하고, 계산된 피부색 비율이 미리 설정된 임계값인 X6 % (예를 들어, 70%) 이상이면 피부색에 해당하는 것으로 결정할 수 있다. 또한, 피부색 검사부(114)는 템플릿 매칭을 이용하여 검출된 음란 이미지를 구성하는 유두 후보 영역에 대해서도, 유두 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수(즉, 유두 후보 영역의 피부색 비율)를 계산하여 유두 후보 영역의 적중도를 높일 수도 있다. 피부색 비율에 대해서는 상술된 바 있으므로 추가적인 설명은 생략된다.
템플릿 데이터베이스(112)는 하나 이상의 거리(예를 들어 근거리, 중거리, 원거리)에서 바라본 신체 영역(예를 들어, 가슴 영역 또는 유두 영역)에 대한 템플릿 이미지를 저장한다. 예를 들어, 템플릿 데이터베이스(112)는 근거리, 중거리, 원거리에서 바라본 가슴 영역의 템플릿 이미지 n개(n > 0, 정수)를 저장할 수 있고, 근거리, 중거리, 원거리에서 바라본 유두 영역의 템플릿 이미지 m개(m > 0, 정수)를 저장할 수 있다.
질감 검사부(116)는 템플릿 매칭 또는 피부색 비율 검사 등을 통과한 후보 영역에 대하여 질감 검사를 실시할 수 있다.
질감은 영상의 표면 특성으로 표현되는 화소간의 밝기 차이를 나타낸 것으로써 인간의 시각 패턴에 있어 중요한 요소로 작용한다. 질감의 구조가 옷감의 프린트 패턴이나 벽돌무늬처럼 규칙적으로 반복되는 기하학적인 도형의 배열을 분석하는데 주로 이용된다. 영상 처리의 일반적인 문제는 화소와 화소 사이에서 갑작스럽게 나타나는 밝기값의 변화이다. 이러한 변화는 현격히 다른 두 대상물 사이의 경계인 외곽선을 나타낸다. 하나의 필터에 의해 생성되는 강화영상은 한 방향에 대해서만 우월적으로 나타내며, 수평과 수직방향으로 영상 필터링을 수행하여 도 3과 같은 벡터 값을 산출함으로써 얻어질 수 있다.
질감 검사는, 예를 들어 얼굴 영역, 흉부 영역 또는 유방 영역 등으로 추정된 이미지 영역을 대상으로 하여 수행될 수 있다. 질감 검사부(116)는 템플릿 매칭을 이용하여 검출된 음란 이미지를 구성하는 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하고, 음란 이미지를 구성하는 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하며, 계산된 비율이 미리 설정된 소정의 범위에 속하는지 여부를 결정하는 방식으로 질감 검사를 수행할 수 있다. 예를 들어, 질감 검사부(116)는 템플릿 매칭에 의해 결정된 유두 후보 영역에 대하여 케니에지를(Canny edge)를 검출하고 외곽선 비율을 계산하여 외곽선 비율이 소정 범위(T7 %) 이상이면 유두 영역으로 인정할 수 있다.
음란 이미지 결정부(118)는 템플릿 매칭, 피부색 비율 검사 또는 질감 검사의 결과를 기초로 하여 검출된 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 예를 들어, 음란 이미지 결정부(118)는 유방 영역에 대한 템플릿 매칭, 피부색 비율 검사 및 질감 검사를 모두 통과하고 유두 영역에 대한 템플릿 매칭 및 질감 검사를 모두 통과한 이미지에 대해서는 음란 이미지로 판단하고, 나머지 이미지는 정상 이미지로 판단할 수 있다. 다만, 음란 이미지의 판단은 상술한 예시에 한정되는 것은 아니며 실시예에 따라서 다양한 방식으로 적용될 수 있을 것이다.
도 4는 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.
도 4를 참조하면, 단계 402에서, 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출한다. 얼굴 인식 알고리즘은 예를 들어 Adaboost 알고리즘 등이 적용될 수 있다. 또한, 음란 이미지 자동 인식 장치는 얼굴 영역을 보다 용이하게 검출하기 위하여 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하여 얼굴 인식 알고리즘을 적용할 수도 있다.
단계 404에서, 음란 이미지 자동 인식 장치는, 단계 402에서 검출된 얼굴 영역의 위치를 기초로 하여 얼굴 영역과 다른 신체 영역의 위치를 추정한다. 여기서, 얼굴 영역과 다른 신체 영역은 예를 들어 흉부 영역 등일 수 있다.
단계 406에서, 음란 이미지 자동 인식 장치는, 단계 404에서 추정된 다른 신체 영역 및 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행한다. 여기서, 얼굴 영역과 다른 신체 영역은 예를 들어 흉부 영역일 수 있고, 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은 예를 들어 유방 영역 또는 유두 영역일 수 있다.
단계 408에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭 결과를 기초로 하여 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정한다.
도 5는 도 4에서 얼굴 영역을 검출할 때 입력 이미지에 대한 피부색 검사를 수행하여 검출된 얼굴 영역의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.
도 5를 참조하면, 단계 502에서, 음란 이미지 자동 인식 장치는, 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출한다.
단계 504에서, 음란 이미지 자동 인식 장치는, 단계 502에서 검출된 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산한다.
단계 506에서, 음란 이미지 자동 인식 장치는, 단계 504의 계산 결과를 기초로 하여 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 최종 결정한다.
도 6은 도 4에서 음란 이미지에 해당하는지 여부를 결정할 때 음란 이미지를 구성하는 후보 영역에 대한 피부색 검사를 수행하여 음란 이미지 판단의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.
도 6을 참조하면, 단계 602에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭을 이용하여 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출한다. 여기서, 후보 영역은 유방 후보 영역 또는 유두 후보 영역일 수 있다.
단계 604에서, 음란 이미지 자동 인식 장치는, 단계 602에서 검출된 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산한다.
단계 606에서, 음란 이미지 자동 인식 장치는, 단계 604의 계산 결과를 기초로 하여 검출된 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 한편, 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 유두 후보 영역에 대하여 최종적으로 수행될 수 있다.
도 7은 도 4에서 음란 이미지에 해당하는지 여부를 결정할 때 음란 이미지를 구성하는 후보 영역에 대한 질감 검사를 수행하여 음란 이미지 판단의 정확도를 높이기 위한 방법을 예시적으로 도시한 흐름도이다.
도 7을 참조하면, 단계 701에서, 음란 이미지 자동 인식 장치는, 단계 406의 템플릿 매칭을 이용하여 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출한다. 여기서, 후보 영역은 유방 후보 영역 또는 유두 후보 영역일 수 있다.
단계 702에서, 음란 이미지 자동 인식 장치는, 단계 702에서 검출된 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출한다.
단계 704에서, 음란 이미지 자동 인식 장치는, 단계 702에서 검출된 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 단계 704에서 검출된 외곽선에 해당하는 픽셀들의 개수의 비율을 계산한다.
단계 706에서, 음란 이미지 자동 인식 장치는, 단계 706에서 계산된 비율을 기초로 하여 후보 영역이 음란 이미지에 해당하는지 여부를 최종 결정한다. 한편, 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 유두 후보 영역에 대하여 최종적으로 수행될 수 있다.
도 8은 본 발명의 또 다른 실시예에 따른 음란 이미지 자동 인식 방법을 예시적으로 도시한 흐름도이다.
도 8을 참조하면, 단계 802에서, 음란 이미지 자동 인식 장치는, 외부로부터 입력되는 이미지를 수신한다.
단계 804에서, 음란 이미지 자동 인식 장치는, 얼굴 영역을 보다 용이하게 검출하기 위하여 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환한다.
단계 806에서, 음란 이미지 자동 인식 장치는, 소정의 얼굴 인식 알고리즘을 이용하여 입력 이미지로부터 학습된 데이터 파일을 통해 얼굴 영역을 검출한다.
단계 808에서, 음란 이미지 자동 인식 장치는, 얼굴 영역의 위치로부터 음란이라고 판단되는 흉부 영역을 확보한다. 흉부 영역은 도 2와 같이 검출된 얼굴 영역의 크기를 통해 확보될 수 있다.
단계 810에서, 음란 이미지 자동 인식 장치는, 확보된 흉부 영역에 대하여 템플릿 데이터베이스에 미리 저장되어 있는 유방 템플릿 이미지와 템플릿 매칭을 시도한다. 유방 템플릿 이미지의 사이즈는 예를 들어 얼굴 크기와의 관계에서 적절한 크기로 설정될 수 있다.
단계 812에서, 음란 이미지 자동 인식 장치는, 템플릿 매칭된 영역에서 오검출 영역을 줄이고, 정확한 유방 영역을 확보하기 위해서 질감 검사 및 피부색 비율 검사를 실시한다. 템플릿 매칭된 유방 영역은 케니에지로 변환되어 외곽선이 검출된다. 이 때, 픽셀값이 미리 정해놓은 임계값을 넘어간다면 유방 영역이라 판단된다. 또한, 템플릿 매칭된 유방 영역은 피부색 비율의 검사를 통해서 그 정확도가 향상된다.
단계 816에서, 음란 이미지 자동 인식 장치는, 질감 검사 및 피부색 비율 검사를 통과한 유방 영역에 대하여 템플릿 데이터베이스에 미리 저장되어 있는 유두 템플릿 이미지와의 템플릿 매칭을 시도한다.
단계 818에서, 음란 이미지 자동 인식 장치는, 템플릿 매칭된 유두 영역을 케니에지로 변환하여 질감 검사를 실시한다.
단계 820에서, 음란 이미지 자동 인식 장치는, 케니에지 변환된 외곽선에 따른 유두 영역의 픽셀의 평균값이 미리 정해놓은 임계값보다 높다면 최종적으로 음란 이미지로 판단한다.
또한, 본 발명의 일 실시예에 따른 음란 이미지 자동 인식 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 저장 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (10)

  1. 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계;
    상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계;
    상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및
    상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계;를 포함하고,
    상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는,
    상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계;
    상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하는 단계;
    상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 단계; 및
    상기 계산된 비율을 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계;를 더 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  2. 제1항에 있어서,
    상기 다른 신체 영역은 흉부 영역이고,
    상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역은, 유방 영역 또는 유두 영역인 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  3. 제1항에 있어서, 상기 얼굴 영역을 검출하는 단계는,
    상기 입력되는 이미지의 크기를 미리 설정되어 있는 크기로 변환하는 단계를 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  4. 제1항에 있어서, 상기 얼굴 인식 알고리즘은 Adaboost 알고리즘인 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  5. 제1항에 있어서, 상기 얼굴 영역을 검출하는 단계는,
    상기 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 후보 영역을 검출하는 단계;
    상기 얼굴 후보 영역에 포함되어 있는 픽셀들 중에서 미리 설정되어 있는 피부색의 색상 범위에 해당하는 픽셀들의 개수를 계산하는 단계; 및
    상기 계산 결과를 기초로 하여 상기 얼굴 후보 영역이 얼굴 영역에 해당하는지 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 후보 영역은 유방 후보 영역 또는 유두 후보 영역이고,
    상기 후보 영역이 음란 이미지에 해당하는지 여부의 결정은, 상기 유방 후보 영역에 대하여 먼저 수행되고 나서 다음으로 상기 유두 후보 영역에 대하여 수행되는 것을 특징으로 하는 음란 이미지 자동 인식 방법.
  9. 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 얼굴영역검출부;
    상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 후보영역추정부;
    상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 템플릿매칭부;
    상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출되면, 검출된 상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출한 후, 상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 질감검사부; 및
    상기 템플릿매칭에 의해 검출된 후보영역에 대한 상기 상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 기초로 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 음란이미지결정부;를 포함하는 것을 특징으로 하는 음란 이미지 자동 인식 장치.
  10. 입력되는 이미지로부터 소정의 얼굴 인식 알고리즘을 이용하여 얼굴 영역을 검출하는 단계;
    상기 얼굴 영역의 위치를 기초로 하여 상기 얼굴 영역과 다른 신체 영역의 위치를 추정하는 단계;
    상기 다른 신체 영역 및 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 영역의 템플릿 이미지 간의 템플릿 매칭을 수행하는 단계; 및
    상기 템플릿 매칭의 결과를 기초로 하여 상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계;를 포함하고,
    상기 입력되는 이미지가 음란 이미지에 해당하는지 여부를 결정하는 단계는,
    상기 템플릿 매칭을 이용하여 상기 다른 신체 영역 내에서 음란 이미지를 구성하는 후보 영역을 검출하는 단계;
    상기 후보 영역에서 케니에지 변환을 이용하여 외곽선을 검출하는 단계;
    상기 후보 영역에 포함되어 있는 픽셀들의 개수에 대한 상기 외곽선에 해당하는 픽셀들의 개수의 비율을 계산하는 단계; 및
    상기 계산된 비율을 기초로 하여 상기 후보 영역이 음란 이미지에 해당하는지 여부를 결정하는 단계;를 더 포함하는 음란 이미지 자동 인식 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
KR1020110044674A 2011-05-12 2011-05-12 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체 KR101237469B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110044674A KR101237469B1 (ko) 2011-05-12 2011-05-12 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110044674A KR101237469B1 (ko) 2011-05-12 2011-05-12 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체

Publications (2)

Publication Number Publication Date
KR20120126677A KR20120126677A (ko) 2012-11-21
KR101237469B1 true KR101237469B1 (ko) 2013-02-26

Family

ID=47511956

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110044674A KR101237469B1 (ko) 2011-05-12 2011-05-12 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체

Country Status (1)

Country Link
KR (1) KR101237469B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210133411A (ko) 2020-04-29 2021-11-08 한국전자통신연구원 스마트 기기에서의 유해 스트리밍 영상 검출 방법, 스마트 기기 및 기계 학습 단말

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180039402A (ko) 2016-10-10 2018-04-18 주식회사 하이퍼커넥트 영상 표시 장치 및 영상 표시 방법
US11553157B2 (en) 2016-10-10 2023-01-10 Hyperconnect Inc. Device and method of displaying images
KR101932844B1 (ko) 2017-04-17 2018-12-27 주식회사 하이퍼커넥트 영상 통화 장치, 영상 통화 방법 및 영상 통화 중개 방법
KR101967658B1 (ko) * 2017-05-27 2019-04-29 주식회사 하이퍼커넥트 영상 통화 장치 및 영상 통화 방법
KR101967651B1 (ko) * 2018-11-06 2019-04-29 주식회사 하이퍼커넥트 영상 표시 방법, 장치 및 컴퓨터 판독 가능한 기록매체
KR102282963B1 (ko) 2019-05-10 2021-07-29 주식회사 하이퍼커넥트 단말기, 서버 및 그것의 동작 방법
KR102311603B1 (ko) 2019-10-01 2021-10-13 주식회사 하이퍼커넥트 단말기 및 그것의 동작 방법
CN111199233B (zh) * 2019-12-30 2020-11-20 四川大学 一种改进的深度学习色情图像识别方法
KR102293422B1 (ko) 2020-01-31 2021-08-26 주식회사 하이퍼커넥트 단말기 및 그것의 동작 방법
CN111178343A (zh) * 2020-04-13 2020-05-19 腾讯科技（深圳）有限公司 基于人工智能的多媒体资源检测方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090003574A (ko) * 2007-07-03 2009-01-12 엘지전자 주식회사 유해정보 차단 방법 및 시스템
KR20100027412A (ko) * 2008-09-02 2010-03-11 주식회사 퓨즈커뮤니케이션 음란물 차단 서비스 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090003574A (ko) * 2007-07-03 2009-01-12 엘지전자 주식회사 유해정보 차단 방법 및 시스템
KR20100027412A (ko) * 2008-09-02 2010-03-11 주식회사 퓨즈커뮤니케이션 음란물 차단 서비스 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210133411A (ko) 2020-04-29 2021-11-08 한국전자통신연구원 스마트 기기에서의 유해 스트리밍 영상 검출 방법, 스마트 기기 및 기계 학습 단말

Also Published As

Publication number Publication date
KR20120126677A (ko) 2012-11-21

Similar Documents

Publication Publication Date Title
KR101237469B1 (ko) 음란 이미지 자동 인식 방법, 장치 및 그 방법을 실행하기 위한 프로그램 기록매체
Chung et al. Efficient shadow detection of color aerial images based on successive thresholding scheme
US9098911B2 (en) Depth map generation from a monoscopic image based on combined depth cues
EP3249579B1 (en) Object recognition apparatus, objection recognition method, and program
CN110298297B (zh) 火焰识别方法和装置
CN105404884B (zh) 图像分析方法
US9070043B2 (en) Method and apparatus for analyzing video based on spatiotemporal patterns
CN105279772B (zh) 一种红外序列图像的可跟踪性判别方法
JP2005129070A (ja) 画質を評価するシステム及び方法
KR102094506B1 (ko) 피사체 추적 기법을 이용한 카메라와 피사체 사이의 거리 변화 측정방법 상기 방법을 기록한 컴퓨터 판독 가능 저장매체 및 거리 변화 측정 장치.
US8396285B2 (en) Estimating vanishing points in images
KR101953626B1 (ko) 다중 히스토그램을 이용한 객체 추적 방법 및 이를 이용한 객체 추적 시스템
US9064178B2 (en) Edge detection apparatus, program and method for edge detection
KR20140045854A (ko) 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법
Mittal et al. Detection of edges in color images: A review and evaluative comparison of state-of-the-art techniques
Lee et al. Video saliency detection based on spatiotemporal feature learning
KR20220078231A (ko) 피부 상태 측정 장치, 이를 포함하는 피부 상태 측정 시스템 및 그 방법
JP4625949B2 (ja) 物体追跡方法および物体追跡装置ならびにプログラム
CN109657544B (zh) 一种人脸检测方法和装置
KR101521136B1 (ko) 얼굴 인식 방법 및 얼굴 인식 장치
KR20060007901A (ko) 영상으로부터의 중요 객체 추출 장치 및 방법
Khongkraphan An efficient color edge detection using the mahalanobis distance
JP6540577B2 (ja) 物体認識装置
Zhou et al. On contrast combinations for visual saliency detection
KR100695128B1 (ko) 컬러 영상으로부터의 조명색 추출 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200130

Year of fee payment: 8