[논문]불법 동영상 검출을 위한 효율적인 동영상 정합 방법

최민석

doi:10.14400/jdc.2022.20.1.179

불법 동영상 검출을 위한 효율적인 동영상 정합 방법
Efficient video matching method for illegal video detection 원문보기

디지털융복합연구 = Journal of digital convergence, v.20 no.1, 2022년, pp.179 - 184

초록
AI-Helper

정보통신 기술의 발전으로 디지털 콘텐츠의 생산과 유통이 급격히 증가하고 있으며 이와 함께 불법적인 복제 컨텐츠의 유통도 증가하여 여러 문제를 야기하고 있다. 컨텐츠의 불법적인 유통을 막기 위하여 DRM(Digital Rights Management) 기반의 접근 방법을 이용할 수 있지만, 이미 복제되어 유통되는 상황에서는 복제된 컨텐츠를 검색하여 검출하는 방법이 요구된다. 본 논문에서는 동영상 콘텐츠의 내용에 기반한 복제 검출 방법을 제안한다. 제안된 방법은 동영상에서 추출된 비주얼 리듬을 이용하여 동영상을 장면 단위로 분할하고, 분할된 각 장면의 재생 시간과 색상 특징값을 계층적으로 적용하여 대용량 데이터베이스에서 빠르고 효율적으로 복제 동영상 검출이 가능하다. 실험을 통하여 제안된 방법이 다양한 복제 변형에 대하여 안정적 검출이 가능함을 보였다.

Abstract ▼ AI-Helper

With the development of information and communication technology, the production and distribution of digital contents is rapidly increasing, and the distribution of illegally copied contents also increases, causing various problems. In order to prevent illegal distribution of contents, a DRM (Digital Rights Management)-based approach can be used, but in a situation where the contents are already copied and distributed, a method of searching and detecting the duplicated contents is required. In this paper, a duplication detection method based on the contents of video content is proposed. The proposed method divides the video into scene units using the visual rhythm extracted from the video, and hierarchically applies the playback time and color feature values of each divided scene to quickly and efficiently detect duplicate videos in a large database. Through experiments, it was shown that the proposed method can reliably detect various replication modifications.

주제어

표/그림 (11)

그림 Fig. 1. Configuration of video copy detection system
그림 Fig. 2. Sequence matching of dominant color feature[9]
그림 Fig. 3. Feature extraction process of block histogram[11]
그림 Fig. 4. 4x4 patches and average luminance of those patches [13]
그림 Fig. 5. Visual rhythm (diagonal slice) [14]
그림 Fig. 6. Generate one row with the average of 5% wide rows
그림 Fig. 7. Visual rhythm obtained from a real video
그림 Fig. 8. Time sequence feature vector
그림 Fig. 9. Dominant color feature extraction
표 Table 1. Transformations applied to the set of experiments
표 Table 2. Comparison of detection performance

참고문헌 (18)

M. R. Kim & T. U. Kim. (2016). A Study on the Effect of Ethical Orientation on Digital Piracy. The Journal of Korean Association of Computer Education, 19(1), 77-86.
B. Choi. (2018). Integrative Analysis on Digital Piracy: Focused on Attitude, Personal Norm, and Habit. The Journal of Society for e-Business Studies, 23(3), 85-109. DOI : 10.7838/jsebs.2018.23.3.085

원문보기 상세보기
H. Y. Shen & G. G. Lim. (2018). A Study of the Impacting Factors on Sharing Illegal Digital Contents and Copyright Cognition. Journal of Information Technology Applications & Management, 25(2), 23-40. DOI : 10.21219/jitam.2018.25.2.023

원문보기 상세보기
K. J. Park. (2015). A Study on Effects of Relative Benefits and Costs of Piracy of Digital Contents on Attitudes and Behaviors of Illegal Duplication. Journal of the Korea contents association, 15(7), 489-499. DOI : 10.5392/JKCA.2015.15.07.489

원문보기 상세보기
S. D. Cheun & G. M. Kang. (2019). A Study on the Identification of the First Person to Distribute Online Pornography through Digital Forensics Analysis - In Focus on Cloud, KakaoTalk, Telegram. The Journal of Police Policies, 33(2), 91-130. DOI : 10.35147/knpsi.2019.33.2.091
B. Y. Sohn & H. S. Suh. (2014). Market condition of Digital contents through interviewing Experts in Business and Research Analysis about License of Individual Contents. Journal of Digital Convergence, 12(12), 357-364. DOI : 10.14400/JDC.2014.12.12.357

원문보기 상세보기
D. Cho, S. Hwang & G. Jeong. (2017). DRM Market System for Cloud-based Media Service Platform. Journal of Korea Multimedia Society, 20(6), 918-926. DOI : 10.9717/kmms.2017.20.6.918

원문보기 상세보기
J. E. Lee, Y. H. Seo & D. W. Kim. (2020). Deep Learning Framework for Watermark-Adaptive and Resolution-Adaptive Image Watermarking. Journal of broadcast engineering, 25(2), 166-175. DOI : 10.5909/JBE.2020.25.2.166

원문보기 상세보기
M. S. Choi & S. W. Choi. (2012). A Study on Video Copy Detection Methods Using Representative Color Sequence for Protecting Copyrights. Journal of Digital Convergence, 10(5), 185-191.

원문보기 상세보기
H. Lee, G. Bae & H. Byun. (2011). Near-duplicate Video Detection and Clustering using Block Difference. Journal of KIISE : Software and Applications, 38(9), 457-502.
Y. Lim, G. Bae, K. Lim, Y. Uh & H. Byun. (2013). Fast Detection of Video Copy using Block Histogram and Dynamic Matching. Journal of KISS : Software and Applications, 40(2), 122-131.
W. Jun, Y. Lee & B. M. Jun. (2016). Duplicate video detection for large-scale multimedia. Multimedia Tools and Applications, 75(23), 15665-15678. DOI : 10.1007/s11042-015-2724-0

상세보기
K. R. Kim, J. T. Lee, W. D. Jang & C. S. Kim. (2015). Frame-level Matching for Near Duplicate Videos Using Binary Frame Descriptor. Journal of Broadcast Engineering, 20(4), 641-644. DOI : 10.5909/JBE.2015.20.4.641

원문보기 상세보기
S.J.F. Guimar, M. Couprie, N.J. Leite & D. A. Araujo. (2001, Oct). A method for cut detection based on visual rhythm. Proceedings XIV Brazilian Symposium on Computer Graphics and Image Processing. (pp. 297-304). Florianopolis : IEEE. DOI : 10.1109/SIBGRAPI.2001.963069
J. M. Chung & C. G. Kim. (2011). An Efficient Video Indexing Scheme Exploiting Visual Rhythm. Journal of information and telecommunication facility engineering, 10(3), 103-109.

원문보기 상세보기
M. R. Souza, H. A. Maia, M. B. Vieira & H. Pedrini. (2020). Survey on visual rhythms: A spatio-temporal representation for video sequences. Neurocomputing, 402, 409-422. DOI : 10.1016/j.neucom.2020.04.035

상세보기
A. Talib, M. Mahmuddin, H. Husni & L. E. George. (2013). A weighted dominant color descriptor for content-based image retrieval. Journal of Visual Communication and Image Representation, 24(3), 345-360. DOI : 10.1016/j.jvcir.2013.01.007

상세보기
G. Xie, B. Guo, Z. Huang, Y. Zheng & Y. Yan. (2020). Combination of Dominant Color Descriptor and Hu Moments in Consistent Zone for Content Based Image Retrieval. IEEE Access, 8, 146284-146299. DOI : 10.1109/ACCESS.2020.3015285

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증