[논문]MPEG 비디오 스트림의 칼라 히스토그램 정보와 매크로블록 정보를 이용한 새로운 샷 경계 검출 방법

정진국; 이화순; 낭종호; 김경수; 하명환; 정병희

문제 정의

이 방법에서는 기본적으로 검출율을 높이는 데 목적이 있기 때문에 움직임 보상의 결과를 이용하는 방법을 기본으로 하 면서 이산 코사인 변한의 결과를 이용하는 방법을 추가하여 precision을 높이도폭 하였다. 또한 본 논 문의 알고리즘에서는 기존의 방법들의 문제점으로 지적되어졌던 데이터의 장르에 종손적인 면을 보완 하기 위해서 적응적으로 임계값울 설정할 수 있는 방법을 제안하고 있다. 본 논문에서 제안한 알고리즘을 적용하여 실험한 결과 평균 0.
본 논문에서는 위에서 언급한 두 가지 그룹의 알고리 즘 - DCT 상수 정보를 이용하는 방법, 움직임 보상의 결과를 이용하는 방법 - 에서 좋은 성능을 보이는 알고 리즘을 하나씩 골라 결합함으로써 더 나은 성능을 보이는 새로운 알고리즘을 제안한다. 이용한 두 알고리즘은 DC 이미지를 이용하는 방법 [2, 3, 4]과 매크로블록 타입 의 개수를 비교하는 방법 [3, 幻이다.

제안 방법

보다 자세히 알고리즘을 살펴보면 다음과 같다. 매크로 블록 타입의 개수를 이용한 샷 경계 검출 방법에서 샷 경계로 찾은 프레임을 DC 이미지를 이용한 샷 경계 검 출 방법에서도 샷으로 검출하였는지를 검사한다. 만약 검출이 되었다면 최종 샷으로 견정하고, 검춤이 되지 않 았다면 DC 이미지를 이용한 샷 경계 검출 방법 수행 중에 얻어지는 각 프레임들의 차이의 차이값 (var_diff_frame)을 임계값과 비교한다.
최근 많은 멀티미디어의 사용으로 인해 정확한 샷 경계 검출 과정이 더욱 필요하게 되었다. 본 논문에서는 기존의 샷 경계 검출 알고리즘뜰을 구현, 분석한 후 그 중에서 좋은 성능을 내는 DC 이미지를 이용하는 방법과 매크로블록 타입의 개수를 이용하는 방법을 결합하여 새로운 알고리즘을 제안하였다.
본 논문에서는 위에서 설명한 두 가지 방법을 이용하여 새로운 앞고리즘올 제안한다. 이 방법에서는 기본적으로 검출율을 높이는 데 목적이 있기 때문에 움직임 보상의 결과를 이용하는 방법을 기본으로 하 면서 이산 코사인 변한의 결과를 이용하는 방법을 추가하여 precision을 높이도폭 하였다.
본 논문의 알고리즘에서는 성능을 높이기 위해서 DC 이미지를 이용하는 방법을 조금 변형시킨 후 이용하였다. 즉, 단순히 인접한 두 프레임의 칼라 히스토그램만 비교하는 것이 아니라 프레임간의 칼라 히스토그램 차 이의 차이값을 임계값과 비교하도목 하였다.
반면 DC 이미지를 이용하는 방법은 점진적인 변환을 찾을 수 있다는 장점이 있기는 했지만 매크로블록 타입의 개수를 이용하는 방법보다는 recall과 precision이 떨어셨다. 비록 점진직인 변환을 찾을 수 없다고 하더라도 recall이 높은 것이 최종적으 로 사용자에게 더 많은 샷 경계 정보를 줄 수 있기 때문에 본 논문의 알고리즘에서는 매크로블록 타입의 개 수를 이용하는 방법을 우선시 하여 최종 샷 경계 정보를 생성하도록 하였다. 그리고 DC 이미지를 이용하는 방법은 매크로블록 타입의 개수를 이용하는 방법으로 찾을 수 없는 샷올 찾는 보조적인 수단으로 이용했다.
본 논문에서는 위에서 설명한 두 가지 방법을 이용하여 새로운 앞고리즘올 제안한다. 이 방법에서는 기본적으로 검출율을 높이는 데 목적이 있기 때문에 움직임 보상의 결과를 이용하는 방법을 기본으로 하 면서 이산 코사인 변한의 결과를 이용하는 방법을 추가하여 precision을 높이도폭 하였다. 또한 본 논 문의 알고리즘에서는 기존의 방법들의 문제점으로 지적되어졌던 데이터의 장르에 종손적인 면을 보완 하기 위해서 적응적으로 임계값울 설정할 수 있는 방법을 제안하고 있다.
이 장에서는 3장에서 재안한 새로운 샷 경계 검출 방법을 여러 실험 데이터를 이용해 실험한 결과를 보이고 분석함으로 해서 그 유용성을 평가하도록 하겠다. 실험에서 사용한 비디오 데이터는 1.
본 논문의 알고리즘에서는 성능을 높이기 위해서 DC 이미지를 이용하는 방법을 조금 변형시킨 후 이용하였다. 즉, 단순히 인접한 두 프레임의 칼라 히스토그램만 비교하는 것이 아니라 프레임간의 칼라 히스토그램 차 이의 차이값을 임계값과 비교하도목 하였다. 카메라의 이동이 있는 경우를 예로 들어 보면 각 프레임간의 칼 라 히스토그램 차이가 심하기 때문에 기존의 방법으로 는 이 부분을 샷이라고 검출할 것이다.

대상 데이터

이 장에서는 3장에서 재안한 새로운 샷 경계 검출 방법을 여러 실험 데이터를 이용해 실험한 결과를 보이고 분석함으로 해서 그 유용성을 평가하도록 하겠다. 실험에서 사용한 비디오 데이터는 1.5Mbps의 비트율을 가지고 있고, 오디오 데이터는 44.1KHZ의 샘플링 비율을 가지고 있다. 또한 비디오 데이터는 IBBPBBPBBPBBPBBI의 GOP 형태를 가지고 있다.

성능/효과

Recall, precision을 통해 각 알고리즘이 샷울 얼마나 정확하게 찾는 지를 살펴보 면에서 나타나는 바와 같이 본 논문에서 제안한 알고리즘이 거의 모든 경우에서 다른 알고리즘보다 좋은 성능을 보임을 알 수 있었다.
기존 연구들의 대부분은 임계값을 설정하눈 부분에 대해 크게 고려하지 않았다. 그렇기 때문에 알고리즘을 적용하는데 있어 샘플 데이터에 따라서 검출율의 변화가 심하게 나타났었는데 본 논문의 알고리즘에서는 데 이터의 앞 300 프레임을 미리 살펴본 이후에 임계값을 자동으로 설정해주도록 함으호 해서 기존의 문제점을 많은 부뿐 보완할 수 있었다.
<그림 2-1>은 본 논문에서 제안하는 샷 경계 검출 방법을 나타내고 있다. 기존 방법에 대한 실험 결과 매 크로블록 타입의 개수에 의한 샷 경계 검출 방법이 대부분의 장르에 대해서 높은 recall을 보였고 수행 속도 도 빠름을 알 수 있었다. 반면 DC 이미지를 이용하는 방법은 점진적인 변환을 찾을 수 있다는 장점이 있기는 했지만 매크로블록 타입의 개수를 이용하는 방법보다는 recall과 precision이 떨어셨다.
96 정도의 성능을 보임으로 해서 다른 알고리즘보다 좋은 성능을 보임을 알 수 있었다. 또한 적옹적으로 임계값을 설정함으로 해서 샘플에 종속적인 문제점을 줄일 수 있었다. 문제점으로 점진적인 샷의 변화가 있을 때 찾지 못하는 경우가 있었고, 플래쉬와 같이 같은 샷에서 갑작스러운 변화가 있을 때 잘못 찾는 경우가 있었는데 앞으로의 연구에서는 이러한 부■분을 보완하여 보다 정확한 샷 경계 검출 방법을 제안하도록 할 것이다.
본 논문에서 제안하는 알고리즘은 DC 이미지를 이용하는 방법에서는 찾을 수 없었던 샷을 매크로블록 타입 에서는 찾아주기 때문에 recall] 높아질 수 있고, 또한 매크로블록 타입에서 잘못 찾았던 샷을 변형된 DC 이 미지를 이용하는 방법에서 없애주기 때문에 precision 이 높아질 수 있는 것이다.
또한 본 논 문의 알고리즘에서는 기존의 방법들의 문제점으로 지적되어졌던 데이터의 장르에 종손적인 면을 보완 하기 위해서 적응적으로 임계값울 설정할 수 있는 방법을 제안하고 있다. 본 논문에서 제안한 알고리즘을 적용하여 실험한 결과 평균 0.96의 recall과 0.96의 precision 을 보였디..
실험 결과 본 논문에서 제안한 알고리즘은 비록 속도변에서는 다른 알고리즘보다 뒤떨어지지 반 recall 과 precision 모두 0.96 정도의 성능을 보임으로 해서 다른 알고리즘보다 좋은 성능을 보임을 알 수 있었다. 또한 적옹적으로 임계값을 설정함으로 해서 샘플에 종속적인 문제점을 줄일 수 있었다.
<표 3-1>에서 나타나는 바와 같이 수행 속도면에서는 매크로블록 타입 만 이용하는 경우가 가장 좋았는데 이 방법에서는 복호 화의 과정이 전혀 필요하지 않기 때문에 이러한 결과를 보이고 있다. 제안 알고리즘은 다른 두 알고리즘을 모두 수행한 이후에 수행이 되기 때문에 다른 두 알고리즘의 수행 시간과 비교 시간을 합한 시간 정도의 수행 시간을 보임으로 해서 가장 느렸다. 하지만 이 시간 또한 본 논문에서 이용한 실험 환경에서는 실제 재생 시간보다 는 짧게 걸림을 알 수 있었다.
제안 알고리즘은 다른 두 알고리즘을 모두 수행한 이후에 수행이 되기 때문에 다른 두 알고리즘의 수행 시간과 비교 시간을 합한 시간 정도의 수행 시간을 보임으로 해서 가장 느렸다. 하지만 이 시간 또한 본 논문에서 이용한 실험 환경에서는 실제 재생 시간보다 는 짧게 걸림을 알 수 있었다. Recall, precision을 통해 각 알고리즘이 샷울 얼마나 정확하게 찾는 지를 살펴보 면<표 3-2>에서 나타나는 바와 같이 본 논문에서 제안한 알고리즘이 거의 모든 경우에서 다른 알고리즘보다 좋은 성능을 보임을 알 수 있었다.

후속연구

또한 적옹적으로 임계값을 설정함으로 해서 샘플에 종속적인 문제점을 줄일 수 있었다. 문제점으로 점진적인 샷의 변화가 있을 때 찾지 못하는 경우가 있었고, 플래쉬와 같이 같은 샷에서 갑작스러운 변화가 있을 때 잘못 찾는 경우가 있었는데 앞으로의 연구에서는 이러한 부■분을 보완하여 보다 정확한 샷 경계 검출 방법을 제안하도록 할 것이다.

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

MPEG 비디오 스트림의 칼라 히스토그램 정보와 매크로블록 정보를 이용한 새로운 샷 경계 검출 방법
A New Shot Change Detection Scheme Using Color Histogram and Macroblock Information of MPEG Video Stream 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

MPEG 비디오 스트림의 칼라 히스토그램 정보와 매크로블록 정보를 이용한 새로운 샷 경계 검출 방법 A New Shot Change Detection Scheme Using Color Histogram and Macroblock Information of MPEG Video Stream 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

MPEG 비디오 스트림의 칼라 히스토그램 정보와 매크로블록 정보를 이용한 새로운 샷 경계 검출 방법
A New Shot Change Detection Scheme Using Color Histogram and Macroblock Information of MPEG Video Stream 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper