초록

AI-Helper

디지털 비디오 정보를 효율적으로 관리 검색하기 위한 내용 기반 검색 시스템을 위해서는 내용정보의 추상화가 필수적이다. 지금까지 비디오의 내용정보의 추상화, 특히 의미적 내용 정보의 추출은 사람에 의한 수동적인 방법에 의존한 것이 대부분이었다. 본 논문에서는 MPEGgudtlr의 영화 데이터를 대상으로 폭발 장면 자동 추출을 위한 저급 수준 비디오 내용정보의 추상화 방법을 제안하고, 실제 구현을 통하여 그 유용성을 보인다.

디지털 비디오 정보를 효율적으로 관리 검색하기 위한 내용 기반 검색 시스템을 위해서는 내용정보의 추상화가 필수적이다. 지금까지 비디오의 내용정보의 추상화, 특히 의미적 내용 정보의 추출은 사람에 의한 수동적인 방법에 의존한 것이 대부분이었다. 본 논문에서는 MPEGgudtlr의 영화 데이터를 대상으로 폭발 장면 자동 추출을 위한 저급 수준 비디오 내용정보의 추상화 방법을 제안하고, 실제 구현을 통하여 그 유용성을 보인다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 비디오의 내용정보 추상화 작업 중 폭발 장면을 자등으로 추출하기 위한 알고리즘을 제시하였고, 이를 검색하기 위한 시스템을 구현하였다. 본 논문에서는 색성보와 움직임 정보를 이용하여 폭발 장면을 자동으로 추출하고 이를 추상화하는 방법을 제안하였다. 모든 샷의 키프레임과 같은 샷 내의 이웃한 프레임을 선텍하여 각각의 에지이미지를 추출하여 에지의 픽셀 개수와, 이를 이용한 움직임 에너지를 추출하고, 색 정보를 이용하여 불꽃색을 정의하여 폭발신을 추출하였다.

제안 방법

• 본 논문에서는 색성보와 움직임 정보를 이용하여 폭발 장면을 자동으로 추출하고 이를 추상화하는 방법을 제안하였다. 모든 샷의 키프레임과 같은 샷 내의 이웃한 프레임을 선텍하여 각각의 에지이미지를 추출하여 에지의 픽셀 개수와, 이를 이용한 움직임 에너지를 추출하고, 색 정보를 이용하여 불꽃색을 정의하여 폭발신을 추출하였다. 본 논문에서 제안한 추상화 방법과 알고리즘은 실제 데이터에 대해서 대체로 좋은 성능을 가지고 보였다.
• 비디오의 내용정보 추상화 작업 중 폭발 장면을 자등으로 추출하기 위한 알고리즘을 제시하였고, 이를 검색하기 위한 시스템을 구현하였다. 본 논문에서는 색성보와 움직임 정보를 이용하여 폭발 장면을 자동으로 추출하고 이를 추상화하는 방법을 제안하였다.
• 신 안에서 삭 샷들이 가지는 움직임의 양의 크기 늘의 패턴을 이용하기 위하여 해당 신 내의 평균 움 식임 에너지보다 일성 임계값3) 이싱-의 근기를 갖新 삿의 발생 빈도를 나타내는를 정의하였다.
• 폭발 신을 검출하기 위해서는 우선 비디오 데이터에 대하여 샷 단위의 인덱싱을 수행하여야 하고, 이를 기반으로 신 단위의 인덱싱을- 수행하여야 한匸h 이때 각 샷의 첫 번째 프레임을 키 프레임으로 선택하 51, 움직임 정보를 추출하기 위하여 키 프레임에 이웃한 买레입을 추출한다. 이들 추출된 프레임들을 기반 으、'-- 영역별 주요색(Dominant Color)과, 각 프레임들의 에지 이미지를 기반으로 에지 픽셀의 개수와 움직임 에너지값을 추출한다. 이후, 신 내의 평균 움직임 에니지 개수보다 임계 값 이상 츤 샷들을 가지고 있고.
• 폭발이 발생하는 경우 프레임들 산의 화면 구성이 갑자기 달라지 匕 현상이 나타난다. 이와 같은 특징을 이용하여 움직임 정보를 측정하기 위해서 이진 이미 지(binary image)인 에지-이미지(edge image)를 이용한 움직임 에너지[2]를 변형하여 이용한다. 가 샷은 움직임 에너지값의 분포와 에刃 픽 셀의 개수에 따라 [그림 3T]와 같이 3가지 경우로 나눌 수 있다.
• 이때 색 정보는 사동 샷 경계 검출을 수행한 후 이늘의 키 프레임】)에 내 하여 색 정보를 추출하였'다. 폭발 신을 찾기 위하여 5修새 의 색 정보 중 노란색을 갖는 48개의 색을 선성하고, 폭발이 일어나는 경우에 불꽃이 화면 선체에 걸쳐 으」 어나는 경우가 드물-기 때문에 키 프레임을 4X4의 16개의 영 역으로 나눈 영역별 주요색을 이용하였다.

대상 데이터

• 신험은 에서와 같이 Lethal Weapon, , Terminator 1, Platoon의 각각 2개씩의 세 그먼트에 대하여 수행하였다.

이론/모형

• 신험은 <표 4-2>에서와 같이 Lethal Weapon, , Terminator 1, Platoon의 각각 2개씩의 세 그먼트에 대하여 수행하였다. 본 실험에서는 성능 측정의 척도로써 검출율(Recall)과 정확도(Precision) 그리고 오판율 (FaHout)을 사용하였다. □림 41]에 의하면, 본 논 모에서 제안한 추상화 방법과, 폭발 신 검줄 알고리 즘은 임 계값에 의존하여 검 출 율과 성확도의 변화가 있기는 하지민-, 대체로 임계 값과는: 독립적으로 높은 정확도를 가지고 있음을 알 수 있다.

성능/효과

• 즉, 모든 폭 발신 의 정확한 검출은 어렵지만, 비디오만으로 찾을 수 있.二 폭발 신에 대해서는 임계 값에 상관없이 최소 &)% 이상의 정확도를 갖는 좋은 성능을 가지는 것을 볼 수 있다. 이와 더불어 임 계값이 높아짐에 따라서 검출율은 작아지지만, 정확도가 높아지는 일반적인 특징을 보이고 있다.
• 모든 샷의 키프레임과 같은 샷 내의 이웃한 프레임을 선텍하여 각각의 에지이미지를 추출하여 에지의 픽셀 개수와, 이를 이용한 움직임 에너지를 추출하고, 색 정보를 이용하여 불꽃색을 정의하여 폭발신을 추출하였다. 본 논문에서 제안한 추상화 방법과 알고리즘은 실제 데이터에 대해서 대체로 좋은 성능을 가지고 보였다. 앞으로의 연구는 오디오 정보와의 결합을 통하여 비디오 정보를 이용한 검출 방법과의 상호 보완적인 효과를 얻을 수 있을 것이며, 나아가 인공지능 부야와의 결합을 통하여 보다 많은 종류의 의미적 요소의 추상화가 이루어질 수 있을 것이다.
• 이와 더불어 임 계값이 높아짐에 따라서 검출율은 작아지지만, 정확도가 높아지는 일반적인 특징을 보이고 있다. 실험 결과에서 검출율을 떨어뜨 리는 주요 요인은 본 논문에서 기본 가정한, 폭발 시 攵란색 불꽃을 가진다는 가정을 만족하지 않았을 경우가 대부분이었고, 잘못 찾는 경우에 있어서는 손 전 능과 같은 불빛이 카메라로 갑자기 비추어지는 경우에 주로 발생하였나.<표 4-2>의 total(2)에서 보는 바와 같이 쏙 발이 발생할 때 노란색 톤의 불꽃색을 가진다는 가정을 만족하지 않는 신을 세외하면 검출 율과 적절한 임 계값에 대하여 최고 95%까시의 높은 검출율을 보이고 있다.

후속연구

• 본 논문에서 제안한 추상화 방법과 알고리즘은 실제 데이터에 대해서 대체로 좋은 성능을 가지고 보였다. 앞으로의 연구는 오디오 정보와의 결합을 통하여 비디오 정보를 이용한 검출 방법과의 상호 보완적인 효과를 얻을 수 있을 것이며, 나아가 인공지능 부야와의 결합을 통하여 보다 많은 종류의 의미적 요소의 추상화가 이루어질 수 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기