[논문]유해 사이트 식별을 위한 칼라 영상에서 인체 검출

이병선; 정장호; 이은주

문제 정의

본 논문은 유해 사이트 식별을 위한 컬러 영상에서 인체 검색을 위한 새로운 피부색 검출 방법과 인체검출 방법을 제안하였다. 기존의 피부색 검출 연구는 얼굴 영역이나 손등의 국소적인 부분을 찾기 위한 전 처리로 피부색 검출에 중점을 둔 반면, 본 논문은 인체 검색을 위한 전처리로서의 피부색 검출에 중점을 두었다.
그러나 유해 사이트는 자주 개폐되고, 주로 영상을 중심으로 웹페이지가 제작되는 추세로 기존의 방법에는 많은 한계를 보이고 있다. 본 연구에서는 인터넷 사용자에게 음란 정보를 담고 있는 웹사이트 접근을 차단하기 위한 방법 개발에 관한 것이다. 최근에 사람의 얼굴 영역을 검출하기 위한 연구가 활발히 이루어지고 있으며, 사람의 동작이나 팔의 움직임 등의 연구가 많이 되어지고 있다.

제안 방법

전신 검출은 얼굴 영역 검출을 위한 피부색 검출 방법과 다르지 않지만, 국소 부분인 얼굴에 비해 급격한 색상 차이가 있기 때문에 얼굴 검출을 위한 피부색 검출 연구 방법을 적용하기에는 무리가 있다. 그래서 본 논문은 전신 검출 올 위한 피부색 검출을 위하여 피부색을 이루는 RGB 값을 조사하여 피부색과 상관관계가 높은 R값과 HSI 공간에서 조명의 영향이 적은 H값의 비로 피부색을 검출하는 방법과 사람의 다양한 자세의 전신 유형을 조사하여 DB화 하고, 피부색올 검출한 입력 영상을 잡음제거한 후 라벨링을 하고, DB화한 전신 유형과의 템플릿 매칭으로 유사성을 비교하여 전신을 검출하는 방법을 제안하였다. 논문의 구성은 2절은 사람 전신 검출에 대해 설명하고, 3절은 실험 및 고찰, 4절에서는 결론올 기술한다.
제안하였다. 기존의 피부색 검출 연구는 얼굴 영역이나 손등의 국소적인 부분을 찾기 위한 전 처리로 피부색 검출에 중점을 둔 반면, 본 논문은 인체 검색을 위한 전처리로서의 피부색 검출에 중점을 두었다. 기존의 피부색 검출 방법 보다 제안한 방법이 명도차가 있는 부분에서도 피부색이 잘 검출됨올 확인할 수 있었으며, 다양한 피부색도 잘 검출됨을 확인할 수 있었다.
또한, RGB를 HSI로 변환한 후 빛의 영향을 줄이기 위해 명암요소인 I를 제외하고, 피부색이 다양하기 때문에 색의 순도를 배제하기 위하여 S를 제외한 색상 값인 H값을 피부색 검출을 위한 인자로 사용하였다. 피부색 검출을 위한 임계값 T는 日과 日의 비에 의해 구한다.
사람의 피부색 검출을 위하여 피부색을 표현하고 있는 RGB 컬러 값을 조사하여 피부색과 상관관계가 높고 G값과 B값보다 분포 범위가 적은 R값을 피부색 검출의 인자로 사용하였다. [그림 1]은 RGB공간에서 피부색의 RGB분포를 나타낸 것이다.
피부색이 사람의 특징의 하나이고, 다른 특징의 처리 속도보다 빠르기 때문이다. 샘플 영상에서 피부색을 이루고 있는 RGB값을 조사하여 RGB 공간에서 R값이 분포 범위가 적고, 피부색이 R값과 상관관계가 높음에 착안, R값을 피부색 검출의 인자로 사용하였으며, HSI공간으로 변환한 다음 빛의 영향이 적고 색상 값을 갖는 H값을 검출 인자로 사용하였으며, 피부색 검출 인자 H값과 R값의 비로 피부색올 검출하였고, 피부색을 검출한 후 미디언 필터링으로 1차적 잡음을 제거하고, 기존의 라벨링 알고리즘을 이용하여 라벨링 한 후 입력 영상의 크기와 라벨링된 크기와의 비를 이용하여 2차 임계값을 구하고 임계값 이하의 라벨은 잡음으로 간주하여 2차적 잡음 제거를 하였다. 전신을 찾기 위해 다양한 자세의 전신을 조사하여 템플릿으로 만들어 DB 화 하였고, DB화한 유형과 라벨링으로 2차 잡음을 제거한 영상과의 템플릿 매칭으로 매칭된 영상의 크기와 라벨링 한 영상의 크기와의 비를 이용하여 3차 임계값을 구하고, 임계값 이상인 영상에 대해 인체로 판단하여 검출하였다.
잡음을 제거한 영상을 기존의 8연결 라벨링 알고리즘을 이용하여 라벨링을 하였으며 입력 영상의 크기와 라벨링 된 영상의 크기 비로 2차 임계값을 구하여 임계 값이 하의 라벨은 잡음으로 판단하여 제거하였다. [그림 3] 은 피부색을 검출한 후 미디언 필터를 이용하여 1차 잡음 제거를 한 결과 영상과 기존의 라벨링 알고리즘을 이용하여 라벨링한 후 2차 잡음 제거한 결과 영상이다
샘플 영상에서 피부색을 이루고 있는 RGB값을 조사하여 RGB 공간에서 R값이 분포 범위가 적고, 피부색이 R값과 상관관계가 높음에 착안, R값을 피부색 검출의 인자로 사용하였으며, HSI공간으로 변환한 다음 빛의 영향이 적고 색상 값을 갖는 H값을 검출 인자로 사용하였으며, 피부색 검출 인자 H값과 R값의 비로 피부색올 검출하였고, 피부색을 검출한 후 미디언 필터링으로 1차적 잡음을 제거하고, 기존의 라벨링 알고리즘을 이용하여 라벨링 한 후 입력 영상의 크기와 라벨링된 크기와의 비를 이용하여 2차 임계값을 구하고 임계값 이하의 라벨은 잡음으로 간주하여 2차적 잡음 제거를 하였다. 전신을 찾기 위해 다양한 자세의 전신을 조사하여 템플릿으로 만들어 DB 화 하였고, DB화한 유형과 라벨링으로 2차 잡음을 제거한 영상과의 템플릿 매칭으로 매칭된 영상의 크기와 라벨링 한 영상의 크기와의 비를 이용하여 3차 임계값을 구하고, 임계값 이상인 영상에 대해 인체로 판단하여 검출하였다.
0으로 알고리즘을 구현하였다. 칼라 영상에서 인체를 검출하기 위한 첫 번째 조건으로 사람의 피부색 검출을 우선으로 하였다. 피부색이 사람의 특징의 하나이고, 다른 특징의 처리 속도보다 빠르기 때문이다.
피부색올 검출한 영상중 미세한 잡음을 제거하기 위하여 미디언 필터를 이용하여 1차적으로 잡음올 제거하였다. 잡음을 제거한 영상을 기존의 8연결 라벨링 알고리즘을 이용하여 라벨링을 하였으며 입력 영상의 크기와 라벨링 된 영상의 크기 비로 2차 임계값을 구하여 임계 값이 하의 라벨은 잡음으로 판단하여 제거하였다.
확대한 유형과 라벨링된 입력 영상과의 템플릿 매칭으로 매칭된 영상의 크기와 라벨링된 입력 영상과의 크기의 비를 이용하여 3차 임계값을 구하고 임계 값 이상 검출 되면 사람의 전신으로 판단하여 인체를 검출하였다. [그림 4]는 DB에 있는 유형의 라벨링과 입력 영상의 라벨링한 영상과의 템플릿 매칭으로 검출한 결과 영상과 임계값에 의해 인체를 검출한 결과 영상이다.

대상 데이터

실험은 최대 크기가 300 * 300픽셀의 크기를 갖는 컬러 영상으로 80여개의 샘플을 가지고 실험을 하였으며 샘플 영상은 사람 전신의 피부색 검출올 위해 인터넷에서 Download하여 사용하였다. 실험에 사용한 시스템은 CPU 1GB, RAM 640M이고, Visual Basic 6.

성능/효과

기존의 피부색 검출 연구는 얼굴 영역이나 손등의 국소적인 부분을 찾기 위한 전 처리로 피부색 검출에 중점을 둔 반면, 본 논문은 인체 검색을 위한 전처리로서의 피부색 검출에 중점을 두었다. 기존의 피부색 검출 방법 보다 제안한 방법이 명도차가 있는 부분에서도 피부색이 잘 검출됨올 확인할 수 있었으며, 다양한 피부색도 잘 검출됨을 확인할 수 있었다. 사람의 특징으로 얼굴영역을 찾아 사람의 전신올 찾을 수도 있지만 음란사이트의 특징상 얼굴이 없는 경우도 있기 때문에 전신을 템플릿으로 하는 것이 더 유용하기 때문에 다양한 자세의 전신올 조사하여 템플릿으로 만들어 DB화 하였고, DB화된 유형과 입력 영상의 라벨링된 영상과의 템플릿 매칭으로 인체를 검색할 결과 다양한 형태의 전신도 매우 양호하게 검출됨을 확인할 수 있었다.
기존의 피부색 검출 방법 보다 제안한 방법이 명도차가 있는 부분에서도 피부색이 잘 검출됨올 확인할 수 있었으며, 다양한 피부색도 잘 검출됨을 확인할 수 있었다. 사람의 특징으로 얼굴영역을 찾아 사람의 전신올 찾을 수도 있지만 음란사이트의 특징상 얼굴이 없는 경우도 있기 때문에 전신을 템플릿으로 하는 것이 더 유용하기 때문에 다양한 자세의 전신올 조사하여 템플릿으로 만들어 DB화 하였고, DB화된 유형과 입력 영상의 라벨링된 영상과의 템플릿 매칭으로 인체를 검색할 결과 다양한 형태의 전신도 매우 양호하게 검출됨을 확인할 수 있었다. 그러나 피부색 검출시 영상에 짙은 그림자가 있는 경우는 잘 검출되지 않았으며, 배경이 피부색과 동일하여 같이 검출되었을 경우 같은 라벨로 분류되기 때문에 DB화한 유형을 확대하여 템플릿 매칭올 하였을 때 인체만을 검출하지 못하는 문제가 남아 있다.

후속연구

그러나 피부색 검출시 영상에 짙은 그림자가 있는 경우는 잘 검출되지 않았으며, 배경이 피부색과 동일하여 같이 검출되었을 경우 같은 라벨로 분류되기 때문에 DB화한 유형을 확대하여 템플릿 매칭올 하였을 때 인체만을 검출하지 못하는 문제가 남아 있다. 향후 이런 문제를 해결하기 위하여 개선된 인체의 특징을 찾는 후처리에 대한 연구가 필요하다.

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

유해 사이트 식별을 위한 칼라 영상에서 인체 검출
Human Bodies Detection in Color Images for Discrimination of Destructive Site to Public Moral 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

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

유해 사이트 식별을 위한 칼라 영상에서 인체 검출 Human Bodies Detection in Color Images for Discrimination of Destructive Site to Public Moral 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

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

유해 사이트 식별을 위한 칼라 영상에서 인체 검출
Human Bodies Detection in Color Images for Discrimination of Destructive Site to Public Moral 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper