Professional Documents
Culture Documents
캠코딩 및 Black-Border 변형 동영상에서 YOLO CNN 모델을 이용한 원본 영상 영역 검출 방법
캠코딩 및 Black-Border 변형 동영상에서 YOLO CNN 모델을 이용한 원본 영상 영역 검출 방법
요 약
최근 유튜브를 필두로 많은 콘텐츠 플랫폼에서 미디어에 대한 수요 및 공급이 계속해서 증가하고 있
다. 이에 따라 비디오 콘텐츠의 불법 복제와 같은 이슈가 발생하고 있다. 이러한 문제를 해결하기 위해
다양한 변형에 강인한 동영상 부분 복사 검출에 관한 많은 연구가 진행되어왔다. 하지만 black border와
캠코딩과 같은 특정 변형에서는 검출에 대한 어려움이 많다. 본 연구에서는 이러한 복사 검출을 쉽게 하
기 위해 black border와 캠코딩 변형이 적용된 동영상에서 YOLO v4 모델을 이용하여 원본 동영상 화면
영역을 검출하여 해당 영역만큼 crop하여 변형을 제거하는 방법을 제안한다. 훈련시킨 모델은 변형이 없
는 영상에 대해서는 오검출율 0.22를 기록하였으며 black border와 캠코딩 변형 영상에서는 각각 mAP50
0.73, 0.71을 기록하였다.
1028
2021년 한국컴퓨터종합학술대회 논문집
3.2 원본 영상 영역 검출 방법
본 연구에서는 캠코딩과 black border 변형이 적용된
영상에서 변형을 제거하는 방법을 <그림 1>에서 알 수
있듯이 변형 동영상에서 프레임을 추출한 후, 객체
검출을 통해 동영상 화면을 검출한 후, 검출된 바운딩
박스만큼 이미지를 crop 하여 변형을 제거한다. <그림
1>에서 YOLO v4 모델이 동영상 화면을 검출하는
과정은 <그림 2>와 같다.
1029
2021년 한국컴퓨터종합학술대회 논문집
6. 감사의글
“본 논문은 2021년도 정부(과학기술정보통신부)의 재원
으로 정보통신기획평가원 (IITP)의 지원을 받아 수행된
연구임 (2019-0-01730, 동영상의 Fingerprint 생성을
통해 디지털 성범죄 피해 영상 조기 확산 방지를 위한
고속 검색 기술 개발 )”
7. 참고문헌
[1] Redmon, Joseph, et al, "You Only Look Once:
Unified, Real-time Object Detection," Proceedings of
the IEEE Conference on Computer Vision and Pattern
Recognition, pp. 779-778, 2016.
<그림 5> (a), (c) 정확하게 검출된 동영상 화면 예시
(b), (d) 검출되지 않은 동영상 화면 예시 [2] Girshick, Ross, "Fast R - C N
N ," Proceedings of the IEEE I nternational C
이유로는 Black Border의 경우 <그림 5>의 (c)와 같이 onference on Computer Vision, pp. 1440-1448, 2015.
전체적으로 어두운 영상인 경우 Black Border의
경계선의 구분이 모호하여 구분이 불가능한 경우가
많았다. 캠코딩 변환의 경우 <그림 5>의 (d)와 같이 [3] Ren, Shaoqing, et al, "Faster R-CNN: Towards R
카메라 각도, 거리에 따라 화면이 잘리거나 기우는
eal- t ime O bject D etection with Region Proposal
변화가 큰 경우에는 정확하게 검출이 되지 않았다.
Networks," Advances in Neural Information Processing
Systems, pp. 91-99, 2015.
1030