멀티미디어 유해 콘텐츠 차단을 위한 다중 기법

국문 초록 (Abstract)

IT 기술의 발달로 유해 멀티미디어가 무분별하게 유포되고 있다. 또한 선정적, 폭력적 유해 콘텐츠는 청소년 에게 약 영향을 끼친다. 따라서 본 논문에서는 선정성, 폭력성이 드러나는 영상 콘텐츠 차단을 위한 다중 기법을 제안 한다. 다중 기법 내에는 선정성, 폭력성을 검출하는 두 가지 모듈이 있다. 선정성 검출 모듈 내에는 성인 점수와 외설 점수를 기반으로 선정성을 검출하는 모델이 있다. 폭력성 검출을 위한 모듈 내에는 RGB 영역을 이용한 피 검출 모델 과 폭력적인 움직임은 방향과 크기 변화가 크다는 것에 착안한 움직임 추출 모델 두 가지가 있다. 이와 같은 총 세 가지 모델의 검출 결과에 따라 해당 콘텐츠의 유해 여부를 판단한다. 본 논문의 유해 콘텐츠 차단 다중 기법은 무분 별하게 유포되는 선정적, 폭력적 유해 콘텐츠를 차단한다.

다국어 초록 (Multilingual Abstract)

Due to the development of IT technology, harmful multimedia contents are spreading out. In addition, obscene and violent contents have a negative impact on children. Therefore, in this paper, we propose a multimodal approach for blocking obscene and violent video contents. Within this approach, there are two modules each detects obsceneness and violence. In the obsceneness module, there is a model that detects obsceneness based on adult and racy score. In the violence module, there are two models for detecting violence: one is the blood detection model using RGB region and the other is motion extraction model for observation that violent actions have larger magnitude and direction change. Through result of these three models, this approach judges whether or not the content is harmful. This can contribute to the blocking obscene and violent contents that are distributed indiscriminately.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련연구
• 3. 유해콘텐츠 차단 기법 설계
• 3.1 숏(Shot) 검출
• 3.2 선정성(Obscene) 모듈
• 3.3 폭력성(Violence) 모듈
• 4. 구현 및 실험결과
• 4.1 선정성 검출
• 4.2 피 검출
• 4.3 움직임 추출
• 5. 결론 및 향후과제
• REFERENCES

참고문헌 (Reference)

1 권명규, "컨볼루셔널 뉴럴 네트워크를 이용한 주인공 식별 기반의영상장면 탐색 기법" 중소기업융합학회 7 (7): 31-36, 2017

2 김광수, "움직임 변화 특성기반의 실시간 폭력영상 검출" 한국방송∙미디어공학회 22 (22): 234-239, 2017

3 장지영, "내부 그레디언트 정보를 이용한 일반화된 허프변환" 중소기업융합학회 7 (7): 73-81, 2017

4 A.S. Keçeli, "Violent activity detection with transfer learning method" Institution of Engineering and Technology (IET) 53 (53): 1047-1048, 2017

5 A.S. Keçeli, "Violent activity detection with transfer learning method" Institution of Engineering and Technology (IET) 53 (53): 1047-1048, 2017

6 Mauricio Perez, "Video pornography detection through deep learning techniques and motion information" Elsevier BV 230 : 279-293, 2017

7 Korea Press Foundation., "Survey of media audience" Korea Press Foundation 2013

8 Weiming Hu, "Recognition of Pornographic Web Pages by Classifying Texts and Images" Institute of Electrical and Electronics Engineers (IEEE) 29 (29): 1019-1034, 2007

9 Seungmin Lee, "Hierarchical system for objectionable video detection" Institute of Electrical and Electronics Engineers (IEEE) 55 (55): 677-684, 2009

10 C. Clarin, "Dove: detection of movie violence using motion intensity analysis on skin and blood" 2005

11 Tobias Senst, "Crowd Violence Detection Using Global Motion-Compensated Lagrangian Features and Scale-Sensitive Video-Level Representation" Institute of Electrical and Electronics Engineers (IEEE) 12 (12): 2945-2956, 2017

12 Hajer Fradi, "Crowd Behavior Analysis Using Local Mid-Level Visual Descriptors" Institute of Electrical and Electronics Engineers (IEEE) 27 (27): 589-602, 2017

13 Chang-Yul Kim, "A practical system for detecting obscene videos" Institute of Electrical and Electronics Engineers (IEEE) 57 (57): 646-650, 2011