복수의 검출기를 사용하는 동영상의 샷 경계 자동검출 알고리즘

이재연; 전병태; 배영래

추천

검색

질문

자료유형: 학술저널

저자정보: 이재연 전병태 배영래

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회논문지(B) 정보과학회논문지(B) 제25권 제9호

발행연도: 1998.9

수록면: 1,352 - 1,360 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

동영상 데이타는 그 양이 방대하고 순차적인 특성을 가지고 있어 검색이나 브라우징이 대단히 곤란하다. 이러한 문제의 해결을 위하여 동영상을 내용에 기반하여 분할함으로써 계층적인 구조를 형성하는 모델들이 제안되어 왔다. 자동 샷 경계 검출은 이와 같은 동영상 데이타의 구조화에 있어 가장 먼저 수행되는 작업으로 최근 많은 연구자들의 주목을 받고 있다.
이 연구분야의 주된 테마는 크게 두가지로 나눌 수 있는데, 하나는 빠른 속도로 일어나는 카메라 조작이나 동영상 내의 큰 물체의 움직임, 갑작스런 밝기의 변화 등에 영향받지 않고 옳바른 컷을 검출할 수 있는 견고한 특징량의 발견의 문제이고, 다른 하나는 페이딩이나 디졸브(dissolve), 와이핑 등의 점진적인 샷 경계를 검출할 수 있는 메커니즘의 발견에 관한 문제이다.
지금까지 제안되어 온 알고리즘은 주로 이 두가지 문제를 하나의 방식에 의하여 풀려고 시도해 왔으나, 컷과 점진적인 샷 경계는 그 성격이 판이하게 다르다는 점을 고려할 때 본 연구에서는 오히려 각각에 적합한 복수의 검출기를 사용하는 것이 보다 합리적일 것이라고 생각했다.
본 논문에서는 컷 검출의 문제를 위해서는 “차분영상 히스토그램의 분산”이라는 새로운 특징량을 제안했다. 또한 새로 제안된 특징량과 기존의 화소값 차이나 히스토그램의 차이와 같은 특징량을 결합함으로써 보다 정확한 샷 경계 검출이 가능함을 보였다.
점진적인 샷 경계 검출의 문제에 대해서는 우선 페이딩이나 커튼효과와 같은 단일색 프레임을 거치는 샷 경계에 주목하여, 각 프레임의 화소값의 분산을 이용하여 단일색 프레임의 출현을 감시하는 방식을 제안하였다.
이와 같이 두가지의 상호 독립적인 검출기를 사용함으로써 컷과 점진적인 샷 경계의 양쪽 모두를 보다 효율적이고 정확하게 검출할 수 있음을 실험으로 확인하였다.

Due to the huge size and sequential characteristics of video data, it is very difficult to search or to browse them. To solve the problem, some hierarchical models that divide a video stream into more manageable segments based on the contents, have been proposed. Automatic shot boundary detection is the first stage in such structuring, and has received a lot of attention recently.
The main issues in this research area may be classified into two categories. The first one is to find out robust features that can detect cuts correctly even in cases where dynamic motions, fast zooming, camera tilting or sudden brightness changes occur. Another one is to seek a mechanism that can detect gradually changing shot boundaries such as fading, curtaining, dissolve and merge, or wipings, which have very different characteristics from those of cuts.
Existing algorithms have been mostly trying to solve the above two problems at the same time. It is, however, thought to be more reasonable to adopt an individual algorithm for each type of boundary because the characteristics of each shot boundary are so different.
For cut detection, in this paper, a new feature, “variance of difference histogram”, is proposed, which has been proved to be effective compared to the traditional features. Also, it has been shown that by combining the new feature With the traditional features, such as pixel differences and histogram differences, the robustness of cut detection can be greatly improved.
For gradually changing boundaries, a new method which checks a solid color frame when fading or curtaining effect is taking place is proposed This method observes the pixel variance to check if the sequence reaches the solid color frame.
By adopting these two mechanisms which are mutually independent, both cuts and gradually changing boundaries could be detected more efficiently and reliably.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이재연

소속기관 한국전자통신연구원

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 전기전자공학 > 전자공학

논문수 80 이용수 7,140

전병태

소속기관 국방과학연구소

주요연구분야 공학 > 기계공학 > 항공우주공학 공학 > 전기전자공학 > 전기공학

논문수 77 이용수 6,660

배영래

소속기관 한국콘텐츠학회

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 28 이용수 514

이 논문과 함께 이용한 논문

3단계 과정의 장면 전환검출

신성윤 , 이양원 한국컴퓨터정보학회논문지 2008 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-017750299

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)