DOI QR코드

DOI QR Code

Design and Implementation of Harmful Video Detection Service using Audio Information on Android OS

안드로이드 OS 기반 음향 정보를 이용한 유해동영상 검출 서비스의 설계 및 구현

  • 김용운 (주식회사 스마트미디어테크) ;
  • 김봉완 (주식회사 보이스웨어) ;
  • 최대림 (원광대학교 음성정보기술산업지원센터) ;
  • 고락환 (주식회사 스마트미디어테크) ;
  • 김태권 (원광대학교 음성정보기술산업지원센터) ;
  • 이용주 (원광대학교 컴퓨터공학부)
  • Received : 2011.12.07
  • Accepted : 2012.03.02
  • Published : 2012.05.31

Abstract

The smartphone emerged due to the rapid development of the Internet has brought greater convenience to life in a positive manner. Recently, however, because of unconstrained exposure to harmful video, reckless use of smart phones has become a domestic issue in our society. In this paper, a service which detects harmful videos by using the acoustic information is designed and implemented on the Android OS. In order to implement the service of Android OS-based detection of the harmful movie, the speed of existing sound-based detection method for harmful videos is improved. The GMM(Gaussian Mixture Model) was used for classifier and the number of Gaussian Mixture was 18. The implemented service shows a detection rate of 97.02% for a total of 1,210 data files (approximately 687 hours) which comprises 669 general videos files (about 424 hours) and 541 harmful video files (about 263 hours). It's speed is 5.6 times faster than the traditional methods whitout reducing the detection rate.

급속한 인터넷의 발달로 등장하게 된 스마트폰은 여러 가지 긍정적인 모습으로 생활의 편의를 가지고 왔다. 하지만 최근 국내에서 스마트폰의 무분별한 유해물 노출은 사회의 이슈가 되고 있다. 이에 본 논문에서는 안드로이드 OS 기반에서 음향정보를 이용하여 유해동영상을 검출하는 서비스를 설계하고 구현 하였다. 안드로이드 OS기반의 유해동영상 검출 서비스를 구현하기 위해, 기존 음향기반 유해동영상 검출방법의 속도를 향상 시켰다. 검출기로는 GMM(Gaussian Mixture Model)을 사용하였으며, 검출기의 혼합(Mixture)의 수는 18개를 사용하였다. 구현된 서비스의 검출 결과, 일반 동영상 669파일(약 424시간), 유해동영상 541파일(약 263시간), 총 1,210(약 687시간)의 데이터에 대해 97.02%의 검출률로 기존 방법에 비해 검출률은 감소하지 않으면서 속도는 약 5.6배 향상 되었다.

Keywords

References

  1. 정보통신연구진흥원, 주간기술동향 통권 1332호, 2008.
  2. 박영호, 임선영 "차세대 안드로이드 기술동향 분석 및 앱 개발 사례," 멀티미디어학회논문지, 제15권, 제1호, pp. 74-84, 2011.
  3. 엑스키퍼, http://www.xkeeper.com/, 2012.
  4. 그린아이넷, http://www.greeninet.or.kr/, 2012.
  5. 아이눈, http://www.aiyac.com/, 2012
  6. M. Hammani, Y. Chahir, and L. Chen, "Web- Guard : A Web Filtering Engine Combining Textural, Structural, and Visual Content- Based Analysis," IEEE Trans. on Knowledge and Data Engineering, Vol.18, No.2, pp. 272-284. 2006. https://doi.org/10.1109/TKDE.2006.34
  7. H. Lee, S. Lee, and T. Nam, "Implementation of High Performance Objectionable Video Classification System," Proc. ICACT2006, pp. 959-962, 2006.
  8. W. Kim, H. Lee, J. Park, and K. Yoon, "Multi Class Adult Image Classification using Neural Networks," LNAI, Vol.3501, pp. 222-226, 2005.
  9. 김봉완, 최대림, 이용주 "오디오신호에 기반한 음란 동영상 판별," 대한음성학회 논문지, 제63 호, pp. 139-152, 2007.
  10. 이티뉴스 (2012. 12. 5), http://www.etnews.com/list/press_view.html?id=0235166
  11. 김광훈, 권준찬, 송우진, "살색검출을 기반으로 한 포르노 영상 필터링," 제 16회 신호처리 합동 학술대회 논문집, pp. 77-80, 2003.
  12. B. Kim, D. Choi, and Y. Lee, "Speech/music Discrimination using Mel-Cepstrum Modulation energy," LNAI , Vol.4629, pp. 106-414, 2007.