• 한국산학기술학회논문지
• /
• 제17권11호
• /
• pp.403-409
• /
• 2016

최근 들어, 나체 사진이나 그림과 같은 유해한 영상 콘텐츠가 쉽게 유통 및 보급되고 있는 실정이어서 이런 유해 영상 콘텐츠를 효과적으로 검출하고 필터링하기 위한 연구 방법들이 지속적으로 소개되고 있다. 따라서 본 논문에서는 입력되는 칼라 영상으로부터 영상의 유해성을 나타내는 요소인 사람의 배꼽 영역을 하르-라이크(Haar-like) 특징과 에이다부스트(Adaboost) 알고리즘을 이용하여 강인하게 검출하는 새로운 접근 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 입력 영상으로부터 색상 정보를 이용하여 사람의 유두 영역을 검출하고, 검출된 유두 영역과의 위치 정보를 사용하여 배꼽의 후보 영역을 검출한다. 그런 다음, 하르-라이크 특징과 에이다부스트 알고리즘을 이용한 필터링을 통해 실제 배꼽 영역들만을 검출한다. 실험 결과에서는 제안된 방법이 입력되는 칼라 영상으로부터 배꼽 영역을 기존의 방법보다 1.6% 더 정확하게 추출한다는 것을 보여준다. 본 논문에서 제안된 배꼽 영역 검출 알고리즘은 2 차원이나 3 차원의 유해 콘텐츠 검출 및 필터링과 관련된 여러 가지 응용 분야에서 매우 효과적으로 이용될 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.43-48
• /
• 2013

Adaboost 알고리즘은 얼굴인식을 위한 Haar-like feature들을 이용하기 위해 가장 널리 쓰이고 있는 알고리즘이다. 매우 빠르며 효율적인 성능을 보이고 있으며 하나의 모델이미지가 존재하는 단일분포 데이터에 대해 매우 효율적이다. 그러나 정면 얼굴과 측면 얼굴을 혼합한 인식 등 둘 이상의 모델이미지를 가진 다중 분포모델에 대해서는 그 성능이 저하된다. 이는 단일 학습 알고리즘의 선형결합에 의존하기 때문에 생기는 현상이며 그 응용범위의 한계를 지니게 된다. 본 연구에서는 이를 해결하기 위한 제안으로서 Decision Tree를 Harr-like Feature와 결합하는 기법을 제안한다. Decision Tree를 사용 함으로서 보다 넓은 분야의 문제를 해결하기 위해 기존의 Decision Tree를 Harr-like Feature에 적합하도록 개선한 HDCT라고 하는 Harr-like Feature를 활용한 Decision Tree를 제안하였으며 이것의 성능을 Adaboost와 비교 평가하였다.