진화적 파티클 기법을 이용한 비디오 감성코드 추출 방법

Abstract

인터넷의 발달에 따라 쏟아지는 대용량 컨텐츠 사이에서, 사용자가 원 하는 컨텐츠를 추천하는 다양한 방법이 연구되고 있다. 컨텐츠를 추천하 는 방법으로 사용자가 추가적으로 기입한 태그를 이용하는 방법이 주로 사용되고 있는데, 실제 컨텐츠가 아닌 메타데이터를 이용하게 되는 경우 사용자의 추가적인 입력을 요구한다는 점과 악의적인 태그로 인한 추천 성능의 저하 문제가 발생할 수 있다. 때문에, 최근 추천의 연구 방향은 컴퓨터로 하여금 컨텐츠 전체 혹은 일부를 분석하여 이를 이용한 추천방 법을 만드는 것으로 바뀌고 있다. 본 논문에서는 이러한 연구 추세에 발 맞춰 감성 기반 컨텐츠 분석방법과 그 결과물로 비디오의 감성코드에 대해 정의하고 그 활용방안을 논의한다. 감성코드를 추출하기 위하여 SIFT 특징점들과 진화파티클필터링 방법을 이용하여 비디오 데이터의 장면전환점들을 추정하고 각 샷의 색상으로부터 감성을 추출하여 각 세 그먼트 별 감성을 추론한다. 이렇게 구성된 감성 코드는 동영상에 대한 특징벡터라 할 수 있고, 이를 3차원 공간에서 구분 가능성을 확인하였다.