영상분석 기술을 활용한 시니어용 동영상 편집 시스템 = Video Content Editing System for Senior Video Creator based on Video Analysis Techniques

국문 초록 (Abstract)

본 논문에서는 영상 편집이 익숙하지 않은 시니어 동영상 크리에이터를 위한 동영상 편집 시스템을 설명한다. 영상분석 기술을 이용하여 편집소스 동영상을 분석하여 각종 정보를 제공하고, 자동으로 일부 장면을 삭제한다. 사용자가 다수의 소스 콘텐츠를 입력하였을 때, RNN(Recurrent Neural Network) 기술을 기반으로 샷 단위로 분할하고, 이 중 동영상 편집에서 배제할 부분을 구분한다. 각 샷별로 중요도를 계산하여 샷 단위로 자동 삭제가 가능하도록 한다. 중요도 계산을 위해서 동영상 초점 정보를 추출하여 활용하는데, 이는 초점이 맞지 않는 영상 또는 흔들린 영상을 배제할 수 있도록 한다. 이후 시스템은 객체 인식을 수행하고, 얼굴이 나온 영상에 대해서 감정, 나이, 성별 등의 정보를 추출하여 사용자에게 제공한다. 사용자는 이런 정보를 활용하여 동영상을 제작한다. 동영상에 자막을 삽입하는 등 동영상을 꾸미기 위한 기능들도 포함되어 있으며, 이런 기능들을 활용할 시, 사용자의 과거 정보를 이용해서 선호 디자인을 쉽게 찾을 수 있도록 앞서 배치하고 있다. 시니어 동영상 크리에이터들이 본 시스템을 통해서 쉽고 빠르게 동영상 콘텐츠를 제작할 수 있다.

참고문헌 (Reference)

• 1 박성대, "영상 콘텐츠 제작을 통한 미디어 교육 - 비선형 편집을 중심으로" 한국정보통신학회 23 (23): 1096-1103, 2019
• 2 권기윤 ; 권지은, "액티브 시니어를 위한 영상 저작도구 애플리케이션의 사용성에 관한 연구" 차세대컨버전스정보서비스학회 9 (9): 351-361, 2020
• 3 이진, "숏폼 동영상 콘텐츠의 유형 연구" 인문콘텐츠학회 (58) : 121-139, 2020
• 4 권지혁, "디지털 콘텐츠를 활용한 노인 공간의 기획에 관한 연구" 한국디지털정책학회 18 (18): 257-267, 2020
• 5 J. Redmon, "You only look once: Unified, real-time object detection" 779-788, 2016
• 6 M. Brindha, "Shot change detection on news videos using color histogram and edge based approaches" 50-54, 2016
• 7 P. Viola, "Robust real-time face detection" 57 : 137-154, 2004
• 8 M. Gygli, "Ridiculously fast shot boundary detection with fully convolutional neural networks" 1-4, 2018
• 9 X. Yi, "LBP-based segmentation of defocus blur" 25 (25): 1626-1638, 2016
• 10 Y. Gao, "Fast Video Shot Boundary Detection Based on Visual Perception" 1-4, 2019
• 11 J. Shi, "Discriminative blur detection features" 2965-2972, 2014
• 12 W. Zhao, "Defocus blur detection via multi-stream bottom-top-bottom fully convolutional network" 3080-3088, 2018
• 13 C. Tang, "DeFusionNET : Defocus blur detection via recurrently fusing and refining multi-scale deep features" 2700-2709, 2019