살 색 검 출 을 기 반 으 로 한 포 르 노 영 상 필 터 링

2003年度 第 16回 信號處理合同學術大會論文集 第 16卷 1號
살색검출을 기반으로 한 포르노 영상 필터링
김 광훈, 권 준찬, 송 우진
포항공과대학교 전자컴퓨터공학부 통신 및 신호처리연구실
Pornography Filtering Based-On Skin Color Detection
Kwang-Hun Kim, Jun-Chan Kwon, and Woo-Jin Song
Communication & Signal Processing Lab., Division of Electronic and Computer Engineering
Pohang University of Science and Technology(POSTECH)
E-mail: wjsong@postech.ac.kr
Abstract-살색 검출에 관한 연구는 사람의 얼굴
인식, 움직임 추적, 포르노그라피 필터링 등과 같은
휴먼 인식 분야에서 심도있게 연구되어 왔다. 그
중에서도 포르노그라피 필터링 분야는 인터넷의
보급과 각종 성인 유해 사이트들의 확장으로 인해
최근 들어 더욱 더 관심을 가지게 되었다. 현재 주로
사용되는 방법으로는 Keyword blocking, Packet
blocking, URL blocking 등이 있다. 본 논문에서는
살색 검출을 기반으로 하여 포르노 영상을 추출하는
알고리즘을 제안하고자 한다. 전체 영상에서 살색
영역이 차지하는 비율을 1차적으로 계산하여 특정
임계치 이상이면 포르노 영상으로 간주한다.그리고
2차적으로 전체 영상을 여러 영역으로 나눈 뒤, 각
영역별 살색 비율을 비교하여 인식율을 보다
향상시킬 수 있도록 하였다.
Keywords: Skin Detection, Pornography Filtering
1 . 서론
최근 몇 년 초고속 인터넷이 급속도로 보급되면서
언제 어디서나 손쉽게 원하는 정보를 얻을 수 있게
되었다. 초고속 인터넷 통신 가입율 세계 1위에다
대통령 선거에서 막강한 위력을 발휘로 일약
일등공신으로 추대 받으며 언제부터인가 우리에게
없어서는 안될 소중한 존재로 자리잡은 인터넷이
청소년들 사이에서 성(性)의 해방구로 악용되고 있어
심각한 사회문제로 대두되고 있다. 정보통신부와
정보통신 윤리 위원회가 웹리서치에 의뢰해 어린이,
청소년, 학부모, 교사 등 각 1,000명을 대상으로
인터넷 사용을 조사한 결과 청소년의 96.4%, 어린이의
65.6%가 집안에서 컴퓨터로 음란물을 보는 것으로
나타났다. 우리 주변의 인터넷 환경은 호기심이 많은
청소년들이 빠지기에 너무도 쉽게 조성되어 있기에
이를 규제하거나 차단할 방법의 모색이 시급한
상황이다.
청소년들이 이러한 음란물에 접하는 것을 막을 수
있는 방법으로는 유해 사이트의 IP 주소를 아예
차단해주는 소프트웨어를 사용하는 방법이 있고, 다른
77
방법으로는 인터넷 컨텐츠상에 성인 영상물 관련
텍스트를 인식하여 차단하는 방법도 있다. 기존
알고리즘중에 새로운 접근 방식으로는 Forsyth와
Fleck[1]이 제안한 영상에서의 누드 이미지
존재여부를 찾아내는 방법도 있다. 그들이 제안한
알고리즘에서는 살색을 1차적으로 먼저 검출한 뒤,
신체의 기하학적인 구조를 이용하여 누드 이미지를
분류한다. 위와 같은 기존의 방법은 skin filtering과
geometric processing을 수행해야 하므로
시스템에서의 복잡도가 커질 수 있다.
본 논문에서는 살색검출을 기반으로 하되, geometric
processing을 하지 않고, 영상에서 살색 영역이
차지하는 비율을 계산하여, 특정 임계치 이상이 되면
포르노 영상으로 분류하도록 한다. 그런데 이러한
방법으로 접근할 경우, 포르노 영상이 아닌 일반
영상에서도 사람의 증명사진이나 접사 사진처럼 유난히
살색 영역이 많은 이미지들은 필터링 하는데 있어서
오류가 발생하게 된다. 이러한 문제점을 해결하고자
영상을 여러 영역으로 구분하여 각 영역에서의
살색영역이 얼마나 존재하는지를 측정하여 보조 정보로
활용하였다. 제안된 알고리즘에서 가장 중요한 부분은
살색 검출 파트라 할 수 있다. 살색 검출의 신뢰도가
높을수록 좋은 성능을 기대할 수 있다.
본 논문의 나머지 부분은 다음과 같이 구성되어
있다. 우리는 2장에서 살색 검출 알고리즘에 대해 살펴
볼 것이다. 3장에서는 제안된 방식에 대하여
구체적으로 설명하고, 4장에서는 제안된 방식의 성능을
실험 결과를 통하여 보여줄 것이다. 마지막으로
5장에서는 본 논문에 대한 결론과 향후 과제에 대해
언급할 것이다.
2. 살색 검출 알고리즘
제안된 알고리즘은 텍스트가 아닌 살색이라는
인간만이 가진 고유한 컬러특성을 이용하게 된다.
따라서, 기존의 살색 검출 알고리즘에 대해 간단히
살펴볼 필요가 있다.
2.1 RGB 비율을 이용한 방법

2003年度 第 16回 信號處理合同學術大會論文集 第 16卷 1號
대부분의 사람 피부는 멜라닌 색소의 영향으로
인하여 컬러 성분 중 red 성분이 유난히 많은 비율을
차지하고 있음을 이용하여 살색 검출이 가능하다.
따라서 R/G, R/B의 비율이 특정 임계치 사이에
존재하면 살색으로 간주하고 그렇지 않으면 살색이
아닌 것으로 검출하는 매우 간단한 알고리즘이다.
이와 같은 방식의 접근법은 계산량도 적고, 매우
간단하지만, 사람 살색영역이 조명의 영향으로 아주
밝거나 혹은 어두운 경우에는 검출율이 낮다는 단점을
가지고 있다.
2.2 경험적으로 정의한 살색 영역을 이용하는 방법
몇 가지 색상 공간에서 살색 클러스터들의 경계점을
살펴보면, 경험적으로 다양한 규칙을 발견하게 된다.이
방법은 아래의 수식조건을 만족하면 살색으로 간주하는
알고리즘으로써 매우 간단하고 검출 속도 역시 매우
빠른 관계로 살색 검출이 필요한 연구자들로부터 많이
사용되어 왔다.
( R , G , B ) is classified as skin if :
R > 95 and G > 40 and B > 20 and
max{ R , G , B}
− min{ R , G , B}
> 15 and
| R − G | > 15 and R > G and R > B
2.3 Histogram을 이용한 방법
대부분의 얼굴 인식[2]이나 추적분야[3]에서는 살색
픽셀을 찾기 위해 히스토그램을 이용한 방법을 많이
사용한다.
색상공간을 다수개의 bin으로 양자화한 후,해당
특정영역 컬러 성분이 LUT(Look Up Table)로
간주되는 2차원 혹은 3차원 히스토그램을 형성하게
된다.각 bin들은 training 구간동안 살색 이미지에서
특정 컬러 성분의 빈도수를 저장하게 되고, 그 값을
전체 bin의 합으로 나눠주면 해당 컬러 성분이 살색일
확률을 제공하게 된다[4].
2.4 Single Gaussian Model(SGM)을 이용한 방법
서로 다른 조명하에서 다양한 사람들의 살색 분포를
살펴보면, 모두 유사한 가우시안 분포를 갖고 있음을
알 수 있다. 따라서 그러한 특성을 이용하여 살색
모델을 아래와 같이 mean vector와 covariance
matrix를 사용하여 2차원 가우시안 모델로 표현하였다.
여기서, c는 컬러 벡터이며, µ 와 ∑ 는 각각
평균벡터와 공분산 행렬을 나타낸다.
⎡ 1
exp⎢−
p c skin =
⎣ 2
( / )
1
µ =
s
n
∑
c
,
∑
=
T −1
( c − µ ) Σ ( c − µ )
2π
1
s
∑
j s
n j=
1 n−1
j=
1
n
Σ
s
s
s
⎤
⎥
⎦
( c −µ
)( c −µ
)
j
s
j
T
s
78
2.5 Gaussian Mixture Model(GMM)을 이용한 방법
보다 섬세하고 복잡한 형태의 가우시안 형태를
표현할 수 있는 모델이 Gaussian Mixture
Model(GMM)이다[5].
이 모델은 iterative technique으로 이미 잘 알려진
Expectation Maximization(EM)알고리즘을 통해
training이 수행된다. 아래식에서 k는 mixture 성분의
개수를 의미하고, π i 는 mixing 파라미터를 나타낸다.
k
∑
i=
1
p(
c / skin)
= π ⋅ p ( c | skin)
3. 제안된 알고리즘
3.1 수축 및 확장처리를 이용한 살색 검출
i
RGB영상신호에는 색상 정보뿐만 아니라, 휘도성분도
함께 포함되어 있어, 색상 정보만을 획득하기 위해서
색상공간변환이 필요하다. 단일 가우시안 모델(SGM)에
서는 정규화된 RGB 영상성분을 사용하였으나, 본 논문
에서는 RGB 공간을 YcbCr공간으로 변환한 뒤, Cr성분
과 Cb 성분만 사용하여 사람의 살색을 모델링 한다.
변환된 CbCr 색상공간에서 사람들의 살색 정보를 분석
해 보면 아래의 그림처럼 살색에 대한 색상 발생빈도가
특정 영역을 중심으로 밀집이 되어있는 것을 알 수 있
다. 이러한 영역은 평균과 공분산 값을 이용하여 변환
된 CbCr 색상 공간에서 2차원 가우시안 모델로 표현
이 가능하다.
그림 1. 살색의 가우시안 분포도
Parameters Values
µ 152.178
µ
r
g
rr
i
109.726
σ 33.145
σ , σ -27.238
rg
gr
σ 28.856
gg
표 1. 살색의 2차원 가우시안 파라미터

살색 검출 알고리즘을 이용한 결과 영상은 0(검은색)
혹은 255(흰색)값을 갖는 이진 영상이다. 살색영역은
0의 값으로 표시되며, 살색을 제외한 영역은 255의
값으로 표시된다. 포르노 영상 필터링을 위해서는
살색검출 알고리즘이 좋은 성능을 보여줘야만 한다.
사람이 포함된 몇 가지 테스트 영상을 실험해본
결과,문제점이 존재한다. 주위에 사람의 살색과 유사한
물체나 혹은 경치가 존재하는 경우, 살색으로 인식하는
오류가 발생한다. 이러한 오류는 포르노 영상 필터링에
있어서 검출율을 저하 시킨다.
따라서,본 논문에서는 그러한 문제점을 개선하고자
이진 영상에서의 잡음성분을 제거하는 알고리즘으로
이미 잘 알려진 수축 및 확장처리 방법을 사용하였다.
살색과 유사한 색을 가진 배경들은 대체로 비균일
특성을 갖는다. 이러한 특성을 이용하여 살색 검출
알고리즘에서 얻은 이진 결과 영상에 수축 및 확장
처리를 가하면 살색을 가진 배경을 살색으로 인식하는
오류를 낮출 수 있다. 여기서 수축 처리란 어떤 화소의
주변에 하나라도 0이 있으면, 그 화소를 0로서, 그
외에는 1으로 처리하는 것이다. 반대로 확장 처리는
어떤 화소의 주변에 하나라도 1이 있으면, 그 화소를
1로서, 그 외에는 0으로 처리하는 것이다.우선,여기서
수축과 확장 처리를 한 결과와 살색 검출 알고리즘만을
통한 결과 영상을 비교해보면 아래와 같다.
(a) 입력영상 (b) 처리 전 (c) 처리 후
그림 2. 살색영역 검출 결과 영상 비교
결과 영상에서도 알 수 있듯이, 처리 후 영상에서는
살색과 유사한 배경이 존재하더라도 수축 및
확장처리로 인해 살색영역으로 표현될 가능성이
낮아진다. 그리고 사람 얼굴에 있어서 눈썹이나 입술
2003年度 第 16回 信號處理合同學術大會論文集 第 16卷 1號
79
부분은 더욱 더 명확하게 나타남을 알 수 있다. 이러한
결과는 얼굴 인식에 있어 윤곽을 더욱 더 명확하게
표현 할 수 있을 뿐 아니라, 살색 검출에 있어서 false
rate를 낮추는데 상당한 기여를 할 수 있다.
3.2 살색영역 비율을 이용한 포르노 영상 필터링
현재까지, 대부분의 포르노 영상 검출 알고리즘들은
컴퓨터 비전 혹은 패턴 인식을 기반으로 하거나
텍스트를 분석하여 임의의 영상이 주어졌을 때, 포르노
영상인지 아닌지 구별하게 된다. 그러나 제안된
알고리즘에서는 그러한 과정 없이, 살색이 영상에서
차지하는 비율을 측정하여 포르노 영상인지 아닌지를
분류할 수 있다.
포르노 영상들은 일반 영상과는 달리, 한 이미지
상에서 살색이 차지하는 비율이 상당히 크다고 할 수
있다. 따라서, 입력 영상이 주어졌을 때, 살색이
차지하는 비율을 계산하여, 그 비율이 특정 임계치를
초과하면 포르노 영상으로 분류가 가능하다. 그런데
이와 같은 방식이 반드시 좋은 성능을 보이기는 어렵다.
왜냐하면, 사람의 얼굴을 매우 가까운 거리에서 찍은
영상의 경우, 포르노 영상이 아님에도 불구하고 살색이
차지하는 비율은 매우 크다고 할 수 있다. 또한 비키니
수영복을 입은 여성의 경우에도 살색이 영상에서
차지하는 비율은 꽤 크다고 할 수 있다. 따라서, 그러한
영상들에 대해서만 따로 수집하여 실제로 살색이 어느
정도의 비율을 차지하는지에 대해서 실험하였다.
살색이 영상에서 차지하는 비율은 50% 이상인 경우가
대부분 이었다. 그리고 포르노 영상만을 웹상에서
수집하여 살색이 차지하는 비율을 조사해본 결과,
대부분 15% 이상이었다. 여기서 우리는 포르노
영상들이 대부분 15~50% 정도의 살색 비율을 가짐을
알 수 있었다. 그러나 이와 같은 방법으로 필터링을
하게 되면 포르노 영상이 아님에도 불구하고, 살색이
이미지에서 차지하는 비율이 15~50% 되는 영상들은
모두 걸러지게 된다. 따라서 또 다른 규칙이 필요함을
알 수 있다.
본 논문에서는 보다 신뢰 있는 검출을 위해서 전체
영상을 다수개의 영역으로 나눠서, 각 영역별로 살색이
차지하는 비율을 계산하여 이를 포르노 영상
분류과정에 사용하였다.세로 방향으로 10개의 영역으로
나눈 각 파트를 S1~S10으로 정의하였다. 입력 영상은
모두 256*256 픽셀이므로 영역별로 약 6553 개의
픽셀을 가짐을 알 수 있다. 포르노 영상은 일반적으로
하반신 부위가 노출된 경우가 대부분 이므로, 그
영역에서는 특히 살색이 차지하는 비율은 크다는 점을
관찰할 수 있었다. 그러한 사실을 바탕으로 하여,
S7~S9영역까지의 살색 픽셀 수를 모두 더하여 전체
픽셀수로 나눈 뒤, 그 비율을 계산해서 특정 임계치
이상이 되면 포르노 영상으로 걸러지게 된다. 여기서의
임계치는 실험을 통해 약 6.5 % 정도로 설정할 수
있었다.

2003年度 第 16回 信號處理合同學術大會論文集 第 16卷 1號
4. 실험결과
False Detection False Dismissal
1차 임계치 적용 후 18.30 % 3.33 %
2차 임계치 적용 후 11.67% 6.67%
표 2. False classification rates
그림 3. 포르노 영상으로 제대로 분류된 이미지들
그림 4. 포르노 영상으로 잘못 분류된 이미지들
80
5. 결론 및 향후과제
본 논문에서는 패턴인식이나 신경망과 같은 별도의
복잡한 연상과정 없이, 오직 살색이 영상에서 차지하는
비율만을 통해 포르노 영상을 검출하는 알고리즘을
제안하였다.간단하며, 빠른 속도로 검출이 가능하고,
신뢰도 역시 비교적 높음을 확인하였다.
그러나 수영복 입은 여성이나, 주위에 살색과 유사한
배경이 많이 존재하는 이미지에서의 인식이 불가능
하다.근본적으로 살색 검출파트에서 높은 정확도가
요구되며, 포르노 영상만이 가지는 특성을 좀 더
면밀히 조사할 필요가 있다.
참고문헌
[1] “Finding Naked People,” Margaret Fleck,
David Forsyth, and Chris Bregler (1996)
European Conference on Computer Vision ,
Volume II, pp. 592-602
[2] "Face Detection in Color Images" – Rein-Lien
Hsu, Mohamed Abedl- Mottaleb, Anil K. Jain
IEEE Trans ,Pattern Analysis and Machine
Intelligence, VOL 24, No.5 MAY 2002
[3] “A Real-Time Face Tracker For Color Video”,
S.Spors and R.Rabenstein, IEEE 2001
[4] “Statistical Color Models with Application to
Skin Detection ”, Michael J.Jones , James M.
Rehg, Cambridge Research Laboratory,
Compaq Computer Corporation, IEEE 1999
[5] " A Novel Skin Color Model In YCbCr Color
Space and Its Application To Human Face
Detection" , Son Lam Phung, Abdesselam
Bouzerdoum, Douglas Chai (2002, ICIP 2002)