KR100415074B1 - 물체의 닮음을 인식하는 방법 및 그 장치 - Google Patents

Abstract

본 발명은 물체의 닮음을 인식하는 방법 및 그 장치를 개시한다.

본 발명에 의하면, 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법에 있어서, 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하고, 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 정의하며, 함수가 최대값을 가지게 하는 영상의 외곽선위에 위치한 특징점을 구하여, 특징점을 기준으로 등분 점열을 소정의 순서로 재배열하고, 재배열된 점열로부터 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하며, 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 위와 같은 방법을 통해 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하여, 원본 영상의 누적 데이터를 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단함으로 해서, 위치 이동에 무관하게 물체의 영상의 대한 일관성이 있는 데이터를 확보하여 원본 물체와 대조되는 비교본 물체의 닮음을 인식하며, 지문이나 홍채 혹은 정맥을 인식하여 동일인임을 확인할 수 있게 되어 영상의 인식을 이용하는 보안과 같은 시스템을 구현할 때에 신뢰성있는 결과를 제공할 수 있다.

Description

물체의 닮음을 인식하는 방법 및 그 장치 {Method for recognition of the resemblance of the object and apparatus thereof}

본 발명은 패턴 인식에 관한 것으로서, 원본 물체와 대조되는 물체의 영상 패턴을 파악하여 두 영상이 서로 닮았는가를 인식하는 방법 및 그 장치에 대한 것이다.

곡선으로 그 외곽선이 표현되는 물체를 인식하기 위한 기존의 방법들은 물체의 영상 모습에 관한 데이터를 취득하기 위해 영상의 중심이나 기준 축을 설정한다. 그러나 이런 설정은 영상의 외곽선을 이루는 곡선의 기하학적인 특성과 관계없는 중심이나 기준축을 선택하여 영상이 위치 이동을 하거나 위치가 제 자리에서 회전하여 이동한 경우에는 영상의 중심과 기준축이 달라지게 된다. 결과적으로 영상에 관한 데이터를 취득한 결과는 신뢰할 수 없는 결과가 된다.

따라서 원본 물체와 그에 대조되는 물체의 영상에 관한 데이터를 취득하여 두 영상이 서로 닮았다는 것을 판단하는 데 있어 대조되는 영상의 위치에 따라 그 결과가 달라지게 되어, 예를 들면 홍채나 지문 인식을 통해 당사자를 판단하는 시스템의 경우 제대로 된 판단 결과가 나올 확률이 작아지게 된다.

이는 인식하려는 물체의 위치가 이동되어 그 물체에 대한 영상의 위치가 이동하는 경우에, 위치에 무관하게 그 영상에 대한 인식 데이터를 얻을 수 없는 방법을 사용하기 때문이며, 이에 따라 보안과 관련된 인식 시스템들의 결과를 믿을 수 없는 문제가 생긴다.

본 발명이 이루고자 하는 기술적인 과제는, 상기의 문제점들을 해결하기 위해, 위치 이동에 무관하게 물체의 영상에 대한 일관성이 있는 데이터를 확보하여 원본 물체와 대조되는 비교본 물체의 닮음을 인식하는 방법 및 그 장치를 제공하는 데 있다.

본 발명이 이루고자 하는 다른 기술적인 과제는, 상기의 방법을 기록한 컴퓨터가 읽을 수 있는 기록매체를 제공하는 데 있다.

도 1은 본 발명에 따른 물체의 닮음을 인식하는 방법의 흐름을 도시한 것이다.

도 2는 극좌표계에서 영상의 외곽선 위에 렉시코그래픽 순서의 극소순서점과 극대순서점을 나타낸 것을 도시한 것이다.

도 3은 영상의 외곽선 위에 등분 점열을 도시한 것이다.

도 4는 특징점을 기준으로 표시되는 점열을 영상의 외곽선 위에 표시한 것을 도시한 것이다.

도 5는 원본 영상과 비교본 영상의 예를 든 것이다.

도 6은 본 발명에 따른 물체의 닮음을 인식하는 장치의 구성을 블록으로 도시한 것이다.

상기 기술적 과제를 해결하기 위한 본 발명에 의한, 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법에 있어서, (a) 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 단계; (b) 상기 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 정의하는 단계; (c) 상기 함수가 최대값을 가지게 하는 상기 영상의 외곽선위에 위치한 특징점을 구하는 단계; (d) 상기 특징점을 기준으로 상기 (a) 단계에서 얻은 점열을 소정의 순서로 재배열하는 단계; (e) 상기 (d) 단계에서 재배열된 점열로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; (f) 상기 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 상기 (a) 내지 (e) 단계를 반복하여 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; 및 (g) 상기 (e) 단계에서 구한 원본 영상의 누적 데이터를 상기 (f) 단계에서 구한 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단하는 단계를 포함하는 것을 특징으로 한다.

상기 다른 기술적 과제를 해결하기 위한 본 발명에 의한, 물체를 촬상하여 영상 데이터를 얻어 물체의 닮음을 인식하는 장치에 있어서, 상기 촬상된 영상을소정 개수의 화소를 이용하여 표시하는 영상표시부; 상기 영상표시부에 표시된 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 상기 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 등분점열획득부; 상기 등분점열획득부에서 획득한 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 영상표시부에 의해 표시된 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 생성하는 함수생성부; 상기 함수생성부에서 생성된 함수가 최대값을 가지게 하면서 상기 영상의 외곽선위에 위치한 기하학적인 특징점을 구하는 특징점획득부; 상기 특징점획득부에서 구해진 특징점을 기준으로 상기 등분점열획득부에서 획득된 점열을 소정의 순서로 재배열하는 등분점재배열부; 상기 등분점재배열부에 의해 재배열된 점열로부터 상기 영상표시부에 표시된 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 생성하는 기하학정보생성부; 및 비교하려는 영상들에 대해 상기 기하학정보생성부에서 생성된 기하학적인 누적 데이터를 상호 비교하여 물체들이 상호 닮았나를 판단하는 닮음판단부를 포함하는 것을 특징으로 한다.

상기 다른 기술적 과제를 해결하기 위한 본 발명에 의한, 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록매체에 있어서, (a) 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 단계; (b) 상기 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를정의하는 단계; (c) 상기 함수가 최대값을 가지게 하는 상기 영상의 외곽선위에 위치한 특징점을 구하는 단계; (d) 상기 특징점을 기준으로 상기 (a) 단계에서 얻은 점열을 소정의 순서로 재배열하는 단계; (e) 상기 (d) 단계에서 재배열된 점열로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; (f) 상기 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 상기 (a) 내지 (e) 단계를 반복하여 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; 및 (g) 상기 (e) 단계에서 구한 원본 영상의 누적 데이터를 상기 (f) 단계에서 구한 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단하는 단계를 포함하는 것을 특징으로 한다.

이하에서 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예를 상세히 설명한다.

도 1은 본 발명에 따른 물체의 닮음을 인식하는 방법의 흐름을 도시한 것이다.

원본 물체의 영상과 비교본 물체의 영상이 닮았는가를 인식하는 이 방법은, 원본 물체 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하고(100 단계), 상기 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 실가함수를 정의하며(110 단계), 상기 실가함수가 최대값을 가지게 하는 상기 영상의 외곽선위에 위치한 특징점을 구한다(120 단계).

그리고 상기 특징점을 기준으로 참조번호 100 단계에서 얻은 점열을 소정의 순서로 재배열하고(130 단계), 참조번호 130 단계에서 재배열된 점열로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하며(140 단계), 상기 원본 영상과 닮았는가를 비교하려는 비교본 영상의 외곽선에 대해 참조번호 100 단계 내지 140 단계를 반복하여 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하여(150 단계), 참조번호 140 단계에서 구한 원본 물체 영상의 누적 데이터를 참조번호 150 단계에서 구한 비교본 물체 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단한다(160 단계).

이하에서 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예의 동작을 상세히 설명한다.

실시예를 설명하기 전에 본 발명이 실행되는 기본적인 사상을 설명한다.

곡선을 인식하기 위한 가장 바람직한 정보를 얻기 위해 곡선의 기하학적인 지식에 의존하는 알고리즘을 개발하고 그로부터 곡선의 기하학적인 정보를 주는 데이터를 취득한다. 여기서 기하학적이라 함은 곡선의 모양, 길이, 곡률 등 곡선이 가지고 있는 기하학적으로 불변적인 특성을 말한다. 이 불변적인 특성은 곡선이 위치한 장소, 곡선의 이동, 회전 등과 같이 외부적인 관찰에 따라 변하는 특성과는 다른 성질로 항상 일정하게 유지된다.

곡선의 모양을 인식할 것을 필요로 하는 인식 시스템에서는 필수적인 연구대상이다. 이처럼 곡선이 가지고 있는 기하학적인 특성을 통해 얻어지는 알고리즘을 기하학적인 알고리즘이라고 한다. 따라서 기하학적인 알고리즘은 곡선의 위치 이동에 관계없이 항상 동일한 데이터를 준다. 이러한 기하학적인 알고리즘을 개발하기 위해 기하학적인 특징점을 찾아낼 필요가 있다.

이하에서는 '물체'와 그 물체를 촬상한 '물체의 영상'을 혼동되지 않는 범위내에서 구분없이 사용한다. 따라서 이하에서는 영상이라는 표현은 물체의 영상과 같은 의미로 사용할 것이다.

설명의 편이를 위해 좌표 평면상의 곡선을 폐곡선인 경우와 그렇지 않은 경우의 두가지로 나눠서 생각한다.

그리고 이하의 과정을 실행할 때에 화소점의 좌표를 설정하는 것은 통상적인 방법을 사용할 수도 있고 혹은 다음과 같은 방법을 사용하여 화소점의 좌표를 설정할 수도 있다.

사각형으로 이루어진 화소의 강도와 그 화소를 둘러싼 여덟 개 화소점의 광도가 가중된 가중 평균을 구하여 화소의 좌표의 변수의 하나로 설정한다. 따라서 화소의 좌표는 촬영 수단이나 화면에 표시된 점에 대한 좌표가 아니라 가상의 좌표를 설정할 수 있다. 이와 같은 방법을 사용하여 화소점의 좌표를 설정하는 것은 영상 처리(image processing)에 관한 일반적인 방법이며, 이는 본 발명의 속한 기술 분야의 통상의 기술을 가진 자에게는 자명한 것이므로 더 이상의 설명은 생략한다.

먼저 영상의 외곽선이 폐곡선인 경우, 곡선 위의 점들 중 렉시코(lexico) 그래픽 순서가 극대인 한 점 P(1)을 택하고, 곡선을 점 P(1)로부터 출발하여 다음 점 P(2)까지 곡선의 화소수가 n이 되도록 나눈다. n은 1 이상의 정수이다.

n이 1이라면 외곽선을 이루는 모든 점을 등분점으로 하여 다음의 과정을 진행하는 것이다. 그 결과는 가장 정밀한 것이 될 것이며, 두 개의 영상을 비교하는 정밀도에 있어 가장 바람직한 결과를 가져올 수 있다.

도 2는 극좌표계에서 영상의 외곽선 위에 렉시코그래픽 순서의 극소순서점과 극대순서점을 나타낸 것을 도시한 것이다. 극좌표계는 한 점을 나타낼 때에 중심점(200)으로부터의 거리와 기준축(205)과 중심점(200)과 그 한 점을 이은 선분이 이루는 각을 이용해서 나타낸다. 그러므로 먼저 중심점으로부터의 거리를 우선으로 하고, 중심점으로부터의 거리가 같으면 각이 큰 순서로 하여 극대 순서점을 구한다. 극소 순서점은 중심점(200)으로부터의 거리가 가장 작은 점을 선택하고, 거리가 최소인 점이 복수개이면 그 중에서 각의 크기가 가장 작은 점을 선택한다.

도 2에서 중심점(200)으로부터의 거리가 최대인 점은 또 있지만 그 중에서 각이 최대인 점은 참조번호 310의 점이며, 그 점이 극대 순서점인 P(1)이다.

화소수 n에 따라 등분한 이 등분점에 순서를 주어 나열한다. 이를 위해 점 P(1)로부터 곡선을 따라서 n개의 화소점을 포함하는 점들 중 극대순서인 점을 P(2)라고 한다. 점 P(2)로부터 곡선을 따라서 n개의 화소점을 포함하는 점들 중 P(1)이 아닌 점을 P(3)라고 한다. 또 점 P(3)으로부터 곡선을 따라서 n개의 화소점을 포함하는 점들 중 P(2)가 아닌 점을 P(4)라고 한다. 이와 같은 방법을 계속하여 점 P(k(n))과 점 P(1) 사이에 놓인 화소점의 개수가 n 보다 적을 때까지 계속하여 곡선에 대응하는 점열을 다음과 같이 얻는다(100 단계).

도 3은 영상의 외곽선 위에서 이와 같이 얻어진 등분 점열을 도시한 것이다.

영상의 외곽선이 폐곡선이 아닌 경우 외곽선에는 두개의 끝 점이 있게 되는데, 두 끝점 중 렉시코 그래픽 순서가 큰 점을 P(1)이라고 하여 P(1)으로부터 n개의 화소점을 포함하는 점을 P(2), 점 P(2)로부터 곡선을 따라서 n개의 화소점을 포함하는 점들 중 P(1)이 아닌 점을 P(3)이라고 한다. 같은 방법을 계속하여 점 P(k(n)-1)과 나머지 끝점 사이에 놓인 화소점의 개수가 n보다 적을 때까지 계속하여 P(1)이 아닌 다른 끝점을 P(k(n))이라 하여 곡선 위에 점열을 다음과 같이 얻는다(100 단계).

이제 점들의 집합

에서 곡선의 특징점을 찾는다.

곡선 위의 벡터들의 집합

을 생각한다. 이때에는 인접하는 두 점 P(i)와 P(i+1)로부터 생성되는 벡터이다.

본 발명에서는 폐곡선으로 나타나는 영상에 대해서는 [수학식 1]의 점열 위에 [수학식 4]의 벡터장이 결합된 곡선의 구부러짐에 대한 정보를 포함하는 기하학적인 정보를 주는 실가함수 f를 정의한다(110 단계).

이 함수 f가 최대값 f(P(s))를 갖는 점 P(s)를 구한다. 함수가 주어지고 그 함수에 대응할 수 있는 값(상기의 실시예의 경우는 [수학식 4]로 표현되는 벡터들의 집합)이 제시되었으므로 함수 f가 최대값을 가지게 하는 점 P(s)를 구하는 것은 초급의 일반적인 수학적인 지식을 이용하거나 컴퓨터와 같은 계산 장치를 이용하여 계산을 통해 구할 수 있을 것이며, 이는 본 발명이 속한 분야에 통상의 지식을 가진 자에게는 자명할 것이므로 더 이상의 설명은 생략한다.

상기의 점 P(s)는 곡선의 최대점이라고 한다. 이 점이 영상의 외곽선인 곡선의 특징점이다. 곡선의 특징점이라는 것은 여러 가지로 설정할 수 있을 것이며, 최대점은 특징점의 하나가 될 수 있다.

이와 같은 특징점인 최대점 P(s)를 구한 후 [수학식 1]의 점열을 점 P(s)를 시작점으로 하여 재배열하기 위해 다음과 같은 관계를 정의한다.

[수학식 5]의 정의를 적용하여 [수학식 1]의 점열로부터 새로운 점열을 다음과 같이 얻는다(130 단계).

이때에로 두면 [수학식 6]의 점열로부터 다음과 같은 수열을 얻는다(130 단계).

도 4는 [수학식 7]로 표시되는 점열을 도 2의 영상의 외곽선 위에 표시한 것을 도시한 것이다.

한편 영상의 외곽선이 폐곡선이 아닌 연결된 곡선으로 나타나는 영상에 대해서는 렉시코 그래픽 순서가 큰 한 끝점을 시작점으로 하여 배열된 [수학식 1]의 점열 위에 [수학식 4]의 벡터장이 결부된 곡선의 구부러짐 등의 기하학적인 정보를 주는 위의 폐곡선의 경우에서와 동일한 함수 f를 정의하고, 특징점을 구한 후 다음과 같은 관계를 정의한다(100 단계 내지 120 단계). 함수 f는 실수 값을 가지는 실가함수 일 수 있다.

이로부터 [수학식 2]의 점열로부터 다음과 같은 수열을 얻는다(130 단계).

상기의 실가함수 f는 특정한 하나의 함수만이 아니라 어떤 함수도 가능하며, 예를 들면 다음과 같은 식으로 정의할 수 있다.

여기서 '' 기호는 두 벡터의 내적을 나타낸다.

위와 같은 함수 f를 적용하여 곡선위의 각 점에서 영상의 구부러짐의 각도를 데이터로 하는 [수학식 7]과 [수학식 9]의 수열을 폐곡선으로 나타나는 영상과 폐곡선이 아닌 연결된 곡선으로 나타나는 영상에 대한 데이터로 각각 설정한다.

곡선으로 나타나는 두 영상의 닮음을 확인하기 위해 원본 영상과 비교본 영상을 상기와 같은 과정을 통해 [수학식 7]이나 [수학식 9]의 수열에 의해 표현되는 데이터를 구한다. 원본 영상에 대한 데이터는 미리 상기와 같은 방법을 통해 구하고, 비교본 데이터는 비교할 영상이 얻어질 때마다 마찬가지로 상기에 설명된 방법을 통해 구한다(150 단계).

두 영상의 데이터를 비교하는 것은 다음과 같다(160 단계).

먼저 원본 영상의 극대순서 최대점으로부터 [수학식 7]이나 [수학식 9]에 의해 획득한 데이터로부터 원본 누계 데이터를 얻는다(140 단계). 그리고 각 비교 영상의 최대점으로부터 [수학식 7]이나 [수학식 9]에 의해 획득한 비교본 누계 데이터를 구한다(150 단계).

상기 비교본 영상의 누적 데이터와 상기 원본 영상의 누적 데이터의 차이가,상기 원본 영상의 외곽선을 이루는 화소수와 상기 비교본 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 이용한 오차의 한계 범위 이내 이면 상기 비교본 영상이 상기 원본 영상과 닮았다고 판정(160 단계)하는 것이 바람직하다.

예를 들어 원본 영상에서 [수학식 7]과 같이 적용하여 얻은 점열을 {n1, n2, n3, n4, n5, n6, n7, n8, n9, ....}이라고 한다. 이 점열은 원본 영상의 외곽선 위에 소정의 점들을 설정하고 이 점들을 이어서 생기는 벡터들간의 각도에 대한 정보를 포함하고 있는 것이다.

비교본 영상이 원본 영상을 1/3로 축소한 영상이라고 하자. 이 비교본 영상에 [수학식 7]을 적용하여 얻은 점열을 {n1', n2', n3', n4', ....}이라고 하면 이 점열의 구성 원소의 개수는 상기 원본 영상의 점열의 개수의 1/3이다. 마찬가지로 이 점열은 비교본 영상의 외곽선위에 소정의 점들을 설정하고 이 점들을 이어서 생기는 벡터들간의 각도에 대한 정보를 포함하고 있는 것이다.

이때에 원본 영상에서 얻은 점열의 각 구성 원소를 다 더한 (n1 + n2 + n3 + n4 + n5 + ...) 의 값은 비교본 영상에서 얻은 점열의 각 구성 요소를 다 더한 (n1' + n2' + n3' + n4'+...)의 값과 같다.

원본 영상에서 구한 점열에서 (n1 + n2 + n3 + n4 + n5 + n6 + n7 + n8 + n9) 의 값은 원본 영상의 외곽선인 곡선에서 얻어지는 첫 번째 점에서 9번째 점까지의 각도의 변화량을 더한 것이다. 비교본 영상은 원본 영상을 1/3로 축소한 것이므로, 원본 영상에서 첫 번째 점부터 9번째 점까지의 각도의 변화량은 비교본 영상에서는 첫 번째 점부터 3번째 점까지의 각도의 변화량과 같다. 그러므로 원본 영상에서 구한 (n1 + n2 + n3 + n4 + n5 + n6 + n7 + n8 + n9)의 값은 비교본 영상에서 구한 (n1' + n2' + n3')의 값과 같다.

이와 같은 관계를 확장하면 원본 영상에서 얻은 점열의 각 구성원소를 더한 원본의 누계 데이터는 비교본 영상에서 얻은 점열의 각 구성 원소를 더한 비교본 누계 데이터와 같다. 상기의 예의 경우 가중치는 3이 된다.

이와 같은 관계를 이용하면, 원본 영상과 비교본 영상의 화소점 비율에 따른 가중 구간에서 비교본 누계 데이터는 원본의 누계 데이터와 같게 되는 것이 설명된다.

닮음을 판정하는 다른 방법은 비교본 누계 데이터를 얻어 원본 영상과 비교본 영상의 화소점 비율에 따른 가중 구간에서 비교본 누계 데이터가 원본 누계 데이터의 스플라인으로부터 미소거리 이내에 놓이게 된 경우 닮음으로 판정하고 그렇지 않은 경우 닮지 않은 것으로 판정하는 것이 바람직하다(160 단계). 이때에 스플라인은 선형 스플라인을 사용할 수 있다.

다시 설명하면 참조번호 140 단계에서 얻어진 원본 영상의 누적 데이터를 이용하여 얻어지는 선형 스플라인과 상기 참조번호 150 단계에서 얻어진 비교본 영상의 누적 데이터를 이용하여 얻어지는 선형 스플라인을 비교하여 닮음을 판단하는 것이다. 이때에 누적 데이터를 이용해서 선형 스플라인 외에 다른 방법(예를 들면 큐빅 스플라인)을 적용할 수도 있을 것이다.

그리고 미소 거리 이내라는 명칭을 사용한 것은 원본이나 비교본 영상을 촬상하여 컴퓨터와 같은 장치의 화면에 표시하여 외곽선 위의 각 점에 대한 좌표를구하는 경우에 발생할 수 있는 오차와 같은 요인을 반영하기 위한 것이다.

주어진 데이터의 값을 기준으로 하여 그 값에 따른 선형 스플라인을 얻은 것 역시 초급의 일반적인 수학적인 지식을 이용하거나 컴퓨터와 같은 계산 장치를 이용하여 계산을 통해 구할 수 있을 것이며, 이는 본 발명이 속한 분야에 통상의 지식을 가진 자에게는 자명할 것이므로 더 이상의 설명은 생략한다.

이때에 각 스플라인을 비교하는 경우, 상기 원본 영상의 외곽선을 이루는 화소수와 상기 비교본 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 상기 비교본 영상의 스플라인에 곱한 가중치 적용된 비교본 영상의 스플라인을 상기 원본 영상의 누적 데이터로 얻어지는 스플라인과 비교하여 닮음을 판단하는 것이 바람직하다.

상기에 설명된 것과 같이 비교본 영상이 원본 영상을 1/3로 축소하고 회전시킨 영상이라고 하자. 도 5는 원본 영상과 비교본 영상의 예를 든 것이다.

참조번호 500은 원본 영상을 도시한 것이며, 참조번호 100 단계에서 얻은 등분점의 개수가 Nd이다. 참조번호 510은 비교본 영상을 도시한 것이며, 참조번호 100 단계에서 얻은 등분점의 개수가 N이다.

참조번호 505는 원본 영상의 등분점들에 대해 상기에 설명된 방법에 따라 직교 좌표계에서 스플라인을 구한 것을 도시한 것이며, 참조번호 515는 비교본 영상의 등분점들에 대해 상기에 설명된 방법에 따라 스플라인을 구한 것을 도시한 것이다. 이 경우 비교본 영상은 원본 영상을 1/3로 한 것이므로 가중치는 3이 된다.

참조번호 515의 곡선의 각 x값에 가중치 3을 곱하고(이때에 y 값은 그대로임) 그 결과값을 이용하여 좌표면에 다시 도시하면 그 결과 가중치가 적용된 참조번호 515의 곡선은 참조번호 505의 곡선에 일치 혹은 근접된다.

두 개의 곡선이 일치한다면 완전한 닮음이라고 할 수 있는 것이며, 각 점에서의 값이 상기에 표현된 미소값 범위 내에 위치하여도 닮았다고 할 수 있다.

이하에서는 오차의 범위라고 할 수 있는 미소값에 대해 예를 들어 설명한다. 폐곡선으로 나타나는 영상에 관하여 본 발명을 적용하는 일 예는 다음과 같다.

스플라인을 선형 스플라인으로 취하고 원본 영상화소수(N)와 비교본 영상 화소수(B)에 대해 다음과 같은 식으로 표시한다.

이때에 비교본 데이터의 화소점 N(k)에서의 값이 가중된 구간 [N(k)*d-2, N(k)*d+2]에서의 원본 데이터의 값의 선형 스플라인과 일치하는 것이 있으면 닮음으로 판정하고 그렇지 않은 경우 닮지 않은 것으로 판정한다. 가중된 구간 [N(k)*d-2, N(k)*d+2]에서 2는 화소점 좌표를 가중 평균으로부터 취할 때 오차의 한계와 화소수 비율에 따른 가중 구간을 취할 때 발생하는 오차의 한계를 고려한 수치의 합이며, 상기에서 사용한 미소값이 된다.

만일 원본이 회전되어 비교본 영상이 얻어진 경우라면 d 값은 1이 될 것이며, 이때에 영상을 얻는 과정에서 오차가 없다면 a 값은 0이 될 것이다.

만일 비교본 영상의 원본 영상을 1/3로 축소한 경우라면 d의 값은 3이 될 것이며, 마찬가지로 영상을 얻는 과정에서 오차가 없다면 a 값은 0이 될 것이다.

예를 들어 N=90이고, Nd=100이면 [수학식 11]은 100 = 90*1.11 + 0.1 와 같이 표시될 수 있다. 이때에 d 값은 1.11이며, a 값은 0.1이 된다. 이때에 d의 값을 소수점 이하의 수를 많이 취하도록 하면 a값은 더 작아지며 0에 근접하는 값이 될 것이며, 따라서 오차는 더 작아지게 될 것이다. 그러므로 오차의 한계를 줄이려면 a 값이 0에 가까이 갈 수 있도록 d의 값을 조절하고, 그때의 d 값을 사용하여 누적 데이터간의 스플라인을 비교하도록 한다.

영상의 외곽선이 폐곡선이 아닌 연결된 곡선으로 나타나는 경우도 상기와 같은 방법을 적용하여 판정한다.

최대점이 복수개 있는 경우에는 원본 영상에 대한 데이터는 각 최대점마다 참조번호 100 내지 130 단계의 방법에 따라 미리 구하여 저장하고, 비교본 데이터는 극대 순서 최대점으로부터 참조번호 100 내지 130 단계에 설명된 방법으로 구한다.

그리고 원본 영상의 각 최대점으로부터 [수학식 7]이나 [수학식 9]에 의해 획득한 복수의 데이터로부터 원본 데이터의 원본 누계 데이터를 각각 얻는다(140 단계). 그리고 각 비교 영상의 극대 순서의 최대점으로부터 [수학식 7]이나 [수학식 9]에 의해 획득한 비교본 누계 데이터를 구한다(150 단계).

즉, 원본 영상에 대해 여러개의 최대점이 존재하는 경우에는 여러개의 최대점을 기준으로 한 원본 누계 데이터를 전부 각각 미리 구하고, 비교 영상의 경우에는 하나의 최대점인 극대 순서의 최대점으로부터 비교본 누계 데이터를 구한다.

그리고 비교본 누계 데이터를 얻어 원본 영상과 비교본 영상의 화소점 비율에 따른 가중 구간에서 비교본 누계 데이터가 최대점에 따라 복수개로 구해진 원본 누계 데이터의 스플라인의 어느 하나로부터 미소거리 이내에 놓이게 된 경우 닮음으로 판정하고 그렇지 않은 경우 닮지 않은 것으로 판정한다(160 단계). 이때에도 역시 스플라인은 선형 스플라인을 사용할 수 있다.

이런 과정을 통해 굴곡이 많아 최대점이 여러개 있는 원본 영상의 경우에는 비교에 걸리는 시간을 대폭 줄일 수 있다.

도 6은 본 발명에 따른 물체의 닮음을 인식하는 장치의 구성을 블록으로 도시한 것이다.

이 장치는 물체에 대한 영상을 촬상하는 영상촬영부(600), 상기 촬상된 영상을 소정 개수의 화소를 이용하여 표시하는 영상표시부(610), 영상표시부(610)에 표시된 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 상기 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 등분점열획득부(620), 등분점열획득부(620)에서 획득한 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 영상표시부(610)에 의해 표시된 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 생성하는 함수생성부(630), 함수생성부(630)에서 생성된 함수가 최대값을 가지게 하면서 상기 영상의 외곽선위에 위치한 특징점을 구하는 특징점획득부(640), 특징점획득부(640)에서 구해진 특징점을 기준으로 등분점열획득부(620)에서 획득된 점열을 소정의 순서로 재배열하는 등분점재배열부(650), 등분점재배열부(650)에 의해 재배열된 점열로부터 영상표시부(610)에 표시된 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 생성하는 기하학정보생성부(660) 및 비교하려는 영상들에 대해 기하학정보생성부(660)에서 생성된 기하학적인 누적 데이터를 상호 비교하여 물체들이 상호 닮았나를 판단하는 닮음판단부(670)를 포함한다.

영상촬영부(600)는 통상의 카메라와 같은 촬영 수단 혹은 CCD를 이용한 촬영수단을 사용할 수 있을 것이다. 화소수가 높은 것을 촬영수단을 사용하는 것이 본 발명을 다양하게 적용하는데 있어 유리할 것이다.

도 6의 각 구성 부분들의 동작은 상기에 설명된 도 1의 방법과 실질적으로 동일하므로 더 이상의 설명은 생략한다.

한 물체를 미리 촬영하여 도 6의 구성을 이용하여 도 1의 방법으로 물체에 대한 기하학 정보를 미리 생성한다. 그리고 후에 그 물체를 다시 촬영한 비교본 물체가 처음 물체와 같은가 혹은 닮았나를 판단하는 경우에 영상촬영부(600)와 물체와의 거리에 따라 혹은 영상촬영부(600)에서 조작하는 줌(zoom) 기능으로 동일 물체라도 확대 혹은 축소되어 촬영될 수 있다. 이런 경우에도 상기에 설명된 본 발명에 따른 방법은 물체의 확대/축소와는 관계없는 기하학적인 특징으로 물체들을 비교하는 것이므로 두 개의 물체가 닮았는가를 인식하는 원래의 목적을 달성하는 데 최소의 오차를 가지고 성공할 수 있다.

그리고 비교본 물체가 원본 촬영때와 다르게 회전된 경우, 예를 들면 사람의 얼굴 외곽선의 닮음을 인식하는 경우 최초 촬영때에는 바른 자세로 찍어 기하학적인 데이터를 구하고 다음에 촬영할 때에는 기울어진 자세로 찍어 비교 물체 영상에 대한 기하학적인 데이터를 구하더라도, 상기 두 가지 경우에 물체 영상의 기하학적인 특성이 바뀌는 것은 아니므로 본 발명에 따른 방법은 두 가지 경우를 닮았다고 판정할 수 있다.

즉, 본 발명은 최초 촬영된 물체를 다음에 촬영시에는 멀리 떨어져 촬영하거나 혹은 촬영 각도를 다르게 해서 촬영하더라도 서로 닮았다고 인식할 수 있는 것이다.

따라서 본 발명의 기본 사상을 이용하면, 지문이나 홍채 혹은 정맥을 이용하여 본인임을 확인하는 경우에 지문, 홍채, 정맥의 영상을 촬상한 영상 데이터의 외곽선으로부터 기하학적인 특징점을 추출하며, 기하학적인 누적 데이터를 얻어서, 동일인임을 확인하는 신뢰성 높은 보안 기술을 얻을 수 있다.

혹은 영상을 전송하는 경우에 닮음 관계의 영상들은 원본 영상인 하나의 기준 영상만 전송하고, 다른 닮은 관계의 영상들은 전송하지 않고, 전송된 원본 영상의 값을 기준으로 수신처에서 다른 닮은 관계의 영상을 재생하여, 영상과 같은 큰 용량을 가지는 데이터를 전송할 때에 전송의 효율성을 높일 수 있을 것이다.

그리고 대량 생산되는 물건의 경우 물건의 외관이 정상인가를 판단하기 위해 본 발명의 사상에 따라 정상 물건의 외관에 대한 기하학적인 데이터인 누적 데이터를 미리 준비하고 정상인가를 판단할 물건들에 대한 누적 데이터를 구해 양자를 비교하면 자동적으로 빠른 시간내에 물건의 외관이 정상인가를 판단할 수 있어 대량 생산에 있어 효율성을 높일 수 있다.

이상에서 설명한 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

도 1 또는 도 6의 각 기능 블록은 소프트웨어적인 방법을 통해 혹은 PLD, FPGA와 같은 프로그래밍 소자나 프로그램의 실행 코드가 담긴 ROM과 같은 소자를 통해 구현할 수 있으며, 이는 본 발명이 속한 분야에 통상의 기술을 가진 자라면 용이하게 알 수 있는 것이다.

그리고 본 발명에 따른 상기의 각 단계들은 일반적인 프로그래밍 기법을 이용하여 소프트웨어적으로 또는 하드웨어적으로 다양하게 구현할 수 있다는 것은 이 분야에 통상의 기술을 가진 자라면 용이하게 알 수 있는 것이다.

그리고 본 발명의 일부 단계들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, CD-RW, 자기 테이프, 플로피디스크, HDD, 광 디스크, 광자기 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드로 저장되고 실행될 수있다.

본 발명에 의하면, 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법에 있어서, 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하고, 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 정의하며, 함수가 최대값을 가지게 하는 영상의 외곽선위에 위치한 특징점을 구하여, 특징점을 기준으로 등분 점열을 소정의 순서로 재배열하여, 재배열된 점열로부터 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하며, 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 위와 같은 방법을 통해 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하여, 원본 영상의 누적 데이터를 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단함으로 해서, 위치 이동에 무관하게 물체의 영상의 대한 일관성이 있는 데이터를 확보하여 원본 물체와 대조되는 비교본 물체의 닮음을 인식한다.

따라서 본 발명의 기본 사상을 이용하여 지문 인식이나 홍채를 인식하여 동일인임을 확인할 수 있게 되어 영상의 인식을 이용하는 보안과 같은 시스템을 구현할 때에 신뢰성 있는 결과를 제공할 수 있다.

그리고 영상을 전송하는 경우에 닮음 관계의 영상들은 원본 영상만을 전송하여 다른 영상들을 재생할 수 있어, 영상과 같은 큰 용량을 가지는 데이터를 전송할때에 전송의 효율성을 높일 수 있을 것이다.

또한 대량 생산되는 물건의 경우 물건의 외관이 정상인가를 판단하기 위해 본 발명의 사상에 따른 닮음 인식 방법을 사용하면 자동적으로 빠른 시간내에 물건의 외관이 정상인가를 판단할 수 있어 대량 생산에 있어 효율성을 높일 수 있다.

Claims (12)

1. 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법에 있어서,

   (a) 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 단계;

   (b) 상기 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 정의하는 단계;

   (c) 상기 함수가 최대값을 가지게 하는 상기 영상의 외곽선위에 위치한 특징점을 구하는 단계;

   (d) 상기 특징점을 기준으로 상기 (a) 단계에서 얻은 점열을 소정의 순서로 재배열하는 단계;

   (e) 상기 (d) 단계에서 재배열된 점열로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계;

   (f) 상기 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 상기 (a) 내지 (e) 단계를 반복하여 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; 및

   (g) 상기 (e) 단계에서 구한 원본 영상의 누적 데이터를 상기 (f) 단계에서 구한 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단하는 단계를 포함하는 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
2. 제1항에 있어서, 상기 (a) 단계의 영상의 외곽선의 소정의 한 점은,

   상기 외곽선 위의 점들 중 렉시코 그래픽 순서가 극대인 점인 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
3. 제1항에 있어서, 상기 (a) 단계의 화소점의 개수는 최소 1임을 특징으로 하는 물체의 닮음을 인식하는 방법.
4. 제1항에 있어서, 상기 (g) 단계는,

   상기 비교본 영상의 누적 데이터와 상기 원본 영상의 누적 데이터의 차이가, 상기 원본 영상의 외곽선을 이루는 화소수와 상기 비교본 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 이용한 오차의 한계 범위 이내 이면 상기 비교본 영상이 상기 원본 영상과 닮았다고 판정하는 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
5. 제1항에 있어서, 상기 (g) 단계는,

   상기 (e) 단계에서 얻어진 원본 영상의 누적 데이터를 이용하여 얻어지는 스플라인과 상기 (f) 단계에서 얻어진 비교본 영상의 누적 데이터를 이용하여 얻어지는 스플라인을 비교하여 닮음을 판단하는 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
6. 제5항에 있어서,

   상기 원본 영상의 외곽선을 이루는 화소수와 상기 비교본 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 상기 비교본 영상의 스플라인에 곱한 가중치 적용된 비교본 영상의 스플라인을 상기 원본 영상의 누적 데이터로 얻어지는 스플라인과 비교하여 닮음을 판단하는 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
7. 제1항에 있어서,

   상기 (c) 단계에서, 특징점이 복수개 구해지는 경우,

   상기 (d) 단계는 상기 특징점 각각을 기준으로 상기 (a) 단계에서 얻은 점열을 각 특징점별로 소정의 순서로 재배열하고,

   상기 (e) 단계는 상기 (d) 단계에서 재배열된 각 점열들로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 각각 구하며,

   상기 (g) 단계는 상기 (f) 단계에서 구한 비교본 영상의 누적 데이터와 상기(e) 단계에서 구한 원본 영상의 복수의 누적 데이터의 어느 하나를 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단하는 것을 특징으로 하는 물체의 닮음을 인식하는 방법.
8. 물체를 촬상하여 영상 데이터를 얻어 물체의 닮음을 인식하는 장치에 있어서,

   상기 촬상된 영상을 소정 개수의 화소를 이용하여 표시하는 영상표시부;

   상기 영상표시부에 표시된 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 상기 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 등분점열획득부;

   상기 등분점열획득부에서 획득한 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 영상표시부에 의해 표시된 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 생성하는 함수생성부;

   상기 함수생성부에서 생성된 함수가 최대값을 가지게 하면서 상기 영상의 외곽선위에 위치한 기하학적인 특징점을 구하는 특징점획득부;

   상기 특징점획득부에서 구해진 특징점을 기준으로 상기 등분점열획득부에서 획득된 점열을 소정의 순서로 재배열하는 등분점재배열부;

   상기 등분점재배열부에 의해 재배열된 점열로부터 상기 영상표시부에 표시된 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 생성하는 기하학정보생성부; 및

   비교하려는 영상들에 대해 상기 기하학정보생성부에서 생성된 기하학적인 누적 데이터를 상호 비교하여 물체들이 상호 닮았나를 판단하는 닮음판단부를 포함하는 것을 특징으로 하는 물체의 닮음을 인식하는 장치.
9. 제8항에 있어서, 상기 닮음판단부는,

   상기 기하학정보생성부에서 생성된 비교본 물체 영상의 누적 데이터와 원본 물체 영상의 누적 데이터의 차이가, 상기 원본 물체 영상의 외곽선을 이루는 화소수와 상기 비교본 물체 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 이용한 오차의 한계 범위 이내 이면 상기 비교본 물체가 원본 물체와 닮았다고 판정하는 것을 특징으로 하는 물체의 닮음을 인식하는 장치.
10. 제8항에 있어서, 상기 닮음판단부는,

    상기 기하학정보생성부에서 얻어진 원본 물체 영상의 누적 데이터를 이용하여 얻어지는 선형 스플라인과 비교본 물체 영상의 누적 데이터를 이용하여 얻어지는 선형 스플라인을 비교하여 닮음을 판단하는 것을 특징으로 하는 물체의 닮음을 인식하는 장치.
11. 제10항에 있어서, 상기 닮음판단부는,

    원본 물체 영상의 외곽선을 이루는 화소수와 비교본 물체 영상의 외곽선을 이루는 화소수의 비에 따라 결정되는 가중치를 상기 비교본 영상의 선형 스플라인에 곱한 가중치 적용된 비교본 영상의 스플라인을 상기 원본 영상의 누적 데이터로 얻어지는 선형 스플라인과 비교하여 닮음을 판단하는 것을 특징으로 하는 물체의 닮음을 인식하는 장치.
12. 원본 물체와 비교본 물체가 닮았는가를 인식하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록매체에 있어서,

    (a) 원본 물체의 영상의 외곽선의 소정의 한 점으로부터 소정 개수의 화소점을 가지도록 영상의 외곽선을 등분하여 각 등분점으로 구성되는 등분 점열을 획득하는 단계;

    (b) 상기 등분 점열의 각 이웃한 점들로 생성되는 벡터장에 상기 원본 영상의 외곽선의 구부러짐을 포함하는 기하학적인 정보를 주는 소정의 함수를 정의하는 단계;

    (c) 상기 함수가 최대값을 가지게 하는 상기 영상의 외곽선위에 위치한 특징점을 구하는 단계;

    (d) 상기 특징점을 기준으로 상기 (a) 단계에서 얻은 점열을 소정의 순서로 재배열하는 단계;

    (e) 상기 (d) 단계에서 재배열된 점열로부터 상기 원본 영상의 외곽선에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계;

    (f) 상기 원본 물체와 닮았는가를 비교하려는 비교본 물체의 영상의 외곽선에 대해 상기 (a) 내지 (e) 단계를 반복하여 비교본 영상에 대한 기하학적인 데이터인 누적 데이터를 구하는 단계; 및

    (g) 상기 (e) 단계에서 구한 원본 영상의 누적 데이터를 상기 (f) 단계에서 구한 비교본 영상의 누적 데이터와 비교하여 원본 영상과 비교본 영상이 닮았는가를 판단하는 단계를 포함하는 것을 특징으로 하는 물체의 닮음을 인식하는 프로그램을 컴퓨터에서 실행시키기 위해 기록한 컴퓨터가 읽을 수 있는 기록매체.