KR100909540B1 - 영상인식 오류 통보 방법 및 장치 - Google Patents

영상인식 오류 통보 방법 및 장치 Download PDF

Info

Publication number
KR100909540B1
KR100909540B1 KR1020060092448A KR20060092448A KR100909540B1 KR 100909540 B1 KR100909540 B1 KR 100909540B1 KR 1020060092448 A KR1020060092448 A KR 1020060092448A KR 20060092448 A KR20060092448 A KR 20060092448A KR 100909540 B1 KR100909540 B1 KR 100909540B1
Authority
KR
South Korea
Prior art keywords
image
recognition
image data
analysis
data
Prior art date
Application number
KR1020060092448A
Other languages
English (en)
Other versions
KR20080027039A (ko
Inventor
김현수
윤제한
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020060092448A priority Critical patent/KR100909540B1/ko
Priority to US11/860,256 priority patent/US8019159B2/en
Publication of KR20080027039A publication Critical patent/KR20080027039A/ko
Application granted granted Critical
Publication of KR100909540B1 publication Critical patent/KR100909540B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상을 기반으로 영상인식 중에 인식 오류 원인을 파악하여 사용자에게 통보하는 장치에 관한 것으로, 사용자에 의해 영상인식이 요청될 경우, 영상 이미지 데이터로부터 영상인식의 오류를 발생시키는 인식 오류 원인을 미리 지정되는 기준치들의 정상범위와 비교하여 영상인식의 적합여부를 파악하여 사용자에게 통보한다.
영상 이미지, 영상인식, 영상처리

Description

영상인식 오류 통보 방법 및 장치{METHOD AND APPARATUS FOR ALARMING OF IMAGE-RECOGNITION ERROR}
도 1은 기존의 영상장치가 영상인식 기능을 수행하는 흐름도,
도 2는 본 발명의 바람직한 실시 예에 따른 영상장치의 블록 구성도,
도 3은 본 발명의 바람직한 실시 예에 따른 영상장치에 포함되어 있는 영상처리부 및 영상분석부의 블록 구성도,
도 4는 본 발명의 바람직한 실시 예에 따라 영상 이미지 데이터로 영상인식 기능을 수행하는 간단한 흐름도,
도 5는 본 발명의 바람직한 실시 예에 따라 영상 이미지 데이터로 영상인식 오류 원인을 파악하여 사용자에게 통보하는 흐름도,
도 6은 본 발명의 바람직한 실시 예에 따른 얼굴 영상 이미지의 예시도,
도 7은 본 발명의 바람직한 실시 예에 따라 인식적합 여부를 파악하기 위한 기준치들을 설정하는 흐름도,
본 발명은 영상처리에 관한 것으로, 특히 영상인식의 오류 발생 시, 오류 원인을 통보하는 방법 및 장치에 관한 것이다.
일반적으로 영상인식은 영상 이미지로 데이터부터 영상인식에 필요한 특징 이미지 데이터를 포함하는 관심영역을 설정하고, 설정한 관심영역에 해당하는 영상 이미지 데이터를 분할하고, 분할 영상 이미지 데이터와 영상인식을 위해 미리 저장된 영상 이미지 데이터를 비교하여 영상인식 기능을 수행하였다.
도 1을 참조하여 좀 더 자세히 살펴보면, 101단계에서 영상장치는 사용자에 의해 영상인식이 요청되면 인식대상을 포함하는 영상 이미지 데이터를 입력받고 103단계로 진행하며, 영상인식이 요청되지 않으면 101단계를 반복한다. 103단계에서 영상장치는 영상 이미지 데이터의 잡음을 제거하고, 영상 이미지 데이터의 밝기를 인식에 적합한 밝기로 조정한다. 105단계에서 영상장치는 영상 이미지 데이터로부터 인식대상을 포함하는 관심영역을 검색하고, 검색한 관심영역만큼 영상 이미지를 분할하고, 분할 영상 이미지로부터 영상인식에 필요한 특징 이미지 데이터를 추출한다. 107단계에서 영상장치는 미리 저장된 영상 이미지 데이터들로부터 영상인식에 필요한 특징 이미지 정보를 추출하고, 105단계에서 추출한 특징 이미지 데이터를 비교한다. 그리고 영상장치는 105단계에서 추출한 특징 이미지 데이터와 가장 많이 일치하는 영상 이미지 데이터를 미리 저장된 영상 이미지 데이터들 중에서 검색하여 영상인식을 실행한다.
도 1에 살펴본 바와 같이, 영상장치는 영상인식이 성공하거나 실패하는 어떠한 경우에도 사용자에게 그 사실을 통보하지 않았다. 특히, 영상장치가 영상인식을 실패한 경우, 그 실패의 인식 오류 원인을 사용자에게 통보하지 않는 문제점이 있었다.
따라서 본 발명은 영상인식 오류 발생 시, 인식 오류 원인을 파악하여 사용자에게 통보하는 방법 및 장치를 제공한다.
상기한 문제점을 해결하기 위해 영상인식 오류 통보 방법에 있어서, 사용자에 의해 영상인식이 요청되면, 인식대상을 촬영하여 영상 이미지 데이터를 생성하고, 상기 영상 이미지 데이터로부터 영상인식의 오류를 발생시키는 환경요인들을 검출하여 각각에 해당하는 분석지표들을 계산하고, 상기 분석지표들이 미리 지정되는 기준치들의 정상범위 내에 포함되는 지 판별하여 상기 영상인식의 적합여부를 파악하고, 상기 분석지표들 중에서 하나라도 상기 정상범위 내에 포함되지 않으면 상기 정상범위를 벗어난 분석지표에 대응되는 환경요인을 영상 인식 오류 원인으로 파악하여 상기 사용자에게 통보하는 단계를 포함함을 특징으로 한다.
이하, 본 발명의 바람직한 실시 예들을 첨부한 도면을 참조하여 상세히 설명한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
본 발명에서 영상인식 오류 발생 시, 영상장치는 인식 오류 원인을 파악하여 사용자에게 통보한다. 특히, 본 발명의 실시 예에 따른 영상장치는 인식 오류 원인 중에서 환경요인에 의해 발생하는 인식 오류 원인을 사용자에게 통보한다.
환경요인은 영상 이미지 데이터의 영상인식에 영향을 주는 외적요인들을 말하며, 영상 이미지 데이터의 조명상태 및 크기상태 및 인식대상의 각도상태 등을 포함한다. 좀 더 자세히 설명하면, 영상 이미지 데이터의 조명상태가 일정이상 밝거나 일정이상 어두운 경우에 영상장치는 영상인식 과정을 수행할 수 없다. 그리고 영상 이미지 데이터의 크기상태가 일정크기 이하인 경우에 영상 장치는 영상인식 과정을 수행할 수 없다. 그리고 영상 이미지 데이터의 인식대상의 각도상태가 일정이상 기울어진 경우에 영상장치는 영상인식 과정을 수행할 수 없다. 그리고 영상장치는 영상 이미지 데이터의 조명상태 및 크기상태 및 인식대상의 각도상태 이외의 환경요인에 의해서도 영상인식 과정을 수행할 수 없다.
본 발명을 간단히 설명하기 위하여 조명상태 및 크기상태 및 인식대상의 각도상태를 환경요인으로 지정하고, 이 환경요인에 의해 발생하는 인식 오류 원인을 사용자에게 통보하는 것으로 가정한다.
이제부터 도 2 내지 도 3을 참조하여 본 발명에 따른 영상장치의 구성을 설명하고자 한다. 도 2는 본 발명의 바람직한 실시 예에 따른 영상장치의 블록 구성도 이다. 도 2를 참조하여 본 발명에 따른 영상장치를 구성하는 요소들의 동작을 설명한다.
영상장치는 제어부(201)와 통신부(203)와 영상처리부(207)와 카메라부(209)와 메모리부(211)와 표시부(213)와 키입력부(미도시)를 포함하여 구성한다.
이 중에서 통신부(203)는 임의의 외부장치와의 통신기능을 수행한다. 특히, 본 발명에서 통신부(203)는 임의의 외부장치로 영상 이미지 데이터를 송신하거나, 임의의 외부장치로부터 영상 이미지 데이터를 수신한다. 카메라부(209)는 제어부(201)의 제어에 따라 사물(死物)이나 생물(生物)의 영상을 촬영하여 영상 이미지 데이터를 생성한다. 표시부(213)는 제어부(201)의 제어에 따라 영상장치의 현재상태 및 영상장치의 동작상태 및 영상 이미지 데이터를 표시하며, 일반적으로 LCD(Liquid Crystal Display)와 OLED(Organic Light Emitting Diodes)로 구성할 수 있다. 키입력부(미도시)는 영상처리를 위한 숫자키들(*키와 #키를 포함한다)과 각종 기능을 위한 기능키로 구성되며, 사용자가 누르는 키에 대응하는 키신호를 발생하여 제어부(201)로 출력한다.
메모리부(211)는 영상장치의 제어에 필요한 데이터들을 저장한다. 특히, 본 발명에서 메모리부(211)는 영상인식의 적합 여부를 파악할 때 요구되는 기준치들을 계산하기 위한 학습데이터를 저장하고, 영상인식 기능을 수행할 때 요구되는 인식데이터를 저장한다.
학습데이터는 영상인식의 적합 여부를 판별할 수 있는 기준치들을 계산하기 위한 데이터이다. 예를 들면, 학습데이터는 임의의 영상 이미지 데이터의 집합이 될 수 있으며, 영상 이미지 데이터로부터 추출한 임의의 특징 이미지 데이터의 집합이 될 수 있다. 그리고 학습데이터는 분석학습데이터와 신뢰도학습데이터로 분류할 수 있다. 또한 분석학습데이터는 인식적합데이터집합과 인식부적합데이터집합으로 분류하며, 신뢰도학습데이터는 신뢰도적합데이터집합과 신뢰도부적합데이터집합 으로 분류할 수 있다.
인식적합데이터집합은 영상인식부(307)에 의해 미리 영상인식이 적합하다고 파악된 데이터의 집합이다. 그리고 인식적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다. 인식부적합데이터집합은 영상인식부(307)에 의해 미리 영상인식이 부적합하다고 파악된 데이터의 집합이다. 그리고 인식부적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다.
신뢰도적합데이터집합은 영상인식분석부(319)와 영상인식부(307)에 의해 미리 영상인식이 적합하다고 파악되는 데이터의 집합이다. 그리고 신뢰도적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다. 신뢰도부적합데이터집합은 영상인식분석부(307)에 의해 미리 영상인식이 적합하다고 파악되나 영상인식부(307)에 의해 부적합하다고 파악된 데이터의 집합이다. 그리고 신뢰도부적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다.
인식데이터는 영상인식부(307)가 영상인식 기능을 수행할 때, 영상인식부(307)로 입력되는 영상 이미지 데이터의 특징 이미지 데이터와 비교하기 위한 데이터들 이다. 그리고 인식데이터는 영상 이미지 데이터의 특징 이미지 데이터와 비교하기 위한 데이터이므로, 임의의 영상 이미지 데이터 이거나 임의의 영상 이미지 데이터의 특징 이미지 데이터가 될 수 있다. 그리고 영상인식 중에서 얼굴인식을 수행할 경우에 인식데이터는 사용자에 의해 등록될 수 있다.
영상처리부(205)는 영상인식 과정을 수행하기 위해 영상 이미지 데이터를 전처리하며, 인식대상을 포함하는 관심영역을 검색하고, 영상 이미지 데이터로부터 검색한 관심영역에 해당하는 부분만 분할한 영상 이미지 데이터를 제어부(201)로 출력한다. 그리고 영상처리부(205)는 제어부(201)로부터 영상 이미지 데이터가 입력되면 영상인식 기능을 수행한다. 그리고 영상분석부(207)는 제어부(201)로부터 입력되는 영상 이미지 데이터를 분석하여 영상인식에 적합한 영상 이미지 데이터인지 파악한다.
도 3은 영상처리부(205)와 영상분석부(207)의 블록 구성도 이다. 도 3을 참조하여 영상처리부(205)와 영상분석부(207)의 구성요소들을 설명하고자 한다.
먼저 영상처리부(205)는 전처리부(301)와 영상분할부(303)와 특징추출부(305)와 영상인식부(307)와 영상인식신뢰도학습부(309)를 포함하여 구성한다. 전처리부(301)는 제어부(201)로부터 입력되는 영상 이미지 데이터를 가공하여 잡음을 제거하거나, 인식에 적합한 밝기로 조정하고 영상분할부(303)로 출력한다. 영상분할부(303)는 영상 이미지 데이터로부터 인식대상을 포함하는 관심영역을 검색하고, 검색한 관심영역만을 포함하는 영상 이미지 데이터를 분할한다. 그리고 영상분할부(303)는 분할 영상 이미지 데이터를 제어부(201)로 출력한다.
특징추출부(305)는 제어부(201)로부터 분할 영상 이미지 데이터를 입력받아 인식대상을 구별할 수 있는 고유 정보인 특징 이미지 데이터를 추출하고, 추출한 특징 이미지 데이터를 영상인식부(307)로 출력한다. 영상인식부(307)는 특징 이미지 데이터를 입력받아 영상인식 기능을 수행한다. 좀 더 자세히 설명하면, 영상인식부(307)는 인식 데이터를 검색하고, 인식 데이터에 해당하는 영상 이미지 데이터들의 특징 이미지 데이터를 추출한다. 그리고 영상인식부(307)는 입력된 특징 이미지 데이터와 바로 추출한 특징 이미지 데이터를 비교하고, 그 결과로 인식신뢰도를 계산한다. 그리고 영상인식부(307)는 인식신뢰도와 영상인식신뢰도학습부(309)에 의해 설정된 기준신뢰도를 비교한다. 인식신뢰도가 기준신뢰도 이상인 경우, 영상인식부(307)는 인식결과를 저장하고, 영상인식과 연관되는 기타 기능을 수행할 수 있다. 이와 달리, 인식신뢰도가 기준신뢰도 미만인 경우, 영상인식부(307)는 인식 오류 원인을 파악하여 사용자에게 통보한다.
기준신뢰도는 영상인식 기능 수행 후에 영상인식의 적합 여부를 판단하기 위한 기준치이다. 영상인식부(307)는 인식신뢰도가 기준신뢰도 이상이면 영상인식이 적합하다고 파악하고, 인식신뢰도가 기준신뢰도 미만이면 영상인식이 부적합하다고 파악할 수 있다.
영상인식신뢰도학습부(309)는 미리 저장된 학습데이터 중에서 신뢰도학습데이터로 기준신뢰도를 설정한다. 예를 들면, 영상인식신뢰도학습부(309)는 최대우도법을 이용하여 기준신뢰도를 설정할 수 있다.
그리고 영상분석부(207)는 조명분석부(311)와 각도분석부(313)와 크기분석부(315)와 영상분석학습부(317)와 영상인식분석부(319)를 포함하여 구성된다.
조명분석부(311)와 각도분석부(313)와 크기분석부(315)는 영상인식 기능을 수행하기 전에 분석지표를 계산한다. 분석지표는 영상인식 기능을 수행하기 전에 영상 이미지 데이터의 인식 적합 여부를 파악하기 위해 분석해야할 요건들을 나타낸 것이다. 본 발명의 실시 예에서 분석지표는 모두 10가지이며, 분석지표를 나열하면 명도평균값, 명도분산값, 흑백픽셀백분율, 분할명도평균값, 분할명도분산값, 분할흑백픽셀백분율, 분할픽셀수, 특징점선분길이, 특징점선분비, 특징점각도가 있다.
조명분석부(311)는 제어부(201)로부터 영상 이미지 데이터 또는 분할 영상 이미지 데이터를 입력받으면, 조명상태를 분석한다. 이 때 조명분석부(311)는 영상 이미지 데이터의 명도평균값 및 명도분산값 및 흑백픽셀수의 백분율을 계산함으로 영상 이미지 데이터의 조명상태를 분석할 수 있다. 그리고 이후에 분할 영상 이미지 데이터가 입력되면, 조명분석부(311)는 분할 영상 이미지 데이터의 분할명도평균값 및 분할명도분산값 및 분할흑백픽셀수의 백분율을 계산함으로 분할 영상 이미지 데이터의 조명상태를 분석할 수 있다. 크기분석부(315)는 분할 영상 이미지 데이터를 입력받으면, 크기상태를 분석한다. 이 때 크기분석부(315)는 분할 영상 이미지 데이터의 영상픽셀수를 계산함으로 분할 영상 이미지 데이터의 크기상태를 분석할 수 있다.
각도분석부(313)는 분할 영상 이미지 데이터를 입력받으면, 인식대상의 각도상태를 분석한다. 이 때 각도분석부(313)는 분할 영상 이미지 데이터의 특징점을 검색하고, 검색한 특징점의 좌표로 인식대상의 각도상태를 분석할 수 있다. 영상인식의 한 가지인 얼굴인식에 대하여 각도상태를 분석하는 것을 예로 들면, 각도분석 부(313)는 임의의 얼굴에서 두 눈과 입의 좌표값을 계산하고, 이 두 눈의 좌표값과 입의 좌표값으로 특징점선분길이와 특징점선분비와 특징점각도를 계산할 수 있다.
영상분석학습부(317)는 미리 저장된 분석학습데이터로 영상인식 기능을 수행하기 전에 영상인식 적합여부를 파악할 때 요구되는 기준치들을 설정한다. 좀 더 자세히 살펴보면 영상분석학습부(317)는 영상 이미지 데이터의 조명상태 분석지표와 비교하기 위한 최소명도평균값과 최대명도평균값, 기준명도분산값, 기준픽셀백분율을 설정한다. 그리고 영상분석학습부(317)는 분할 영상 이미지 데이터의 조명상태 분석지표와 비교하기 위한 최소분할명도평균값과 최대분할명도평균값, 기준분할명도분산값, 기준분할픽셀백분율을 설정한다. 그리고 영상분석학습부(317)는 분할 영상 이미지 데이터의 크기상태 분석지표와 비교하기 위한 기준픽셀수를 설정한다. 그리고 영상분석학습부(317)는 분할 영상 이미지 데이터의 인식대상의 각도상태 분석지표와 비교하기 위한 기준특징점선분길이와 최소특징점선분비와 최대특징점선분비와 기준특징점각도를 설정한다.
영상인식분석부(319)는 조명분석부(311)와 각도분석부(313)와 크기분석부(315)에서 계산한 분석지표들과 영상분석학습부(317)에서 계산한 기준치들을 검색하여 영상인식 적합요건에 알맞게 서로 비교하여 영상인식 적합여부를 파악한다. 그리고 영상인식분석부(319)는 분석지표들 중에서 한 가지라도 영상인식 적합요건을 만족하지 못하면, 만족하지 못한 분석지표에 해당하는 환경요인을 인식 오류 원인으로 파악하고 사용자에게 통보한다.
도 7은 본 발명의 바람직한 실시 예에 따라 분석학습데이터집합으로 기준치 를 설정하는 흐름도 이다. 도 1 내지 도 7을 참조하여 분석학습부(317)가 분석지표의 기준치를 설정하는 과정을 설명하고자 한다.
학습데이터는 영상인식의 적합 여부를 판별할 수 있는 기준치들을 계산하기 위한 데이터이다. 예를 들면, 학습데이터는 임의의 영상 이미지 데이터의 집합이 될 수 있으며, 영상 이미지 데이터로부터 추출한 임의의 특징 이미지 데이터의 집합이 될 수 있다. 그리고 학습데이터는 분석학습데이터와 신뢰도학습데이터로 분류할 수 있다. 그리고 분석학습데이터는 인식적합데이터집합과 인식부적합데이터집합으로 분류하며, 신뢰도학습데이터는 신뢰도적합데이터집합과 신뢰도부적합데이터집합으로 분류할 수 있다.
인식적합데이터집합은 영상인식부(307)에 의해 미리 영상인식이 적합하다고 파악된 데이터의 집합이다. 그리고 인식적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다. 인식부적합데이터집합은 영상인식부(307)에 의해 미리 영상인식이 부적합하다고 파악된 데이터의 집합이다. 그리고 인식부적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다.
신뢰도적합데이터집합은 영상인식분석부(319)와 영상인식부(307)에 의해 미리 영상인식이 적합하다고 파악되는 데이터의 집합이며, 또한 미리 지정되는 일정신뢰도 이상인 집합이다. 그리고 신뢰도적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이 터들이 될 수 있다. 신뢰도부적합데이터집합은 영상인식분석부(307319)에 의해 미리 영상인식이 적합하다고 파악되는 데이터의 집합이나, 영상인식부(307)에 의해 영상인식이 부적합하다고 파악되는 데이터 미리 지정되는 일정신뢰도 미만인 집합이다. 그리고 신뢰도부적합데이터집합은 임의의 영상 이미지 데이터들이 될 수 있으며, 임의의 영상 이미지 데이터로부터 추출된 특징 이미지 데이터들이 될 수 있다.
특히, 분석학습데이터는 영상인식 과정을 수행한 후에 영상 이미지 데이터를 영상인식 결과에 따라 메모리부(211)에 저장하여 업데이트 할 수 있다. 좀 더 자세히 설명하면, 영상인식 과정을 수행한 후에 결과가 영상인식을 성공한 경우, 해당 영상 이미지 데이터를 인식적합데이터 집합에 저장할 수 있다. 그리고 영상인식 과정을 수행한 후의 결과가 영상인식을 실패한 경우, 해당 영상 이미지 데이터를 인식부적합데이터 집합에 저장할 수 있다.
또한 신뢰도학습데이터도 영상인식 과정을 수행한 후에 영상 이미지 데이터의 인식신뢰도에 따라 메모리부(211)에 저장하여 업데이트 할 수 있다.
본 발명을 간단히 설명하기 위해 기준치 설정과정을 사용자에 의해 영상인식이 요청되기 전에 동작하는 것으로 가정하고, 학습데이터를 영상 이미지 데이터의 집합으로 가정한다.
제어부(201)는 영상분석부(207)의 영상분석학습부(317)를 제어하여 영상인식의 적합 여부를 파악하기 위한 기준치들을 계산하고, 계산한 기준치들을 설정할 수 있도록 한다. 이제부터 영상분석학습부(317)가 기준치를 계산하는 과정을 설명한 다.
701단계에서 영상분석학습부(317)는 미리 저장된 인식적합데이터집합을 검색한다. 그리고 영상분석학습부(317)는 인식적합데이터집합에 포함되어 있는 모든 영상 이미지 데이터로부터 분석지표를 계산한다. 본 발명의 실시 예에서 분석지표는 10가지이고, 분석지표를 나열하면 명도평균값, 명도분산값, 흑백픽셀백분율, 분할명도평균값, 분할명도분산값, 분할흑백픽셀백분율, 분할픽셀수, 특징점선분길이, 특징점선분비, 특징점각도 이다. 즉, 영상분석학습부(317)는 인식적합데이터집합으로부터 임의의 영상 이미지 데이터를 검색하고, 검색한 영상 이미지 데이터로부터 10가지 분석지표를 모두 계산한다. 그리고 영상분석학습부(317)는 계산한 분석지표를 인식적합데이터집합에 대응되게 저장한다.
703단계에서 영상분석학습부(317)는 미리 저장된 인식부적합데이터집합을 검색한다. 그리고 영상분석학습부(317)는 인식부적합데이터집합에 포함되어 있는 모든 영상 이미지 데이터로부터 분석지표를 계산한다. 본 발명의 실시 예에서 분석지표는 10가지이고, 분석지표를 나열하면 명도평균값, 명도분산값, 흑백픽셀백분율, 분할명도평균값, 분할명도분산값, 분할흑백픽셀백분율, 분할픽셀수, 특징점선분길이, 특징점선분비, 특징점각도 이다. 즉, 영상분석학습부(317)는 인식부적합데이터집합으로부터 임의의 영상 이미지 데이터를 검색하고, 검색한 영상 이미지 데이터로부터 10가지 분석지표를 모두 계산할 수 있다. 그리고 영상분석학습부(317)는 계산한 분석지표를 인식부적합데이터집합에 대응되게 저장한다.
705단계에서 영상분석학습부(317)는 인식적합데이터집합에 대응되게 저장된 분석지표를 모두 검색한다. 그리고 영상분석학습부(317)는 검색한 분석지표 각각의 평균값과 공분산과 분포를 계산한다. 그리고 영상분석학습부(317)는 계산한 평균값과 공분산과 분포를 저장한다. 예를 들면, 701단계에서 계산된 분석지표에 명도분산값이 포함되어 있으면, 영상분석학습부(317)는 인식적합데이터집합인 영상 이미지 데이터 각각에 대응되는 명도분산값을 검색하고, 검색한 명도분산값의 평균값을 계산한다. 그리고 영상분석학습부(317)는 검색한 명도분산값과 계산한 명도분산값의 평균값으로 명도분산값의 공분산을 계산한다. 그리고 영상분석학습부(317)는 검색한 명도분산값의 분포를 계산한다. 그리고 영상분석학습부(317)는 계산한 명도분산값의 평균값과 명도분산값의 공분산과 명도분산값의 분포를 저장한다.
인식적합데이터집합의 분석지표 각각의 평균값은
Figure 112006068841445-pat00001
, 인식적합데이터집합의 분석지표 각각의 분산값은
Figure 112006068841445-pat00002
로 표시하고, 인식부적합데이터집합의 분석지표 각각의 평균값은
Figure 112006068841445-pat00003
, 인식부적합데이터집합의 분석지표 각각의 분산값은
Figure 112006068841445-pat00004
로 표시할 수 있다.
그리고 영상분석학습부(317)는 인식부적합데이터집합에 대응되게 저장한 각각의 분석지표를 검색하여 평균값과 공분산과 분포를 계산한다.
707단계에서 영상분석학습부(317)는 705단계에서 저장된 분석지표의 분포도로 기준치를 계산한다. 예를 들면, 인식적합데이터의 분석지표들이 정상분포를 따른다는 가정을 하는 경우, 영상분석학습부(317)는 최대우도법을 이용하여 기준치를 도출하고, 도출한 기준치를 설정할 수 있다.
최대우도법의 식은 다음과 같다.
Figure 112006068841445-pat00005
위의 식에서
Figure 112006068841445-pat00006
은 영상 이미지 데이터가 영상인식에 적합하다는 판단이며,
Figure 112006068841445-pat00007
는 영상 이미지 데이터가 영상인식에 부적합하다는 판단이다. 그리고
Figure 112006068841445-pat00008
는 인식적합데이터집합의 i번째 분석지표의 분포이며,
Figure 112006068841445-pat00009
는 인식부적합데이터집합의 i번째 분석지표의 분포이다.
영상분석학습부(317)는 인식적합데이터집합의 i번째 분석지표의 분포와 인식부적합데이터집합의 i번째 분석지표의 분포가 동일한 부분을 기준치로 도출하고 설정할 수 있다. 예를 들면, 명도분산값의 기준치인 기준명도분산값을 도출할 때, 영상분석학습부(317)는 저장된 인식적합데이터집합의 명도분산값의 분포와 인식부적합데이터집합의 명도분산값의 분포를 검색한다. 그리고 영상분석학습부(317)는 인식적합데이터집합의 명도분산값의 분포와 인식부적합데이터집합의 명도분산값의 분포가 서로 동일한 부분을 검색하고, 검색한 부분을 기준명도분산값으로 설정할 수 있다. 좀 더 자세히 설명하면, 인식적합데이터집합의 명도분산값의 분포와 인식부적합데이터의 명도분산값의 분포는 정상분포 이다. 그러므로 인식적합데이터집합의 명도분산값의 분포곡선과 인식부적합데이터의 명도분석값의 분포곡선은 평균값을 중앙으로 하여 좌우대칭으로 종 모양을 이룬다. 그리고 인식적합데이터집합의 명도분산값의 분포곡선과 인식부적합데이터의 명도분산값의 분포곡선을 하나의 좌표계 내에 표시하면, 어느 한 점에서 서로 만난다. 좌표계의 X축은 명도분산값이 될 수 있으며, Y축은 분포가 될 수 있다. 이 때, 서로 만나는 점의 명도분산값이 기준명도분산값이 될 수 있다.
영상분석학습부(317)는 위와 같은 과정을 반복하여 각 분석지표의 기준치를 도출하고, 도출한 기준치들을 설정할 수 있다.
그리고 제어부(201)는 영상처리부(205)의 영상인식신뢰도학습부(309)를 제어하여 영상인식의 적합 여부를 파악할 수 있는 기준신뢰도를 계산하고, 계산한 기준신뢰도를 설정할 수 있도록 한다. 영상인식신뢰도학습부(309)가 기준신뢰도를 도출하는 과정은 앞에서 언급한 영상분석학습부(317)가 기준치들을 도출하는 과정과 동일하다. 좀 더 자세히 설명하면, 영상인식신뢰도학습부(309)는 신뢰도적합데이터집합의 각 영상 이미지 데이터로부터 인식신뢰도를 계산한다. 그리고 영상인식신뢰도학습부(309)는 계산한 인식신뢰도들로 평균값과 분포를 계산한다. 그리고 영상인식신뢰도학습부(309)는 신뢰도부적합데이터집합의 각 영상이미지 데이터로부터 인식신뢰도의 평균값과 분포를 계산한다. 본 발명을 간단히 설명하기 위해서 신뢰도적합데이터집합의 분포와 신뢰도부적합데이터집합의 분포는 정상분포로 가정한다. 영상인식신뢰도학습부(309)는 최대우도법을 이용하여 신뢰도적합데이터집합의 분포와 신뢰도부적합데이터집합의 분포가 서로 동일한 부분의 인식신뢰도를 기준신뢰도로 설정한다.
최대우도법은 다음과 같은 식으로 나타난다.
Figure 112006068841445-pat00010
위의 식에서
Figure 112006068841445-pat00011
은 영상 이미지 데이터가 영상인식에 적합하다는 판단이며,
Figure 112006068841445-pat00012
는 영상 이미지 데이터가 영상인식에 부적합하다는 판단이다. 그리고
Figure 112006068841445-pat00013
는 신뢰도적합데이터집합의 인식신뢰도의 분포이며,
Figure 112006068841445-pat00014
는 신뢰도부적합데이터집합의 인식신뢰도의 분포이다. 영상인식신뢰도학습부(309)는 신뢰도적합데이터집합의 인식신뢰도의 분포와 신뢰도부적합데이터집합의 인식신뢰도의 분포가 동일한 부분을 기준신뢰도로 도출하여 설정할 수 있다.
다시 도 2로 돌아와서, 제어부(201)는 영상인식 기능을 수행하기 위해 영상장치의 각 구성요소들을 제어한다. 특히, 본 발명에서 제어부(201)는 영상처리부(205)와 영상분석부(207)를 제어하여 영상인식 기능을 수행한다. 좀 더 자세히 설명하면, 사용자에 의해 영상인식이 요청되는 경우, 제어부(201)는 카메라부(209) 또는 통신부(203)로부터 영상 이미지 데이터를 입력받아 영상분석부(207)의 조명분석부(311)로 출력한다. 그리고 제어부(201)는 조명분석부(311)를 제어하여 영상 이미지 데이터의 조명상태를 분석하도록 한다. 그리고 제어부(201)는 영상 이미지 데이터를 영상처리부(205)의 전처리부(301)로 출력하고, 전처리부(301)를 제어하여 영상 이미지 데이터를 가공하도록 한다. 그리고 제어부(201)는 영상분할부(303)를 제어하여 영상 이미지 데이터에서 관심영역만을 포함하는 영상 이미지 데이터를 분 할할 수 있도록 한다.
그리고 제어부(201)는 분할 영상 이미지 데이터를 조명분석부(311)로 출력하고, 조명분석부(311)와 각도분석부(313)와 크기분석부(315)를 제어하여 조명상태에 해당하는 분석지표들과 인식대상의 각도상태에 해당하는 분석지표들과 크기상태에 해당하는 분석지표들을 계산할 수 있도록 한다. 그리고 제어부(201)는 영상분석부(319)를 제어하여 미리 설정된 기준치들과 분석지표들을 비교한다. 제어부(201)는 분석지표들이 영상인식 적합요건을 모두 만족하지 못하면, 만족하지 못한 결과를 인식 오류 원인으로 파악하여 사용자에게 통보한다. 이와 달리, 제어부(201)는 분석지표들이 영상인식 적합요건을 모두 만족하면 분할 영상 이미지 데이터를 특징추출부(305)로 출력한다. 그리고 제어부(201)는 특징추출부(305)를 제어하여 분할 영상 이미지 데이터로부터 특징 이미지 데이터를 추출한다. 그리고 제어부(201)는 영상인식부(307)를 제어하여 분할 영상 이미지 데이터의 특징 이미지 데이터로 영상인식 기능을 수행하고, 그 수행한 결과의 인식신뢰도를 계산하여 영상인식의 적합여부를 파악한다. 그리고 제어부(201)는 영상인식이 부적합하다고 파악되면, 영상인식부(307)를 제어하여 인식 오류 원인을 파악하고, 파악한 인식 오류 원인을 사용자에게 통보할 수 있도록 한다.
그리고 제어부(201)는 사용자에 의해 영상인식이 요청되기 전에, 영상분석학습부(317)를 제어하여 영상인식의 적합여부를 파악하기 위한 기준치들을 설정하도록 한다. 그리고 제어부(201)는 영상인식신뢰도학습부(309)를 제어하여 영상인식의 적합여부를 파악하기 위한 기준신뢰도를 설정하도록 한다.
지금까지 도 2 내지 도 3을 참조하여 본 발명에 따른 영상장치의 구성을 살펴보았다. 이제부터 도 4를 참조하여 본 발명에 따른 영상장치의 간단한 동작 흐름을 살펴보고자 한다.
도 4는 본 발명의 바람직한 실시 예에 따라 영상 이미지 데이터로 영상인식 과정을 수행하는 간단한 흐름도 이다. 도 2 내지 도 4를 참조하여 영상 이미지 데이터로 영상인식 과정을 설명한다.
영상장치는 401단계에서 사용자에 의해 영상인식이 요청되면 403단계로 진행하고, 사용자에 의해 영상인식이 요청되지 않으면 401단계로 진행한다.
403단계에서 영상장치는 영상 이미지 데이터의 조명상태를 분석한다. 405단계에서 영상장치는 영상 이미지 데이터의 잡음을 제거하거나 밝기를 변경하여 영상인식에 적합하도록 개선한다. 그리고 영상장치는 영상 이미지 데이터로부터 인식대상을 포함하는 관심영역을 설정하고, 설정한 관심영역만을 포함하는 영상 이미지 데이터를 분할한다. 407단계에서 영상장치는 분할 영상 이미지 데이터의 조명상태 및 크기상태 및 인식대상의 각도상태를 분석한다. 그리고 영상장치는 분석한 결과를 이용하여 영상인식의 적합여부를 파악한다. 영상장치는 영상인식이 적합하다고 파악되면 409단계로 진행하고, 영상인식이 부적합하다고 파악되면 인식 오류 원인을 파악하여 사용자에게 통보한다.
409단계에서 영상장치는 분할 영상 이미지 데이터로 영상인식 기능을 수행하고, 수행한 결과의 인식신뢰도를 계산한다. 그리고 영상장치는 인식신뢰도로 영상인식의 적합여부를 파악한다. 영상장치는 영상인식이 적합하다고 파악되면 이후의 기타 기능을 수행하고, 영상인식이 부적합하다고 파악되면 인식 오류 원인을 파악하여 사용자에게 통보한다.
도 4를 참조하여 본 발명의 바람직한 실시 예에 따른 영상인식의 간단한 동작 과정을 살펴보았다. 이제부터 도 5 내지 도 6을 참조하여 본 발명의 실시 예에 따른 영상인식의 동작 과정을 자세히 살펴보고자 한다.
도 5는 본 발명의 바람직한 실시 예에 따라 영상장치가 영상인식을 수행하는 과정을 나타내는 흐름도 이다. 도 2 내지 도 5를 참조하여 영상장치가 영상인식 오류원인을 파악할 때, 사용자에게 인식 오류원인을 통보하는 과정을 설명한다.
제어부(201)는 501단계에서 사용자에 의해 영상인식이 요청되면 503단계로 진행하고, 영상인식이 요청되지 않으면 501단계를 반복한다.
503단계에서 제어부(201)는 영상인식 과정을 수행할 영상 이미지 데이터를 입력받아 영상분석부(207)의 조명분석부(311)로 출력한다. 그리고 제어부(201)는 조명분석부(311)를 제어하여 영상 이미지 데이터의 조명상태를 미리 지정되는 분석지표들을 계산하여 분석한다. 그리고 제어부(201)는 계산한 분석지표들을 저장한다. 본 발명의 실시 예에서 조명상태에 대응되는 분석지표들을 명도평균값과 명도분산값과 흑백픽셀수의 백분율만으로 지정한다.
조명상태에 의해 영상 이미지 데이터의 전체가 일정이상 밝거나 또는 일정이상 어두울 수 있다. 그리고 영상 이미지 데이터의 일부분은 밝고 일부분은 어두워 명도대비가 일정이상 발생할 수 있다. 이러한 영상 이미지 데이터는 영상인식에 부적합하므로, 조명분석부(311)는 입력되는 영상 이미지 데이터의 명도와 명도대비를 분석하고, 조명의 역광 여부를 분석한다.
그러므로 조명분석부(311)는 영상 이미지 데이터의 명도평균값과 명도분산값과 흑백픽셀수의 백분율을 계산하여 조명상태를 분석한다. 예를 들면, 영상 이미지 데이터가 4*4 픽셀로 구성되며 명도값의 범위가 3비트인 경우, 조명분석부(311)는 각 픽셀의 명도값이 순차적으로 3, 4, 5, 2, 1, 3, 4, 4, 2, 3, 3, 2, 5, 3, 3, 3 이면 명도평균값을 계산할 수 있다. 앞에서 언급한 명도평균값을 계산하면, (50/16) = 3.125 값이 계산된다. 그리고 영상 이미지의 중앙에 일반적으로 인식대상의 이미지가 위치함으로, 조명분석부(311)는 중앙에 위치하는 2*2 픽셀들의 명도값에 가중치를 부여하여 명도평균값을 계산할 수 있다. 앞에서 언급한 4*4 픽셀들에 대응되는 명도값들 중에서 중앙의 픽셀들에 대응되는 명도값에 가중치 '2'를 곱하여 평균값을 계산하면, (3+4+5+2+1+(3*2)+(4*2)+4+2+(3*2)+(3*2)+2+5+3+3+3)/16 = 3.9375 값이 계산된다.
그리고 조명분석부(311)는 영상 이미지 데이터의 명도값들과 명도평균값으로 명도분산값을 계산한다. 명도분산값은 영상 이미지 데이터의 명도대비를 나타낸다. 예를 들면, 앞에서 언급한 명도값들을 활용하고 현재 명도평균값이 4라고 한다면, (1+0+1+4+9+1+0+0+4+1+1+4+1+1+1+1) / 16 = 1.875 라는 명도분산값이 도출된다.
그리고 조명분석부(311)는 영상 이미지 데이터의 각 픽셀에 대응되는 명도값들 중에서 흰색에 대응되는 픽셀들과 검은색에 대응되는 픽셀들의 백분율을 계산한다. 왜냐하면 조명이 역광상태일 때 생성된 영상 이미지 데이터는 흰색 또는 검정색의 픽셀들이 일반적인 영상 이미지 데이터보다 더 많이 발생하기 때문이다. 그러 므로 조명분석부(311)는 영상 이미지 데이터의 흑백픽셀수를 계산하고, 전체픽셀수당 흑백픽셀수의 백분율을 계산한다. 예를 들면, 영상 이미지 데이터가 4*4 픽셀로 구성되며 명도값의 범위가 3비트이고 흰색에 대응되는 명도값이 '0'이고 검은색에 대응되는 명도값이 '7'인 경우, 조명분석부(311)는 각 픽셀의 명도값이 순차적으로 '0, 0, 7, 7, 1, 3, 4, 4, 2, 3, 3, 2, 5, 0, 7, 0'이면 '0'값을 지니는 픽셀수 4와 '7'값을 지니는 픽셀수 4를 더하여 8이라는 흑백픽셀수를 계산할 수 있다. 그리고 조명분석부(311)는 전체 픽셀수 중에서 도출한 흑백픽셀수의 백분율을 계산하여 8/16*100 = 50% 를 계산한다. 그리고 제어부(201)는 현재 계산한 영상 이미지 데이터의 명도평균값과 명도분산값과 흑백픽셀수의 백분율을 저장한다.
505단계에서 제어부(201)는 영상 이미지 데이터를 영상처리부(205)의 전처리부(301)로 출력한다. 그리고 제어부(201)는 전처리부(301)와 영상분할부(303)를 제어하여 영상 이미지 데이터를 개선 또는 분할하여 영상인식에 적합한 분할 영상 이미지 데이터를 생성한다. 전처리부(301)는 제어부(201)의 제어에 따라 영상 이미지 데이터의 잡음을 제거하거나 영상인식에 적합한 밝기로 개선하고, 영상 이미지 데이터를 영상분할부(303)로 출력한다. 그리고 영상분할부(303)는 제어부(201)의 제어에 따라 영상 이미지 데이터 중에서 인식대상을 포함하는 관심영역을 설정하고, 영상 이미지 데이터로부터 그 관심영역만을 포함하는 분할 영상 이미지 데이터를 생성한다.
507단계에서 제어부(201)는 분할 영상 이미지 데이터를 영상분석부(207)의 조명분석부(311)로 출력한다. 그리고 제어부(201)는 조명분석부(311)를 제어하여 분할 영상 이미지 데이터의 조명상태를 미리 지정되는 분석지표들을 계산하여 분석한다. 그리고 제어부(201)는 분석한 분석지표들을 저장한다. 본 발명의 실시 예에서 조명상태에 대응되는 분석지표를 분할명도평균값과 분할명도분산값과 분할흑백픽셀수의 백분율만으로 지정한다.
조명분석부(311)는 분할 영상 이미지 데이터의 조명상태를 분석할 때, 503단계에서 영상 이미지 데이터의 조명상태를 분석한 것과 동일한 방법으로 분할명도평균값과 분할명도분산값과 분할흑백픽셀수의 백분율을 계산한다. 예를 들면, 분할된 영상 이미지 데이터가 2*2 픽셀로 구성되며 명도값의 범위가 3비트이고 각 픽셀의 명도값이 3, 4, 3, 3 이면, 조명분석부(311)는 분할명도평균값을 (13/4) = 3.25 로 계산할 수 있다. 그리고 조명분석부(311)는 분할된 영상 이미지 데이터의 명도값들과 계산된 분할명도평균값으로 분할명도분산값을 계산한다. 예를 들면, 현재 분할명도평균값이 3이라고 한다면, (0+1+0+0)/4 = 0.25 라는 분할명도분산값을 계산할 수 있다. 그리고 조명분석부(311)는 분할 영상 이미지 데이터의 각 픽셀에 대응되는 명도값들 중에서 흰색에 대응되는 픽셀수와 검은색에 대응되는 픽셀수의 백분율을 계산한다. 예를 들면, 영상 이미지 데이터가 2*2 픽셀로 구성되며 명도값의 범위가 3비트이며 흰색에 대응되는 명도값이 '0'이고 검은색에 대응되는 명도값이 '7'인 경우, 조명분석부(311)는 각 픽셀의 명도값이 순차적으로 '3, 7, 4, 0'이면 '0'값을 지니는 픽셀수 1와 '7'값을 지니는 픽셀수 1를 더하여 2라는 흑백픽셀수를 계산할 수 있다. 그리고 조명분석부(311)는 전체 픽셀수 중에서 분할흑백픽셀수의 백분율을 계산하여 2/4*100 = 50% 를 도출할 수 있다. 그리고 제어부(201)는 계산 된 분할 영상 이미지 데이터의 분할명도평균값과 분할명도분산값과 분할흑백픽셀수의 백분율을 저장한다.
509단계에서 제어부(201)는 분할 영상 이미지 데이터를 크기분석부(315)로 출력한다. 그리고 제어부(201)는 크기분석부(315)를 제어하여 분할 영상 이미지 데이터의 크기상태를 미리 지정되는 분석지표를 계산하여 분석한다. 그리고 제어부(201)는 계산한 분석지표를 저장한다. 본 발명의 실시 예에서 크기상태에 대응되는 분석지표를 영상픽셀수로 지정한다.
분할 영상 이미지 데이터의 크기가 기준치 이하인 경우, 제어부(201)는 분할 영상 이미지 데이터의 인식대상으로부터 특징 이미지 데이터를 추출할 수 없다. 그러므로 제어부(201)는 크기분석부(315)를 제어하여 분할 영상 이미지 데이터의 크기를 계산하고 그 계산한 결과를 저장한다. 예를 들면, 크기분석부(315)는 분할 영상 이미지 데이터의 크기를 픽셀수로 계산할 수 있다. 이 픽셀수를 영상픽셀수라고 말한다.
511단계에서 제어부(201)는 분할 영상 이미지 데이터를 각도분석부(313)로 출력한다. 그리고 제어부(201)는 각도분석부(313)를 제어하여 분할 영상 이미지 데이터에 포함되어 있는 인식대상의 각도상태를 미리 지정되는 분석지표들을 계산하여 분석한다. 그리고 제어부(201)는 계산한 분석지표들을 저장한다. 영상 이미지 데이터는 일반적으로 2차원 영상에 대한 데이터이므로, 인식대상의 각도에 따라 영상인식 과정을 수행하기 위한 특징 이미지 데이터를 추출하지 못 하는 경우가 발생한다. 그러므로 제어부(201)는 분할 영상 이미지 데이터로부터 특징 이미지 데이터 를 추출하기 전에 각도분석부(313)로 인식대상의 각도상태에 대응되는 분석지표들을 계산하고, 계산한 결과를 저장한다. 본 발명의 실시 예에서 인식대상의 각도상태에 대응되는 분석지표들을 특징점선분길이와 특징점선분비와 특징점각도로 지정한다.
인식대상의 각도상태를 분석할 때, 각도분석부(313)는 인식대상의 특징점을 복수개 이상 추출하고, 추출한 각 특징점으로 인식대상의 각도를 계산한다. 영상인식의 한 종류인 얼굴인식을 수행하는 과정에서 얼굴각도를 계산하는 과정을 예로 들면, 두 눈과 입이 특징점으로 미리 지정되어 있는 경우, 각도분석부(313)는 분할 영상 이미지 데이터를 입력받으면 얼굴 이미지 데이터로부터 두 눈과 입을 검출할 수 있다. 그리고 각도분석부(313)는 검출한 두 눈 각각의 좌표값을 X축의 값과 Y축의 값으로 나타내고, 입의 좌표값을 X축의 값과 Y축의 값으로 나타낼 수 있다. 그리고 각도분석부(313)는 검출한 두 눈 사이의 X축 값을 이등분하여 중심 X축 값을 계산할 수 있다. 그리고 각도분석부(313)는 두 눈 사이의 선분길이와 왼쪽 눈과 입 사이의 선분길이를 계산하고, 오른쪽 눈과 입 사이의 선분길이를 계산할 수 있다. 두 눈 사이의 선분길이를 제1선분, 왼쪽 눈과 입 사이의 선분길이를 제2선분, 오른쪽 눈과 입 사이의 선분길이를 제3선분이라고 말한다.
그리고 얼굴이 왼쪽이나 오른쪽으로 기울어지면 영상인식에 부적합하므로, 각도분석부(313)는 계산한 두 눈 사이의 중심 X축 값과 입의 X축 값의 차이인 특징점선분길이을 계산한다. 그리고 얼굴이 왼쪽이나 오른쪽으로 기울어지지 않았더라도 위쪽이나 아래쪽을 향하면 영상인식에 부적합하므로, 각도분석부(313)는 두 눈 사이의 제1선분과 왼쪽 눈과 입 사이의 제2선분의 비인 특징점선분비를 계산한다. 그리고 각도분석부(313)는 두 눈 사이의 제1선분과 미리 지정되는 수평선이 이루는 특징점각도를 계산한다. 따라서 각도분석부(313)는 영상인식대상의 특징점을 지정하고, 지정한 특징점들로 특징점선분길이와 특징점선분비와 특징점각도를 계산한다. 그리고 제어부(201)는 계산된 특징점선분길이와 특징점선분비와 특징점각도를 저장한다.
513단계에서 제어부(201)는 영상인식분석부(319)를 제어하여 영상 이미지 데이터의 조명상태와 분할 영상 이미지 데이터의 조명상태 및 크기상태 및 인식대상의 각도상태가 영상인식에 적합한지 파악한다. 그리고 제어부(201)는 영상인식분석부(319)로부터 분할 영상 이미지 데이터가 영상인식에 적합하다는 결과가 입력되면 515단계로 진행하고, 분할 영상 이미지 데이터가 영상인식에 부적합하다는 결과가 입력되면 영상인식의 오류원인을 파악하여 521단계로 진행한다.
영상인식분석부(319)는 영상 이미지 데이터의 영상인식 적합성 여부를 파악할 때, 503단계와 507단계와 509단계와 511단계에서 저장한 분석지표들을 이용한다.
좀 더 자세히 설명하면, 영상인식분석부(319)는 503단계에서 저장한 영상 이미지 데이터의 명도평균값 및 명도분산값 및 흑백픽셀수의 백분율을 검색한다. 그리고 영상인식분석부(319)는 명도평균값이 영상분석학습부(317)에 의해 지정되는 최소명도평균값과 최대명도평균값 사이에 존재하는지 파악한다. 그리고 영상인식분석부(319)는 명도분산값이 영상분석학습부(317)에 의해 지정되는 기준명도분산값 이하인지 파악한다. 그리고 영상인식분석부(319)는 흑백픽셀수의 백분율이 영상분석학습부(317)에 의해 지정되는 기준픽셀백분율 이하인지 파악한다.
그리고 영상인식분석부(319)는 507단계에서 저장한 분할 영상 이미지 데이터의 분할명도평균값 및 분할명도분산값 및 분할흑백픽셀수의 백분율을 검색한다. 그리고 영상인식분석부(319)는 분할명도평균값이 영상분석학습부(317)에 의해 지정되는 최소분할명도평균값과 최대분할명도평균값 사이에 존재하는지 파악한다. 그리고 영상인식분석부(319)는 분할명도분산값이 영상분석학습부(317)에 의해 지정되는 기준분할명도분산값 이하인지 파악한다. 그리고 영상인식분석부(319)는 분할흑백픽셀수의 백분율이 영상분석학습부(317)에 의해 지정되는 기준분할픽셀백분율 이하인지 파악한다.
그리고 영상인식분석부(319)는 509단계에서 저장한 분할 영상 이미지 데이터의 영상픽셀수를 검색한다. 그리고 영상인식분석부(319)는 영상픽셀수가 영상분석학습부(317)에 의해 지정되는 기준픽셀수 이상인지 파악한다. 그리고 영상인식분석부(319)는 511단계에서 저장한 분할 영상 이미지 데이터의 특징점선분길이와 특징점선분비와 특징점각도를 검색한다. 그리고 영상인식분석부(319)는 특징점선분길이가 영상분석학습부(317)에 의해 지정되는 기준특징점선분길이 이하인지 파악한다. 그리고 영상인식분석부(319)는 특징점선분비가 영상분석학습부(317)에 의해 지정되는 최소특징점선분비와 최대특징점선분비 사이에 존재하는지 파악한다. 그리고 영상인식분석부(319)는 특징점각도가 영상분석학습부(317)에 의해 지정되는 기준특징점각도 이하인지 파악한다.
영상인식분석부(319)는 앞에서 언급한 10가지 인식조건의 만족 여부를 포함하는 인식오류파악데이터를 생성하여 제어부(201)로 출력한다. 그리고 제어부(201)는 영상인식분석부(319)로부터 인식오류파악데이터를 입력받아 분석한다. 그리고 제어부(201)는 분석한 결과, 10가지 인식조건을 모두 만족하였음이 파악되면 515단계로 진행하고, 10가지 인식조건 중에서 어느 한 가지 인식조건이라도 만족하지 못하면 그 인식조건을 인식오류원인으로 파악하고 521단계로 진행한다. 예를 들면, 10가지 인식조건 중에서 분할 영상 이미지 데이터의 분할명도분산값이 기준분할명도분산값 이상인 경우, 영상인식분석부(319)는 분할명도분산값의 조건을 만족하지 못하였다는 정보를 포함하는 인식오류파악데이터를 생성하여 제어부(201)를 출력한다. 그리고 제어부(201)는 인식오류파악데이터를 분석하여 분할명도분산값이 나타내는 명도대비를 인식오류원인으로 파악하고 521단계로 진행한다.
515단계에서 제어부(201)는 영상처리부(201)의 특징추출부(305)를 제어하여 분할 영상 이미지 데이터로부터 인식대상을 구별할 수 있는 고유한 특징 이미지 데이터를 추출한다. 그리고 제어부(201)는 영상인식부(307)를 제어하여 영상인식 기능을 수행한다. 좀 더 자세히 설명하면, 영상인식부(307)는 미리 저장된 인식데이터를 검색한다. 그리고 영상인식부(307)는 인식데이터의 영상 이미지 데이터로부터 특징 이미지 데이터를 추출한다. 그리고 영상인식부(307)는 분할 영상 이미지 데이터로부터 추출한 특징 이미지 데이터와 인식데이터의 영상 이미지 데이터들의 특징 이미지 데이터들을 비교하여 영상인식의 인식신뢰도를 각각 계산한다. 그리고 계산한 인식신뢰도들 중에서 제일 높은 값을 지니는 인식신뢰도를 대표 인식신뢰도로 설정한다. 예를 들면, 영상인식부(307)는 분할 영상 이미지 데이터의 특징 이미지 데이터의 색상과 미리 저장된 영상 이미지 데이터의 특징 이미지 데이터의 색상을 비교하여 일치 여부를 파악하여 인식신뢰도를 계산할 수 있다. 좀 더 자세히 설명하면, 분할 영상 이미지 데이터의 특징 이미지 데이터가 2*2 픽셀이며, 색상비트가 1비트이며, 특징 이미지 데이터 픽셀 각각의 색상비트가 1, 0, 1, 0 이고, 미리 저장된 영상 이미지 데이터의 특징 이미지 데이터의 픽셀 각각의 색상비트가 1,0,0,0 이면, 제어부(201)는 75%의 인식신뢰도를 계산할 수 있다.
517단계에서 제어부(201)는 영상인식부(307)를 제어하여 영상인식이 신뢰할 수 있는 결과인지 파악한다. 영상인식부(307)는 515단계의 대표 인식신뢰도와 영상인식신뢰도학습부(309)에 의해 지정되는 기준신뢰도를 비교하고, 그 결과를 포함하는 신뢰도데이터를 생성하여 제어부(201)로 출력한다. 그리고 제어부(201)는 영상인식부(307)로부터 신뢰도데이터를 입력받아 분석한다. 그리고 제어부(201)는 분석한 결과, 대표 인식신뢰도가 기준신뢰도 이상이면 519단계로 진행하고, 대표 인식신뢰도가 기준신뢰도 미만이면 인식 오류 원인을 파악하고 521단계로 진행한다.
제어부(201)는 영상인식의 인식 오류 원인을 파악할 때, 마하라노비스 거리를 이용한다. 좀 더 자세히 설명하면, 제어부(201)는 503단계, 507단계, 509단계, 511단계에서 계산된 10가지 분석지표들을 검색하고, 그에 대응되는 분석적합학습데이터의 분석지표들을 계산하여 저장한 평균값들과 표준편차값들을검색하여 마하라노비스 거리를 계산한다. 그리고 제어부(201)는 계산된 마하라노비스 거리 중에서 가장 큰 값을 지니는 마하라노비스 거리를 검색하고, 검색한 마하라노비스 거리를 구하기 위해 대입한 분석지표에 대응되는 환경요인을 인식 오류 원인으로 파악하고 521단계로 진행한다.
마하라노비스 거리가 최대가 되는 분석지표는 다음과 같은 식으로 나타난구한다.
Figure 112006068841445-pat00015
위 공식에서
Figure 112006068841445-pat00016
는 영상인식의 적합성을 파악하기 위한 분석지표를 나타내는 변수이다. 본 발명에서
Figure 112006068841445-pat00017
에는 명도평균값, 명도분산값, 흑백픽셀백분율, 분할명도평균값, 분할명도분산값, 분할흑백픽셀백분율, 분할픽셀수, 특징점선분길이, 특징점선분비, 특징점각도 중에서 순차적으로 어느 하나가 대입된다.
Figure 112006068841445-pat00018
와
Figure 112006068841445-pat00019
는 영상분석학습부(317)에 의해 지정되는 값들이다.
Figure 112006068841445-pat00020
는 분석지표에 대응되는 평균값을 나타내는 변수이다.
Figure 112006068841445-pat00021
는 분석지표에 대응되는 표준편차값을 나타내는 변수이다. 예를 들면,
Figure 112006068841445-pat00022
에 명도평균값이 대입되는 경우,
Figure 112006068841445-pat00023
에는 신뢰도적합데이터의 영상 이미지 데이터들 각각의 명도평균값의 평균값이 대입되며,
Figure 112006068841445-pat00024
에는 신뢰도적합데이터의 영상 이미지 데이터들 각각의 명도평균값의 표준편차값이 대입된다. 그리고 제어부(201)는 대입된 값들로 마하라노비스 거리를 계산한다. 그리고(201)는 모든 분석지표를 대입하여 마하라노비스 거리를 계산하고, 계산한 마하라노비스 거리들 중에서 가장 큰 값을 가지는 마하라노비스 거리를 검색한다. 그리고 제어부(201)는 검색한 마하라노비스 거리를 계산하기 위해 사용한 분석지표를 검색하고, 그 분석 지표에 해당하는 환경요인을 인식 오류 원인으로 파악한다.
521단계에서 제어부(201)는 입력되는 영상인식의 인식 오류 원인을 사용자에게 통보한다. 예를 들면, 제어부(201)는 인식 오류 원인이 조명의 밝기에 의해 발생한 것으로 파악되면, 표시부(213) 또는 음향처리부(미도시)로 '조명이 너무 밝습니다. 조금 어두운 곳으로 이동하여 다시 한번 시도해 주시기 바랍니다.'라고 디스플레이 하거나 음향을 출력할 수 있다.
도 6은 본 발명의 바람직한 실시 예에 따른 얼굴 영상 이미지의 예시도 이다. 도 1 내지 도 6을 참조하여 영상인식 과정을 간단히 설명한다. 본 발명을 간단히 설명하기 위해서 영상장치는 얼굴을 인식대상으로 하는 것으로 가정한다.
사용자에 의해 영상인식이 요청되면, 영상장치는 601영상 이미지 데이터를 입력받는다. 그리고 영상장치는 영상 이미지 데이터로부터 조명상태에 해당하는 분석지표를 계산한다. 그리고 영상장치는 영상 이미지 데이터로부터 관심영역인 얼굴만을 포함하는 603분할 영상 이미지 데이터를 생성하고, 603분할 영상 이미지 데이터로부터 얼굴인식의 특징점인 두 눈과 입의 좌표값을 계산한다. 그리고 영상장치는 603분할 영상 이미지 데이터로부터 조명상태에 해당하는 분석지표를 계산하고, 크기상태에 해당하는 분석지표를 계산하고, 인식대상인 얼굴의 각도상태에 해당하는 분석지표를 계산한다. 그리고 영상장치는 영상분석학습부(317)의 동작에 의해 설정된 분석지표의 기준치들과 지금까지 계산한 분석지표를 비교하여 인식적합 요건을 만족하는지 파악한다.
그리고 각 분석지표들이 미리 지정되는 인식적합 요건을 모두 만족하면, 영 상장치는 603분할 영상 이미지 데이터로부터 특징 이미지 데이터를 추출한다. 그리고 영상장치는 추출된 특징 이미지 데이터와 미리 등록된 영상 이미지 데이터의 특징 이미지 데이터를 서로 비교하여 인식신뢰도를 계산한다. 그리고 영상장치는 인식신뢰도와 영상인식신뢰도학습부(309)의 동작에 의해 설정된 기준신뢰도를 서로 비교한다. 그리고 영상장치는 인식신뢰도가 기준신뢰도 이상이면 영상인식이 적합한 것으로 파악하여 영상인식 결과를 저장한다. 이와 달리 영상장치는 인식신뢰도가 기준신뢰도 미만이면 영상인식이 부적합한 것으로 파악한다. 그리고 영상장치는 인식 오류 원인을 파악하여 사용자에게 통보한다.
그리고 각 분석지표들이 미리 지정되는 인식적합 요건을 한 가지라도 만족하지 못하면, 만족하지 못한 인식적합 요건을 인식 오류 원인으로 파악하여 사용자에게 통보한다.
601영상 이미지 데이터의 크기상태와 인식대상의 각도가 영상인식에 적합하나 조명상태가 영상인식에 부적합하다고 가정하면, 영상장치는 조명상태의 분석지표들로 영상인식 적합 여부를 파악할 때, 조명상태의 인식적합 요건을 만족하지 못 한다. 그러므로 영상장치는 601영상 이미지 데이터의 조명상태를 영상인식의 오류 원인으로 파악하고, 현재 조명상태를 변경하고 다시 영상인식을 시도하라는 메시지를 사용자에게 통보할 수 있다.
601영상 이미지 데이터의 조명상태와 크기상태와 인식대상의 각도가 모두 영상인식에 적합하다고 가정하면, 영상장치는 조명상태와 크기상태와 인식대상의 각도의 분석지표들이 인식적합 요건을 만족한다. 그리고 영상장치는 603분할 영상 이 미지 데이터의 특징 이미지 데이터와 미리 등록된 영상 이미지 데이터들의 특징 이미지 데이터를 비교하여 인식신뢰도를 계산한다. 그리고 영상장치는 인식신뢰도가 기준신뢰도 이상이면 영상인식 결과를 저장하고, 인식신뢰도가 기준신뢰도 미만이면 영상인식의 오류 원인을 파악하여 사용자에게 통보할 수 있다.
605영상 이미지 데이터의 조명상태와 크기상태는 영상인식에 적합하나 인식대상의 각도가 영상인식에 부적합하다고 가정하면, 영상장치는 인식대상의 각도의 분석지표들이 인식적합 요건을 만족하지 못 한다. 그러므로 영상장치는 607분할 영상 이미지 데이터의 인식대상의 각도를 영상인식의 오류 원인으로 파악하고, 현재 인식대상의 각도인 얼굴각도를 변경하고 다시 영상인식을 시도하라는 메시지를 사용자에게 통보할 수 있다.
상기한 과정을 통하여 영상장치는 영상인식의 오류 원인을 파악할 수 있고, 파악한 오류 원인을 사용자에게 통보하여 좀 더 효율적인 영상인식 기능을 수행할 수 있다.
상술한 본 발명의 설명에서는 구체적인 실시 예에 관해 설명하였으나, 여러 가지 변형이 본 발명의 범위에서 벗어나지 않고 실시될 수 있다. 예를 들어, 본 발명의 실시 예에서 얼굴인식에 중점을 두고 적용하였으나, 얼굴인식 뿐만이 아닌 사물인식에도 본 발명을 적용할 수 있다. 따라서 본 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위 뿐만 아니라 특허청구범위와 균등한 것에 의해 정해져야 한다.
상술한 바와 같이 본 발명에 따르면, 영상인식 기능을 수행 중에 오류가 발생할 경우, 영상장치는 인식오류 발생원인을 파악하여 사용자에게 통보할 수 있다.

Claims (12)

  1. 영상인식 오류 통보 방법에 있어서,
    사용자에 의해 영상인식이 요청되면, 인식대상을 촬영하여 영상 이미지 데이터를 생성하고, 상기 영상 이미지 데이터로부터 영상인식의 오류를 발생시키는 환경요인들을 검출하여 각각에 해당하는 분석지표들을 계산하는 단계와,
    상기 분석지표들이 미리 지정되는 기준치들의 정상범위 내에 포함되는 지 판별하여 상기 영상인식의 적합여부를 파악하는 단계와,
    상기 분석지표들 중에서 하나라도 상기 정상범위 내에 포함되지 않으면 상기 정상범위를 벗어난 분석지표에 대응되는 환경요인을 영상 인식 오류 원인으로 파악하여 상기 사용자에게 통보하는 단계를 포함하며,
    상기 환경요인들은 조명상태를 포함하며, 상기 촬영된 영상 이미지의 크기상태와 인식대상의 각도상태를 적어도 하나 이상 포함함을 특징으로 하는 오류 통보 방법.
  2. 삭제
  3. 영상인식 오류 통보 방법에 있어서,
    사용자에 의해 영상인식이 요청되면, 인식대상을 촬영하여 영상 이미지 데이터를 생성하고, 상기 영상 이미지 데이터로부터 영상인식의 오류를 발생시키는 환경요인들을 검출하여 각각에 해당하는 분석지표들을 계산하는 단계와,
    상기 분석지표들이 미리 지정되는 기준치들의 정상범위 내에 포함되는 지 판별하여 상기 영상인식의 적합여부를 파악하는 단계와,
    상기 분석지표들 중에서 하나라도 상기 정상범위 내에 포함되지 않으면 상기 정상범위를 벗어난 분석지표에 대응되는 환경요인을 영상 인식 오류 원인으로 파악하여 상기 사용자에게 통보하는 단계와,
    상기 분석지표들이 모두 상기 정상범위 내에 포함되면 미리 저장된 영상 이미지 데이터들로부터 상기 영상 이미지 데이터의 인식대상이 포함된 영상 이미지 데이터를 검색하는 단계와,
    상기 영상 이미지 데이터와 상기 검색한 영상 이미지 데이터를 서로 비교하고, 그 결과의 신뢰도인 인식신뢰도를 계산하는 단계와,
    상기 인식신뢰도와 미리 지정되는 기준신뢰도를 비교하여 상기 영상인식의 성공여부를 파악하는 단계와,
    상기 인식신뢰도가 상기 기준신뢰도 이상이면 상기 영상인식의 성공을 상기 사용자에게 통보하는 단계와,
    상기 인식신뢰도가 상기 기준신뢰도 미만이면 상기 분석지표들로 인식 오류 원인을 재파악하여 상기 사용자에게 통보하는 단계를 포함하며,
    상기 환경요인들은 조명상태와 크기상태와 인식대상의 각도상태를 적어도 하나 이상 포함함을 특징으로 하는 오류 통보 방법.
  4. 제1항 또는 제3항에 있어서,
    상기 기준치들은 최대우도법으로 계산됨을 특징으로 하는 오류 통보 방법.
  5. 제1항 또는 제3항에 있어서,
    상기 분석지표들 중에서 하나라도 상기 정상범위 내에 포함되지 않으면 상기 정상범위를 벗어난 분석지표에 대응되는 환경요인을 영상 인식 오류 원인으로 파악하여 상기 사용자에게 통보하는 단계는,
    상기 정상범위 내에 포함되지 않은 적어도 하나 이상의 분석지표를 검색하는 단계와,
    상기 분석지표에 대응되는 환경요인을 상기 인식 오류 원인으로 지정하는 단계와,
    상기 지정한 인식 오류 원인을 상기 사용자에게 통보하는 단계를 더 포함함을 특징으로 하는 오류 통보 방법.
  6. 제3항에 있어서,
    상기 기준신뢰도는 최대우도법으로 계산됨을 특징으로 하는 오류 통보 방법.
  7. 제1항 또는 제3항에 있어서,
    상기 분석지표들 중에서 하나라도 상기 정상범위 내에 포함되지 않으면 상기 정상범위를 벗어난 분석지표에 대응되는 환경요인을 영상 인식 오류 원인으로 파악하여 상기 사용자에게 통보하는 단계는,
    상기 분석지표들을 마하라노비스 거리에 대입하여 각각의 마하라노비스 거리값을 계산하는 단계와,
    상기 각각의 마하라노비스 거리값 중에서 가장 큰 마하라노비스 거리값을 검색하는 단계와,
    상기 검색한 마하라노비스 거리값에 대응되는 분석지표를 검색하고 상기 검색한 분석지표에 대응되는 환경요인을 상기 인식 오류 원인으로 지정하는 단계와,
    상기 지정한 인식 오류 원인을 상기 사용자에게 통보하는 단계를 더 포함함을 특징으로 하는 오류 통보 방법.
  8. 삭제
  9. 영상인식 오류 통보 장치에 있어서,
    입력된 영상 이미지 데이터로부터 영상인식의 오류를 발생시키는 환경요인들을 검출하여 각각에 해당하는 분석지표들을 계산하고, 상기 분석지표들 중에서 하나라도 미리 지정되는 기준치들의 정상범위 내에 포함되지 않으면 해당 분석지표에 대응되는 환경요인을 영상 인식 오류 원인을 파악하여 출력하고, 상기 분석지표들이 모두 상기 정상범위 내에 포함되면 영상처리부로 상기 영상 이미지 데이터를 출력하는 영상분석부와,
    미리 저장된 영상 이미지 데이터들로터 상기 영상 이미지 데이터의 인식대상이 포함된 영상 이미지 데이터를 검색하고, 상기 영상 이미지 데이터와 상기 검색한 영상 이미지 데이터를 서로 비교하고, 그 결과의 신뢰도인 인식신뢰도를 계산하고, 상기 인식신뢰도가 미리 지정되는 기준신뢰도 미만이면 상기 분석지표들로 상기 인식 오류 원인을 재파악하여 출력하는 영상처리부와,
    사용자에 의해 영상인식이 요청되면, 상기 영상분석부와 상기 영상처리부를 제어하고, 상기 영상분석부 또는 상기 영상처리부로부터 입력된 상기 인식 오류 원인을 상기 사용자에게 통보하는 제어부를 포함하며,
    상기 영상분석부는 상기 영상 이미지 데이터의 조명상태와 크기상태와 인식대상의 각도상태를 적어도 하나 이상 포함하는 상기 환경요인들에 해당하는 상기 분석지표들을 계산함을 특징으로 하는 오류 통보 장치.
  10. 제9항에 있어서,
    상기 영상분석부는 최대우도법으로 상기 기준치들을 계산함을 특징으로 하는 오류 통보 장치.
  11. 제9항에 있어서,
    상기 영상처리부는 최대우도법으로 상기 기준신뢰도를 계산함을 특징으로 하는 오류 통보 장치.
  12. 제9항에 있어서,
    상기 영상처리부는 상기 분석지표들을 마하라노비스 거리에 대입하여 각각의 마하라노비스 거리값을 계산하고, 그 중에서 가장 큰 마하라노비스 거리값에 대응되는 분석지표를 검색하고, 상기 검색한 분석지표에 대응되는 환경요인을 상기 인식 오류 원인으로 파악함을 특징으로 하는 오류 통보 장치.
KR1020060092448A 2006-09-22 2006-09-22 영상인식 오류 통보 방법 및 장치 KR100909540B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020060092448A KR100909540B1 (ko) 2006-09-22 2006-09-22 영상인식 오류 통보 방법 및 장치
US11/860,256 US8019159B2 (en) 2006-09-22 2007-09-24 Method and apparatus for informing user of image recognition error in imaging system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060092448A KR100909540B1 (ko) 2006-09-22 2006-09-22 영상인식 오류 통보 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20080027039A KR20080027039A (ko) 2008-03-26
KR100909540B1 true KR100909540B1 (ko) 2009-07-27

Family

ID=39225037

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060092448A KR100909540B1 (ko) 2006-09-22 2006-09-22 영상인식 오류 통보 방법 및 장치

Country Status (2)

Country Link
US (1) US8019159B2 (ko)
KR (1) KR100909540B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2583877B1 (en) * 2010-06-16 2018-06-06 Navitime Japan Co., Ltd. Navigation system, terminal device, navigation server, navigation method, and navigation program
US8805000B2 (en) * 2011-08-23 2014-08-12 Honeywell International Inc. Mobile energy audit system and method
RU2481640C1 (ru) * 2011-12-01 2013-05-10 Корпорация "Самсунг Электроникс Ко., Лтд" Способ и система генерации анимированных художественных эффектов на статичных изображениях
KR101241625B1 (ko) 2012-02-28 2013-03-11 인텔 코오퍼레이션 얼굴 인식 환경 통지 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체
JP6026119B2 (ja) * 2012-03-19 2016-11-16 株式会社東芝 生体情報処理装置
US11210199B2 (en) * 2019-05-31 2021-12-28 Ati Technologies Ulc Safety monitor for invalid image transform

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990037927A (ko) * 1999-02-24 1999-05-25 박광소 정상거래유도기능을 지니는 화상인식 은행거래처리장치의 거래처리방법
KR19990064414A (ko) * 1999-01-14 1999-08-05 박광소 안면인식을 이용한 은행거래 처리장치의 부정거래 방지방법
KR20020061375A (ko) * 2001-01-16 2002-07-24 이승호 장문 및 정맥 패턴 인식을 이용한 보안관리 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE406626T1 (de) * 2002-01-17 2008-09-15 Cross Match Technologies Inc Fingerabdruck-workstation und verfahren
KR100587430B1 (ko) 2004-09-23 2006-06-09 전자부품연구원 얼굴 포즈를 보정하여 촬영하는 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990064414A (ko) * 1999-01-14 1999-08-05 박광소 안면인식을 이용한 은행거래 처리장치의 부정거래 방지방법
KR19990037927A (ko) * 1999-02-24 1999-05-25 박광소 정상거래유도기능을 지니는 화상인식 은행거래처리장치의 거래처리방법
KR20020061375A (ko) * 2001-01-16 2002-07-24 이승호 장문 및 정맥 패턴 인식을 이용한 보안관리 시스템

Also Published As

Publication number Publication date
US8019159B2 (en) 2011-09-13
KR20080027039A (ko) 2008-03-26
US20080075378A1 (en) 2008-03-27

Similar Documents

Publication Publication Date Title
KR100909540B1 (ko) 영상인식 오류 통보 방법 및 장치
US20210334998A1 (en) Image processing method, apparatus, device and medium for locating center of target object region
KR101546137B1 (ko) 인물 인식 장치 및 방법
KR101247497B1 (ko) 환경 적응형 얼굴 인식장치 및 그 방법
JP5361524B2 (ja) パターン認識システム及びパターン認識方法
US20180349716A1 (en) Apparatus and method for recognizing traffic signs
CN110728234A (zh) 驾驶员人脸识别方法、系统、设备及介质
US20060110029A1 (en) Pattern recognizing method and apparatus
WO2014128688A1 (en) Method, system and software module for foreground extraction
US9571740B2 (en) Image recognition device that recognizes specific object area, method of controlling the device, and storage medium, as well as image pickup apparatus, and display device
KR101610525B1 (ko) 조도를 고려한 동공 검출 장치 및 그 방법
US20200175694A1 (en) Information processing device and computer program
CN108460344A (zh) 屏幕中的动态区域智能识别系统及智能识别方法
CN111259763A (zh) 目标检测方法、装置、电子设备及可读存储介质
JP7097686B2 (ja) 画像解析装置
KR20110103223A (ko) 얼굴 인식을 위한 ｓｉｆｔ 알고리즘을 이용한 키포인트 매칭 시스템 및 방법
KR101343623B1 (ko) 적응적 피부색 검출 방법, 그리고 이를 이용한 얼굴 검출 방법 및 그 장치
CN114360039A (zh) 一种智能眼睑检测方法及系统
KR102230797B1 (ko) 적외선 이미지를 이용한 딥러닝 학습 방법 및 시스템
KR20050111183A (ko) 눈검출 장치 및 방법
CN111950546B (zh) 一种车牌识别方法、装置、计算机设备和存储介质
CN115909306A (zh) 一种确定打光方案的方法和装置
CN113557519A (zh) 信息处理设备、信息处理系统、信息处理方法以及记录介质
JP6855175B2 (ja) 画像処理装置、画像処理方法およびプログラム
KR101079184B1 (ko) 눈동자 서술자를 이용한 눈 위치 검출 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130627

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140627

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150629

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160629

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170629

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20190627

Year of fee payment: 11