KR101491923B1 - 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템 - Google Patents

문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템 Download PDF

Info

Publication number
KR101491923B1
KR101491923B1 KR20130094099A KR20130094099A KR101491923B1 KR 101491923 B1 KR101491923 B1 KR 101491923B1 KR 20130094099 A KR20130094099 A KR 20130094099A KR 20130094099 A KR20130094099 A KR 20130094099A KR 101491923 B1 KR101491923 B1 KR 101491923B1
Authority
KR
South Korea
Prior art keywords
character
partial
characters
learned
detected
Prior art date
Application number
KR20130094099A
Other languages
English (en)
Inventor
김진형
석재현
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR20130094099A priority Critical patent/KR101491923B1/ko
Application granted granted Critical
Publication of KR101491923B1 publication Critical patent/KR101491923B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Abstract

본 발명은 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 장치 및 방법에 관한 것으로, 복수의 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제1 전처리 모듈; 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제2 전처리 모듈; 상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하는 부분형태 학습 모듈; 상기 학습된 문자의 부분형태를 저장하는 부분형태 코드북; 상기 입력 영상으로부터 검출된 직선 및 곡선 성분과 상기 학습된 문자의 부분형태를 비교하여 상기 입력 영상에 상기 문자의 부분형태가 존재하는지 여부를 탐지하는 부분형태 탐지 모듈; 및 상기 입력 영상에서 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 부분조합 모듈을 제공한다.

Description

문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템{SYSTEM FOR RECOGNIZING CHARACTERS FROM NATURAL IMAGES USING STROKE AND CORNER MODELS}
본 발명은 문자를 인식하는 장치 및 방법에 관한 것으로, 자연 영상으로부터 문자의 형태를 검출하고 문자를 인식하는 기술에 관한 것이다.
문자인식 기술은 기존에 주로 인쇄체의 문자를 가지는 문서나 명함과 같은 단순한 배경을 가지며 정형화된 모양을 가진 문자들을 인식하기 위해 사용되었다. 하지만 간판, 표지판과 같은 자연 영상 내 문자열은 다양한 색상과 배경의 복잡한 조명의 영향에 의한 변이 등으로 정확한 인식이 어렵다.
한국공개특허 제2011-0042665호는 문자 검출 방법 및 장치에 관한 것으로, 영상에서 문자가 포함된 영역을 검출하는 방법을 제안한다. 자연의 영상에서 문자를 인식하기 위해 입력된 영상을 그레이 영상으로 변환하여 문자 후보 영역을 확인하고, 문자가 포함된 영역을 검출하여 문자를 추출할 수 있다. 문자의 모양에는 조명에 의한 영향이나 다양한 글씨체의 영향으로 인해 다양한 변이가 나타나므로 이러한 변이를 모두 포괄할 수 있는 문자모양의 모델을 구성하는 것은 매우 어려운 일이다. 또한, 영상에서 강한 조명이나 부분적인 가려짐으로 인해 문자의 모양 일부가 손상되는 경우도 발생하는데, 이러한 경우에는 문자 모델을 영상에 매치시키기가 더욱 어려워진다.
본 발명은 자연 영상으로부터 문자를 인식할 때 보다 정확한 인식결과를 얻기 위한 방법 및 장치를 제공한다.
본 발명의 일실시예에 따른 문자를 인식하는 장치에 있어서, 복수의 학습용 영상으로부터 획득된 학습된 문자의 부분형태 및 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장하고 있는 부분형태 코드북; 인식 대상 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제1 전처리 모듈; 상기 제1 전처리 모듈로부터 검출된 직선 및 곡선 성분과 상기 부분형태 코드북에 저장되어 있는 학습된 문자의 부분형태를 비교하여 상기 검출된 직선 및 곡선 성분이 상기 저장되어 있는 학습된 문자의 부분형태와 매칭되는 것이 존재하는지 여부를 탐지하는 부분형태 탐지 모듈; 및 상기 부분형태 탐지 모듈에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 부분조합 모듈을 포함하는 문자 인식 장치를 제공한다.
일 측에 따르면, 복수의 학습용 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제2 전처리 모듈; 및 상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하여 생성한 학습된 문자의 부분형태와, 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 상기 부분형태 코드북에 제공하는 부분형태 학습 모듈을 더 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분형태 학습 모듈은, 상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하고, 상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분형태 학습 모듈은 상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 획은 평행한 2개의 직선 또는 평행한 2개의 곡선을 포함하고, 상기 코너는 양끝이 맞닿는 2개의 직선 또는 양끝이 맞닿는 2개의 곡선을 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분조합 모듈은 허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하고, 상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값(voting score)을 부여하고, 상기 일정 기준 이상의 투표값을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는 문자 인식 장치를 제공한다.
본 발명의 일실시예에 따른 문자를 인식하는 방법에 있어서, 복수의 학습용 영상으로부터 획득된 학습된 문자의 부분형태 및 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장하는 단계; 인식 대상 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계; 상기 검출 단계에서 검출된 직선 및 곡선 성분과 상기 저장되어 있는 학습된 문자의 부분형태를 비교하여 상기 검출된 직선 및 곡선 성분이 상기 저장되어 있는 학습된 문자의 부분형태와 매칭되는 것이 존재하는지 여부를 탐지하는 단계; 및 상기 탐지 단계에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계를 포함하는 문자 인식 방법을 제공한다.
일측에 따르면, 복수의 학습용 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계; 및 상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하여 생성한 학습된 문자의 부분형태와, 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 상기 저장하는 단계에 제공하는 단계를 더 포함하는 문자 인식 방법을 제공한다
또 다른 일측에 따르면, 상기 제공하는 단계는 상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하는 단계; 상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는 단계; 상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는 단계; 및 상기 학습된 문자의 획과 코너 및 위치정보를 제공하는 단계를 포함하는 문자 인식 방법을 제공한다.
또 다른 일측에 따르면, 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계는, 허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하는 단계; 상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값을 부여하는 단계; 및 상기 일정 기준 이상의 투표값(voting score)을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는 단계를 포함하는 문자 인식 방법을 제공한다.
본 발명의 일실시예에 따른 문자를 인식하는 장치에 있어서, 복수의 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제1 전처리 모듈; 및 상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하는 부분형태 학습 모듈을 포함하는 문자 인식 장치를 제공한다.
일측에 따르면, 상기 부분형태 학습 모듈은 상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분형태 학습 모듈은 상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 학습된 문자의 부분형태를 저장하는 부분형태 코드북을 더 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 획은 평행한 2개의 직선 또는 평행한 2개의 곡선을 포함하고, 상기 코너는 양끝이 맞닿는 2개의 직선 또는 양끝이 맞닿는 2개의 곡선을 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분형태 학습 모듈은 상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 학습된 문자의 부분형태 및 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장하는 부분형태 코드북을 더 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제2 전처리 모듈; 및 상기 입력 영상으로부터 검출된 직선 및 곡선 성분과 상기 학습된 문자의 부분형태를 비교하여 상기 입력 영상에 상기 문자의 부분형태가 존재하는지 여부를 탐지하는 부분형태 탐지 모듈을 더 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분형태 탐지 모듈은 상기 입력 영상에서 상기 문자의 부분형태의 위치를 탐지하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 학습된 문자의 부분형태를 저장하는 부분형태 코드북을 더 포함하고, 상기 부분형태 탐지 모듈은 상기 입력 영상으로부터 추출된 획과 코너들을 상기 부분형태 코드북에 저장된 문자의 부분형태와 비교하여 매치되는 문자의 부분형태를 찾아내는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 입력 영상에서 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 부분조합 모듈을 더 포함하는 문자 인식 장치를 제공한다.
또 다른 일측에 따르면, 상기 부분조합 모듈은 허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하고, 상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값(voting score)을 부여하고, 상기 일정 기준 이상의 투표값을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는 문자 인식 장치를 제공한다.
본 발명의 일실시예에 따른 문자를 인식하는 장치에 있어서, 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제2 전처리 모듈; 학습된 문자의 부분형태를 저장하는 부분형태 코드북; 및 상기 입력 영상으로부터 검출된 직선 및 곡선 성분과 상기 학습된 문자의 부분형태를 비교하여 상기 입력 영상에 상기 문자의 부분형태가 존재하는지 여부를 탐지하는 부분형태 탐지 모듈을 포함하는 문자 인식 장치를 제공한다.
일측에 따르면, 상기 입력 영상에서 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 부분조합 모듈을 더 포함하는 문자 인식 장치를 제공한다.
본 발명의 일실시예에 따른 문자를 인식하는 방법에 있어서, 복수의 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계; 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계; 상기 복수의 영상으로부터 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하는 단계; 상기 입력 영상으로부터 검출된 직선 및 곡선 성분과 상기 학습된 문자의 부분형태를 비교하여 상기 입력 영상에 상기 문자의 부분형태가 존재하는지 여부를 탐지하는 단계; 및 상기 입력 영상에서 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계를 포함하는 문자 인식 방법을 제공한다.
일측에 따르면, 상기 복수의 영상으로부터 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하는 단계는, 상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하는 단계; 상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는 단계; 및 상기 학습된 문자의 부분형태를 부분형태 코드북에 저장하는 단계; 및 상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는 단계를 포함하는 문자 인식 방법을 제공한다.
또 다른 일측에 따르면, 상기 입력 영상으로부터 검출된 직선 및 곡선 성분과 상기 학습된 문자의 부분형태를 비교하여 상기 입력 영상에 상기 문자의 부분형태가 존재하는지 여부를 탐지하는 단계는, 상기 입력 영상에서 상기 문자의 부분형태의 위치를 탐지하는 단계; 및 상기 입력 영상으로부터 추출된 획과 코너들을 상기 부분형태 코드북에 저장된 문자의 부분형태와 비교하여 매치되는 문자의 부분형태를 찾아내는 단계를 포함하는 문자 인식 방법을 제공한다.
또 다른 일측에 따르면, 상기 입력 영상에서 상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계는, 허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하는 단계; 상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값을 부여하는 단계; 및 상기 일정 기준 이상의 투표값(voting score)을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는 단계를 포함하는 문자 인식 방법을 제공한다.
본 발명은 문자의 모양이 조명의 영향이나 다양한 글씨체의 영향으로 변이가 심해지고 부분적으로 가려지는 경우에도 문자의 부분형태를 이용하여 문자를 인식할 수 있다.
도 1은 본 발명의 일실시예에 따른 문자 인식 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 일실시예에 따른 문자 인식 장치에서 영상 전처리 결과를 나타낸 예이다.
도 3은 본 발명의 일실시예에 따른 문자 인식 장치에서 문자를 구성하는 획과 코너를 나타낸 예이다.
도 4는 본 발명의 일실시예에 따른 문자 인식 장치에서 문자의 부분형태 및 위치 정보를 나타낸 예이다.
도 5는 본 발명의 일실시예에 따른 문자 인식 장치에서 허프 투표 결과를 나타낸 예이다.
도 6은 본 발명의 일실시예에 따른 문자 인식 장치에서 문자를 인식하는 방법을 나타낸 흐름도이다.
이하, 본 발명에 따른 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 문자 인식 장치의 구성을 나타낸 블록도이다.
문자 인식 장치(100)는 제1 전처리 모듈(110), 제2 전처리 모듈(120), 부분형태 학습 모듈(130), 부분형태 코드북(131), 부분형태 탐지 모듈(140), 부분 조합 모듈(150)로 구성될 수 있다.
제1 전처리 모듈(110)은 복수의 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출할 수 있다.
제2 전처리 모듈(120)은 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출할 수 있다. 이때, 입력 영상이란 카메라로 촬영한 자연 영상 등을 포함할 수 있다.
부분형태 학습 모듈(130)은 전처리 모듈에서 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행할 수 있다. 부분형태 학습 모듈(130)은 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습할 수 있다. 이때, 도 3을 참고하면, 획은 평행한 2개의 직선 또는 평행한 2개의 곡선을 포함하고, 코너는 양끝이 맞닿는 2개의 직선 또는 양끝이 맞닿는 2개의 곡선을 포함할 수 있다. 획과 코너에 대한 자세한 설명은 도 3에서 설명하기로 한다.
부분형태 학습 모듈(130)은 학습된 문자의 부분형태를 저장하는 부분형태 코드북(131)을 포함할 수 있다. 부분형태 학습 모듈(130)은 문자의 학습된 획 또는 코너가 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습할 수 있다. 부분형태 코드북(131)은 학습된 문자의 부분형태 및 학습된 문자의 부분형태가 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장할 수 있다.
부분형태 탐지 모듈(140)은 입력 영상에서 문자의 부분형태의 위치를 탐지할 수 있고, 입력 영상으로부터 추출된 획과 코너들을 부분형태 코드북에 저장된 문자의 부분형태와 비교하여 매치되는 문자의 부분형태를 찾아낼 수 있다.
부분 조합 모듈(150)은 입력 영상에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아낼 수 있다. 이때, 허프 투표를 이용하여 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하고, 허프 투표가 이루어지는 허프 공간에서 문자가 존재하는 영역을 일정 기준 이상의 투표값을 부여하고, 일정 기준 이상의 투표값을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 입력 영상으로부터 문자를 찾아낼 수 있다.
일 실시예에 따른 문자 인식 장치는 문자의 모양이 조명의 영향이나 다양한 글씨체의 영향으로 변이가 심해지고 부분적으로 가려지는 경우에도 문자의 부분형태들은 유지된다는 특징을 이용하여 문자를 인식할 수 있다.
도 2는 본 발명의 일실시예에 따른 문자 인식 장치에서 영상 전처리 결과를 나타낸 예이다.
영상 전처리는 문자 인식 장치의 전처리 모듈에 의해 수행될 수 있으며, 본 발명에서는 복수의 영상에 대하여 영상 전처리를 수행하고, 입력 영상에 대하여 영상 전처리를 수행할 수 있다.
영상(210)은 입력 영상으로 카메라와 같은 장치에 의해서 촬영된 가공되지 않은 자연 영상을 포함할 수 있다.
영상(220)은 문자 인식 장치의 전처리 모듈에 의해서 외곽선이 추출된 결과를 나타낸 것이다.
영상(230)은 문자 인식 장치의 전처리 모듈에 의해서 직선 및 곡선이 추출된 결과를 나타낸 것이다. 영상(230)은 외곽선을 추출한 영상(220)을 이용하여 직선 및 곡선을 추출할 수 있다.
영상(210, 220, 230)으로부터 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습할 수 있다. 부분형태를 학습하는 방법에 대해서는 도 3 및 도 4에서 설명하기로 한다.
도 3은 본 발명의 일실시예에 따른 문자 인식 장치에서 문자를 구성하는 획과 코너를 나타낸 예이다.
문자 인식 장치의 부분형태 학습 모듈은 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행할 수 있다. 이때, 특징 추출은 문자만이 가지고 있는 독특한 특성을 이용하여 추출하는 것으로, 특징을 추출하는 방법은 여러 각도에서 연구 중이며 예를 들면, 문자의 각 획의 방향을 kirssh 마스크를 이용하여 획을 4방향으로 나누어 특징을 추출하고, 12방향으로 나누어 특징을 추출하는 방법 등을 포함할 수 있다.
도 3은 획과 코너를 설명하기 위하여 "AS" 라는 문자를 이용하여 설명하기로 한다.
도 3a은 문자 인식 장치에서 획을 나타낸 예이다. 획은 평행한 2개의 직선 또는 평행한 2개의 곡선을 포함할 수 있는데, 이때, 수학적으로 '평행'의 의미는 평면 또는 입체에서 두 개 이상의 직선·반직선·선분들이 아무리 늘여도 만나지 않는 상태를 뜻하지만, 본 발명에서는 완전히 수학적으로 평행한 경우만을 의미하는 것이 아니라 두 직선이 어느 정도 공간을 두고 위치한 경우, 두 직선이 어느 정도 만나지 않는 경우 등도 포함할 수 있다.
도 3a를 참고하면, 예를 들면, 문자 인식 장치는 "A" 라는 문자에서 310, 311, 312 와 같이 공간을 두고 위치한 평행한 직선을 추출할 수 있다. "S" 라는 문자는 곡선으로 구성되어 있지만 곡선이 만나지 않고 313, 314가 평행하게 곡선을 이루고 있으므로, 획을 추출할 수 있다.
도 3b는 문자 인식 장치에서 코너를 나타낸 예이다. 코너는 양끝이 맞닿는 2개의 직선 또는 양끝이 맞닿는 2개의 곡선을 포함할 수 있다. 도 3b를 참고하면, 예를 들면, 문자 인식 장치는 "A" 라는 문자에서 320, 321은 양끝이 맞닿는 2개의 직선으로 이루어져 있으므로 코너를 추출할 수 있다. "S" 라는 문자는 곡선으로 구성되어 있지만 322, 323 역시 양끝이 맞닿고 있으므로 코너를 추출할 수 있다.
일 실시예에 따른 문자 인식 장치는 획과 코너를 나타내는 특징들을 추출함으로써, 군집화를 수행할 수 있고, 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집하여 문자의 획과 코너를 학습할 수 있다. 예를 들면, 문자 인식 장치는 군집화를 수행할 때, "ㄱ" 자음과 비슷한 문자들에 대하여 군집화를 수행하고, "ㅏ" 모음과 비슷한 문자들에 대하여 군집화를 수행할 수 있다. 더욱 상세하게는 바탕체 "ㄱ", 궁서체 "ㄱ" 또는 "ㄱ"과 비슷하게 생긴 문자들은 모두 같은 군집으로 군집화를 수행할 수 있고, 이때 군집화된 군집을 대표하는 문자는 "ㄱ" 이 될 수 있다.
도 4는 본 발명의 일실시예에 따른 문자 인식 장치에서 문자의 부분형태 및 위치 정보를 나타낸 예이다.
문자 인식 장치의 부분형태 학습 모듈은 학습된 문자의 부분형태를 부분형태 코드북에 저장할 수 있다. 또한, 부분형태 학습 모듈은 문자의 학습된 획 또는 코너가 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습할 수 있다. 부분형태 코드북은 학습된 문자의 부분형태 및 학습된 문자의 부분형태가 문자에서 어느 위치에 해당하는지에 대한 위치 정보를 저장할 수 있다.
도 4를 참고하면, 왼쪽에 위치한 복수의 영상들은 문자의 부분형태를 나타낸 것으로, 상기 문자의 부분형태들은 부분형태 코드북에 저장될 수 있다.
도 4에서는 복수의 영상들로부터 문자의 부분형태를 나타낸 것을 부분형태1, 부분형태 2, ···, 부분형태 n과 같이 표현하기로 한다. 이때, 부분형태 학습 모듈은 문자의 부분형태들이 "A" 라는 문자를 포함하고 있는 입력 영상의 어느 위치에 해당되는지에 대한 위치 정보를 학습하기 때문에, 부분형태 코드북은 학습된 문자의 부분형태 및 학습된 문자의 부분형태가 어느 위치에 해당되는지에 대한 위치 정보를 저장할 수 있다. 예를 들면, 제시되어 있는 부분형태 1은 "A" 라는 문자를 포함하고 있는 입력 영상의 왼쪽 부분에 매치되고, 부분형태 2는 "A" 라는 문자를 포함하고 있는 입력 영상의 아래쪽에 매치되며, 마찬가지로 부분형태 n은 "A" 라는 문자를 포함하고 있는 입력 영상의 오른쪽에 매치되므로, 부분형태 코드북은 이에 해당되는 위치 정보를 저장할 수 있다.
일 실시예에 따른 문자 인식 장치는 입력 영상으로부터 검출된 직선 및 곡선 성분과 학습된 문자의 부분형태를 비교하여 입력 영상에 문자의 부분형태가 존재하는지 여부를 탐지할 수 있다.
도 5는 본 발명의 일실시예에 따른 문자 인식 장치에서 허프 투표 결과를 나타낸 예이다.
문자 인식 장치의 부분조합 모듈은 입력 영상에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아낼 수 있다. 이때, 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보로부터 문자 중심의 위치를 추정해낼 수 있다. 이 정보와 함께 허프 투표(Hough voting) 방법을 이용하여 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합한다. 허프 변환이란 영상에서 몇 개의 파라미터로 표현되는 기하학적 요소 추출을 위해 널리 사용되고 있는 방법 중 하나이다. 허프 변환은 물체 인식에 응용되고 있는데, 예를 들면, 실외 영상 분석, 문자인식, 3차원 물체 인식 등을 포함할 수 있다.
그리고 나서 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역에 일정 기준 이상의 투표값을 부여할 수 있다. 이때, 허프 투표가 이루어지는 허프 공간에서 실제 문자가 존재하는 영역은 높은 투표값(voting score)을 갖게 된다. 일정 기준 이상의 투표값을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 입력 영상으로부터 문자를 찾아낼 수 있다. 도 5를 참고하면, 입력 영상으로부터 허프 투표를 수행한 결과의 예를 나타낸 것으로, 허프 투표를 수행한 영상에서 밝을 색일수록 높을 투표값을 갖는다는 것을 알 수 있다.
도6은 본 발명의 일실시예에 따른 문자 인식 장치에서 문자를 인식하는 방법을 나타낸 흐름도이다.
문자를 인식하는 방법은 문자 인식 장치에 의해서 수행될 수 있으며, 이에 대한 상세한 설명은 도 2 내지 도 5를 참고하기로 한다.
단계(601)에서 문자 인식 장치는 복수의 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출할 수 있다. 이때, 단계(611)에서 문자 인식 장치는 입력 영상으로부터 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출할 수 있다. 전처리 모듈에 의해서 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 예는 도 2를 참고하기로 한다.
단계(602)에서 문자 인식 장치는 복수의 영상으로부터 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습할 수 있다. 이때, 단계(601)에서 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행할 수 있다. 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써 문자의 획과 코너를 학습할 수 있다.
단계(603)에서 문자 인식 장치는 학습된 문자의 부분형태를 부분형태 코드북에 저장할 수 있다. 이때, 단계(613)에서 문자 인식 장치는 입력 영상으로부터 추출된 획과 코너들을 단계(603)에서 부분형태 코드북에 저장된 문자의 부분형태와 비교하여 문자의 부분형태가 존재하는지 여부를 탐지할 수 있고, 문자의 부분형태의 위치도 탐지할 수 있다.
단계(604)에서 문자 인식 장치는 학습된 문자의 부분형태가 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습할 수 있다.
단계(605)에서 문자 인식 장치는 학습된 문자의 부분형태가 문자의 어느 위치에 해당되는지에 대한 위치 정보를 부분형태 코드북에 저장할 수 있다. 이때, 단계(615)에서는 부분형태 코드북에 저장되어 있는 위치 정보를 이용하여 탐지된 문자의 부분형태들을 조합할 수 있다. 이때, 허프 투표 방법을 이용하여 입력 영상으로부터 문자를 찾아낼 수 있다.
단계(616)에서 문자 인식 장치는 탐지된 문자의 부분형태들을 조합하여 문자를 인식할 수 있다.
일 실시예에 따른 문자 인식 장치는 문자의 부분형태의 모델을 만들고 각 모델에 부합하는 부분들을 영상에서 찾고, 찾은 부분형태들을 조합하여 문자의 모양을 구성함으로써 영상 내에서 보다 정확하게 문자를 인식할 수 있다.
또한, 본 발명은 문자의 모양이 조명의 영향이나 다양한 글씨체의 영향으로 변이가 심해지고 부분적으로 가려지는 경우에도 문자의 부분형태를 이용하여 문자를 인식하기 때문에 문자의 변이에 더욱 강인하게 자연 영상 내에서 문자를 인식할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 문자 인식 장치
110: 제1 전처리 모듈
120: 제2 전처리 모듈
130: 부분형태 학습 모듈
131: 부분형태 코드북
140: 부분형태 탐지 모듈
150: 부분 조합 모듈

Claims (10)

  1. 문자를 인식하는 장치에 있어서,
    복수의 학습용 영상으로부터 획득된 학습된 문자의 부분형태 및 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장하고 있는 부분형태 코드북;
    인식 대상 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제1 전처리 모듈;
    상기 제1 전처리 모듈로부터 검출된 직선 및 곡선 성분과 상기 부분형태 코드북에 저장되어 있는 학습된 문자의 부분형태를 비교하여 상기 검출된 직선 및 곡선 성분이 상기 저장되어 있는 학습된 문자의 부분형태와 매칭되는 것이 존재하는지 여부를 탐지하는 부분형태 탐지 모듈;
    상기 부분형태 탐지 모듈에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 부분조합 모듈;
    복수의 학습용 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 제2 전처리 모듈; 및
    상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하여 생성한 학습된 문자의 부분형태와, 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 상기 부분형태 코드북에 제공하는 부분형태 학습 모듈
    을 포함하고,
    상기 부분형태 학습 모듈은,
    상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하고, 상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는
    문자 인식 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 부분형태 학습 모듈은,
    상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는
    문자 인식 장치.
  5. 제1항에 있어서,
    상기 획은 평행한 2개의 직선 또는 평행한 2개의 곡선을 포함하고, 상기 코너는 양끝이 맞닿는 2개의 직선 또는 양끝이 맞닿는 2개의 곡선을 포함하는
    문자 인식 장치.
  6. 제1항에 있어서,
    상기 부분조합 모듈은,
    허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하고, 상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값(voting score)을 부여하고, 상기 일정 기준 이상의 투표값을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는
    문자 인식 장치.
  7. 문자를 인식하는 방법에 있어서,
    복수의 학습용 영상으로부터 획득된 학습된 문자의 부분형태 및 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 저장하는 단계;
    인식 대상 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계;
    상기 검출 단계에서 검출된 직선 및 곡선 성분과 상기 저장되어 있는 학습된 문자의 부분형태를 비교하여 상기 검출된 직선 및 곡선 성분이 상기 저장되어 있는 학습된 문자의 부분형태와 매칭되는 것이 존재하는지 여부를 탐지하는 단계;
    상기 탐지 단계에서 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계;
    복수의 학습용 영상을 입력 받아 외곽선을 추출하고, 추출된 외곽선 정보로부터 직선 및 곡선 성분을 검출하는 단계; 및
    상기 검출된 직선 및 곡선 성분을 이용하여 문자의 부분형태를 학습하여 생성한 학습된 문자의 부분형태와, 상기 학습된 문자의 부분형태가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 상기 저장하는 단계에 제공하는 단계
    를 포함하고,
    상기 제공하는 단계는,
    상기 검출된 직선 및 곡선 성분으로부터 획과 코너를 나타내는 특징들을 추출하고, 상기 추출된 특징들을 이용하여 획과 코너에 대한 군집화를 수행하는 단계;
    상기 군집화된 군집을 대표하는 획 또는 코너의 형태를 수집함으로써, 문자의 획과 코너를 학습하는 단계;
    상기 문자의 학습된 획 또는 코너가 상기 문자에서 어느 위치에 해당되는지에 대한 위치 정보를 학습하는 단계; 및
    상기 학습된 문자의 획과 코너 및 위치정보를 제공하는 단계
    를 포함하는 문자 인식 방법.
  8. 삭제
  9. 삭제
  10. 제7항에 있어서,
    상기 탐지된 문자의 부분형태들을 조합하여 문자를 찾아내는 단계는,
    허프 투표(Hough voting)를 이용하여 상기 문자의 부분형태들로부터 추정된 문자의 위치 정보를 종합하는 단계;
    상기 허프 투표가 이루어지는 허프 공간(Hough space)에서 문자가 존재하는 영역을 일정 기준 이상의 투표값을 부여하는 단계; 및
    상기 일정 기준 이상의 투표값(voting score)을 갖는 부분에 해당 문자가 존재하는 것으로 판단하여 상기 입력 영상으로부터 문자를 찾아내는 단계
    를 포함하는 문자 인식 방법.
KR20130094099A 2013-08-08 2013-08-08 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템 KR101491923B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130094099A KR101491923B1 (ko) 2013-08-08 2013-08-08 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130094099A KR101491923B1 (ko) 2013-08-08 2013-08-08 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템

Publications (1)

Publication Number Publication Date
KR101491923B1 true KR101491923B1 (ko) 2015-02-11

Family

ID=52591882

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130094099A KR101491923B1 (ko) 2013-08-08 2013-08-08 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템

Country Status (1)

Country Link
KR (1) KR101491923B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940015910A (ko) * 1992-12-21 1994-07-22 이헌조 온라인 필기체 인식 시스템
KR960013818B1 (ko) * 1994-03-11 1996-10-10 엘지전자 주식회사 다중획인식을 이용한 한글조합인식장치
KR20130082223A (ko) * 2012-01-11 2013-07-19 한국전자통신연구원 자연영상에서 추출된 문자 정보의 순서화 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940015910A (ko) * 1992-12-21 1994-07-22 이헌조 온라인 필기체 인식 시스템
KR960013818B1 (ko) * 1994-03-11 1996-10-10 엘지전자 주식회사 다중획인식을 이용한 한글조합인식장치
KR20130082223A (ko) * 2012-01-11 2013-07-19 한국전자통신연구원 자연영상에서 추출된 문자 정보의 순서화 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문:정보과학회논문지 *

Similar Documents

Publication Publication Date Title
Bušta et al. E2e-mlt-an unconstrained end-to-end method for multi-language scene text
Hu et al. Wordsup: Exploiting word annotations for character based text detection
Zhang et al. Multi-oriented text detection with fully convolutional networks
Ye et al. Text detection and recognition in imagery: A survey
Yi et al. Scene text recognition in mobile applications by character descriptor and structure configuration
Yi et al. Feature representations for scene text character recognition: A comparative study
Sung et al. Scene text detection with robust character candidate extraction method
US10204284B2 (en) Object recognition utilizing feature alignment
JP2008310796A (ja) コンピュータにより実施される、訓練データから分類器を構築し、前記分類器を用いてテストデータ中の移動物体を検出する方法
KR102043960B1 (ko) 얼굴 영상의 다양성에 강인한 얼굴 표정 특징 분류 방법 및 시스템
JP2007072620A (ja) 画像認識装置及びその方法
KR102434574B1 (ko) 이미지에 포함된 특징 포인트의 시간 또는 공간의 움직임에 기초하여 이미지에 존재하는 피사체를 인식하는 장치 및 방법
JP2017084349A (ja) 集合演算機能を備えたメモリ及びこれを用いた集合演算処理方法
Fond et al. Facade proposals for urban augmented reality
Nasri et al. A novel approach for dynamic hand gesture recognition using contour-based similarity images
Liu et al. Scene text recognition with high performance CNN classifier and efficient word inference
Bilgin et al. Road sign recognition system on Raspberry Pi
CN114358205A (zh) 模型训练方法、模型训练装置、终端设备及存储介质
JP4570995B2 (ja) マッチング方法およびマッチング装置ならびにプログラム
JP6393495B2 (ja) 画像処理装置および物体認識方法
EP1828959A1 (en) Face recognition using features along iso-radius contours
US9111142B2 (en) Method and apparatus for providing sign information
KR101491923B1 (ko) 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템
Zhang et al. Augmented visual feature modeling for matching in low-visibility based on cycle-labeling of Superpixel Flow
KR101306576B1 (ko) 차분 성분을 고려한 조명 변화에 강인한 얼굴 인식 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180129

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee