KR101732815B1

KR101732815B1 - 개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템

Info

Publication number: KR101732815B1
Application number: KR1020150155264A
Authority: KR
Inventors: 정제창; 이민정
Original assignee: 한양대학교 산학협력단
Priority date: 2015-11-05
Filing date: 2015-11-05
Publication date: 2017-05-04

Abstract

개체 특징점 추출 방법 및 장치, 개체 인식 시스템에 관한 기술이 개시된다. 본 발명의 실시예에 따른 개체 특징점 추출 방법은 개체 이미지에서 관심 영역을 설정하는 단계, 관심 영역에 대한 전처리를 수행하여 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 단계, 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 단계 및 관심 영역에 대한 개체 특징점을 추출함에 있어 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 단계를 포함한다. 따라서, 개체 특징점 추출에 대한 정확성을 향상시키고 개체 특징점을 이용하는 개체 인식의 정확성 및 효율성을 향상시킬 수 있다.

Description

개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템{METHOD AND APPARATUS FOR EXTRACTING FEATURE POINT OF ENTITY, SYSTEM FOR IDENTIFYING ENTITY USING THE METHOD AND APPARATUS}

본 발명은 개체 인식 기술에 관한 것으로, 더욱 상세하게는, 개체를 촬영한 이미지로부터 개체의 특징점을 정확하게 추출하여 개체 인식의 정확도를 향상시키기 위한 개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템에 관한 것이다.

현재, 한 해 유기 및 유실 동물의 발생 건수는 약 10만 건에 달한다. 이 가운데 개가 60% 이상을 차지하고 있으며 유기견은 광견병, 브루셀라병, 심장사상충 감염증과 같은 중요 질병의 매개체가 된다는 점에서 공중 보건학적으로 문제가 되고 있다. 그러나, 이들을 보호할 시설은 전국에 약 360 여개소로 턱없이 부족한 실정이다. 그리하여, 현행 동물 보호법 상 유기견을 포함한 유기 동물들은 동물 보호소에 열흘간 보호한 후 주인이 나타나지 않으면 안락사 시키고 있어 생명 윤리학적으로 문제가 되고 있다.

이러한 사회적 문제를 해결하기 위해, 정부에서는 유기 동물의 소유주를 쉽게 찾을 수 있도록 동물 등록제를 시행하고 있다. 보다 구체적으로, 동물 등록제는 유기 동물을 최소화하기 위해 반려 동물의 소유주로 하여금 반려 동물을 시, 군, 구청에 등록하도록 법제화한 것으로, 반려 동물의 몸에 무선 식별 칩을 삽입하는 내장형과 무선 식별 칩이 부착된 인식표를 반려 동물의 목에 걸어주는 외장형으로 나뉜다.

다만, 내장형의 경우 무선 식별 칩을 반려 동물의 체내에 심는 시술이 필요하다는 점에서 외장형에 비해 상대적으로 안정성이 떨어지는 문제가 있고, 외장형의 경우 소유주가 반려 동물에 인식표를 착용시키는 것을 잊어버리거나 반려 동물에 의해 인식표가 분실되는 등 관리의 편의성이 떨어지는 문제가 있다.

그리하여, 최근에는 개체를 촬영한 이미지를 이용하는 기술에 대한 연구가 활발히 진행되고 있다. 이 중에서, 비문은 동물의 코에서 발견할 수 있는 고유한 무늬(Biometric marker)로 사람의 지문과 같은 역할을 할 수 있다는 점에서 무선 식별 칩을 이용하는 동물 등록제의 대안 기술로 각광받고 있다.

초기에는, 종이에 비문을 찍어낸 후 일반화된(generalized) 데이터로 만들어 동물의 개체 인식에 이용하였다. 그러나, 종이에 비문을 찍어내는 과정에서 작업자의 숙련도가 요구되고 종이에 찍힌 비문을 데이터화하는 과정이 추가적으로 필요하다는 점에서 효율성이 떨어지는 문제가 있다.

이를 개선하기 위해, 카메라로 비문이 포함되도록 개체를 촬영한 후 촬영된 개체 이미지에서 특징점을 추출하여 동물의 개체 인식에 이용하는 방법이 제안되었다. 이러한 방법은 개체 이미지의 확보가 용이하여 실시간 개체 인식 서비스를 제공할 수 있다는 장점이 있다. 그러나, 개체를 촬영하는 과정에서 카메라와 빛의 각도로 인해 반사광이 개체 이미지에 포함될 수 있고, 개체 이미지에 포함된 반사광으로 인해 개체 이미지로부터 잘못된 특징점이 추출되어 개체 인식의 정확성이 떨어질 수 있다는 문제가 있다.

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 개체를 촬영한 이미지에 포함되는 반사광으로 인해 개체 특징점이 잘못 추출되는 것을 방지함으로써 특징점 추출에 대한 정확성을 향상시킬 수 있는 개체 특징점 추출 방법 및 장치를 제공하는 데 있다.

또한, 본 발명의 다른 목적은, 개체를 촬영한 이미지로부터 추출된 개체 특징점을 이용하여 개체를 인식함으로써 개체 인식에 대한 정확성 및 효율성을 향상시킬 수 있는 개체 인식 시스템을 제공하는 데 있다.

상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 개체 특징점 추출 방법은, 개체 인식 시스템에 구현된 개체 특징점 추출 장치에서 수행되며, 개체 이미지가 입력됨에 따라 입력된 개체 이미지에서 관심 영역(ROI, Region Of Interest)을 설정하는 단계, 관심 영역에 대한 전처리를 수행하여 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 단계, 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 단계 및 관심 영역에 대한 개체 특징점을 추출함에 있어 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 단계를 포함한다.

여기에서, 개체 이미지는, 개체를 인식하는 데 이용될 수 있는 개체의 얼굴 및 비문(muzzle pattern) 중 적어도 하나의 생체 마커(biometric marker)가 포함될 수 있다.

여기에서, 관심 영역을 설정하는 단계는, 개체 이미지 내에서 개체의 움직임에 의한 변형이 적은 영역을 관심 영역으로 설정할 수 있다.

여기에서, 반사광이 차지하는 영역을 극대화시키는 단계는, 임펄스 노이즈(impulse noise) 제거 필터를 이용하여 관심 영역에 포함된 잡음(noise)을 제거하는 단계, 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출하는 단계 및 샤프닝 공간 필터(sharpening spacial filter)를 이용하여 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강하는 단계를 포함하여 관심 영역에서 반사광이 차지하는 영역을 극대화시킬 수 있다.

여기에서, 반사광이 차지하는 영역을 산출하는 단계는, 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 다수의 영역 각각에 대한 평균 명도 차이 값을 산출할 수 있다.

여기에서, 반사광이 차지하는 영역을 산출하는 단계는, 다수의 영역 중에서 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 영역을 검출하고, 검출된 영역 내의 픽셀들의 명도 값을 검출된 영역 내의 픽셀들이 가지는 명도 값 중 최대 값으로 치환하여 반사광이 차지하는 영역으로 산출할 수 있다.

여기에서, 개체 특징점을 제거하는 단계는, 지역 특징점 추출(local feature extraction) 알고리즘을 이용하여 관심 영역에 대한 개체 특징점을 추출한 후, 추출된 개체 특징점 중에서 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거할 수 있다.

또한, 상기 목적을 달성하기 위한 본 발명의 다른 측면에 따른 개체 특징점 추출 장치는, 개체 인식 시스템에 구현되며 사용자 단말로부터 개체 이미지가 입력됨에 따라 입력된 개체 이미지에서 관심 영역을 설정하는 관심 영역 설정부, 관심 영역에 대한 전처리를 수행하여 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 반사광 영역 극대화부, 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 픽셀 추출부 및 관심 영역에 대한 개체 특징점을 추출함에 있어 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 특징점 제거부를 포함한다.

상기 다른 목적을 달성하기 위한 본 발명의 일 측면에 따른 개체 인식 시스템은, 사용자 단말로부터 개체를 촬영한 개체 이미지를 수신하는 개체 이미지 수신 장치, 개체에 대하여 개체 등록 데이터베이스에 미리 등록된 개체 이미지를 추출하고, 개체 등록 데이터베이스로부터 추출된 개체 이미지와 사용자 단말로부터 수신된 개체 이미지 각각에서 반사광으로 인해 최대 명도 값으로 수렴되는 픽셀을 제거하여 개체 특징점을 추출하는 개체 특징점 추출 장치 및 개체 등록 데이터베이스로부터 추출된 개체 이미지와 사용자 단말로부터 수신한 개체 이미지 각각에서 추출된 개체 특징점 간을 정합(match)하여 개체를 인식하는 개체 인식 장치를 포함한다.

상술한 바와 같은 본 발명의 실시예에 따른 개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템에 따르면, 개체를 촬영한 이미지에 포함된 반사광으로 인해 개체 특징점이 잘못 추출되는 것을 방지하여 개체 특징점 추출의 정확성을 향상시킬 수 있다.

또한, 개체를 촬영한 이미지로부터 개체의 특징점을 정확하게 추출할 수 있으므로 동물 등록제, 유기 동물의 신원 조회, 펫도어(pet door) 잠금 장치 등과 같이 동물에 대한 개체 인식이 필요한 다양한 응용 기술에 적용할 수 있다.

이를 통해, 유기 동물의 개체수를 감소시킬 수 있으며, 유기 동물로 인한 공중 보건학적, 윤리적 문제와 같은 다양한 사회적 문제 또한 해결할 수 있을 것으로 기대된다.

도 1은 본 발명의 실시예에 따른 개체 특징점 추출 방법을 설명하는 흐름도이다.
도 2는 본 발명의 실시예에 따른 개체 이미지에서 관심 영역을 설정하는 것을 설명하는 예시도이다.
도 3은 본 발명의 실시예에 따른 설정된 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 것을 설명하는 흐름도이다.
도 4는 도 3의 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 것을 설명하는 예시도이다.
도 5는 도 4의 관심 영역에서 최대 명도 값으로 수렴되는 픽셀들을 표시한 예시도이다.
도 6은 본 발명의 실시예에 따른 개체 인식 시스템을 나타내는 블록도이다.
도 7은 도 6의 개체 특징점 추출 장치에 대한 구성을 나타내는 블록도이다.
도 8은 도 6의 개체 인식 장치에서 개체 특징점을 이용하여 개체를 인식하는 것을 설명하는 예시도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 실시예에 따른 개체 특징점 추출 방법을 설명하는 흐름도이고, 도 2는 본 발명의 실시예에 따른 개체 이미지에서 관심 영역을 설정하는 것을 설명하는 예시도이다.

또한, 도 3은 본 발명의 실시예에 따른 설정된 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 것을 설명하는 흐름도이고, 도 4는 도 3의 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 것을 설명하는 예시도이다.

더 나아가, 도 5는 도 4의 관심 영역에서 최대 명도 값으로 수렴되는 픽셀들을 표시한 예시도이다.

도 1을 참조하면, 개체 특징점 추출 방법은 개체 인식 시스템에 구현된 개체 특징점 추출 장치에서 수행될 수 있다. 여기에서, 개체 인식 시스템은 유무선 네트워크를 통해 다수의 사용자 단말과 연결되어 사용자에게 개체 인식 기반 서비스를 제공하는 웹 서버 또는 클라우드 서버에 의해 구현될 수 있으나 이에 한정되는 것은 아니다.

개체를 인식하기 위해 패스워드, 무선 식별 칩 등을 이용하는 종래 기술의 문제를 해결하기 위해, 최근에는 개체 인식에 개체를 촬영한 이미지로부터 추출된 개체 특징점을 이용하는 기술에 대한 연구가 활발하게 진행되고 있다.

다만, 개체를 촬영하는 과정에서 반사광이 개체 이미지에 포함되어 개체 이미지로부터 잘못된 특징점이 추출되고 이로 인해 개체 인식의 정확성이 떨어진다는 문제가 있다.

그리하여, 본 발명에서는 개체 특징점 추출의 정확성을 향상시킬 수 있도록 개체 이미지에 포함되는 반사광으로 인해 개체 특징점이 잘못 추출되는 것을 방지하는 기술을 제안한다.

본 발명에서 제안하는 개체 특징점 추출 방법은 개체 이미지에서 관심 영역을 설정하는 단계(S100), 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 단계(S200), 반사광이 차지하는 영역이 극대화된 관심 영역에서 최대 명도 값으로 수렴되는 픽셀을 추출하는 단계(S300) 및 최대 명도 값으로 수렴되는 픽셀로부터 추출되는 개체 특징점을 제거하는 단계(S400)를 포함할 수 있다.

개체 이미지에서 정확한 개체 특징점을 추출하기 위해서는 먼저, 사용자 단말로부터 입력된 개체 이미지에서 관심 영역(ROI, Region Of Interest)을 설정할 수 있다(S100).

이 때, 개체 이미지는 동물 병원, 동물 보호소, 반려 동물의 소유자, 사용자 인증 서비스를 이용하는 사용자 등에 의해 운용되는 사용자 단말로부터 촬영되며, 얼굴 및 비문(muzzle pattern)과 같은 생체 마커(biometric marker)가 포함될 수 있다. 여기에서, 생체 마커로써 얼굴과 비문을 이용하는 이유는 얼굴의 윤곽선, 얼굴에 포함된 눈, 코, 입의 위치, 홍채 등을 통해 사람을 인식할 수 있고, 동물의 코에서 발견할 수 있는 고유한 무늬인 비문을 통해 동물을 인식할 수 있기 때문이다. 여기에서는 얼굴과 비문만을 예를 들어 설명하였으나, 이에 한정되지 않고 개체를 식별할 수 있도록 개체 고유의 특징을 나타내는 다양한 생체 마커가 개체 이미지에 포함될 수 있을 것이다.

생체 마커가 포함된 개체 이미지 내에서 개체의 움직임에 의한 변형이 적은 영역을 관심 영역으로 설정할 수 있다. 개체 이미지 내에서 개체의 움직임에 의한 변형이 잦은 영역은 개체 이미지가 촬영될 때마다 다른 형태로 표현될 수 있기 때문에 동일한 개체를 촬영한 개체 이미지임에도 불구하고 특성이 상이한 특징점이 추출될 수 있으며, 이는 개체 인식의 정확성이 떨어뜨리는 원인이 된다. 따라서, 본 발명에서는 개체의 움직임에 의한 변형이 적어 개체 이미지 내에서 개체 특징점의 크기 및 형태에 대한 변형이 비교적 적은 영역을 관심 영역으로 설정함으로써 개체 인식의 정확성을 향상시킬 수 있다.

예를 들어, 도 2와 같이 동물의 비문이 촬영된 개체 이미지(21)를 참조하면, 개체 이미지(21)에서 동물 코의 바깥쪽 영역은 동물이 근육을 사용하여 용이하게 움직일 수 있으므로, 개체 특징점을 추출하기 위한 영역으로써 적합하지 않다. 따라서, 동물이 근육을 사용하여 움직이기 상대적으로 어려워 동물의 비문이 촬영된 개체 이미지(21) 내에서 개체 특징점의 크기 및 형태에 대한 변형이 비교적 적은 콧구멍 사이의 영역을 관심 영역(23)으로 설정할 수 있다.

개체 이미지에서 관심 영역이 설정됨에 따라, 설정된 관심 영역에 대한 전처리를 수행하여 관심 영역에서 반사광이 차지하는 영역을 극대화시킬 수 있다(S200).

관심 영역에서 반사광이 차지하는 영역을 극대화시키기 위해, 도 3에 도시된 바와 같이 관심 영역에 포함된 잡음을 제거하는 단계(S210), 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출하는 단계(S220) 및 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강하는 단계(S230)를 포함하는 전처리 과정이 수행될 수 있다.

상세하게는, 관심 영역에 임펄스 노이즈(impulse noise) 제거 필터를 씌워 소금-후추(salt and pepper) 잡음과 같이 작은 영역을 차지하는 잡음을 제거할 수 있다(S210).

이 때, 임펄스 노이즈(impulse noise) 제거 필터를 통해 관심 영역에서 작은 영역을 차지하는 잡음을 제거하면, 관심 영역에서 상대적으로 큰 영역을 차지하는 잡음이 한쪽으로 모이게 되는데 이러한 현상이 극대화되도록 하여 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출할 수 있다(S220).

이를 위해서는 먼저, 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 다수의 영역 각각에 대한 평균 명도 차이 값을 산출할 수 있다.

다수의 영역 각각에 대한 평균 명도 차이 값은 상기 수학식 1을 통해 산출할 수 있다. 예를 들어, 수학식 1과 같이 잡음이 제거된 관심 영역을 3ⅹ3의 크기를 가지는 다수의 영역으로 나눈 경우, 중심 픽셀의 명도 값과 중심 픽셀을 제외한 픽셀의 명도 값 간의 차에 절대값을 씌우는 과정을 3ⅹ3 영역 안에 위치한 모든 픽셀에 수행하여 합한 후 합한 값에 대한 평균을 산출함으로써 3ⅹ3 영역에 대한 평균 명도 차이 값 DSum을 산출할 수 있다.

이 때, 상기 수학식 1에서 i와 j는 다수의 영역 각각에 위치한 픽셀들 각각의 가로 좌표 값과 세로 좌표 값을 나타낼 수 있다. 또한, I(1,1)은 중심 픽셀에 대한 명도 값을 의미하고, I(i, j)는 다수의 영역 각각에서 중심 픽셀을 제외한 임의의 픽셀(i, j)에 대한 명도 값을 의미할 수 있다. 특히, 수학식 1에서는 잡음이 제거된 관심 영역을 3ⅹ3의 크기를 가지는 영역으로 나누었으나, 이에 한정되지 않고 nⅹm의 크기를 가지는 영역으로 나눌 수 있으며, 이에 따라 상기 수학식 1의 1/9 또한 1/nm으로 변경될 수 있다.

다수의 영역 각각에 대한 평균 명도 차이 값이 산출되면, 다수의 영역 중에서 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 영역을 검출하고, 검출된 영역 내의 픽셀들의 명도 값을 검출된 영역 내의 픽셀들이 가지는 명도 값 중 최대 값으로 치환할 수 있다.

예를 들어, 상기 수학식 1을 통해 산출된 3ⅹ3 영역에 대한 평균 명도 차이 값 DSum이 미리 설정된 특정 임계치(Threshold)보다 작은 경우, 3ⅹ3 영역이 픽셀 간의 명도 변화가 적은 평탄한 영역인 것으로 판단될 수 있다. 그리하여, 상기 수학식 2를 통해 3ⅹ3 영역 내에 위치한 모든 픽셀들을 3ⅹ3 영역 내에 위치한 픽셀들이 가지는 명도 값 중 최대 값(max)으로 치환하여 반사광이 차지하는 영역으로 산출할 수 있다.

잡음이 제거된 관심 영역에서 반사광이 차지하는 영역이 산출되면, 샤프닝 공간 필터(sharpening spacial filter)를 이용하여 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강할 수 있다(S230).

샤프닝 공간 필터를 통해 에지를 보강함으로써 관심 영역에서 반사광이 차지하는 영역이 극대화될 수 있다.

상술한 바와 같이 관심 영역에 대한 전처리를 수행하여 반사광이 차지하는 영역을 극대화시키는 과정을 동물의 비문이 촬영된 개체 이미지(21)를 통해 구체적으로 설명하면 도 4와 같다.

도 4의 (a)는 앞서 도 2를 통해 설명한 바와 같이 동물의 비문이 포함된 개체 이미지(21)에서 콧구멍 사이의 영역으로 설정되는 관심 영역(23)의 원본 이미지이다. 도 4의 (a)를 참조하면, 개체 이미지(21)를 촬영하는 과정에서 포함된 반사광으로 인해 흰 점으로 표현되는 영역이 상당 부분 존재하는 것을 확인할 수 있다.

그리하여, 도 4의 (a)에 임펄스 노이즈 제거 필터를 씌우면, 도 4의 (b)와 같이 소금-후추 잡음과 같이 작은 영역으로 표시되는 잡음은 제거되고 큰 영역을 차지하는 영역만이 남는 것을 확인할 수 있다.

작은 영역으로 표시되는 잡음이 제거되면, 관심 영역을 다수의 영역으로 나누고 다수의 영역에 대한 평균 명도 차이 값을 산출한 후 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 경우에 한하여 해당 영역에 위치하는 모든 픽셀들을 최대 값으로 치환함으로써, 도 4의 (c)와 같이 반사광이 차지하는 영역이 산출되어 한데 모이도록 할 수 있다.

도 4의 (c)에 샤프닝 공간 필터를 씌워 에지를 보강하면, 도 4의 (d)와 같이 반사광이 차지하는 영역에서 최대 명도 값으로 수렴되는 픽셀이 보다 부각되어 나타나는 것을 확인할 수 있다.

상술한 바와 같이 관심 영역에 전처리를 수행하여 반사광이 차지하는 영역이 극대화되면, 관심 영역에 위치하는 픽셀들(pixels)의 명도(intensity) 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출할 수 있다(S300).

이 때, 최대 명도 값은 화소 깊이(pixel depth)에 따라 달라질 수 있다. 예를 들어, 8비트 영상에서 최대 명도 값은 255(2⁸-1)이 되고, 10비트 영상에서 최대 명도 값은 1023(2¹⁰-1)이 된다. 즉, 관심 영역에서 반사광이 차지하는 영역에 위치한 픽셀은 다른 영역에 위치한 픽셀에 비해 흰색에 가깝게 표현될 수 있다.

따라서, 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 픽셀들의 명도 값이 상위 n%의 픽셀을 최대 명도 값으로 수렴되는 픽셀로 취급하여 추출할 수 있다.

이와 같은 방법으로 추출된 픽셀을 표시한 예는 도 5와 같다. 도 5에 표시된 픽셀(51)은 개체 이미지를 촬영하는 과정에서 반사광으로 인해 원래 픽셀의 명도 값과 다르게 최대 명도 값으로 수렴된 것이다. 일반적으로, 이러한 픽셀과 그 주위에서 잘못된 특징점이 추출될 확률이 높아 개체 인식의 정확성을 떨어뜨리는 원인이 된다.

따라서, 관심 영역에 대한 개체 특징점을 추출함에 있어 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거할 수 있다(S400).

이 때, 관심 영역에 대한 개체 특징점은 SIFT(Scale Invariant Feature Transform) 알고리즘을 고속화시킨 SURF(Speeded-Up Robust features) 알고리즘과 같은 지역 특징점 추출(local feature extraction) 알고리즘을 이용하여 추출할 수 있으나, 이에 한정되는 것은 아니다.

이와 같이, 본 발명은 개체 이미지로부터 개체 특징점을 추출함에 있어 반사광으로 인해 최대 명도 값으로 수렴되는 픽셀들에 의해 추출되는 특징점들을 제거함으로써 개체 특징점 추출에 대한 정확성을 향상시킬 수 있다.

즉, 본 발명에서 제안하는 개체 특징점 추출 방법은 개체를 촬영한 이미지로부터 개체의 특징점을 정확하게 추출할 수 있으므로, 동물 등록제, 유기 동물의 신원 조회, 펫도어(pet door) 잠금 장치 등과 같이 동물에 대한 개체 인식이 필요한 다양한 응용 기술에 적용할 수 있을 것으로 기대된다.

도 6은 본 발명의 실시예에 따른 개체 인식 시스템을 나타내는 블록도이고, 도 7은 도 6의 개체 특징점 추출 장치에 대한 구성을 나타내는 블록도이며, 도 8은 도 6의 개체 인식 장치에서 개체 특징점을 이용하여 개체를 인식하는 것을 설명하는 예시도이다.

도 6 및 도 7을 참조하면, 개체 인식 시스템(100)은 유무선 네트워크를 통해 다수의 사용자 단말(10)과 연결되어 사용자에게 개체 인식 기반 서비스를 제공하는 웹 서버 또는 클라우드 서버에 의해 구현될 수 있으나 이에 한정되는 것은 아니다.

여기에서, 사용자 단말(10)은 동물 병원, 동물 보호소, 반려 동물의 소유자, 사용자 인증 서비스를 이용하는 사용자 등에 의해 운용되는 스마트폰, 태블릿 PC, 웨어러블 디바이스(wearable device) 등을 의미할 수 있으나, 이에 한정되지 않고 개체의 이미지를 촬영할 수 있는 이미지 센서와 촬영된 이미지를 개체 인식 시스템(100)에 전송하여 개체 인식 서비스를 제공받을 수 있는 통신 기능이 구비된 다양한 장치로 확장될 수 있다.

개체 인식 시스템(100)은 개체 이미지 수신 장치(110), 개체 특징점 추출 장치(200), 개체 인식 장치(120) 및 개체 등록 데이터베이스(이하 ‘개체 등록 DB’)(130)를 포함할 수 있다.

개체 이미지 수신 장치(110)는, 사용자 단말(10)로부터 개체를 촬영한 개체 이미지를 수신할 수 있다. 이 때, 개체 이미지는 얼굴 및 비문(muzzle pattern)과 같은 생체 마커(biometric marker)가 포함될 수 있다. 여기에서, 생체 마커로써 얼굴과 비문을 이용하는 이유는 얼굴의 윤곽선, 얼굴에 포함된 눈, 코, 입의 위치, 홍채 등을 통해 사람을 인식할 수 있고, 동물의 코에서 발견할 수 있는 고유한 무늬인 비문을 통해 동물을 인식할 수 있기 때문이다.

개체 등록 DB(130)는, 사용자 단말(10)로부터 개체 이미지가 수신되면, 개체에 대한 정보와 개체 이미지를 매핑하여 개체 별로 등록함으로써 구축될 수 있다. 예를 들어, 반려 동물의 경우 반려 동물의 소유자가 자신의 사용자 단말을 통해 반려 동물의 비문이 포함되도록 촬영된 개체 이미지를 전송하면 개체 등록 DB는 반려 동물 소유자의 이름, 연락처, 주소 등과 같은 소유자 정보와 반려 동물의 종류, 성별, 접종 기록 등과 같은 동물의 정보 등이 포함된 개체에 대한 정보와 사용자 단말로부터 수신한 개체 이미지를 매핑하여 저장할 수 있다.

개체 특징점 추출 장치(200)는, 개체에 대하여 개체 등록 DB(130)에 미리 등록된 개체 이미지를 추출하고, 개체 등록 DB(130)로부터 추출된 개체 이미지와 사용자 단말(10)로부터 수신된 개체 이미지 각각에서 반사광으로 인해 최대 명도 값으로 수렴되는 픽셀을 제거하여 개체 특징점을 추출할 수 있다.

보다 구체적으로, 개체 특징점 추출 장치(200)는 관심 영역 설정부(210), 반사광 영역 극대화부(220), 픽셀 추출부(230) 및 특징점 제거부(240)를 포함할 수 있다.

관심 영역 설정부(210)는, 개체 등록 DB(130)로부터 추출된 개체 이미지와 사용자 단말(10)로부터 수신된 개체 이미지 각각에서 관심 영역(ROI, Region Of Interest)을 설정할 수 있다.

이 때, 각각의 개체 이미지는 얼굴 및 비문과 같은 생체 마커를 포함할 수 있으며, 개체의 움직임에 의한 변형이 적어 개체 이미지 내에서 개체 특징점의 크기 및 형태에 대한 변형이 비교적 적은 영역을 관심 영역으로 설정할 수 있다.

반사광 영역 극대화부(220)는, 관심 영역에 대한 전처리를 수행하여 관심 영역에서 반사광이 차지하는 영역을 극대화시킬 수 있다.

반사광 영역 극대화부(220)는 잡음 제거 모듈(221), 반사광 영역 산출 모듈(223) 및 에지 보강 모듈(225)을 포함할 수 있다.

잡음 제거 모듈(221)은, 관심 영역에 임펄스 노이즈(impulse noise) 제거 필터를 씌워 소금-후추(salt and pepper) 잡음과 같이 작은 영역을 차지하는 잡음을 제거할 수 있다.

반사광 영역 산출 모듈(223)은, 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출할 수 있다. 상세하게는, 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 다수의 영역 각각에 대한 평균 명도 차이 값을 산출할 수 있다. 다수의 영역 각각에 대한 평균 명도 차이 값이 산출되면, 다수의 영역 중에서 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 영역을 검출하고, 검출된 영역 내의 픽셀들의 명도 값을 검출된 영역 내의 픽셀들이 가지는 명도 값 중 최대 값으로 치환하여 반사광이 차지하는 영역으로 산출할 수 있다.

에지 보강 모듈(225)은, 샤프닝 공간 필터(sharpening spacial filter)를 이용하여 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강할 수 있다. 샤프닝 공간 필터를 통해 에지를 보강함으로써 관심 영역에서 반사광이 차지하는 영역이 극대화될 수 있다.

픽셀 추출부(230)는, 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출할 수 있다. 상세하게는, 관심 영역에 위치하는 픽셀들의 명도 값을 확인하여 상위 n%의 픽셀을 최대 명도 값으로 수렴되는 픽셀로 취급하여 추출할 수 있다.

특징점 제거부(240)는, 관심 영역에 대한 개체 특징점을 추출함에 있어 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거함으로써 개체 특징점 추출에 대한 정확성을 향상시킬 수 있다.

개체 인식 장치(120)는, 개체 특징점 추출 장치(200)를 통해 개체 등록 DB(130)의 개체 이미지와 사용자 단말(10)로부터 수신한 개체 이미지 각각에서 개체 특징점이 추출됨에 따라, 추출된 개체 특징점 간을 정합(match)하여 개체를 인식할 수 있다.

보다 구체적으로, 개체 인식 장치(120)는 XOR 연산을 이용하여 개체 등록 DB(120)의 개체 이미지로부터 추출된 개체 특징점과 사용자 단말(10)에서 수신된 개체 이미지로부터 추출된 개체 특징점 간을 정합(match)할 수 있다. 개체 특징점 간의 정합 결과에는 정상 분포에서 벗어난 이상점(outlier)이 포함될 수 있다. 그리하여, 렌삭(RANSAC) 알고리즘을 기반으로 개체 특징점 간의 정합 결과에 서 이상점(Outlier)을 제거할 수 있다. 이상점이 제거된 개체 특징점 간의 정합 결과에 호모그래피(homography)를 추정하면, 개체 등록 DB(130)의 개체 이미지와 사용자 단말(10)에서 수신된 개체 이미지가 동일한 개체에 대한 개체 이미지인지 판별함으로써 개체를 인식할 수 있다.

상술한 바와 같이 개체 특징점 간의 정합을 통해 개체를 인식하는 것을 동물의 비문이 촬영된 개체 이미지(21)를 통해 설명하면 도 8과 같다.

도 8에서 왼쪽에 위치하는 이미지는 사용자 단말(10)로부터 수신된 개체 이미지(21)이고 오른쪽에 위치하는 이미지는 개체 등록 DB(130)로부터 추출된 개체 이미지(81)이다. 앞서 설명한 방법을 통해 사용자 단말(10)로부터 수신된 개체 이미지(21)의 관심 영역(23)에서 개체 특징점을 추출하고, 개체 등록 DB(130)로부터 추출된 개체 이미지(81)의 관심 영역(83)에서 개체 특징점을 추출할 수 있다. 그리하여, 추출된 개체 이미지 각각의 개체 특징점 간을 정합하면 도 8의 아래쪽에 위치한 이미지와 같다. 본 발명에서는 개체 특징점 간을 정합(match)하는 과정에서 렌삭(RANSAC) 알고리즘을 이용하여 개체 특징점 간의 정합 결과에 포함된 이상점(Outlier)을 제거한 후 호모그래피를 추정함으로써 정확한 개체 인식 결과를 나타낼 수 있다.

상술한 본 발명의 실시예에 따른 개체 인식 시스템(100)의 구성을 개체 이미지 수신 장치(110), 개체 특징점 추출 장치(200), 개체 인식 장치(120) 및 개체 등록 DB(130)로 나열하고, 개체 특징점 추출 장치(200)의 구성을 관심 영역 설정부(210), 반사광 영역 극대화부(220), 픽셀 추출부(230) 및 특징점 제거부(240)로 나열하며, 반사광 영역 극대화부(220)의 구성을 잡음 제거 모듈(221), 반사광 영역 산출 모듈(223) 및 에지 보강 모듈(225)로 나열하여 설명하였으나, 각 구성부 중 적어도 두 개가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수개의 구성부로 나뉘어져 기능을 수행할 수 있고, 이러한 각 구성부의 통합 및 분리된 실시예의 경우도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리범위에 포함된다.

또한, 본 발명의 실시예에 따른 개체 인식 시스템(100) 및 개체 특징점 추출 장치(200)의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로써 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 더불어, 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 프로그램 또는 코드가 저장되고 실행될 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

10: 사용자 단말 21: 비문이 촬영된 개체 이미지
23: 관심 영역 51: 최대 명도 값으로 수렴되는 픽셀
81: 미리 등록된 개체 이미지
83: 미리 등록된 개체 이미지의 관심 영역
100: 개체 인식 시스템 110: 개체 이미지 수신 장치
120: 개체 인식 장치 130: 개체 등록 데이터베이스
200: 개체 특징점 추출 장치 210: 관심 영역 설정부
220: 반사광 영역 극대화부 221: 잡음 제거 모듈
223: 반사광 영역 산출 모듈 225: 에지 보강 모듈
230: 픽셀 추출부 240: 특징점 제거부

Claims

개체 인식 시스템에 구현된 개체 특징점 추출 장치에서 수행되는 방법에 있어서,
개체 이미지가 입력됨에 따라 상기 입력된 개체 이미지에서 관심 영역(ROI, Region Of Interest)을 설정하는 단계;
상기 관심 영역에 대한 전처리를 수행하여 상기 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 단계;
상기 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들(pixels)의 명도(intensity) 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 단계; 및
상기 관심 영역에 대한 개체 특징점을 추출함에 있어 상기 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 단계를 포함하며,
상기 반사광이 차지하는 영역을 극대화시키는 단계는,
상기 관심 영역에 포함된 잡음(noise)을 제거하는 단계; 및
상기 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출하는 단계를 포함하고,
상기 반사광이 차지하는 영역을 산출하는 단계는,
상기 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 상기 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 상기 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 상기 다수의 영역 각각에 대한 평균 명도 차이 값을 산출하는 단계를 포함하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 개체 이미지는,
상기 개체를 인식하는 데 이용될 수 있는 상기 개체의 얼굴 및 비문(muzzle pattern) 중 적어도 하나의 생체 마커(biometric marker)가 포함되는 것을 특징으로 하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 관심 영역을 설정하는 단계는,
상기 개체 이미지 내에서 상기 개체의 움직임에 의한 변형이 적은 영역을 관심 영역으로 설정하는 것을 특징으로 하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 잡음을 제거하는 단계는,
임펄스 노이즈(impulse noise) 제거 필터를 이용하여 상기 잡음(noise)을 제거하는 것을 특징으로 하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 반사광이 차지하는 영역을 극대화시키는 단계는,
상기 반사광이 차지하는 영역을 산출하는 단계 이후,
샤프닝 공간 필터(sharpening spacial filter)를 이용하여 상기 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강하는 단계를 더 포함하는 것을 특징으로 하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 반사광이 차지하는 영역을 산출하는 단계는,
상기 다수의 영역 중에서 상기 산출된 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 영역을 검출하고, 상기 검출된 영역 내의 픽셀들의 명도 값을 상기 검출된 영역 내의 픽셀들이 가지는 명도 값 중 최대 값으로 치환하여 상기 반사광이 차지하는 영역으로 산출하는 것을 특징으로 하는, 개체 특징점 추출 방법.
청구항 1에 있어서,
상기 개체 특징점을 제거하는 단계는,
지역 특징점 추출(local feature extraction) 알고리즘을 이용하여 상기 관심 영역에 대한 개체 특징점을 추출한 후, 상기 추출된 개체 특징점 중에서 상기 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 것을 특징으로 하는, 개체 특징점 추출 방법.
개체 인식 시스템에 구현되는 개체 특징점 추출 장치에 있어서,
사용자 단말로부터 개체 이미지가 입력됨에 따라 상기 입력된 개체 이미지에서 관심 영역(ROI, Region Of Interest)을 설정하는 관심 영역 설정부;
상기 관심 영역에 대한 전처리를 수행하여 상기 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 반사광 영역 극대화부;
상기 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들(pixels)의 명도(intensity) 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 픽셀 추출부; 및
상기 관심 영역에 대한 개체 특징점을 추출함에 있어 상기 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 특징점 제거부를 포함하며,
상기 반사광 영역 극대화부는,
상기 관심 영역에 포함된 잡음(noise)을 제거하는 잡음 제거 모듈; 및
상기 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출하는 반사광 영역 산출 모듈을 포함하고,
상기 반사광 영역 산출 모듈은,
상기 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 상기 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 상기 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 상기 다수의 영역 각각에 대한 평균 명도 차이 값을 산출하는 것을 포함하는, 개체 특징점 추출 장치.
청구항 8에 있어서,
상기 잡음 제거 모듈은,
임펄스 노이즈(impulse noise) 제거 필터를 이용하여 상기 잡음(noise)을 제거하는, 개체 특징점 추출 장치.
청구항 8에 있어서,
상기 반사광 영역 극대화부는,
샤프닝 공간 필터(sharpening spacial filter)를 이용하여 상기 관심 영역에 포함된 잡음을 제거할 때 손실되는 에지(edge)를 보강하는 에지 보강 모듈을 더 포함하는 것을 특징으로 하는, 개체 특징점 추출 장치.
청구항 8에 있어서,
상기 반사광 영역 산출 모듈은,
상기 다수의 영역 중에서 상기 산출된 평균 명도 차이 값이 미리 설정된 특정 임계치보다 작은 영역을 검출하고, 상기 검출된 영역 내의 픽셀들의 명도 값을 상기 검출된 영역 내의 픽셀들이 가지는 명도 값 중 최대 값으로 치환하여 상기 반사광이 차지하는 영역으로 산출하는 것을 특징으로 하는, 개체 특징점 추출 장치.
청구항 8에 있어서,
상기 특징점 제거부는,
지역 특징점 추출(local feature extraction) 알고리즘을 이용하여 상기 관심 영역에 대한 개체 특징점을 추출한 후, 상기 추출된 개체 특징점 중에서 상기 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 것을 특징으로 하는, 개체 특징점 추출 장치.
개체를 인식하는 시스템에 있어서,
사용자 단말로부터 개체를 촬영한 개체 이미지를 수신하는 개체 이미지 수신 장치;
상기 개체에 대하여 개체 등록 데이터베이스에 미리 등록된 개체 이미지를 추출하고, 상기 개체 등록 데이터베이스로부터 추출된 개체 이미지와 상기 사용자 단말로부터 수신된 개체 이미지 각각에서 반사광으로 인해 최대 명도 값으로 수렴되는 픽셀을 제거하여 개체 특징점을 추출하는 개체 특징점 추출 장치; 및
상기 개체 등록 데이터베이스로부터 추출된 개체 이미지와 상기 사용자 단말로부터 수신한 개체 이미지 각각에서 추출된 개체 특징점 간을 정합(match)하여 개체를 인식하는 개체 인식 장치를 포함하며,
상기 개체 특징점 추출 장치는,
상기 개체 등록 데이터베이스로부터 추출된 개체 이미지와 상기 사용자 단말로부터 수신한 개체 이미지 각각에 대하여 관심 영역(ROI, Region Of Interest)을 설정하는 관심 영역 설정부; 및
상기 관심 영역에 대한 전처리를 수행하여 상기 관심 영역에서 반사광이 차지하는 영역을 극대화시키는 반사광 영역 극대화부를 포함하고,
;상기 반사광 영역 극대화부는,
상기 관심 영역에 포함된 잡음(noise)을 제거하는 잡음 제거 모듈; 및
상기 잡음이 제거된 관심 영역에서 반사광이 차지하는 영역을 산출하는 반사광 영역 산출 모듈을 포함하며,
상기 반사광 영역 산출 모듈은,
상기 잡음이 제거된 관심 영역을 임의의 크기를 가지는 다수의 영역으로 나누고, 상기 다수의 영역 각각에 위치한 중심 픽셀의 명도 값과 상기 중심 픽셀을 제외한 나머지 픽셀들의 명도 값 간의 차를 기반으로 상기 다수의 영역 각각에 대한 평균 명도 차이 값을 산출하는 것을 포함하는, 개체 인식 시스템.
청구항 13에 있어서,
상기 개체 등록 데이터베이스는,
상기 사용자 단말로부터 개체 이미지가 수신됨에 따라 상기 개체에 대한 정보와 상기 수신된 개체 이미지를 매핑하여 개체 별로 등록함으로써 미리 구축되는 것을 특징으로 하는, 개체 인식 시스템.
청구항 13에 있어서,
상기 개체 특징점 추출 장치는,
상기 반사광이 차지하는 영역이 극대화된 관심 영역에 위치하는 픽셀들(pixels)의 명도(intensity) 값을 확인하여 최대 명도 값으로 수렴되는 적어도 하나의 픽셀을 추출하는 픽셀 추출부; 및
상기 관심 영역에 대한 개체 특징점을 추출함에 있어 상기 최대 명도 값으로 수렴되는 적어도 하나의 픽셀에 의해 추출되는 개체 특징점을 제거하는 특징점 제거부를 더 포함하는 것을 특징으로 하는, 개체 인식 시스템.
청구항 13에 있어서,
상기 개체 인식 장치는,
XOR 연산을 이용하여 상기 개체 등록 데이터베이스의 개체 이미지로부터 추출된 개체 특징점과 상기 사용자 단말에서 수신된 개체 이미지로부터 추출된 개체 특징점 간을 정합(match)하고,
렌삭(RANSAC) 알고리즘을 기반으로 상기 개체 특징점 간의 정합 결과에서 이상점(Outlier)을 제거한 후 호모그래피(homography)를 추정하여 상기 개체 등록 데이터베이스의 개체 이미지와 상기 사용자 단말에서 수신된 개체 이미지가 동일한 개체에 대한 개체 이미지인지 판별함으로써 상기 개체를 인식하는 것을 특징으로 하는, 개체 인식 시스템.