KR101831587B1 - 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법 - Google Patents

저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법 Download PDF

Info

Publication number
KR101831587B1
KR101831587B1 KR1020160162156A KR20160162156A KR101831587B1 KR 101831587 B1 KR101831587 B1 KR 101831587B1 KR 1020160162156 A KR1020160162156 A KR 1020160162156A KR 20160162156 A KR20160162156 A KR 20160162156A KR 101831587 B1 KR101831587 B1 KR 101831587B1
Authority
KR
South Korea
Prior art keywords
image
camera
present
extracting
character recognition
Prior art date
Application number
KR1020160162156A
Other languages
English (en)
Inventor
김형원
한영태
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020160162156A priority Critical patent/KR101831587B1/ko
Application granted granted Critical
Publication of KR101831587B1 publication Critical patent/KR101831587B1/ko

Links

Images

Classifications

    • 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
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • G06K9/3283—
    • G06K9/38—
    • G06K9/4604—
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06K2209/01—
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Input (AREA)

Abstract

본 발명은 카메라에서 획득된 이미지에서 카메라 각도에 무관한 방법으로 특징점을 추출하여 숫자를 인식하는 방법으로서, 어떠한 변환된 이미지(transformed image)에도 높은 숫자 인식 결과를 얻을 수 있다. 또한 낮은 계산량과 작은 메모리만 요구하여, 베터리로 동작하는 저전력 소형 디바이스에도 적용할 수 있는 가벼운 알고리즘을 사용한다.
보다 자세하게는, 본 발명은 카메라에서 획득된 이미지에서 숫자인식을 위해 특징점을 추출하는 경우, 기존에 대부분의 기존 숫자인식 알고리즘들은 타겟 숫자가 왜곡되었을 경우 이를 각종 영상변환 알고리즘 (예: warping transformation)들을 적용하여 원래 영상으로 복구한 후에 인식 및 매칭 알고리즘을 적용하여 높은 계산량 및 많은 메모리를 요구하여 저전력 IOT 디바이스에서 구현하기 어려운 문제에 대한 해결방안을 본 발명에서 제시하고 있다.

Description

저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법{Camera-Angle Invariant Feature Extraction Method for Low Computation Number and Character Recognition}
본 발명은 카메라에서 획득된 이미지에서 특징점을 추출하는 경우에, 추출되는 이미지가 카메라 각도에 의하거나 또는 숫자나 문자의 폰트 타입 자체에 의해 회전(rotated), 기울어짐(skewd), 크기(scaled) 변환된 숫자 이미지일때도 숫자인식이 가능하고 높은 인식결과를 얻을 수 있을 뿐만 아니라, 가벼운 알고리즘으로 배터리로 동작되는 연산량이 작은 디바이스에도 적용할 수 있도록 구성된 저계산량으로 숫자 및 문자인식을 위한 특징점 추출기법에 관한 것이다.
최근 인터넷 기술의 발전으로 사물에 센서를 부착해 서로 통신하는 IOT(Internet of thing) 기술이 크게 관심을 받고 있으며, 시스코 시스템즈의 조사에 따르면 2022년까지 사물인터넷이 14조 4천억 달러의 경제적 가치를 창출할 것으로 발표하였다.
IOT의 중요한 부분 중 하나인 에너지 사용을 실시간으로 확인할 수 있는 AMR(Auto Meter Reading) 기술이 재조명 받고 있다.
기존계량기를 디지털계량기로 교체하는 방법과 기존계량기에 이미지센서를 부착하여 디지털데이터를 출력하는 방법이 있다.
기존계량기에 센서를 부착하는 방식은 디지털계량기로 교체하는 방법에 비하여 가격적 측면에서 이점이 있다. AMR시스템은 일반 환경에서 24시간 운영되어야 하기 때문에 다양한 환경에서도 계량기의 숫자를 인식하는 방법이 요구되며 배터리로 오래 동작되어야 하므로 가벼운 인식 소프트웨어 프로그램이 요구된다.
또한, 스마트카 또는 자율주행자동차의 수요확대 및 기술의 발전으로 자동차 분양에서도 영상인식이 수요가 늘고 있다. 전기자동차의 발전으로 이러한 영상인식 기술도 저전력 동작의 요구가 늘고 있다.
이에, 컴퓨터비전 알고리즘을 이용하여 숫자 및 문자를 인식하는 방법은 계량기 원격검침 또는 자동차번호인식 등의 다양한 장치에 적용되고 있다.
종래의 대부분의 방법은 카메라로 이미지를 획득하고 저장된 이미지와 획득된 이미지와의 상관(correlation)을 구한다. 이 방법은 획득된 이미지가 다양한 변환(회전, 기울어짐, 크기)이 있을 경우 인식되지 못하는 단점이 있다.
즉, 획득된 이미지와 저장된 이미지와의 상관(correlation)을 구하여 숫자를 인식하기 때문에, 획득된 이미지가 약간만 변환되어도 인식이 힘들었다. 또한 템플릿 이미지를 저장해야하므로 저장공간이 작은 디바이스에는 적합하지 않다.
종래의 다른 기법은 이미지에서 특징점을 추출하여 특징점들로 구성된 벡터의 최소거리를 가지는 이미지를 획득하는 방법으로, 획득된 이미지에 카메라 각도 왜곡이 발생한 경우 획득 이미지를 복구한 후 특징점을 추출하는 방법을 사용하여 높은 계산량을 요구하는 문제가 있었다.
즉, 기존 기술에서는 이러한 성능저하를 피하기 위해 숫자의 왜곡을 각종 영상변환 알고리즘을 적용하여 원래의 숫자영상과 유사한 영상으로 변환한 후에 영상인식 알고리즘을 적용한다. 따라서 인식성능을 높일 수 있지만 각종 변환 알고리즘으로 인해 계산량 및 필요 메모리가 크게 증가하여 초저전력 IOT 모듈에 탑재하기에는 부적합하다는 문제점이 있다.
국내 특허등록 제10-0567362호(공개일 : 2003.06.05)
상기의 문제점을 해결하기 위하여, 본 발명은 배터리로 동작하는 디바이스에서 간단한 알고리즘으로 숫자인식 과정을 단순화시켜 처리속도를 향상시켜 초저전력 IOT 모듈에 탑재가능한 방법을 제시하는 것을 목적으로 한다.
또한, 기존 숫자 또는 문자인식 방법에서, 검사되는 숫자에 왜곡인 있는 경우에 인식 알고리즘을 그대로 적용하면 큰 성능저하가 발생하던 문제점을 개선하여 획득된 이미지가 어느정도 변환이 되어도 오류없이 숫자인식이 잘 되도록 구성된 방법을 제시하는 것을 목적으로 한다.
상기의 목적을 달성하기 위하여, 본 발명은 카메라에서 획득된 이미지에서 카메라 각도에 무관하게 고성능의 숫자 및 문자인식을 가능하게 하는 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법에 있어서,
(a) 이미지센서를 이용하여 계량기의 숫자를 촬영하는 단계; (b) 이진처리부를 통해 이미지센서로부터 출력된 계량기 숫자이미지를 흑과 백으로 나누는 이진화 과정을 처리하는 단계; (c) 이미지 품질개선부에서 이진화된 이미지를 모폴로지 연산(mathematical morphology)을 통하여 품질개선을 하는 단계; (d) 세그멘테이션부에서 카메라 이미지의 각도를 복구하지 않고 각 숫자를 자리수로 분리하고, 각 분리된 숫자영역에 대해 해당 숫자를 포함하는 사각형으로 최소인클로저를 찾고, 상기 최소인클로저의 폭과 길이를 일정하게 등분하여 상기 사각형과 닮은 꼴의 사각형으로 세그멘트(Segment)를 구하는 단계; 및 (e) 특징추출부에서 분할된 최소인클로저 내의 사각형 세그멘트들에서 픽셀 밀도를 포함하는 특징벡터를 추출해내는 단계;를 포함하여 구성된다.
삭제

상기 (e) 단계는, (e-1) 분할된 각 숫자의 개별 세그먼트 영역에서 흰색 픽셀수를 더하고 각 분할된 영역의 넓이로 나누어 정규화 (Normalization)를 하는 단계; 및 (e-2) 분할된 각 숫자영역에서 상기 밀도를 포함하는 특징벡터를 추출하는 단계;를 포함하여 구성된다.
삭제
본 발명에 의한 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법에 의해 다음과 같은 효과를 달성할 수 있다.
첫번째로, 본 발명의 숫자인식 기법은 기존 기법 대비 계량기 이미지에서 특징점을 추출하여 분류하므로써 인식 정확도를 증가시킬 수 있으며 메모리 사용을 줄일 수 있다.
두번째로, 본 발명의 숫자인식 기법은 카메라에서 획득된 이미지에서 카메라 각도에 무관한 방법으로 특징점을 추출하여 숫자를 인식하는 방법으로서, 어떠한 변환된 이미지(transformed image) 에도 높은 숫자 인식 결과를 얻을 수 있다.
세번째로, 숫자폰트 자체가 기울어지거나 회전되거나 크기가 변환된 이미지에서도 정확한 인식을 할 수 있다. 따라서 본 발명은 계량기용 숫자인식의 성능 개선뿐만 아니라 작은 연산량과 제한된 베터리용량 디바이스에 사용할 수 있는 강점이 있다.
도 1은 계량기의 숫자가 왜곡이 없는 상태를 나타낸 도면이다.
도 2는 이미지센서를 이용하여 도 1에 도시된 계량기의 숫자를 촬영한 도면이다.
도 3은 계량기의 숫자의 폰트 타입 자체에 의해 숫자가 왜곡이 있는 상태를 나타낸 도면이다.
도 4는 이미지센서를 이용하여 도 3에 도시된 계량기의 숫자를 촬영한 결과 분리된 숫자에 왜곡이 있는 상태를 나타낸 도면이다.
도 5는 정상적으로 왜곡없이 숫자가 촬영되어 분리된 상태를 나타낸 도면이다.
도 6은 비정상적으로 숫자가 왜곡되어 촬영되어 분리된 상태를 나타낸 도면이다.
도 7은 여러 숫자에서 숫자를 분리하면서 각 숫자영역을 분할하는 방법을 나타낸 도면이다.
도 8는 본 발명의 실시예에 따른 숫자인식 단계를 나타낸는 흐름도이다.
이하, 본 발명인 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법에 대해 첨부된 도면을 참조하여 자세하게 설명한다.
도 1은 계량기의 숫자가 왜곡이 없는 상태를 나타낸 도면이다. 도 2는 이미지센서를 이용하여 도 1에 도시된 계량기의 숫자를 촬영한 도면이다. 도 3은 계량기의 숫자의 폰트 타입 자체에 의해 숫자가 왜곡이 있는 상태를 나타낸 도면이다. 도 4는 이미지센서를 이용하여 도 3에 도시된 계량기의 숫자를 촬영한 결과 분리된 숫자에 왜곡이 있는 상태를 나타낸 도면이다. 도 5는 정상적으로 왜곡없이 숫자가 촬영되어 분리된 상태를 나타낸 도면이다. 도 6은 비정상적으로 숫자가 왜곡되어 촬영되어 분리된 상태를 나타낸 도면이다.
이하 본 발명의 기술은 숫자를 중심으로 설명하겠지만, 문자인식에도 동일한 과정을 통해 특징점을 추출할 수 있음은 자명할 것이다.
본 발명의 구성을 보면, 계량기의 숫자를 촬영하는 이미지센서가 구성된다. 또한, 본 발명에는 이진처리부(binarizaition)가 구성되어, 상기 이미지센서로부터 출력된 계량기 숫자이미지를 흑과 백으로 나누는 이진화 과정을 처리하게 된다.
또한, 이미지 품질개선부는 이진화된 이미지를 모폴로지 연산(mathematical morphology)을 통하여 품질개선을 하게 되며, 세그멘테이션부에서 개선된 이미지로부터 숫자를 각 자리수로 분리하고, 각 분리된 숫자영역에 대해 해당 숫자를 포함하는 사각형으로 최소인클러저를 찾고, 상기 최소인클로저의 폭과 길이를 일정하게 등분하고 Segment line을 구하게 된다.
특징추출부는 분할된 각각의 숫자영역으로부터 특징을 추출해내며, 분류부를 통해 추출된 특징으로부터 특징을 분류하게 된다.
도 8은 본 발명의 실시예에 따른 숫자인식 단계를 나타낸는 흐름도이다. 도시된 바를 참조하면,
계량기의 숫자를 촬영하는 이미지센서에서 회색레벨의 이미지를 촬영하면(S100), 이진처리부는 상기 이미지센서로부터 출력된 계량기 숫자이미지를 흑과 백으로 나누는 이진화 과정을 처리하게 된다. 이진화 과정에는 전역 이진화 알고리즘을 사용하여 이진화 임계값을 자동으로 선택되게 한다. 또한, 이미지 품질개선부는 이진화된 이미지를 모폴로지 연산을 통하여 이진화 했을시 잡음을 제거하면서 품질을 개선하게 된다.(S200)
다음으로, 세그멘테이션부에서 개선된 이미지로부터 숫자를 각 자리수로 분리하게 된다.(S300) 각 숫자의 분할은 히스토그램 투영(histogram projection)을 사용하여 각 숫자영역을 분리할 수 있다.
이에 숫자가 정확히 분리가 되었는지를 판단하고(S400), 숫자가 정확하게 분리가 되지 않았으면 과정을 반복하게 되고, 분리가 정확히 된 경우에는 분리된 각각의 숫자가 카메라에 의한 기울어짐이 있는지, 숫자자체의 폰트가 기울어져 있는 지의 숫자에 왜곡이 있는 지의 여부를 판단하게 된다.(S500)
만약에, 숫자에 왜곡이 있는 경우에는 기울어진 구역을 나눈 상태에서 특징벡터를 추출하게 되고(S600), 그렇지 않은 경우는 구역을 동일하게 나눈 상태에서 특징벡터를 추출하게 된다.(S700)
마지막으로, 분류부에서 특징벡터를 분류하여,(S800) 숫자를 인식하게 된다.(S900)
본 발명의 마지막 단계에서는 추출된 특징벡터를 이용하여 이 벡터가 어떤 숫자인지 판별하는 분류(Classification) 과정을 실행한다. 분류과정에서는 기존의 다양한 알고리즘이 적용될 수 있으며 본 발명에서는 특정 분류 알고리즘으로 한정하지는 않는다. 예를 들어서 KNN (K-Nearest Neighbor) 알고리즘 또는 Neural Network 기반의 매칭 알고리즘도 적용할 수 있다.
본 발명의 핵심은 특징점 추출에 있으며 특히 왜곡된 숫자영상의 특징점 추출에 특징이 있다. 이 특징점 추출기법은 기존기술에서 사용하는 높은 계산량의 각종 영상변환과정을 요구하지 않으므로 저전력 및 작은 메모리의 MCU기반의 IOT응용 분야에 적합한 기법이다.
본 발명의 특징점은 다음과 같이 방법으로 추출한다.
숫자가 도 5와 같이 정상적으로 찍힐때에는 하나의 숫자영상을 분리한 후 숫자를 포함하는 최소크기의 사각형인 최소 인클로저 (Minimum Enclosure)을 찾는다.
도 5에 도시된 방법과 같이 최소 인클로저 사각형의 폭을 m 등분하고 길이를 n 등분한다. 이 결과 인식할 하나의 숫자가 m x n 개의 같은 크기의 사각형 Segment로 나누어진다. 예를 들어, 도 5의 경우 m=3, n=3을 적용하여 9개의 같은 넓이의 segment로 나누어진다.
반면에, 도 4 또는 도 6과 같이 카메라가 기울어져서 계량기를 기울여진 상태로 촬영을 할 경우에도, 상기와 같은 방법으로 숫자영상을 m x n segment로 분할한다. 이 경우 왜곡된 숫자의 최소 인클로저는 직사각형이 아닌 도 6에 도시된 것과 같은 사다리꼴 형태가 된다. 이와 같은 사다리꼴형태의 최소 인클로저를 m x n 의 segment로 분할한다.
다음 단계로, Segment line을 구하는 방법은 최소 인클로저의 4개의 변을 폭은 m개의 같은 크기의 Segment로 나누고 길이는 n개의 같은 크기의 Segment로 나눈다.
도 5 또는 도 6과 같이 최소 인클로저 4개의 면위에 나누어진 segment dividing point들을 연결하는 (m - 1) x (n - 1) 개의 직선들이 Segment line을 구성한다.
다음 단계는 특징점을 추출하는 단계이다. 각 Segment된 블럭의 흰색 픽셀수를 더하고 각 Segment된 블럭의 넓이로 나누어 정규화 (Normalization)한다.
정규화를 하는 이유는 추출된 이미지의 크기(사이즈)가 실제와 다르더라도 정규화를 하게 되면 세그먼트 사이즈가 달라지더라도, 그 밀도는 일정하게 되기 때문에 추출된 이미지를 원래 이미지로 인식하도록 하기 위함이다.
상기 각 Segment된 블록의 정규화된 밀도를 산출한후에, 각 블록들에서 특징점을 추출하게 된다. 도 5와 6의 경우 m x n = 9개의 특징벡터가 추출된다.
다른 예로, 도면 8에 숫자 1과 도 7의 경우는 최소 인클로저와 Segment line들을 도시한다. 이들 숫자의 경우는 카메라 Tilt에 의한 왜곡이 없지만 숫자 자체의 외곽선 모양의 불규칙성 때문에 최소 인클로저가 사다리꼴 형태로 구해진다.
본 발명의 장점은 인식하고자 하는 숫자나 문자가 카메라 각도에 의해 왜곡이 되거나 숫자나 문자의 폰트 타입에 의해 최소 인클로저가 직사각형이 아닌 경우에도 낮은 계산량 및 작은 메모리의 MCU에서도 고속으로 인식이 가능하다는 점이다. 따라서 본 발명은 낮은 계산량 및 작은 메모리 만으로도 왜곡된 숫자나 문자의 인식이 고속으로 처리 가능하다는 강점이 있다.
이에 종래의 대부분의 기존 문자 또는 숫자인식 알고리즘들의 경우에, 타겟 문자나 숫자가 왜곡되었을 경우 이를 각종 영상변환 알고리즘 (예: warping transformation)들을 적용하여 원래 영상으로 복구한 후에 인식 및 매칭 알고리즘을 적용함으로써, 높은 계산량 및 많은 메모리를 요구하여 저전력 IOT 디바이스에서 구현하기 어려운 문제를 해결하게 된다.
이상 본 발명의 상세한 설명에서는 구체적인 실시예에 관해서 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도내에서 여러가지 변형이 가능함은 당해 분야에서 통상의 지식을 가진 자에게 있어서 자명하다 할 것이다.

Claims (4)

  1. 카메라에서 획득된 이미지에서 카메라 각도에 무관하게 고성능의 숫자 및 문자인식을 가능하게 하는 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법에 있어서,
    (a) 이미지센서를 이용하여 계량기의 숫자를 촬영하는 단계;
    (b) 이진처리부를 통해 이미지센서로부터 출력된 계량기 숫자이미지를 흑과 백으로 나누는 이진화 과정을 처리하는 단계;
    (c) 이미지 품질개선부에서 이진화된 이미지를 모폴로지 연산(mathematical morphology)을 통하여 품질개선을 하는 단계;
    (d) 세그멘테이션부에서 카메라 이미지의 각도를 복구하지 않고 각 숫자를 자리수로 분리하고, 각 분리된 숫자영역에 대해 해당 숫자를 포함하는 사각형으로 최소인클로저를 찾고, 상기 최소인클로저의 폭과 길이를 일정하게 등분하여 상기 사각형과 닮은 꼴의 사각형으로 세그멘트(Segment)를 구하는 단계; 및
    (e) 특징추출부에서 분할된 최소인클로저 내의 사각형 세그멘트들에서 픽셀 밀도를 포함하는 특징벡터를 추출해내는 단계;를 포함하여 구성된 것을 특징으로 하는 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법.
  2. 삭제
  3. 삭제
  4. 제 1항에 있어서, 상기 (e) 단계는,
    (e-1) 분할된 각 숫자의 개별 세그먼트 영역에서 흰색 픽셀수를 더하고 각 분할된 영역의 넓이로 나누어 정규화 (Normalization)를 하는 단계; 및
    (e-2) 분할된 각 숫자영역에서 상기 밀도를 포함하는 특징벡터를 추출하는 단계;를 포함하여 구성된 것을 특징으로 하는 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법.
KR1020160162156A 2016-11-30 2016-11-30 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법 KR101831587B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160162156A KR101831587B1 (ko) 2016-11-30 2016-11-30 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160162156A KR101831587B1 (ko) 2016-11-30 2016-11-30 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법

Publications (1)

Publication Number Publication Date
KR101831587B1 true KR101831587B1 (ko) 2018-02-27

Family

ID=61394302

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160162156A KR101831587B1 (ko) 2016-11-30 2016-11-30 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법

Country Status (1)

Country Link
KR (1) KR101831587B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200000863A (ko) * 2018-06-26 2020-01-06 주식회사 이너스텍 Ocr 알고리즘 및 가로등제어기를 활용한 전력량계 검침이 가능한 분전반
CN112686264A (zh) * 2020-12-31 2021-04-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101183211B1 (ko) * 2012-04-30 2012-09-14 주식회사 신아시스템 계량기 영상 정보의 세그멘테이션 처리장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101183211B1 (ko) * 2012-04-30 2012-09-14 주식회사 신아시스템 계량기 영상 정보의 세그멘테이션 처리장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200000863A (ko) * 2018-06-26 2020-01-06 주식회사 이너스텍 Ocr 알고리즘 및 가로등제어기를 활용한 전력량계 검침이 가능한 분전반
KR102097463B1 (ko) 2018-06-26 2020-04-06 주식회사 이너스텍 Ocr 알고리즘 및 가로등제어기를 활용한 전력량계 검침이 가능한 분전반
CN112686264A (zh) * 2020-12-31 2021-04-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质
CN112686264B (zh) * 2020-12-31 2023-10-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN110414507B (zh) 车牌识别方法、装置、计算机设备和存储介质
EP2783328B1 (en) Text detection using multi-layer connected components with histograms
CN110046529B (zh) 二维码识别方法、装置及设备
EP3172700B1 (en) Improved method for fingerprint matching and camera identification, device and system
US20230099984A1 (en) System and Method for Multimedia Analytic Processing and Display
CN111222513A (zh) 车牌号码识别方法、装置、电子设备及存储介质
Özgen et al. Text detection in natural and computer-generated images
US20150302270A1 (en) A method of providing a feature descriptor for describing at least one feature of an object representation
Gao et al. DCT-based local descriptor for robust matching and feature tracking in wide area motion imagery
JP2008251029A (ja) 文字認識装置、ナンバープレート認識システム
KR101831587B1 (ko) 저계산량 숫자 및 문자인식을 위한 카메라각도 불변의 특징점 추출기법
Raigonda Signature Verification System Using SSIM In Image Processing
WO2018121414A1 (zh) 电子设备、目标图像识别方法及装置
Rodríguez et al. Sift-aid: boosting sift with an affine invariant descriptor based on convolutional neural networks
CN117496560B (zh) 一种基于多维向量的指纹纹线识别方法及装置
CN111062927A (zh) 一种无人机图像质量检测的方法、系统及设备
Yang et al. Recognizing license plates in real-time
KR20210058882A (ko) 안면 인식 방법 및 디바이스
US20230069608A1 (en) Object Tracking Apparatus and Method
KR20140112635A (ko) 특징점 기반 영상처리 장치 및 그 영상 처리 방법
CN114926508B (zh) 视野分界线确定方法、装置、设备及存储介质
Shu et al. Face anti-spoofing based on weighted neighborhood pixel difference pattern
Valiente et al. A process for text recognition of generic identification documents over cloud computing
CN112184843B (zh) 图像数据压缩的冗余数据去除系统及方法
JP4264332B2 (ja) 文字認識装置、ナンバープレート認識システム

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant