KR101954812B1 - 필적 인식 장치 및 방법 - Google Patents

필적 인식 장치 및 방법 Download PDF

Info

Publication number
KR101954812B1
KR101954812B1 KR1020170103638A KR20170103638A KR101954812B1 KR 101954812 B1 KR101954812 B1 KR 101954812B1 KR 1020170103638 A KR1020170103638 A KR 1020170103638A KR 20170103638 A KR20170103638 A KR 20170103638A KR 101954812 B1 KR101954812 B1 KR 101954812B1
Authority
KR
South Korea
Prior art keywords
handwriting
point
feature points
image
geometric
Prior art date
Application number
KR1020170103638A
Other languages
English (en)
Other versions
KR20190019242A (ko
Inventor
이의철
장우혁
김세희
김윤경
Original Assignee
상명대학교산학협력단
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 상명대학교산학협력단 filed Critical 상명대학교산학협력단
Priority to KR1020170103638A priority Critical patent/KR101954812B1/ko
Publication of KR20190019242A publication Critical patent/KR20190019242A/ko
Application granted granted Critical
Publication of KR101954812B1 publication Critical patent/KR101954812B1/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
    • G06V30/32—Digital ink
    • G06K9/00402—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06K9/627—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Abstract

본 발명은 필적 인식 장치 및 방법에 관한 것으로, 더욱 상세하게는 입력된 필적 영상에서 검출한 기하 특징점의 개수와 거리의 상관관계를 도출하여 기 등록된 특징점 간의 필적 인식을 수행하는 필적 인식 장치 및 방법에 관한 것이다. 본 발명은 검출한 필적 특징점에서 기하 특징점을 도출하고, 거리척도를 이용하여 기하 특징점과 기 등록된 매칭 특징점 간 거리 공간의 유사도를 측정함으로써 객관적이고 정확한 필적 인식 결과를 제공할 수 있다.

Description

필적 인식 장치 및 방법{DEVICE AND METHOD FOR HANDWRITING RECOGNITION}
본 발명은 필적 인식 장치 및 방법에 관한 것으로, 더욱 상세하게는 입력된 필적 영상에서 검출한 기하 특징점의 개수와 거리의 상관 관계를 도출하여 기 등록된 특징들 간의 본인 매칭 및 타인 매칭을 통해 필적 인식을 수행하는 필적 인식 장치 및 방법에 관한 것이다.
필적감정은 문서에 기재된 필적이 동일인에 의하여 작성되었는지를 판단하는 작업이므로 비중있는 특징들을 어떻게 효율성 있게 분류하고 객관적인 방법으로 제시하느냐 하는 문제는 계속해서 제기될 것이다. 이미 독일과 미국 등에서는 컴퓨터를 이용한 필적감정의 자동화를 위해 문자의 높이, 기울기, 너비 등의 10개의 측정을 통해 문자의 특징 비교 및 분석에 효과적인 방법과 패턴인식 기술로 측정 및 추출한 세분화된 값을 유사성 군집데이터와 유사성을 찾아 접근하는 방식으로 문자의 특징을 수치화하는 방법이 사용되고 있다. 그러나 이러한 필적 감정 방법을 한글로 이루어진 서명에 적용하기 위해서는 언어적 특성이 서로 달라 적용하는데 어려움이 있어 검증의 신뢰성을 저하시키는 원인이 되고 있다.
본 발명의 배경기술은 대한민국 등록특허공보 제10-1411241호(2008.09.25공개)에 개시되어 있다.
본 발명은 입력된 필적 영상에서 검출한 기하 특징점의 개수와 거리의 상관 관계를 도출하여 기 등록된 특징들 간의 본인 매칭 및 타인 매칭을 통해 필적 인식을 수행하는 필적 인식 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따르면, 필적 인식 장치가 제공된다.
본 발명의 일 실시 예에 따른 필적 인식 장치는 음절 단위로 분리한 적어도 하나의 필적 영상을 입력하는 입력부, 필적 영상을 전처리하고, 전처리한 필적 영상에서 하나 이상의 필적 특징점을 검출하는 분석부, 필적 특징점에서 기하 특징점을 도출하는 필터링부, 기하 특징점과 기 등록된 특징점 간 거리 공간의 유사도를 측정하고, 상기 거리 공간의 유사도를 기 설정한 임계값과 비교하여 필적 인식을 수행하는 필적 인식부를 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 필적 인식 방법 및 이를 실행하는 컴퓨터 프로그램이 제공된다.
본 발명의 일 실시 예에 따른 필적 인식 방법 및 이를 실행하는 컴퓨터 프로그램은 음절 단위로 분리한 적어도 하나의 필적 영상을 입력하는 단계, 필적 영상에서 하나 이상의 필적 특징점을 검출하는 단계, 필적 특징점에서 기하 특징점을 필터링하는 단계, 기하 특징점과 기 등록된 매칭 특징점 간 필적 인식을 수행하는 단계를 포함할 수 있다.
본 발명은 입력된 필적 영상에서 검출한 필적 특징점에서 기하 특징점을 도출하고, 거리척도를 이용하여 기하 특징점과 기 등록된 매칭 특징점 간 거리 공간의 유사도를 측정함으로써 객관적이고 정확한 필적 인식 결과를 제공할 수 있다.
도 1 내지 도 2는 본 발명의 일 실시 예에 따른 필적 인식 장치를 설명하기 위한 도면들.
도 3 내지 도 4는 본 발명의 일 실시 예에 따른 필적 인식 방법의 흐름도를 예시한 도면들.
도 5 내지 도 7은 본 발명의 일 실시 예에 따른 필적 인식 장치가 필적 영상을 전처리한 결과를 예시한 도면들.
도 8 내지 도 9는 본 발명의 일 실시 예에 따른 필적 인식 장치가 필적 영상에서 필적 특징점을 검출하기 위한 마스크 및 필적 특징점을 검출한 결과를 예시한 도면들.
도 10은 본 발명의 일 실시 예에 따른 필적 인식 장치가 검출한 기하학 특징점과 기 등록된 특징점 간의 본인 매칭 및 타인 매칭을 수행하는 방법을 예시한 도면.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 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. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 바람직한 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1 내지 도 2는 본 발명의 일 실시 예에 따른 필적 인식 장치를 설명하기 위한 도면들이다.
도 1을 참조하면, 필적 인식 장치(100)는 입력부(110), 분석부(120), 필터링부(130) 및 필적 인식부(140)를 포함한다.
입력부(110)는 음절 단위로 분리된 적어도 하나의 필적 영상을 입력한다. 예를 들면, 필적 영상은 필체가 기재된 종이 등을 스캐닝한 컬러 영상에서 필적을 음절 단위로 분리한 영상일 수 있다.
분석부(120)는 필적 영상을 전처리하고, 전처리한 필적 영상에서 하나 이상의 필적 특징점을 검출한다.
도 2를 참조하면, 분석부(120)는 보정부(121). 세선화부(122) 및 특징점 검출부(123)를 포함한다.
보정부(121)는 필적 영상을 그레이 스케일(gray scale)로 변환하고, 변환된 필적 영상을 이진화하여 필획 외의 잡음을 제거한다.
세선화부(122)는 보정된 필적 영상에서 필적을 1 픽셀 단위로 세선화한다.
특징점 검출부(123)은 세선화된 필적에서 끝점, 분기점 및 코너점을 검출한다. 여기서, 특징점 검출부(123)은 세선화된 필적에 3by3 마스크를 적용하여, 마스크 중심에 해당하는 필적 픽셀이 검정색이면 해당 픽셀의 8-방향 이웃 픽셀을 확인한다. 그 후, 이웃 픽셀이 1개이면 이웃 픽셀을 끝점으로 판단하고, 이웃 픽셀이 3개면 마스크 중심에 해당하는 필적 픽셀을 분기점으로 판단하여 끝점 및 분기점을 검출할 수 있다. 또한, 특징점 검출부(123)은 세선화된 필적에 해리스 코너(Harris Corner)방법을 이용하여 코너점을 검출할 수 있다.
다시 도 1을 참조하면, 필터링부(130)는 필적 특징점에서 기하 특징점을 도출한다. 예를 들면, 필터링부(130)는 식(1)을 이용하여 필적 특징점에서 인접한 필적 특징점 간의 거리를 산출하고, 산출한 거리가 3 이하인 필적 특징점을 필터링하여 기하 특징점을 도출할 수 있다.
Figure 112017078918937-pat00001
필적 인식부(140)는 기하 특징점과 기 등록된 특징점 간 거리 공간의 유사도를 측정하고, 기 설정한 임계값을 기준으로 필적 인식을 수행한다. 여기서 거리 공간의 유사도는 식(2)와 같이 하우스도르프 거리(Modified Hausdorff Distance; MHD) 척도를 이용하여 측정할 수 있다. 이때, 거리 공간의 유사도는 필적의 특징 개수로 정규화된다. 필적 인식부(140)는 정규화한 거리 공간의 유사도가 임계값 이하이면 본인으로 인식하고, 임계값 이상이면 타인으로 인식할 수 있다.
Figure 112017078918937-pat00002
도 3 내지 도 10은 본 발명의 일 실시 예에 따른 필적 인식 방법을 설명하기 위한 도면들이다.
도 3을 참조하면, 단계 S310에서 필적 인식 장치(100)는 음절 단위로 분리된 적어도 하나의 필적 영상을 입력한다.
단계 S320에서 필적 인식 장치(100)는 필적 영상을 전처리하고, 전처리한 필적 영상에서 하나 이상의 필적 특징점을 검출한다.
도 4를 참조하면, 단계 S321에서 필적 인식 장치(100)는 필적 영상을 그레이 스케일로 변환한다.
단계 S322에서 필적 인식 장치(100)는 그레이 스케일로 변환된 음절 영상을 이진화한다. 도 5 및 도 6을 참조하면, 필적 인식 장치(100)는 510 내지 540과 같이 음절 단위로 분리된 적어도 하나의 필적 영상을 입력받아 그레이 스케일로 변환하고, 변환된 필적 영상을 610 내지 640과 같이 이진화할 수 있다.
단계 S323에서 필적 인식 장치(100)는 이진화한 필적 영상에서 필획 외의 잡음을 제거한다.
단계 S324에서 필적 인식 장치(100)는 잡음이 제거된 필적 영상에서 필적을 1픽셀 단위로 세선화한다. 도 7을 참조하면, 필적 인식 장치(100)는 상술한 610 내지 640과 같이 이진화한 필적 영상에서 필적을 1픽셀 단위로 세선화할 수 있다.
단계 S325에서 필적 인식 장치(100)는 세선화한 필적에서 끝점, 분기점 및 코너점을 검출한다. 도 8을 참조하면, 필적 인식 장치(100)는 세선화한 필적 영상에 도 8의 (a)와 같이 3by3 마스크를 가로 및 세로 방향으로 적용한다. 이때, 필적 인식 장치(100)는 도 8의 (b)와 같이 마스크 중심(810)에 해당하는 필적 픽셀이 검정색이면 이를 기준으로 8-방향 이웃 픽셀을 확인하여, 이웃 픽셀이 1개이면 이웃 픽셀에 해당하는 필적 픽셀을 끝점으로 검출할 수 있다. 또한, 필적 인식 장치(100)는 도 8의 (c)와 같이 8-방향 이웃 픽셀 중 이웃 픽셀이 3개이면 마스크 중심(810)에 해당하는 필적 픽셀을 분기점으로 검출할 수 있다. 또한, 필적 인식 장치(100)는 세선화한 필적 영상에 해리스 코너(Harris Corner)방법을 적용하여 필적의 코너점을 검출할 수 있다. 도 9를 참조하면, 본 발명의 일 실시예에 따른 필적 인식 장치(100)는 상술한 바와 같이 세선화한 필적 영상에서 하나 이상의 끝점(10), 분기점(20) 및 교차점(30)을 검출할 수 있다.
다시 도 3을 참조하면, 단계 S330에서 필적 인식 장치(100)는 필적 특징점을 필터링하여 기하 특징점을 도출한다. 예를 들면, 필적 인식 장치(100)는 하나 이상의 필적 특징점에서 인접한 필적 특징점 간의 거리를 산출하고, 산출한 거리가 3 이하인 필적 특징점을 필터링하여 기하 특징점을 도출할 수 있다.
단계 S340에서 필적 인식 장치(100)는 기하 특징점과 기 등록된 특징점 간 거리 공간의 유사도를 측정하고, 기 설정한 임계값을 기준으로 필적 인식을 수행한다. 예를 들면, 필적 인식 장치(100)는 하우스도르프 거리(Modified Hausdorff Distance; MHD) 척도를 이용하여 거리 공간의 유사도는 측정할 수 있다. 이때, 측정된 거리 공간의 유사도는 필적의 특징 개수로 정규화된다. 도 10을 참조하면, 필적 인식 장치(100)는 정규화한 거리 공간의 유사도가 임계값 이하이면 본인(Genuine)으로 인식하고, 임계값 이상이면 타인(Imposter)으로 인식할 수 있다.
본 발명의 실시 예에 따른 필적 인식 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 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. 또한, 상술한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 필적 인식 장치
110: 입력부
120: 분석부
130: 필터링부
140: 필적 인식부

Claims (13)

  1. 삭제
  2. 필적 인식 장치에 있어서,
    상기 필적인식장치는,
    음절 단위로 분리한 적어도 하나의 필적 영상을 입력하는 입력부;
    상기 필적 영상을 전처리하고, 전처리한 필적 영상에서 하나 이상의 필적 특징점을 검출하는 분석부;
    상기 필적 특징점에서 기하 특징점을 도출하는 필터링부; 및
    상기 기하 특징점과 기 등록된 특징점 간 거리 공간의 유사도를 측정하고, 상기 거리 공간의 유사도를 기 설정한 임계값과 비교하여 필적 인식을 수행하는 필적 인식부; 를 포함하는 것을 특징으로 하며,
    상기 분석부는
    상기 필적 영상을 그레이스케일로 변환하고, 변환된 필적 영상을 이진화하고, 이진화된 필적 영상에서 필획 외의 잡음을 제거하는 보정부;
    보정된 필적 영상에서 필적을 1 픽셀 단위로 세선화하는 세선화부;
    세선화된 필적에서 끝점, 분기점 및 코너점을 검출하는 특징점 검출부;를 포함하는 필적 인식 장치.
  3. 제2항에 있어서,
    상기 특징점 검출부는
    상기 세선화된 필적에 3by3 마스크를 적용하여, 마스크 중심에 해당하는 필적 픽셀이 검정색이면 해당 픽셀의 8-방향 이웃 픽셀을 확인하여 이웃 픽셀이 1개이면 이웃 픽셀을 끝점으로 판단하고, 이웃 픽셀이 3개면 마스크 중심에 해당하는 필적 픽셀을 분기점으로 판단하여 끝점 및 분기점을 검출하는 필적 인식 장치.
  4. 제2항에 있어서,
    상기 특징점 검출부는
    상기 세선화된 필적에 해리스 코너(Harris Corner)방법을 이용하여 코너점을 검출하는 필적 인식 장치.
  5. 제2항에 있어서,
    상기 필터링부는
    상기 하나 이상의 필적 특징점에서 인접한 필적 특징점 간의 거리를 산출하고, 상기 거리가 3 이하인 필적 특징점을 추출하여 기하 특징점을 도출하는 필적 인식 장치.
  6. 제2항에 있어서,
    상기 필적 인식부는
    하우스도르프 거리(Modified Hausdorff Distance; MHD) 척도를 이용하여 상기 기하 특징점과 기 등록된 매칭 특징점 간 거리 공간의 유사도를 측정하고, 상기 유사도를 필적의 특징 개수로 정규화하여, 정규화된 유사도가 임계값 이하이면 본인(Genuine)으로 인식하고, 임계값 이상이면 타인(Impostor)으로 인식하는 필적 인식 장치.
  7. 삭제
  8. 필적 인식 장치가 필적 인식을 수행하는 방법에 있어서,
    음절 단위로 분리한 적어도 하나의 필적 영상을 입력하는 단계;
    상기 필적 영상에서 하나 이상의 필적 특징점을 검출하는 단계;
    상기 필적 특징점에서 기하 특징점을 필터링하는 단계; 및
    상기 기하 특징점과 기 등록된 매칭 특징점 간 필적 인식을 수행하는 단계; 를 포함하는 것을 특징으로 하되,
    상기 필적 영상에서 하나 이상의 필적 특징점을 검출하는 단계는
    상기 필적 영상을 그레이스케일로 변환하는 단계;
    변환된 필적 영상을 이진화하는 단계;
    이진화된 필적 영상에서 필획 외의 잡음을 제거하는 단계;
    잡음이 제거된 필적 영상에서 필적을 1 픽셀 단위로 세선화하는 단계; 및
    세선화된 필적에서 끝점, 분기점 및 코너점을 검출하는 단계;를 포함하는 것을 특징으로 하는 필적 인식 방법.
  9. 제8항에 있어서,
    상기 세선화된 필적에서 끝점, 분기점 및 코너점을 검출하는 단계는
    상기 세선화된 필적에 3by3 마스크를 적용하여 상기 마스크의 중심에 해당하는 필적 픽셀이 검정색일 경우 해당 픽셀의 8-방향 이웃 픽셀을 확인하고, 상기 이웃 픽셀이 1개이면 이웃 픽셀에 해당하는 필적 픽셀을 끝점으로 판단하고, 이웃 픽셀이 3개면 상기 마스크 중심에 해당하는 필적 픽셀을 분기점으로 판단하여 끝점 및 분기점을 검출하는 필적 인식 방법.
  10. 제8항에 있어서,
    상기 세선화된 필적에서 끝점, 분기점 및 코너점을 검출하는 단계는
    상기 세선화된 필적에 해리스 코너(Harris Corner)방법을 이용하여 코너점을 검출하는 필적 인식 방법.
  11. 제8항에 있어서,
    상기 필적 특징점에서 기하 특징점을 필터링하는 단계는
    상기 하나 이상의 필적 특징점에서 인접한 필적 특징점 간의 거리를 산출하고, 상기 거리가 3이하인 필적 특징점을 추출하여 기하 특징점을 도출하는 필적 인식 방법.
  12. 제8항에 있어서,
    상기 기하 특징점과 기 등록된 매칭 특징점 간 필적 인식을 수행하는 단계는
    하우스도르프 거리(Modified Hausdorff Distance; MHD) 척도를 이용하여 상기 기하 특징점과 기 등록된 매칭 특징점 간 거리 공간의 유사도를 측정하고, 상기 유사도를 필적의 특징 개수로 정규화하여, 정규화된 유사도가 임계값 이하이면 본인(Genuine)으로 인식하고, 임계값 이상이면 타인(Impostor)으로 인식하는 필적 인식 방법.
  13. 제8항 내지 제12항 중 어느 하나의 필적 인식 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램.
KR1020170103638A 2017-08-16 2017-08-16 필적 인식 장치 및 방법 KR101954812B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170103638A KR101954812B1 (ko) 2017-08-16 2017-08-16 필적 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170103638A KR101954812B1 (ko) 2017-08-16 2017-08-16 필적 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190019242A KR20190019242A (ko) 2019-02-27
KR101954812B1 true KR101954812B1 (ko) 2019-03-07

Family

ID=65561101

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170103638A KR101954812B1 (ko) 2017-08-16 2017-08-16 필적 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101954812B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766082B (zh) * 2020-12-30 2024-04-23 大连海事大学 基于宏微观特征的中文文本笔迹鉴别方法、装置及存储介质
CN117058688B (zh) * 2023-08-14 2024-04-05 北京东舟技术股份有限公司 一种书写轨迹相似度评估方法及处理设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013152558A (ja) * 2012-01-24 2013-08-08 Tokai Univ 筆跡鑑定方法，筆跡鑑定装置及び筆跡鑑定プログラム
KR101392295B1 (ko) * 2012-12-17 2014-05-12 한승희 한글 필적의 음절단위 분석 장치 및 방법
JP2014225932A (ja) * 2011-03-22 2014-12-04 コニカ ミノルタ ラボラトリー ユー．エス．エー．，インコーポレイテッド 文字の形状特徴を使用した文字比較による文書改変検知方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014225932A (ja) * 2011-03-22 2014-12-04 コニカ ミノルタ ラボラトリー ユー．エス．エー．，インコーポレイテッド 文字の形状特徴を使用した文字比較による文書改変検知方法
JP2013152558A (ja) * 2012-01-24 2013-08-08 Tokai Univ 筆跡鑑定方法，筆跡鑑定装置及び筆跡鑑定プログラム
KR101392295B1 (ko) * 2012-12-17 2014-05-12 한승희 한글 필적의 음절단위 분석 장치 및 방법

Also Published As

Publication number Publication date
KR20190019242A (ko) 2019-02-27

Similar Documents

Publication Publication Date Title
JP5304901B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
Bhattacharya et al. Offline signature verification using pixel matching technique
US8014603B2 (en) System and method for characterizing handwritten or typed words in a document
JP6080259B2 (ja) 文字切り出し装置及び文字切り出し方法
JP3218004B2 (ja) 試験署名検証方法
US8385612B2 (en) Fingerprint image background detection apparatus and detection method
US20080013803A1 (en) Method and apparatus for determining print image quality
KR102174083B1 (ko) 딥 러닝 기반의 지정맥을 이용한 생체 인식 장치 및 방법
KR20200036079A (ko) 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치 및 방법
KR102138652B1 (ko) 딥 러닝 기반의 지정맥 특징과 손가락 형태를 이용하는 생체 인식 장치 및 방법
US20140079323A1 (en) Classification apparatus and non-transitory computer readable medium
KR102062708B1 (ko) 얼굴 인식 시스템의 위조 공격 탐지 장치 및 방법
KR101954812B1 (ko) 필적 인식 장치 및 방법
US7454042B2 (en) Apparatus for online signature verification using pattern transform technique and method therefor
KR102167433B1 (ko) 다중 패턴 문자 영상 자동 생성 기반 문자 인식 장치 및 그 방법
JP2019121187A (ja) 画像処理装置、画像処理方法および画像処理プログラム
KR101180293B1 (ko) 지문의 영역 별 방향패턴 특징 추출 방법 및 이를 이용한 지문 분류 방법
JP2898562B2 (ja) ナンバープレート決定方法
KR101007008B1 (ko) 지문 인식 장치 및 방법
KR100698723B1 (ko) 지문 중심점 부위 특징점을 이용한 고속 매칭
Tatar et al. Improvement of the fingerprint recognition process
JP2008276758A (ja) 指紋特異点抽出装置及び指紋特異点抽出方法
Boukerma et al. Preprocessing algorithms for Arabic handwriting recognition systems
Khan et al. An offline signature recognition and verification system based on neural network
KR960005109B1 (ko) 지문영상의 자동인식장치 및 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant