KR101991461B1 - 특징점의 벡터화를 이용한 문자인식 시스템 및 방법 - Google Patents

Abstract

본 발명은 문자가 포함된 이미지에 특징점을 설정한 후, 특징점들을 기반으로 설정된 벡터 값을 이용하여 문자를 인식하는 문자인식 시스템에 관한 기술로서, 식별이 필요한 문자가 포함된 이미지를 입력받는 입력부와, 기 설정된 특징점 추출 알고리즘을 이용하여 이미지에 특징점을 설정하는 특징점 설정부와, 이미지에 설정된 특징점들 간의 거리를 크기로 하고 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 벡터 설정부와, 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 문자 식별부를 포함하는 것을 특징으로 한다.

Description

특징점의 벡터화를 이용한 문자인식 시스템 및 방법 {CHARACTER RECOGNITION SYSTEM AND METHOD USING VECTORIZATION OF FEATURE POINTS}

본 발명은 특징점의 벡터화를 이용한 문자인식 시스템 및 방법에 관한 것으로서, 보다 상세하게는 문자가 포함된 이미지에 특징점을 설정한 후, 특징점들을 기반으로 설정된 벡터 값을 이용하여 문자를 인식하는 문자인식 시스템에 관한 기술이다.

종래의 문자 인식 기술인 OCR 기술은 이미지 획득 후 문자 인식을 위해 문자를 학습시키는 과정이 필요한데, 대부분의 경우 패턴 매칭을 이용하여 문자를 학습 시킨다. 문자 학습을 위해서는 기존 이미지에서 영상 분할 과정을 통해 배경과 문자를 분리하는 선행단계가 필요하다.

종래의 기술 방식에서는 영상 분할 과정에서 좋은 결과 이미지를 얻기 위해 조명 조건을 조정하는 등 알고리즘의 개선을 통해 문자 인식률을 높였다.

종래의 OCR 기술을 이용하여 문자를 인식할 경우 취득한 영상의 배경이 복잡하거나, 양각 및 음각의 문자가 혼합된 경우, 문자의 형태가 연속하여 나열된 다수의 점 형태로 이루어져 있는 경우 문자 형태의 불확실성 및 배경의 잡음으로 인해 문자 학습 및 문자 인식이 어려운 한계가 있다.

또한, 종래의 특징점 기반 영상 문자 인식 기술은 표준 패턴을 미리 만들어 놓고 비교하는 유사도 기법을 적용한다. 이 경우 특정 표준 패턴과 크기나 비율에 차이가 있으면 문자 인식에서의 오차율이 높아진다.

또한, 종래의 기술은 문자를 상위 및 하위 그룹들로 나누어 취득한 문자 이미지 상에서 소정의 영역을 설정하고, 문자 픽셀들의 수, 배경 픽셀들의 수, 문자 픽셀들의 수 및 배경 픽셀들의 수의 비율 중 어느 하나를 기준 값과 비교하여 상기 문자 이미지를 단계적으로 판독하는 방식으로 문자를 인식한다. 이 경우, 각 취득된 문자 이미지의 픽셀 값을 연산하고 각 그룹 중 상기 문자 이미지가 속하는 그룹을 결정해야하기 때문에 문자를 인식하는 시간이 길어지는 문제가 있다.

한국등록특허공보 10-1719549

이에 본 발명은 상기와 같은 종래의 제반 문제점을 해소하기 위해 제안된 것으로, 본 발명의 목적은 문자가 포함된 이미지에 특징점을 설정한 후, 특징점들을 기반으로 설정된 벡터 값을 이용하여 문자를 인식하는 문자인식 시스템을 제공하기 위한 것이다.

상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 특징점의 벡터화를 이용한 문자인식 시스템은, 식별이 필요한 문자가 포함된 이미지를 입력받는 입력부와, 기 설정된 특징점 추출 알고리즘을 이용하여 상기 이미지에 특징점을 설정하는 특징점 설정부와, 상기 이미지에 설정된 특징점들 간의 거리를 크기로 하고, 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 벡터 설정부와, 상기 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 문자 식별부를 포함하는 것을 특징으로 한다.

또한, 상기 벡터 설정부는 상기 특징점 중 기 설정된 기준 이상의 강인함을 가지는 특징점만을 대상으로 벡터 정보를 설정하는 것을 특징으로 할 수 있다.

또한, 상기 벡터 설정부는 벡터 정보로 설정될 특징점의 수에 따라 상기 기 설정된 기준을 정의하는 것을 특징으로 할 수 있다.

또한, 상기 문자 식별부는 상기 벡터 정보의 방향 값을 정규화 한 후 기 학습된 문자에 대한 벡터 정보를 대조하는 것을 특징으로 할 수 있다.

또한, 상기 문자 식별부는 상기 벡터 정보의 방향 값을

개의 방향으로 정규화 하는 것을 특징으로 할 수 있다.

한편, 상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 특징점의 벡터화를 이용한 문자인식 방법은, (A)입력부가 식별이 필요한 문자가 포함된 이미지를 입력받는 단계와, (B)설정부가 기 설정된 특징점 추출 알고리즘을 이용하여 상기 이미지에 특징점을 설정하는 단계와, (C)벡터 설정부가 상기 이미지에 설정된 특징점들 간의 거리를 크기로 하고, 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 단계와, (D)문자 식별부가 상기 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계를 포함하는 것을 특징으로 한다.

또한, 상기 (C) 단계는 상기 특징점 중 기 설정된 기준 이상의 강인함을 가지는 특징점만을 대상으로 벡터 정보를 설정하는 것을 특징으로 할 수 있다.

또한, 상기 (C) 단계는 상기 벡터 정보로 설정될 특징점의 수에 따라 상기 기 설정된 기준을 정의하는 것을 특징으로 할 수 있다.

또한, 상기 (D) 단계는 상기 벡터 정보의 방향 값을 정규화 하는 단계와, 상기 정규화된 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 벡터 정보의 방향 값을 정규화 하는 단계는 상기 벡터 정보의 방향 값을

개의 방향으로 정규화 하는 것을 특징으로 할 수 있다.

본 발명에 의한 특징점의 벡터화를 이용한 문자인식 시스템 및 방법에 따르면,

첫째, 문자의 이미지 크기와 비율에 관계없이 신뢰성 있는 문자인식이 가능해진다.

둘째, 이미지에 노이즈가 포함되어 있더라도 문자를 인식하는 것이 가능해진다.

도 1은 본 발명의 일 실시예에 따른 문자인식 시스템의 구성도.
도 2는 본 발명의 일 실시예에 따른 문자인식 방법의 순서도.
도 3은 도 2의 S400 단계를 세분화한 순서도.

첨부한 도면을 참조하여 본 발명의 실시예들에 의한 특징점의 벡터화를 이용한 문자인식 시스템 및 방법에 대하여 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 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.

도 1을 참조하면, 본 발명의 일 실시예에 따른 특징점의 벡터화를 이용한 문자인식 시스템(100)은 식별이 필요한 문자가 포함된 이미지를 입력받는 입력부(120)와, 기 설정된 특징점 추출 알고리즘을 이용하여 이미지에 특징점을 설정하는 특징점 설정부(140)와, 이미지에 설정된 특징점들 간의 거리를 크기로 하고 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 벡터 설정부(160)와, 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 문자 식별부(180)를 포함하는 것을 특징으로 한다.

입력되는 이미지는 문자가 나열된 문서의 사진 또는 문서를 화상파일로 출력한 이미지 파일이 될 수 있다. 또한, 이미지는 다양한 피사체와 문자가 표시된 검출대상물이 복합적으로 표시되는 복합 이미지가 될 수 있다. 예를 들어, 복합 이미지는 차량이 있는 도로를 촬영한 이미지가 될 수 있으며, 다양한 피사체는 차선, 이정표, 차량, 도로 구조물 등이 될 수 있고, 문자가 표시된 검출대상물은 차량 번호판이 될 수 있다.

특징점 설정부(140)가 설정하는 각 특징점에는 위치에 대응되는 좌표 정보가 포함된다. 특징점을 설정하는 방법에는 밝기 변화가 큰 모서리점들을 탐색하는 방법이 있다. 상기 방법은 모서리점에서 여러 방향으로의 밝기 변화가 큰 특징을 이용한다. 이와 유사한 종래의 특징점 설정 알고리즘에는 SIFT(Scale-Invariant-Feature Transform) 알고리즘이 있다. 이미지에서 특징점이 추출되면 이미지 상에서의 특징점 x, y 좌표가 저장된다. 디지털 이미지는 복수개의 픽셀로 구성되므로 상기 좌표의 x, y 단위는 x축 및 y축 방향으로의 픽셀 수가 될 수 있다.

또한, 특징점 설정부(140)가 설정하는 각 특징점에는 서술자(Descriptor)가 포함된다. 서술자란 특징점 주변 픽셀들을 가지고 특징점에 대한 특징을 정의하는 것이다. 예를 들어, 밝기 변화가 90도 방향인지, 45도 방향인지 등 밝기 변화의 방향, 변화의 크기 등의 특징 정보가 정의된다.

벡터 설정부(160)는 특징점 중 기 설정된 기준 이상의 강인함을 가지는 특징점만을 대상으로 벡터 정보를 설정한다. 기 설정된 기준 이상의 강인함이 판단되는 대상은 특징점에 포함된 서술자를 분석하는 것으로 실시될 수 있다. 예를 들어, 벡터 설정부(160)는 특징점의 서술자에서 밝기 변화의 크기 값이 기 설정된 기준 이상인 특징점을 강인한 특징점으로 정의할 수 있다.

특히, 벡터 설정부(160)는 벡터 정보로 설정될 특징점의 수에 따라 상기 기 설정된 기준을 정의한다. 상기 기 설정된 기준은 이미지 또는 특징점의 수에 따라 가변될 수 있다. 벡터 설정부(160)는 벡터 정보로 설정될 특징점의 수를 제한할 수 있다. 예를 들어, 한 이미지 내에서 벡터 정보로 설정될 특징점의 수가 100개로 제한되면, 벡터 설정부(160)는 이미지에 설정된 특징점들을 분석하여 강인함이 높은 순서로 나열하고, 강인함이 100번째까지 높은 특징점들만을 추출하여 벡터 정보로 설정할 수 있다. 즉, 한 이미지 내에서 벡터 정보로 설정될 특징점의 수가 100개로 제한되면, 상위 100번째로 강인한 특징점이 상기 기 설정된 기준이 된다.

벡터 정보 설정 시 기 설정된 기준 이상의 강인함을 가지는 특징점만을 대상으로 하거나, 제한된 특징점 수에 대응하여 강인함이 상위 수준인 특징점만을 대상으로 벡터 정보가 설정되면 자연히 상대적으로 약한 특징점은 배제된다. 상기 약한 특징점은 대부분 문자영역이 아닌 배경영역에 설정된 특징점이 해당되므로 노이즈가 제거되는 효과를 볼 수 있게 된다.

문자 식별부(180)의 기 학습된 문자에 대한 벡터 정보는 특징점 설정부(140)의 특징점 설정 알고리즘과 벡터 설정부(160)의 벡터 설정 알고리즘을 이용하여 생성되는 것이 바람직하다.

문자 식별부(180)는 벡터 정보의 방향 값을 정규화 한 후 기 학습된 문자에 대한 벡터 정보를 대조하는 것을 특징으로 한다. 예를 들어, 정규화 되지 않은 방향 값은 360도의 방위 중 어느 하나가 된다. 이미지의 밝기, 색상, 문자의 기울어진 각도 등에 따라 특징점의 위치는 다소 어긋난 위치에 설정될 수 있는데, 이에 따라 벡터 정보의 방향 값은 기 학습된 문자에 대한 벡터 정보와 동일하지 않을 수 있다. 따라서, 방향 값이 동일한 벡터 정보를 탐색하면 대응되는 문자를 찾을 수 없을 수도 있다. 즉, 방향 값은 일정부분 오차를 염두하고 대조해야 문자의 탐색이 가능하다.

입력된 이미지에서 설정된 벡터 정보마다 오차범위를 추가 설정하고, 기 학습된 문자에 대한 벡터 정보와 대조하는 것은 시스템의 연산시간이 지연되는 상황을 초래한다. 문자 식별부(180)는 벡터 정보의 방향 값을 정규화 하는 것으로 기 학습된 문자에 대한 벡터 정보와 대조하는 시간을 개선할 수 있다. 기 학습된 문자에 대한 벡터 정보의 방향 값도 동일한 조건으로 정규화된 상태이면, 문자 식별부(180)는 벡터 정보의 방향 값의 동일성만을 판단하는 것으로 오차범위를 고려하는 것과 동일한 효과를 볼 수 있게 된다.

문자 식별부(180)는 벡터 정보의 방향 값을

개의 방향으로 정규 화한다. 즉, 벡터 정보의 방향 값은 4개, 8개, 16개, 32개 등으로 구성될 수 있다.

이어서, 본 발명의 일 실시예에 따른 특징점의 벡터화를 이용한 문자인식 방법을 설명한다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 특징점의 벡터화를 이용한 문자인식 방법은 입력부(120)가 식별이 필요한 문자가 포함된 이미지를 입력받는 단계(S100)와, 설정부가 기 설정된 특징점 추출 알고리즘을 이용하여 이미지에 특징점을 설정하는 단계(S200)와, 벡터 설정부(160)가 이미지에 설정된 특징점들 간의 거리를 크기로 하고 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 단계(S300)와, 문자 식별부(180)가 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계(S400)를 포함하는 것을 특징으로 한다.

S300 단계는 특징점 중 기 설정된 기준 이상의 강인함을 가지는 특징점만을 대상으로 벡터 정보를 설정하는 것을 특징으로 한다.

특히, S300 단계는 벡터 정보로 설정될 특징점의 수에 따라 상기 기 설정된 기준을 정의하는 것을 특징으로 한다.

도 3을 참조하면, S400 단계는 벡터 정보의 방향 값을 정규화 하는 단계(S420)와, 정규화된 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계(S440)를 포함하는 것을 특징으로 한다.

또한, S420 단계는 벡터 정보의 방향 값을

개의 방향으로 정규화 하는 것을 특징으로 한다.

이상에서 본 발명의 바람직한 실시예를 설명하였으나, 본 발명은 다양한 변화와 변경 및 균등물을 사용할 수 있다. 본 발명은 상기 실시예를 적절히 변형하여 동일하게 응용할 수 있음이 명확하다. 따라서 상기 기재 내용은 하기 특허청구범위의 한계에 의해 정해지는 본 발명의 범위를 한정하는 것이 아니다.

100 : 글자인식 시스템 120 : 입력부
140 : 특징점 설정부 160 : 벡터 설정부
180 : 문자 식별부

Claims (10)

1. 식별이 필요한 문자가 포함된 이미지를 입력받는 입력부와;
   기 설정된 특징점 추출 알고리즘을 이용하여 상기 이미지에 특징점을 설정하는 특징점 설정부와;
   상기 이미지에 설정된 특징점들 간의 거리를 크기로 하고, 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 벡터 설정부와;
   상기 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 문자 식별부를 포함하고,
   상기 특징점 설정부가 설정하는 각 특징점은 밝기 변화의 방향 및 밝기 변화의 크기 정보가 정의된 서술자(Descriptor)가 포함되고,
   상기 벡터 설정부는 상기 특징점 중 서술자에서 밝기 변화의 크기 값이 기 설정된 기준 이상인 특징점만을 대상으로 벡터 정보를 설정하며,
   상기 벡터 설정부는 특징점을 서술자의 밝기 변화의 크기 값이 큰 순서대로 나열하여 배경영역에 해당되는 약한 특징점을 제거하고,
   상기 문자 식별부는 상기 벡터 정보의 방향 값을 정규화 한 후 기 학습된 문자에 대한 벡터 정보를 대조하며,
   상기 문자 식별부는 상기 벡터 정보의 방향 값을

   

   개의 방향으로 정규화 하는 것을 특징으로 하는 문자인식 시스템.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. (A) 입력부가 식별이 필요한 문자가 포함된 이미지를 입력받는 단계와;
   (B) 특징점 설정부가 기 설정된 특징점 추출 알고리즘을 이용하여 상기 이미지에 특징점을 설정하는 단계와;
   (C) 벡터 설정부가 상기 이미지에 설정된 특징점들 간의 거리를 크기로 하고, 인접한 특징점의 위치를 방향으로 하는 벡터 정보를 설정하는 단계와;
   (D) 문자 식별부가 상기 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계를 포함하고,
   상기 특징점 설정부가 설정하는 각 특징점은 밝기 변화의 방향 및 밝기 변화의 크기 정보가 정의된 서술자(Descriptor)가 포함되고,
   상기 (C) 단계는 상기 특징점 중 서술자에서 밝기 변화의 크기 값이 기 설정된 기준 이상인 특징점만을 대상으로 벡터 정보를 설정하며,
   상기 (C) 단계는 특징점을 서술자의 밝기 변화의 크기 값이 큰 순서대로 나열하여 배경영역에 해당되는 약한 특징점을 제거하고,
   상기 (D) 단계는 상기 벡터 정보의 방향 값을 정규화 하는 단계와, 상기 정규화된 벡터 정보와 기 학습된 문자에 대한 벡터 정보를 대조하여 대응되는 문자를 도출하는 단계를 포함하며,
   상기 벡터 정보의 방향 값을 정규화 하는 단계는 상기 벡터 정보의 방향 값을

   

   개의 방향으로 정규화 하는 것을 특징으로 하는 문자인식 방법.
7. 삭제
8. 삭제
9. 삭제
10. 삭제

Images