KR20150108118A

KR20150108118A - 영상 인식 기반 계량기 원격 검침 시스템

Info

Publication number: KR20150108118A
Application number: KR1020140030902A
Authority: KR
Inventors: 조성원; 오한글
Original assignee: 홍익대학교 산학협력단
Priority date: 2014-03-17
Filing date: 2014-03-17
Publication date: 2015-09-25

Abstract

본 발명은 영상 인식 기반 계량기 원격 검침 시스템에 관한 것으로서, 계량기의 이미지를 촬영하여, 이미지를 획득하는 이미지 획득 장치; 상기 이미지 획득 장치에 획득한 영상 데이터를 처리하여 계량기의 사용량 검침값을 추출하는 영상 인식 처리장치; 상기 영상 인식 처리장치를 통하여 추출된 사용량 검침값을 원격 검침 관리장치로 전송하는 통신 장치; 및 상기 영상 인식 처리장치로부터 전송된 계량기의 사용량 검침값을 저장하고, 이를 기초로 각 수용가의 사용량을 분석하고, 사용량을 제어하는 원격 검침 관리장치를 포함하는 영상 인식 기반 계량기 원격 검침 시스템이 제공된다.

Description

영상 인식 기반 계량기 원격 검침 시스템 {Remote automatic metering system based image recognition}

본 발명은 영상 인식 기반 계량기 원격 검침 시스템에 관한 것으로, 보다 상세하게는 계량기의 영상 데이터를 획득 후 이를 분석하여 데이터 값을 읽어 들인 후 이를 전송하여, 현재 설치되어 있는 계량기를 교체하지 않고 검침 오류 및 측정 데이터의 크기를 줄일 수 있는 영상 인식 기반 계량기 원격 검침 시스템에 관한 것이다.

에너지의 해외 의존도가 97%에 달하는 우리나라의 에너지 사용 현황에서 그린 에너지 사용 증대 및 전력 에너지의 효율적 사용을 위해 스마트 그리드 사업이 진행 중이다. 스마트 그리드 사업의 효과적인 성공을 위해서는 스마트 미터, 스마트 빌딩 관리 등의 기술이 매우 중요하며, 스마트 미터 기술에는 효율적인 원격 검침 시스템 개발 기술이 필요하다.

원격 자동 검침 시스템(AMR)은 계량기의 계량 숫자 값을 읽어 서버에 전송하여 실시간으로 사용량을 분석하여 사용량 제어하는 기술로서 전기, 수도, 가스 등의 자동계량기나 상하수도 수질, 하천 수위 측정 및 제어 시스템, 공정제어 시스템, 빌딩관리시스템 등 범주가 다양하여 시장의 규모 역시 지속적으로 증대되고 앞으로의 성장 가능성은 매우 클 것으로 전망되고 있다.

원격 검침 시스템의 종류는 검침 방식에 따라 촬상식, 펄스 발생식, 전자식으로 분류가 된다. 현재 현장에 설치되어 있는 대부분의 계량기는 전자식이 아닌 아날로그 계량기로 원격 검침 시스템으로 활용 시 촬상식이나 펄스 발생식 검침 시스템을 이용하여야 한다.

촬상식은 화상을 촬영하여 통신 수단을 통해 전송하는 방식으로 계량기 교체 없이 설치가 가능하고 검침 값을 직접 확인할 수 있다는 장점이 있지만, 단말기가 고가이며 검침 데이터 용량이 크고, 전송 받은 화상 데이터를 모니터 요원이 확인하여 직접 사용량을 확인하여야 하기 때문에 실시간 처리가 불가능하다.

펄스 발생식의 경우 계량기의 회전판이 회전하는 횟수를 전기적인 신호로 기억하여 통신수단을 통하여 전송하는 방식으로 단말기가 저렴하고 검침 데이터 크기가 작지만, 검침 오류 가능성이 크고, 건식 계량기로 교체해야 하는 단점이 있다.

기본 계량기들은 디지털 사용량을 읽는 것이 지원되지 않거나, 디지털 사용량을 전송하는 모듈이 지원되지 않는다. 기존 계량기들은 프린트 휠 타입이나 7 세그먼트 LCD 타입으로 계량 숫자를 표시한다. 현재까지 계량기에 디지털 데이터 읽기 및 전송을 지원하기 위해 다양한 영상 기반 계량 숫자 분할 및 인식 방법들이 시도되었다.

그러나 다양한 설치 환경 때문에 획득되는 계량기 이미지들은 저조도 및 다양한 조명 환경 등을 나타내고 있으며 이 때문에 강인한 계량기 숫자 인식에 대한 요구가 증대되고 있는 상황이다.

한국실용신안등록 20-0289754

본 발명은 상술한 종래의 문제점을 극복하기 위한 것으로서, 본 발명이 해결하고자 하는 과제는 현재 설치되어 있는 계량기들을 교체 하지 않고 검침 오류를 줄일 수 있는 방안으로서, 전송 데이터 량을 줄이고, 실시간 처리가 가능하도록 이미지 센서로부터 획득한 영상 데이터를 처리하여 사용량 검침 값을 추출하여 이를 직접 관리 시스템에 전송하는 영상 인식 기반 계량기 원격 검침 시스템을 제공하기 위한 것이다.

또한, 본 발명의 다른 목적은 계량기의 특정적 환경 등에 좌우 되지 않는 강인한 계량기 숫자 인식을 통한 영상 인식 기반 계량기 원격 검침 시스템을 제공하기 위한 것이다.

본 발명의 예시적인 실시예에 따르면, 계량기의 이미지를 촬영하여, 이미지를 획득하는 이미지 획득 장치; 상기 이미지 획득 장치에 획득한 영상 데이터를 처리하여 계량기의 사용량 검침값을 추출하는 영상 인식 처리장치; 상기 영상 인식 처리장치를 통하여 추출된 사용량 검침값을 원격 검침 관리장치로 전송하는 통신 장치; 및 상기 영상 인식 처리장치로부터 전송된 계량기의 사용량 검침값을 저장하고, 이를 기초로 각 수용가의 사용량을 분석하고, 사용량을 제어하는 원격 검침 관리장치를 포함하는 영상 인식 기반 계량기 원격 검침 시스템이 제공된다.

상기 영상 인식 처리장치는 계량기 숫자 영역을 검출한 후, 조명 정규화를 수행하고, 계량기 숫자 분할 방법을 통해 숫자 블랍을 검출하고, 분할된 숫자 데이터를 분류하여 숫자 인식을 수행한다.

상기 이미지 획득 장치는 계량기의 영상을 촬영하여 영상 데이터를 획득하는 이미지 센서부; 상기 계량기에 조명을 비추는 조명부; 상기 이미지 센서부와 조명부에 전원을 공급하는 전원부; 및 상기 이미지 센서부, 조명부 및 전원부의 동작을 제어하는 이미지 획득 제어부;를 포함한다.

상기 영상 인식 처리장치는 상기 이미지 획득 장치를 통하여 획득한 이미지로부터 계량기의 숫자 영역을 검출하는 숫자 영역 검출 유닛; 상기 숫자 영역 검출 유닛을 통하여 검출된 숫자 영역을 수직 분할을 수행한 후, 수직 분할된 숫자 영역에서 숫자를 분할하는 숫자 영역 분할 유닛; 및 신경망 분류기와 템플릿 매칭 분류기를 적용한 하이브리드 숫자 분류기를 이용하여 숫자를 분류하여 인식하는 숫자 인식 유닛을 포함한다.

상기 숫자 인식 유닛을 통하여 인식한 계량기 사용량 숫자 데이터를 저장하는 기능을 수행하는 메모리 유닛; 및 상기 숫자 영역 검출 유닛, 숫자 영역 분할 유닛, 숫자 인식 유닛 및 메모리 유닛의 동작을 제어하는 영상 인식 처리 제어유닛;을 더 포함한다.

상기 원격 검침 관리장치는 상기 영상 인식 처리장치로부터 전송되는 데이터를 수신하거나 또는 원격 검침 관리장치에서 전송하는 제어신호나 데이터를 각 수용가 단말기나 영상 인식 처리장치로 전송하는 데이터 통신 유닛; 상기 영상 인식 처리장치로부터 전송되는 데이터를 저장하는 데이터 베이스 유닛; 상기 영상 인식 처리장치로부터 전송된 계량기의 사용량 검침값을 기초로 각 수용가에서의 사용량을 실시간으로 분석하고, 모니터링하는 사용량 분석 유닛; 및 상기 사용량 분석 유닛의 분석 결과나 모니터링 결과를 기초로 각 수용가의 사용량을 제어하는 기능을 수행하는 사용량 제어 유닛을 포함한다.

상기 숫자 영역 검출 유닛은 계량기 이미지에서 조명 효과를 제거하는 조명 정규화 처리부; 계량기 이미지에서 후보 사각 영역을 형성하고, 그 다음 후보 사각 영역들 중 개략적 숫자 영역 부분을 결정하는 제1 숫자 영역 검출부; 계량기 이미지의 이진화 과정을 수행하는 이진화부; 및 상기 개략적 숫자 영역 부분에 대해서 수평 및 수직 투영기법을 이용하여 정교한 관심영역을 추출하는 제2 숫자 영역 검출부를 포함한다.

상기 조명 정규화 처리부는 조명 효과에 의한 변형 이미지와 조명 효과가 배제된 이미지 사이의 관계를 통해 조명효과를 제거하는 LN(Local Normalization) 기법을 이용한다.

상기 숫자 영역 분할 유닛은 숫자 구역 수직 분할을 수행하는 숫자 구역 수직 분할부; 및 각 숫자 영역에서 하나의 숫자를 포함하는 최소 사각형인 블랍(blob)을 검출하는 숫자 분할부를 포함한다.

상기 숫자 인식 유닛은 정규화를 수행하고, 정규화 이후에 영역 특징 벡터(zoning feature vector)와 투영 히스토그램 특징 벡터(projection histogram feature vector)를 통해 특징점을 추출한 후 조합하는 혼합 특징 벡터추출부;를 포함한다.

상기 숫자 인식 유닛은 상기 혼합 특징 벡터추출부로부터 추출된 혼합 특징 벡터를 이용하여 훈련되고 테스트되어, 일정 문턱치 이상의 경우에 숫자를 분류하는 기능을 수행하는 신경망 분류기를 더 포함한다.

상기 숫자 인식 유닛은 상기 신경망 분류기에서 거부된 숫자를 분류하는 템플릿 매칭 분류기를 더 포함한다.

사익 템플릿 매칭 분류기는 각 숫자에 대한 다양한 템플릿 이미지를 미리 데이터베이스로 구축하여 저장한 후, 저장된 이미지와 실제 추출된 숫자 블랍 이미지를 비교하여 분류한다.

연속적인 계량값과 실제값의 오차를 보정하는 숫자 인식 보정부;를 더 포함한다.

상기 숫자 인식 보정부는 처음 인식값을 저장하는 단계; 다음 번 인식 과정을 수행하는 단계; 숫자 인식을 성공했는지 판단하는 단계; 판단 결과, 숫자 인식을 성공한 경우에는 새로운 인식값을 저장한 후, 상기 다음 번 인식 과정을 수행하는 단계로 복귀하되, 숫자 인식을 실패한 경우에는 최초 인식값으로 대체한 후, 상기 다음 번 인식 과정을 수행하는 단계로 복귀하는 단계를 거쳐 오차를 보정하는 것을 특징으로 한다.

본 발명에 따르면, 현재 설치되어 있는 계량기들을 교체 하지 않고 검침 오류를 줄일 수 있으며, 전송 데이터 량을 줄일 수 있게 된다.

그리고, 계량기 숫자 값을 읽어 서버에 전송하여 실시간으로 사용량을 분석하여 사용량 제어 등을 통해 에너지 절약 효과를 얻을 수 있게 된다.

또한, 계량기의 특정적 환경 등에 좌우되지 않는 강인한 계량기 숫자 인식을 통하여 원격 검침 시스템의 설치 비용 및 오동작을 감소시킬 수 있다.

도 1은 본 발명의 실시예에 따른 영상 인식 기반 계량기 원격 검침 시스템의 개략적인 구성도이다.
도 2는 영상 인식 기반 계량기 원격 검침 시스템의 이미지 획득 장치의 개략적인 구성도이다.
도 3은 영상 인식 기반 계량기 원격 검침 시스템의 영상 인식 처리장치의 개략적인 구성도이다.
도 4는 영상 인식 기반 계량기 원격 검침 시스템의 원격 검침 관리장치의 개략적인 구성도이다.
도 5는 영상 인식 처리장치의 숫자 영역 검출 유닛의 개략적인 구성도이다.
도 6a 및 도 6b는 조명 정규화 이전의 원본 이미지 및 조명 정규화 결과 이미지를 나타낸 도이다.
도 7은 계량기 이미지의 이진화 결과 비교를 나타낸 도이다.
도 8은 수직 투영 히스토그램을 나타낸 도이다.
도 9는 분리지대 패턴을 제거하는 과정을 나타낸 도이다.
도 10은 정교한 숫자 영역을 추출하는 과정을 보여주는 도이다.
도 11은 영상 인식 처리장치의 숫자 영역 분할 유닛의 개략적인 구성도이다.
도 12a 및 도 12b는 계량기 타입별 이미지 및 숫자 분할을 통한 계량기 타입별 이미지를 각각 나타낸 도이다.
도 13은 영상 인식 처리장치의 숫자 인식 유닛의 개략적인 구성도이다.
도 14는 영역 특징 벡터의 구성을 나타낸 도이다.
도 15는 투영 히스토그램 특징 벡터의 구성을 나타낸 도이다.
도 16은 혼합 특징 벡터의 구성을 나타낸 도이다.
도 17은 신경망 분류기의 개략적인 구성도이다.
도 18은 일반적인 숫자 분할 결과 이미지를 나타낸 도이다.
도 19는 템플릿 매칭 테이블을 나타낸 도이다.
도 20은 템플릿 매칭 결과 이미지를 나타낸 도이다.
도 21은 신경망 분류기로 분류되지 못한 케이스를 나타낸 도이다.
도 22는 숫자 인식 유닛의 숫자 인식 보정부의 숫자 인식 보정 알고리즘을 나타낸 순서도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대해 상세히 설명한다.

도 1은 본 발명의 실시예에 따른 영상 인식 기반 계량기 원격 검침 시스템의 개략적인 구성도이다.

도 1을 참조하면, 본 발명에 따른 영상 인식 기반 계량기 원격 검침 시스템은 계량기(10), 이미지 획득 장치(100), 영상 인식 처리장치(200), 통신 장치(300), 통신망(400) 및 원격 검침 관리장치(500)를 포함한다.

계량기(10)는 전기, 수도, 가스 등의 사용량을 계측하는 장비이다. 현재 대부분의 자동 검침 시스템은 새로운 전자식 계량기를 사용하는데, 전자식 계량기는 계측된 사용량을 디지털로 읽어 서버에 전송한다. 그런데, 기존 계량기들은 디지털 사용량을 읽는 것이 지원되지 않거나, 디지털 사용량을 전송하는 모듈이 지원되지 않으며, 기존 계량기들은 프린트 휠 타입이나 7 세그먼트 LCD 타입으로 계량 숫자를 표시한다. 본 실시예의 경우 프린트 휠 타입의 기존 계량기들에 적용된다.

이미지 획득 장치(100)는 계량기의 숫자 영역에 대한 이미지를 촬영하여, 이미지를 획득하는 기능을 수행한다.

영상 인식 처리장치(200)는 이미지 획득 장치(100)에 획득한 영상 데이터를 처리하여 계량기의 사용량 검침 값을 추출하고, 추출된 사용량 검침값을 통신 장치를 통하여 원격 검침 관리장치로 전송한다.

영상 인식 처리장치(200)는 계량기 숫자 영역을 검출한 후, LN(Local Normalization) 처리 기법을 통해 조명 정규화를 수행하고, 계량기 숫자 분할 방법을 통해 숫자 블랍을 검출해 내고, 최종적으로 분할된 숫자 데이터를 분류하기 위해 하이브리드 숫자 분류기를 이용하여 숫자 인식을 수행한다.

계량기 숫자 인식은 많은 부분에서 차량 번호판 인식과 다른 특징적 환경을 가진다. 첫째로, 계량기들의 설치 환경은 다양하고 경우에 따라 열악한 조명 환경을 갖는다. 또한, 계량기들은 표면이 보통 유리나 투명 플라스틱으로 덮여 있어 표면으로부터의 반사가 나타날 수 있고 표면에 덮인 먼지 등으로 계량 숫자 이미지에 음영 또는 잡음이 나타날 수 있다. 경우에 따라 획득한 계량기 영상 이미지들에서 차량 번호판 이미지들에 비해 더 불균일한 조명, 숫자와 기타 영역간의 더 낮은 조도 대비, 더 심한 음영 및 포화 등이 나타날 수 있다. 둘째, 계량기의 숫자가 프린트 휠을 이용하여 나타내는 경우에 프린트 휠의 노화로 각 프린트 휠이 동일하게 동작하지 못해 하나의 숫자가 계기판에 나타나지 못하고 2개의 숫자가 부분적으로 같이 나타나거나 또는 각 숫자가 동일한 수직 위치로나타나지 않을 수 있다. 이는 문자 및 숫자가 고정 위치에 하나씩만 나타나는 차량 번호판의 경우와는 매우 다른 특징이다. 셋째, 계량기의 숫자표시 방법이 다양하고, 숫자 영역 근방에 여러 기호, 심볼, 문자 등이 나타나며, 숫자의 경우 분리지대 부분이 존재할 수 있다. 이러한 존재들은 영상 처리에 있어서 오동작의 요인들이 된다. 넷째, 계량기의 계량 숫자 폰트, 크기, 총 사용 숫자 개수 등의 경우가 차량 번호판의 경우보다 다양하다. 이에 본 발명서는 계량기의 특정적 환경 등에 좌우되지 않는 강인한 영상 인식 처리장치를 제안한다.

통신 장치(300)는 영상 인식 처리장치를 통하여 추출된 사용량 검침값을 원격 검침 관리장치로 전송한다. 본 실시예의 경우, 통신 장치로 RS-485 통신 및 USB를 사용한다. RS-485는 시리얼 통신 프로토콜 표준 규격 중 하나인 UART 통신 방식으로 RS-232의 개선버전이라 할 수 있다. RS-485의 경우 모든 장치들이 같은 라인 상에서 데이터 전송 및 수신을 할 수 있으며, 반이중 방식과 전 이중 통신 방식을 모두 지원한다. 그리고 최대 속도 10Mbps에 최대 통신 가능 거리가1.2km로 최대 통신 거리가 10m인 RS-232에 비해 빌딩 관리와 같은 원격 통신을 하는데 보다 유리하다. 본 실시예에서는 RS-485 통신을 통해 원격 검침 관리장치와의 통신으로 현재 계량기 숫자 데이터 값을 전송하는데 이용하게 되나, 이에 한정되는 것은 아니다.

원격 검침 관리장치(500)는 영상 인식 처리장치(200)로부터 전송된 계량기의 사용량 검침값을 저장하고, 이를 기초로 각 수용가에서의 사용량을 실시간으로 분석하고, 사용량을 제어하는 기능을 수행한다.

도 2는 영상 인식 기반 계량기 원격 검침 시스템의 이미지 획득 장치의 개략적인 구성도이다.

도 2를 참조하면, 이미지 획득 장치(100)는 이미지 센서부(110), 조명부(120), 전원부(130) 및 이미지 획득 제어부(140)를 포함한다.

이미지 센서부(120)는 계량기의 영상을 촬영하여 영상 데이터를 획득하는 기능을 수행한다. 본 실시예의 경우, CMOS 이미지 센서를 사용하였으며, 조명에 대한 영향을 줄이기 위한 필터를 추가로 구성할 수 있다. 한편, 본 실시예의 경우 이미지 센서부로 CMOS 이미지 센서를 사용하였으나, 이에 한정되는 것은 아니다.

조명부(120)는 촬영 대상 객체인 계량기에 조명을 비추는 기능을 수행한다. 전원부(130)는 이미지 센서부(110)와 조명부(120)에 전원을 공급하는 기능을 수행한다.

이미지 획득 제어부(140)는 이미지 센서부(110), 조명부(120) 및 전원부(130)의 동작을 제어하는 기능을 수행한다.

도 3은 영상 인식 기반 계량기 원격 검침 시스템의 영상 인식 처리장치의 개략적인 구성도이다.

도 3을 참조하면, 영상 인식 처리장치(200)는 숫자 영역 검출 유닛(210), 숫자 영역 분할 유닛(220), 숫자 인식 유닛(230), 메모리 유닛(240) 및 영상 인식 처리 제어유닛(250)을 포함한다.

숫자 영역 검출 유닛(210)은 이미지 획득 장치(100)를 통하여 획득한 이미지로부터 계량기의 숫자 영역을 검출하는 기능을 수행한다. 계량기의 숫자 영역의 정확한 검출은 영상 처리 시간의 절약과 정확한 인식을 위해 중요한 작업이며, 이를 위하여 숫자 영역 검출 유닛(210)은 계량기 데이터를 나타내는 전체 숫자들을 포함하는 개략적인 관심 영역을 검출한 후, 다시 정교한 사각 영역으로 줄이는 과정을 수행하여 숫자 영역을 검출한다.

숫자 영역 분할 유닛(220)은 숫자 영역 검출 유닛(210)을 통하여 검출된 숫자 영역을 수직 분할을 수행한 후, 수직 분할된 숫자 영역에서 숫자를 분할하는 기능을 수행한다.

숫자 인식 유닛(230)은 신경망 분류기와 템플릿 매칭 분류기를 적용한 하이브리드 숫자 분류기를 이용하여 숫자를 분류하여 인식한다. 즉, 숫자 인식 유닛(230)은 우선 신경망 분류기를 이용하여 숫자를 분류하고, 신경망 분류기를 통과하지 못하는 경우 템플릿 매칭 분류기를 이용하여 숫자를 분류한다.

메모리 유닛(240)은 숫자 인식 유닛(230)을 통하여 인식한 계량기 사용량 숫자 데이터를 저장하는 기능을 수행한다.

영상 인식 처리 제어유닛(250)은 숫자 영역 검출 유닛(210), 숫자 영역 분할 유닛(220), 숫자 인식 유닛(230) 및 메모리 유닛(240)의 동작을 제어한다.

도 4는 영상 인식 기반 계량기 원격 검침 시스템의 원격 검침 관리장치의 개략적인 구성도이다.

도 4를 참조하면, 원격 검침 관리장치(500)는 데이터 통신 유닛(510), 데이터 베이스 유닛(520), 사용량 분석 유닛(530), 사용량 제어 유닛(540) 및 관리 장치 제어 유닛(550)을 포함한다.

데이터 통신 유닛(510)은 영상 인식 처리장치(200)로부터 전송되는 데이터를 수신하거나 또는 원격 검침 관리장치(500)에서 전송하는 제어신호나 데이터를 각 수용가 단말기(미도시)나 영상 인식 처리장치(200)로 전송하는 기능을 수행한다.

데이터 베이스 유닛(520)은 영상 인식 처리장치(200)로부터 전송되는 데이터를 저장하는 기능을 수행한다.

사용량 분석 유닛(530)은 영상 인식 처리장치(200)로부터 전송된 계량기의 사용량 검침값을 기초로 각 수용가에서의 사용량을 실시간으로 분석하고, 모니터링하는 기능을 수행한다.

사용량 제어 유닛(540)은 사용량 분석 유닛(530)이 분석 결과나 모니터링 결과를 기초로각 수용가의 사용량을 제어하는 기능을 수행한다.

관리 장치 제어 유닛(550)은 데이터 통신 유닛(510), 데이터 베이스 유닛(520), 사용량 분석 유닛(530) 및 사용량 제어 유닛(540)의 동작을 제어하는 기능을 수행한다.

도 5는 영상 인식 처리장치의 숫자 영역 검출 유닛의 개략적인 구성도이며, 도 6a 및 도 6b는 조명 정규화 이전의 원본 이미지 및 조명 정규화 결과 이미지를 나타낸 도이며, 도 7은 계량기 이미지의 이진화 결과 비교를 나타낸 도이며, 도 8은 수직 투영 히스토그램을 나타낸 도이며, 도 9는 분리지대 패턴을 제거하는 과정을 나타낸 도이고, 도 10은 정교한 숫자 영역을 추출하는 과정을 보여주는 도이다.

도 5를 참조하면, 영상 인식 처리장치의 숫자 영역 검출 유닛(210)은 조명 정규화 처리부(211), 제1 숫자 영역 검출부(212), 이진화부(213), 제2 숫자 영역 검출부(214) 및 숫자 영역 검출 제어부(215)를 포함한다.

조명 정규화 처리부(211)는 조명 효과에 의한 변형 이미지와 조명 효과가 배제된 이미지 사이의 관계를 통해 조명 효과를 제거하여 조명 정규화를 수행한다. 계량기 이미지는 환경에 따라 다양한 조명 효과가 나타나게 되는데 이러한 이미지를 획득 후 인식 알고리즘을 수행하는 경우 올바른 결과를 얻을 수 없다. 계량기의 경우 설치된 환경이 밀폐된 공간에 설치되는 경 우가 많아 저조도 또는 음영이 생기는 경우가 다수 나타나게 되는데 이러한 경우에도 강인하게 인식을 수행하기 위해 조명 개선 전처리 과정이 필수적이다.

본 발명의 실시예의 경우, LN(Local Normalization) 기법을 이용하여 조명 효과에 의한 변형 이미지와 조명 효과가 배제된 이미지 사이의 관계를 통해 효율적으로 조명효과를 제거함으로써 조명 정규화를 수행한다.

도 6a 및 도 6b에는 조명 정규화 이전의 원본 이미지 및 조명 정규화 결과 이미지가 도시된다. 이는 저조도의 입력 영상에 대해 조명 정규화를 수행한 결과 이미지로 빛이 거의 없는 상태의 저조도 이미지임에도 조명 정규화 후 명암 대비가 뚜렷해지는 것을 확인할 수 있다.

제1 숫자 영역 검출부(212)는 이미지에서 개략적 숫자 사각 영역을 검출하는 기능을 수행한다. 제1 숫자 영역 검출부(212)는 우선 후보 사각 영역을 형성하고, 그 다음 후보 사각 영역들 중 최종 개략적 사각 관심 영역을 결정한다.

실제 관심 영역이 되는 사각 영역의 경우, 수직 에지점 밀도를 계산하여 밀도가 가장 높은 사각 영역을 택하게 된다. 수직 에지점들은 LSD(Line Segment Detector) 알고리즘에 의해 추출된 라인 세그먼트의 점들을 의미하고 수직 에지점 밀도라 함은 사각형 높이 대 수직 에지점의 비율을 말한다. 이때 수직 에지점 밀도가 높은 경우 숫자들을 포함할 가능성이 높음을 의미하므로 수직 에지점 밀도가 가장 큰 사각 영역을 개략적 관심 영역으로 선택하게 된다.

이진화부(213)는 계량기 이미지의 이진화 과정을 수행한다. 이진화는 영상 이미지를 전경과 배경으로 구분하는 효과적인 영상 분할 방법으로 원 영상이 갖고 있는 복잡한 정보를 후속 단계에서 필요로 하는 축약된 소량의 정보로 변환하는 과정이다. 이진화부(213)를 통하여 이진화 과정을 거치게 되면, 차후 숫자 분할을 하는데 있어 통일된 처리를 위해 전경 숫자는 흰색으로, 배경은 검정색으로 표현된다.

본 실시예의 경우, 본 논문에서는 여러 이진화 기법 중 실험을 통해 가장 성능이 좋은 지역 에지 기반 문턱치 이진화 기법을 사용하여 앞서 추출한 개략적 관심 영역에 적용하였다. 본 실시예에서 적용한 지역 에지 기반 문턱치 기법은 국소적 기법 중 하나로, 입력 이미지로부터 텍스트 영역을 추출하기 위해 효과적으로 사용될 수 있는 문턱치 값을 계산하기 위한 픽셀 블록(window) 상의 지역 에지 성질을이용한다. 우선, 에지 검출 알고리즘을 이용하여 에지 점들을 추출한 후, 이진화를 위한 문턱치 값을 설정하기 위해 에지 픽셀과 에지 이미지를 이용한다.

도 7은 계량기 이미지의 이진화 결과 비교를 나타낸 도이며, (a) 원본 이미지. (b) 전역Otsu 기법, (c) 지역 Otsu 기법, (d) Niblack 기법, (e) 전역 에지 기반 문턱치 기법, (f) 지역 에지 기반 문턱치 기법, (g) 적응형 문턱치기법을 나타낸다.

제2 숫자 영역 검출부(214)는 앞서 획득한 개략적 숫자 영역 부분에 대해서 수평 및 수직 투영기법을 이용하여 정교한 관심영역을 추출하는 기능을 수행한다. 수직 투영이란 수직 라인상의 흰색 픽셀 즉, 숫자에 해당하는 픽셀 개수의 히스토그램이며, 수평 투영은 수평 라인에 위치하는 흰색 픽셀의 개수에 대해 히스토그램을 획득하는 것이다. 이를 이용하여 보다 정교한 숫자 영역을 검출이 가능해진다.

한편, 특정 계량기의 경우는 분리지대 패턴이 나타나게 되는데, 이러한 경우 분리지대를 제거해 주지 않게 되면 이진화 시 숫자 픽셀과 같은 흰색 픽셀로 처리되기 때문에 이후 진행되는 숫자 분할시 통일적인 알고리즘을 수행하기 힘들어진다. 따라서, 분리지대를 제거해 줄 필요가 있으며, 분리지대 제거 역시 수직 투영 히스토그램을 이용하게 된다. 도 8은 수직 투영 히스토그램을 나타낸 도이며, 도 9는 분리지대 패턴을 제거하는 과정을 나타낸 도이다.

도 10은 정교한 숫자 영역을 추출하는 과정을 보여주는 도이며, 도 10(a)는 개략적 관심 영역, (b)는 이진화이미지, (c)는 좌우 불필요한 부분 제거한 이미지, (d)는 분리지대 패턴 제거한 이미지이고, (e)는 정교한숫자 영역 추출한 이미지이다.

도 11은 영상 인식 처리장치의 숫자 영역 분할 유닛의 개략적인 구성도이며, 도 12a 및 도 12b는 계량기 타입별 이미지 및 숫자 분할을 통한 계량기 타입별 이미지를 각각 나타낸 도이다.

도 11을 참조하면, 숫자 영역 분할 유닛(220)은 숫자 구역 수직 분할부(221) 및 숫자 분할부(222)를 포함한다.

숫자 구역 수직 분할부(221)는 숫자 구역 수직 분할을 수행한다. 이를 위하여, 숫자 구역 수직 분할부(221)는 수직 투영 히스토그램에 근거하여 세그먼트를 수집하고, 이 후 두 세그먼트가 기준 너비에 비해 너무 가까울 경우 합치고, 모든 세그먼트에 대해 기준 너비를 재계산 후 기준 너비 보다 세그먼트 사이가 비교적 좁을 경우에는 세그먼트 사이의 너비를 확장시킨다.

숫자 분할부(222)는 각 숫자 영역에서 하나의 숫자를 포함하는 최소 사각형인 블랍(blob)을 검출하는 기능을 수행한다.블랍은 동일한 성질을 가지는 연결된 화소들의 집합을 의미한다.

분리된 각 숫자 영역에는 계량기 특성상 숫자의 일부분만 나타나거나 하나의 숫자가 분리된 조각으로 나타나는 경우, 그리고 숫자와 상관없는 전경 화소가 나타날 수 있다. 이와 반대로 숫자에 해당하는 전경 화소가 누락되어 배경 화소로 나타날 수 있다. 이에 따라 이를 정정하는 화소 정정 과정이 필요한데 이러한 화소 정정은 일반적으로 모폴로지 연산을 통해 처리한다.

또한, 구분된 숫자 영역에서 숫자만을 포함하는 전경 화소 블랍을 추출하여야 하는데, 본 실시예의 경우, 블랍 추출시 연결요소 레이블링(CCL:Connected Component Labeling)기법을 사용하였다. 연결 요소 레이블링은 이미지를 스캔하고 픽셀 상의 연결성을 기반으로 픽셀들의 그룹을 형성하는 방법이다.

도 12a 및 도 12b에는 계량기 타입별 이미지 및 숫자 분할을 통한 계량기 타입별 이미지를 각각 도시된다.

도 13은 영상 인식 처리장치의 숫자 인식 유닛의 개략적인 구성도이며, 도 14는 영역 특징 벡터의 구성을 나타낸 도이며, 도 15는 투영 히스토그램 특징 벡터의 구성을 나타낸 도이며, 도 16은 혼합 특징 벡터의 구성을 나타낸 도이며, 도 17은 신경망 분류기의 개략적인 구성도이고, 도 18은 일반적인 숫자 분할 결과 이미지를 나타낸 도이며, 도 19는 템플릿 매칭 테이블을 나타낸 도이며, 도 20은 템플릿 매칭 결과 이미지를 나타낸 도이고, 도 21은 신경망 분류기로 분류되지 못한 케이스를 나타낸 도이고, 도 22는 숫자 인식 유닛의 숫자 인식 보정부의 숫자 인식 보정 알고리즘을 나타낸 순서도이다.

도 13을 참조하면, 숫자 인식 유닛(230)은 혼합 특징 벡터추출부(231), 신경망 분류기(232), 템플릿 매칭 분류기(233), 숫자 인식 보정부(234) 및 숫자 인식 제어부(235)를 포함한다.

혼합 특징 벡터추출부(231)는 정규화를 수행하고, 정규화 이후에 영역 특징 벡터(zoning feature vector)와 투영 히스토그램 특징 벡터(projection histogram feature vector)를 통해 특징점을 추출한 후 조합하는 기능을 수행한다. 최종적으로 조합된 특징 벡터를 이용하여 신경망을 통한 학습과 테스트에 이용하게 된다.

특징 벡터는 숫자 크기와 사용된 폰트 타입에 대해 강인한 특성을 가져야 한다. 따라서, 본 실시예에 따른 혼합 특징 벡터추출부(231)는 정규화 방법을 통해 정규화를 수행한다. 먼저, 숫자 영역의 종횡비(aspect ratio) 정규화를 수행해야 하는데 그 이유는 숫자 ‘1’의 경우 다른 숫자에 비해 너비가 아주 작다. 이에 따라 다른 숫자와의 차이를 줄이기 위해 종횡비 정규화를 수행하며, 하게 되는데, 숫자 영역 사각형 높이 및 너비의 비가 문턱치(예를 들면 1.7)보다 적을 경우 너비를 키우는 방식이다.

이 후 기하학적 정규화를 수행하게 된다. 우선, 첫 번째 방식인 영역 특징 벡터(zoning feature vector)의 경우 통계적 특징 벡터 방식 중 하나로 숫자를 포함하는 블랍 이미지가 서로 겹쳐지거나 겹치지 않는 영역으로 도 14에 도시된 같이 4×4 크기의 16개 영역으로 분할되고, 각 분할 영역의 흰색 픽셀 수가 계산된다.

그 다음, 투영 히스토그램 특징 벡터(projection histogram feature vector)을 통해 특징 벡터가 계산되어 진다. 투영 히스토그램 특징 벡터는 우선적으로 앞선 블랍에 포함된 숫자에 대해 도 15에와 같이 세선화를 적용하여 문자 모양을 그래프로 단순화 하게 된다. 세선화를 거친 후 수평 및 수직 방향으로 이미지의 흰색 픽셀을 투영하여 해당 픽셀 숫자를 계산하게 된다.

도 14는 영역 특징 벡터의 구성을 보여주고 있다. 영역 특징 벡터의 경우 흰색 픽셀 개수에 따라 특징 벡터를 3bit로 표현하게 된다. 도 15는 투영 히스토그램 특징 벡터의 구성을 나타낸다.

본 실시예서는 최종적으로 숫자 인식을 위해 사용되는 특징벡터는 영역

특징 벡터와 투영 히스토그램 특징 벡터에 대한 혼합으로 [수학시 1]과 도 16과 같이 혼합 특징 벡터로 구성된다.

신경망 분류기(232)는 혼합 특징 벡터추출부(231)로부터 추출된 혼합 특징 벡터를 이용하여 훈련되고 테스트되어, 일정 문턱치 이상의 경우에 숫자를 분류하는 기능을 수행한다.

템플릿 매칭 분류기(233)는 일정 문턱치 이하로 신경망 분류기를 통과하지 못하는 경우는 휴리스틱 규칙을 적용하여 신경망 분류기에서 거부된 숫자를 분류하는 기능을 수행한다.

이와 같이, 본 실시예의 경우, 신경망 분류기(232)와 템플릿 매칭 분류기(233)를 조합한 하이브리드 숫자 분류기를 이용하여 숫자를 분류한다.

신경망 분류기(232)는 다계층 전방향(multilayer feed-forward)의 네트워크로 구성된 역전파 신경망으로 구성한다. 주어진 입력 자료에 대해 가중치 계산 과정에 의해 출력 값이 생성되는 방식으로 입력층(input layer)와 은닉 층(hidden layer), 그리고 출력 층(output layer)로 구성되는데, 본 실시예의 경우 C코드를 기반으로 도 17에 도시된 바와 같이 176개의 입력층, 88개의 은닉 층, 10개의 출력층으로 학습기를 설계하였다. 그러나, 본 발명에 따른 신경망 분류기가 이에 한정되는 것은 아니다.

입력층의 개수는 혼합 특징 벡터의 개수와 같으며, 출력층은 (0, 1, 2,..., 9)까지의 숫자를 분류하기 위해 2bit로 즉, 0과 1의 조합으로 총 10개의 뉴론 노드(node)로 구성된다. 그리고 숫자 분류는 하나의 출력 노드 값이 0.85 이상이며 나머지 출력 노드의 값이 0.25 이하일 경우 해당 노드의 값으로 분류를 하게 된다. 숫자 데이터는 세가지 계량기 타입에 대해 숫자 당 500개의 샘플을 이용하여 학습을 하였고, Iteration은 1만번을 설정해주었다. 학습 후 저장된 가중치 값을 이용하여 계량기 숫자 인식에 사용하였다.

이때 신경망 분류기(232)를 통해 해당 숫자가 분류되지 못한 경우는 다음 단계인 템플릿 매칭 분류기(233)로 넘겨진다. 계량기의 경우 타입에 따라 글씨체의 차이도 존재하지만 추가적으로 고려해야 할 부분이 있다. 아날로그 타입의 계량기는 숫자가 넘어가는 구간 사이에 두 숫자가 동시에 관심 영역에 표시되는 구간이 나오게 된다.

이에 따라 블랍을 검출하게 되면, 도 18과 같이 완전한 하나의 숫자 모양이 아닌 일정 부분만이 포함된 숫자 블랍이 검출되는 경우가 나타난다.

템플릿 매칭은 특징 벡터를 추출하여 비교를 하는 신경 회로망과 달리 실제 추출된 숫자 블랍 이미지를 이용한 비교하는 방식이다. 설계 구현된 템플릿 매칭은 각 숫자에 대해 다양한 템플릿 이미지를 미리 데이터베이스로 구축 한 후 저장하여 이를 매칭에 이용하게 된다. 템플릿 매칭은 신경망에서 분류되지 못한 숫자 이미지와 모든 숫자로 구성된 템플릿 매칭 테이블과의 상관관계를 계산한다. 도 19와 같이 구성된 50개의 템플릿 세트와 정규화 된 분할 이미지에 대해 상관 관계를 계산하여 나온 매칭 스코어(value)를 이용하여 미리 설정해 놓은 휴리스틱 규칙에 의해 분류를 판정하게 된다.

템플릿 매칭 스코어가 계산되는 과정은 입력으로 들어오는 숫자 블랍 이미지에 대해 미리 준비된 템플릿 매칭 테이블의 0에서 9까지의 총 50개 테이블과 비교를 진행하고, 비교 숫자 테이블별로 매칭 스코어가 높은 순으로 3순위까지 저장된다. 최종적으로 총 30개의 매칭 스코어가 다시 높은 순으로 정렬되고, 이때 각각의 매칭 결과 값은 도 20에서 보는 바와 같이 매칭 스코어(value)와 해당 분류 숫자를 나타내는 number로 구성되어 진다.

템플릿 매칭을 통해 숫자가 분류되는 경우 위에서 거론한 바와 같이 휴리스틱 규칙(rule)을 적용하여 최종적으로 분류를 수행한다. 휴리스틱 규칙은 역전파 신경망으로 분류되지 못한 숫자에 대해 이후 진행되는 템플릿 매칭의 분류 규칙이다. 신경망으로 분류하는 경우 각 해당 노드에 대한 가중치 값을 이용하여 분류를 수행하지만 이때 강인한 분류를 수행하기 위해서는 제약된 기준을 설정할 수밖에 없다. 이에 따라 완전한 숫자 형태가 아닌 형태로 블랍이 추출되는 경우 신경망만으로는 해당 숫자를 분류되지 못하는 경우가 많이 나타난다. 하지만 신경망에서 설정한 기준에는 미달하지만 실제 입력된 블랍이 나타내는 숫자에 대해 일정 이상의 가중치를 나타내는 것으로 발견되었다.

도 21이 위와 같은 케이스 중 하나로 계량기 숫자 마지막 자리인 ‘3’에 대해 신경망의 분류 기준인 한 노드의 가중치(value) 0.85 이상 다른 노드 0.25 이하라는 기준에 미달하여 ‘3’으로 분류되지 못하였지만, 실제 ‘3’에 해당하는 노드의 가중치 값이 다른 노드의 가중치에 비해 높은 값을 나타내는 것을 확인할 수 있다. 이에 따라 보완적으로 분류를 수행하기 위해 템플릿 매칭을 추가하였으며, 이 때 최종적으로 분류를 수행하는데 있어 기준으로 정해 놓은 것이 바로 휴리스틱 규칙이다.

본 발명의 실시예에서 설계한 휴리스틱 규칙은 다음과 같다.

[규칙 1~2]는 순수하게 템플릿 매칭을 통해 나온 매칭 스코어(value) 값만을 이용하여 분류를 수행하는 규칙이며, [규칙 3~5]는 매칭 스코어와 앞서 진행된 역전파 신경 회로망에서 계산된 가중치 값을 혼합하여 규칙을 설정하였다.

[규칙 1] 가장 큰 매칭 스코어(value)가 80 이상이면 해당 매칭 number를 최종 숫자로 판별

[규칙 2] 가장 큰 매칭 스코어의 number와 두 번째 큰 매칭 스코어의 number가 같고 그 둘의 매칭 스코어가 70 이상이면 해당 number를 최종 숫자로 판별

[규칙 3] 신경망의 가장 큰 가중치 값이 0.05 이상이며 해당 가중치 노드의 number가 가장 큰 매칭 스코어의 number와 일치하는 경우 해당 number를 최종 숫자로 판별

[규칙 4] 신경망의 가장 큰 노드의 가중치 값이 0.7 이상이며 해당 가중치 노드의 number가 매칭 스코어 50 이상인 number 중에 일치하는 number가 있는 경우 해당 number를 최종 숫자로 판별

[규칙 5] 신경망의 가장 큰 가중치 값을 가진 노드의 number와 매칭 스코어 60 이상인 number 중에 일치하는 number가 있는 경우 해당 number를 최종 숫자로 판별

숫자 인식 보정부(234)는 연속적인 계량값과 실제값의 오차를 보정하는 기능을 수행한다.

실제 원격 검침기를 이용하여 계량기 숫자 데이터를 읽어 들이는 경우 3초당 한번 씩 연속적으로 계량기의 숫자를 읽어 인식을 수행하게 된다. 이때 계량기 숫자 분할 시에 완전한 형태의 숫자를 추출하게 되면 99% 이상의 높은 인식률을 보이지만, 프린트 휠을 통해 숫자가 아래에서 위로 이동하는 동안 항상 완전한 형태의 숫자로 블랍을 획득한다는 것은 사실상 힘들다. 실제 대부분의 시간 동안 일부분만이 포함된 숫자 이미지로 블랍이 추출되고 이에 따라 인식률 역시 낮아질 수밖에 없다. 숫자 인식 보정부(234)는 이를 보정하기 위하여 도 22에 도시된 바와 같은 인식 보정 알고리즘을 통하여 연속적인 계량값과 실제값의 오차를 보정한다.

도 22를 참조하면, 우선 처음 인식값을 저장하는 과정을 수행한다(S110). 그리고 나서, 다음 번 인식 과정을 수행한다(S120).

숫자 인식을 성공했는지 판단하는 과정을 수행한다(S130).

판단 결과, 숫자 인식을 성공한 경우에는 새로운 인식값을 저장한 후, S120 과정으로 복귀한다(S140).

한편, 판단 결과, 숫자 인식을 실패한 경우에는 최초 인식값으로 대체한 후, S120 과정으로 복귀한다(S150).

이상에서 설명한 것은 본 발명에 따른 영상 인식 기반 계량기 원격 검침 시스템의 예시적인 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이, 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.

10 : 계량기
100 : 이미지 획득 장치
200 : 영상 인식 처리 장치
300 : 통신 장치
400 : 통신망
500 : 원격 검침 관리 장치

Claims

영상 인식 기반 계량기 원격 검침 시스템에 있어서,
계량기의 이미지를 촬영하여, 이미지를 획득하는 이미지 획득 장치;
상기 이미지 획득 장치에 획득한 영상 데이터를 처리하여 계량기의 사용량 검침값을 추출하는 영상 인식 처리장치;
상기 영상 인식 처리장치를 통하여 추출된 사용량 검침값을 원격 검침 관리장치로 전송하는 통신 장치; 및
상기 영상 인식 처리장치로부터 전송된 계량기의 사용량 검침값을 저장하고, 이를 기초로 각 수용가의 사용량을 분석하고, 사용량을 제어하는 원격 검침 관리장치;를 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제1항에 있어서,
상기 영상 인식 처리장치는 계량기 숫자 영역을 검출한 후, 조명 정규화를 수행하고, 계량기 숫자 분할 방법을 통해 숫자 블랍을 검출하고, 분할된 숫자 데이터를 분류하여 숫자 인식을 수행하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제1항에 있어서,
상기 이미지 획득 장치는,
계량기의 영상을 촬영하여 영상 데이터를 획득하는 이미지 센서부;
상기 계량기에 조명을 비추는 조명부;
상기 이미지 센서부와 조명부에 전원을 공급하는 전원부; 및
상기 이미지 센서부, 조명부 및 전원부의 동작을 제어하는 이미지 획득 제어부;를 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제1항에 있어서,
상기 영상 인식 처리장치는,
상기 이미지 획득 장치를 통하여 획득한 이미지로부터 계량기의 숫자 영역을 검출하는 숫자 영역 검출 유닛;
상기 숫자 영역 검출 유닛을 통하여 검출된 숫자 영역을 수직 분할을 수행한 후, 수직 분할된 숫자 영역에서 숫자를 분할하는 숫자 영역 분할 유닛; 및
신경망 분류기와 템플릿 매칭 분류기를 적용한 하이브리드 숫자 분류기를 이용하여 숫자를 분류하여 인식하는 숫자 인식 유닛;을 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제4항에 있어서,
상기 숫자 인식 유닛을 통하여 인식한 계량기 사용량 숫자 데이터를 저장하는 기능을 수행하는 메모리 유닛; 및
상기 숫자 영역 검출 유닛, 숫자 영역 분할 유닛, 숫자 인식 유닛 및 메모리 유닛의 동작을 제어하는 영상 인식 처리 제어유닛;을 더 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제1항에 있어서,
상기 원격 검침 관리장치는,
상기 영상 인식 처리장치로부터 전송되는 데이터를 수신하거나 또는 원격 검침 관리장치에서 전송하는 제어신호나 데이터를 각 수용가 단말기나 영상 인식 처리장치로 전송하는 데이터 통신 유닛;
상기 영상 인식 처리장치로부터 전송되는 데이터를 저장하는 데이터 베이스 유닛;
상기 영상 인식 처리장치로부터 전송된 계량기의 사용량 검침값을 기초로 각 수용가에서의 사용량을 실시간으로 분석하고, 모니터링하는 사용량 분석 유닛; 및
상기 사용량 분석 유닛의 분석 결과나 모니터링 결과를 기초로 각 수용가의 사용량을 제어하는 기능을 수행하는 사용량 제어 유닛;을 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제4항에 있어서,
상기 숫자 영역 검출 유닛은,
계량기 이미지에서 조명 효과를 제거하는 조명 정규화 처리부;
계량기 이미지에서 후보 사각 영역을 형성하고, 그 다음 후보 사각 영역들 중 개략적 숫자 영역 부분을 결정하는 제1 숫자 영역 검출부;
계량기 이미지의 이진화 과정을 수행하는 이진화부; 및
상기 개략적 숫자 영역 부분에 대해서 수평 및 수직 투영기법을 이용하여 정교한 관심영역을 추출하는 제2 숫자 영역 검출부;를 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제7항에 있어서,
상기 조명 정규화 처리부는 조명 효과에 의한 변형 이미지와 조명 효과가 배제된 이미지 사이의 관계를 통해 조명효과를 제거하는 LN(Local Normalization) 기법을 이용하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제4항에 있어서,
상기 숫자 영역 분할 유닛은,
숫자 구역 수직 분할을 수행하는 숫자 구역 수직 분할부; 및
각 숫자 영역에서 하나의 숫자를 포함하는 최소 사각형인 블랍(blob)을 검출하는 숫자 분할부;를 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제4항에 있어서,
상기 숫자 인식 유닛은,
정규화를 수행하고, 정규화 이후에 영역 특징 벡터(zoning feature vector)와 투영 히스토그램 특징 벡터(projection histogram feature vector)를 통해 특징점을 추출한 후 조합하는 혼합 특징 벡터추출부;를 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제10항에 있어서,
상기 숫자 인식 유닛은,
상기 혼합 특징 벡터추출부로부터 추출된 혼합 특징 벡터를 이용하여 훈련되고 테스트되어, 일정 문턱치 이상의 경우에 숫자를 분류하는 기능을 수행하는 신경망 분류기;를 더 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제11항에 있어서,
상기 숫자 인식 유닛은,
상기 신경망 분류기에서 거부된 숫자를 분류하는 템플릿 매칭 분류기;를 더 포함하는 것을 특징으로 영상 인식 기반 계량기 원격 검침 시스템.
제12항에 있어서,
사익 템플릿 매칭 분류기는 각 숫자에 대한 다양한 템플릿 이미지를 미리 데이터베이스로 구축하여 저장한 후, 저장된 이미지와 실제 추출된 숫자 블랍 이미지를 비교하여 분류하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제11항에 있어서,
연속적인 계량값과 실제값의 오차를 보정하는 숫자 인식 보정부;를 더 포함하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.
제14항에 있어서,
상기 숫자 인식 보정부는,
처음 인식값을 저장하는 단계; 다음 번 인식 과정을 수행하는 단계; 숫자 인식을 성공했는지 판단하는 단계; 판단 결과, 숫자 인식을 성공한 경우에는 새로운 인식값을 저장한 후, 상기 다음 번 인식 과정을 수행하는 단계로 복귀하되, 숫자 인식을 실패한 경우에는 최초 인식값으로 대체한 후, 상기 다음 번 인식 과정을 수행하는 단계로 복귀하는 단계를 거쳐 오차를 보정하는 것을 특징으로 하는 영상 인식 기반 계량기 원격 검침 시스템.