KR20220016255A - 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버 - Google Patents

동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버 Download PDF

Info

Publication number
KR20220016255A
KR20220016255A KR1020220009687A KR20220009687A KR20220016255A KR 20220016255 A KR20220016255 A KR 20220016255A KR 1020220009687 A KR1020220009687 A KR 1020220009687A KR 20220009687 A KR20220009687 A KR 20220009687A KR 20220016255 A KR20220016255 A KR 20220016255A
Authority
KR
South Korea
Prior art keywords
islands
outline
inscription
island
center
Prior art date
Application number
KR1020220009687A
Other languages
English (en)
Other versions
KR102551821B1 (ko
Inventor
백영현
Original Assignee
주식회사 유니온커뮤니티
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 주식회사 유니온커뮤니티 filed Critical 주식회사 유니온커뮤니티
Priority to KR1020220009687A priority Critical patent/KR102551821B1/ko
Publication of KR20220016255A publication Critical patent/KR20220016255A/ko
Application granted granted Critical
Publication of KR102551821B1 publication Critical patent/KR102551821B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버가 개시된다. 본 발명은 비문을 이루는 복수 개의 섬(Island)들이 표시된 비문 이미지에서 개별 섬마다 무게중심의 좌표를 계산한 다음, 무게 중심을 기점으로 하여 섬의 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나를 해당 섬을 대표하는 특징벡터로 결정하는 방법을 제시한다.

Description

동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버{Method and Apparatus for Analysing Pattern Feature of Muzzle Print Images, and Software Distribution Server for Publishing Softwares for the Method}
본 발명은 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버에 관한 것이다.
전통적으로 동물 개체 인식 방법은 플라스틱이나 바코드가 있는 귀표(Electronic Ear Tag)를 붙이는 방법, 목에 숫자가 적인 태그를 이용하는 방법(Neck Chain), 몸에 페인트를 칠하거나(Paint Branding) 문신을 새기는 방법(Tattooing)이 사용되었다.
현재는 마이크로 칩과 안테나를 귀표에 넣거나 피부조직에 이식(Injectable Transponder)하여 비접촉 무선기술로 인식하는 방법이 널리 활용되고 있다. 이 방법은 장치를 일부러 훼손하거나 위변조할 경우 개체를 구별할 수 없다는 약점이 있다. 또한, 일부 연구에 의하면 동물 개체 내로 삽입된 마이크로 칩과 안테나를 둘러싼 물질이 동물 조직에 종양이 생기거나 조직이 괴사하는 현상이 생기는 것으로 알려져 동물에게 안전하지 않은 방법이 되었다.
동물 개체의 고유 생체 정보인 비문도 사람의 지문처럼 개체 유일성이 있다. 비문 인증은 비문의 이미지를 획득하여, 그 주름 등의 패턴 이미지의 특징을 등록하였다가 같은 동물인지 인증하는 방식이다.
비문인증에서 비문 이미지를 획득하는 방식은 카메라를 이용하여 비문을 촬영하는 비접촉 방식이 있고, 지문 이미지를 획득하듯 직접 접촉하여 획득하는 접촉방식이 있다. 동물의 코는 촉촉하게 습기가 있는 상태이기 때문에 비문을 카메라로 촬영하는 방식은 주변의 조명 상태에 아주 많은 영향을 받아서 주름 모양을 인식할 수 있는 이미지를 획득하는 것이 쉽지 않다. 또한, 일정한 수준의 해상도를 유지하기 어렵고 각도 및 포즈에 따른 인증율이 낮아지는 문제도 생긴다.
접촉방식으로는 프리즘을 이용하여 광학적인 방법으로 비문 이미지를 획득하는 것이다. 예를 들어, 대한민국 등록특허 제1706345호는 프리즘을 이용한 광학식의 비문인증장치를 제시하였다. 이 방식은 지문 인식에 사용하는 광학식 지문 획득 방식을 그대로 적용한 것이다. 광학식 비문 이미지 획득에서도 동물의 코가 젖어 있는 상태라는 점을 고려해야 한다.
획득된 비문 이미지는 영상처리과정을 거쳐 비문 특징을 추출하여 특징 정보를 포함한 템플릿을 생성한다.
[관련선행기술]
1. 대한민국 등록특허 제1706345호 (애완견 관리를 위한 비문 인식처리장치)
본 발명의 목적은 동물의 비문 이미지 패턴의 특징을 분석하는 방법 및 그 방법을 수행하는 장치를 제공함에 있다.
본 발명의 다른 목적은 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버를 제공함에 있다.
상기 목적을 달성하기 위해 본 발명에 따른 비문 인식방법은 동물의 비문 고유 패턴 특징 분석 기법을 제한한다. 비문을 이용한 개체 인식의 성능은 비문을 구성하고 있는 개별 패턴의 고유 형태, 위치, 방향 특징 정보를 정확히 추출하는 것에서 시작한다. 제안된 알고리즘은 고유 비문 패턴 하나마다 갖고 있는 객체 무게 중심, 객체 크기, 객체 무게중심과 내부 근사화 꼭지점 간의 거리 정보로 구성된다. 하나의 비문 형태에서 추출된 특징을 바탕으로 서로 이웃 되는 비문 패턴과의 위치와 방향의 상관관계를 추정하여 비문 매칭을 수행하게 된다
동물의 비문 이마지 패턴의 특징을 분석하는 방법은 비문을 이루는 복수 개의 섬(Island)들이 표시된 비문 이미지를 생성하는 단계와, 상기 섬마다 무게중심의 좌표를 계산하는 단계와, 상기 무게 중심을 기점으로 하여 상기 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나를 상기 섬을 대표하는 특징벡터로 결정하는 단계와, 상기 특징벡터를 상기 비문의 특징 데이터로 이용하는 단계를 포함한다. 여기서, 상기 섬은 상기 비문 이미지 내에서 외곽선이 단일 폐곡선으로 표시된 덩어리 패턴임.
특징 벡터의 결정
상기 특징벡터로 결정하는 방법 중 하나는, 상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이가 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것이다. 여기서, 상기 조건은 길이가 가장 길거나 가장 짧은 것 또는 n (n은 1보다 큰 자연수)번째 길이인 것일 수 있다.
상기 특징벡터로 결정하는 다른 방법 중 하나는 상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것이다.
상기 특징벡터로 결정하는 또 다른 방법 중 하나는 상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이와 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것이다.
외곽선의 근사화
한편, 실시 예에 따라, 본 발명의 방법은 상기 섬마다 상기 외곽선을 다각형으로 근사화하는 단계를 더 포함할 수 있다. 상기 특징벡터로 결정하는 단계는 상기 무게 중심에서 상기 다각형의 꼭지점들을 개별적으로 잇는 적어도 하나의 벡터 중에서 상기 특징벡터를 선택할 수 있다.
유효 섬의 추출
한편, 실시 예에 따라, 본 발명의 방법은 상기 복수 개의 섬들 중에서 노이즈를 제거하고 유효 섬들을 추출하는 단계를 더 포함할 수 있다. 상기 무게중심의 좌표를 계산하는 단계, 특징벡터로 결정하는 단계 또는 외곽선을 근사화하는 단계는 상기 유효 섬에 대해 수행될 수 있다.
한편, 상기 유효 섬들을 추출하는 방법은 상기 복수 개의 섬들의 면적 또는 외곽선 길이의 평균값을 구하여, 상기 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 상기 평균값을 포함하는 기설정된 범위 내에 속하는 섬들을 유효 섬으로 결정할 수 있다.
분석장치
한편, 본 발명은 동물의 비문 이마지 패턴의 특징을 분석하는 분석장치에도 미친다. 본 발명의 분석장치는 비문을 이루는 복수 개의 섬(Island)들이 표시된 비문 이미지를 획득하는 비문 이미지 획득부와, 상기 섬마다 무게중심의 좌표를 계산하는 무게중심계산부와, 상기 무게 중심을 기점으로 하여 상기 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나를 상기 섬을 대표하는 특징벡터로 결정하는 특징데이터 추출부를 포함한다.
본 발명의 방법에 의하면, 비문 패턴의 고유한 특징을 비교적 정확하게 인식할 수 있고, 인식 오류를 줄인다.
도 1은 본 발명의 비문 특징 데이터 분석장치의 블럭도,
도 2는 본 발명의 비문 특징 데이터 분석방법의 설명에 제공되는 흐름도,
도 3은 동물로부터 획득한 비문 이미지의 일 예,
도 4는 도 1의 비문 이미지를 영상처리하여 외곽선을 추출한 이미지,
도 5는 비문 이미지의 각 섬들의 외곽선을 근사화한 이미지,
도 6은 도 4의 비문 이미지에 포함된 각 섬의 무게중심을 표시한 이미지,
도 7은 개별 섬에서의 특징 벡터를 설명하기 위한 도면, 그리고
도 8은 도 4의 비문 이미지에서 특징 벡터를 추출하여 표시한 이미지, 그리고
도 9는 본 발명의 분석장치와 소프트웨어 분배서버의 연결도이다.
이하에서는, 도면을 참조하여 본 발명을 상세히 설명한다.
도 1을 참조하면, 본 발명의 비문 특징 데이터 분석장치(100)는 비문이미지획득부(101), 무게중심계산부(103) 및 특징데이터 추출부(109)를 포함한다. 분석장치(100)는 그 자체로 동작하여 분석결과를 생성할 수도 있지만, 동물로부터 비문 이미지를 획득하여 등록하는 '비문등록장치' 또는 비문을 기초로 동물을 인증하는 '비문인증장치' 등에 구성요소로 내장될 수도 있다.
비문이미지획득부(101)는 비분의 특징 데이터를 추출하기 위해 기본이 되는 비문 이미지를 획득하며, 무게중심계산부(103)는 비문 이미지에 포함된 개별 객체들의 무게 중심을 계산한다. 특징데이터 추출부(109)는 무게중심계산부(103)가 계산한 무게중심을 이용하여 비문 이미지에서 비문의 특징이 되는 특징 데이터를 추출한다. 아래에서 설명하는 것처럼, 본 발명에서 특징 데이터는 벡터의 형태로 추출된다.
이하에서는 도 2를 참조하여, 본 발명의 비문이미지획득부(101), 무게중심계산부(103) 및 특징데이터 추출부(109)의 동작을 설명한다.
1. 비문 이미지 획득: S201
도 3과 도 4에는 본 발명의 비문 이미지의 일 예가 도시되어 있다. 본 발명은 비문 이미지로부터 비문 고유의 특징 데이터를 추출하는 방법에 관한 것이므로, 비문이미지획득부(101)는 어떤 방식으로 비문 이미지를 획득해도 좋다. 예를 들어, 비문이미지획득부(101)는 카메라로 직접 촬영하여 비문 이미지(또는 영상)를 획득할 수도 있고, 광굴절기를 비문에 직접 접촉하여 광학식으로 비문 이미지(또는 영상)를 추출할 수도 있고, 먹물이나 잉크를 이용하여 찍어서 얻은 그림을 영상화 과정을 거쳐 비문 이미지(또는 영상)를 획득할 수도 있다. 다른 방법으로, 비문이미지획득부(101)는 통신 수단을 통해 연결된 외부장치로부터 비문 이미지를 전송받을 수도 있다.
동물 비문의 외곽 형태는 동물의 종별로 유사한 부분이 있지만, 비문을 구성하는 패턴은 동물마다 다르다. 도 3에 도시된 비문 이미지를 참조하면, 비문 패턴은 다양한 모양의 점 또는 덩어리들이 다양한 모양으로 배치된 형태이다. 한편, 본 발명은 도 3과 같은 비문 이미지를 그대로 이용해도 무방하지만, 개별 패턴의 외곽을 구성하는 폐곡선(즉, 외곽선)이 주로 이용되기 때문에, 비문이미지획득부(101)는 도 3의 비문 이미지를 영상 처리하여 외곽선을 추출함으로써 도 4의 비문 이미지를 획득하는 것이 이후의 영상처리의 효율을 위해서 좋다.
도 4의 이미지를 얻기 위해, 비문이미지획득부(101)는 도 3과 같은 비문 이미지에 대해 배경과 객체를 분리하는 영상 전처리를 수행한다. 영상 전처리에는 잡음 제거가 포함될 수 있고, 최종적으로 영상 향상을 통해 비문과 배경을 분리한다. 영상 전처리 후에 비문 영상으로부터 특징 추출을 위해 비문 고유 패턴을 외곽선 형태로 표시하는 도 4의 비문 이미지를 획득할 수 있다.
본 발명에서는 우선 설명의 편리를 위해, 비문 패턴의 다양한 구성을 지시하는 용어를 다음의 표 1과 같이 정의한다.
섬(Island) 독립적인 면적 또는 영역이 인식되는 영역
연결섬
(Couple Island)		 인접한 두 개의 섬이 붙어 있는 형태의 영역
강(River) 마주한 두 개 섬 사이의 영역으로 경계를 구분할 수 없는 영역
대양(Ocean) 비문의 외곽 바깥 영역. 동물의 콧구멍이나 인중이 차지한 영역
도 4를 참조하면, 섬(Island)은 비문을 구성하는 패턴 중에서 가장 기본적인 형태로서, 외곽선이 단일 폐곡선으로 표시된 덩어리(또는 그 패턴)이며 독립적인 비정형의 영역이다. 연결섬(Coupled Island)은 인접한 두 개의 섬이 붙어 있는 형태의 영역이며 역시 단일 폐곡선으로 표시된다. 강(River)은 마주한 두 개 섬 사이의 영역으로 경계를 구분할 수 없는 영역이다. 대양(Ocean)은 비문의 외곽 바깥 영역. 동물의 콧구멍이나 인중이 차지한 영역이다.
도 4와 같은 비문 이미지가 획득되면, 개별 비문 형태에 따라 크기, 둘레길이, 내부 중점에 관한 속성인 특징 데이터를 본 발명의 특징 데이터 추출 알고리즘에 따라 추출한다.
2. 섬의 특징 벡터 추출: S203 내지 S207
본 발명은 동물 개체 인식을 위해 비문에 포함된 각각의 섬에 고유한 특징 벡터를 정의한다. 특징 벡터는 개별 섬의 무게중심을 기점으로 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나 벡터로서, 해당 섬의 특징을 대표할 수 있는 적어도 하나의 벡터가 해당한다. 특징데이터 추출부(109)는 기설정된 알고리즘에 따라 다양한 방법으로 특징 벡터를 구할 수 있다.
<섬의 무게 중심 계산: S203>
우선, 무게중심계산부(103)는 개별 섬에 적용될 특징 벡터의 기점이 되는 무게 중심을 구한다. 섬의 무게 중심을 구하는 방법은 영상 처리 분야에서 객체의 무게중심을 구하는 방법으로 종래에 알려진 다양한 방법을 사용할 수 있다.
예를 들어, 비문 이미지에 포함된 개별 섬을 각각 하나의 모멘트(moment)로 설정하여 평준화된 중심 모멘트(Normalized Central Moments)(nuji)를 구함으로써 개별 섬의 무게 중심을 구할 수 있다. 평준화된 중심 모멘트(nuji)를 구하기 위해, 공간 모멘트(spatial moments)(mji)와 중심 모멘트(central moments)(muji)를 구한다. 공간 모멘트(mji)는 아래의 수학식 1과 같이 계산한다.
Figure pat00001
중심 모멘트(muji)는 공간 모멘트(mji)를 적용하여 아래의 수학식 2와 같이 계산한다.
Figure pat00002
여기서,
Figure pat00003
는 질량 중심(Mass Center)으로서, 수학식 1을 참고하여 다음과 같이 구한다.
Figure pat00004
,
Figure pat00005
평준화된 중심 모멘트(nuji)가 우리가 구하는 개별 섬의 무게 중심의 좌표가 되며, 다음의 수학식 3에 따라 계산한다.
Figure pat00006
도 6은 수학식 3에 의해 구한 평준화된 중심 모멘트(nuji), 즉 무게 중심(c)을 표시한 것이다.
<유효 섬의 분리: S205>
한편, 본 발명의 분석장치(100)는 유효섬추출부(107)를 더 포함할 수 있다. 비문 이미지에 포함된 모든 섬들 중에는 노이즈에 해당하는 섬들이 포함될 수 있다. 노이즈에 해당하는 섬들은 섬의 면적이 너무 작거나, 비문 이미지 획득과정의 일회성 오류로 형태가 변형된 섬들이 해당한다. 예를 들어, 연결 섬은 비문의 특징을 포함하지 않는 일회성 섬으로 노이즈에 해당할 가능성이 높다. 이런 노이즈들이 특징 데이터 추출에 포함되면 비문 인증과정에서 오거부율(FRR: False Rejection Rate)이 높아질 수 있다. 또한, 모든 섬들에 대해 특징 벡터 추출과정을 수행하지 않고, 노이즈에 해당하는 섬들을 제외한 유효 섬에 대해서만 특징 벡터를 추출하는 것이 인증 속도를 개선하는데도 효과적이다.
유효 섬을 분리하는 방법도 매우 다양할 수 있다. 예를 들어, 유효섬추출부(107)는 해당 비문 이미지에 속하는 섬들의 면적 또는 외곽선 길이의 평균값을 구한 다음, 평균값을 중심으로 기설정된 오차범위로 정해지는 유효범위를 자동으로 설정할 수 있다. 유효섬추출부(107)는 비문 이미지에 포함된 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 유효범위 내에 속하는 섬들을 유효 섬으로 결정할 수 있다.
섬의 면적을 구하는 방법은 종래의 영상 처리 분야에서 널리 알려진 다양한 방법을 사용할 수 있다. 예를 들어, 본 발명의 분석장치(100)는 근사화처리부(105)를 더 포함하여 도 4와 같은 섬의 외곽선을 근사화함으로써 도 5와 같은 다각형 형태로 변환할 수 있다. 도 5에서 각각의 섬은 근사화된 다각형 형태이므로, 다각형의 꼭지점의 좌표를 구하여 헤론의 공식(Heron's Formula)에 따라 전체 섬의 근사화된 면적을 간단히 구할 수 있다.
헤론의 공식에 의하면, 2차원 평면에서 좌표가 (x1, y1), (x2, y2), (x3, y3)인 세 점을 꼭지점으로 하는 삼각형의 넓이(S)는 다음의 수학식 4 내지 수학식 7을 통해 구할 수 있다. 우선, 세 점에 의한 삼각형의 각변의 길이 a,b,c를 구한다.
Figure pat00007
Figure pat00008
Figure pat00009
삼각형의 면적(s)은, 수학식 4 내지 6을 통해 구한 삼각형의 세 변의 길이를 이용하여 헤론의 공식에 따라 다음의 수학식 7 및 수학식 8과 같이 구한다.
Figure pat00010
Figure pat00011
그러나 비문의 형태는 볼록한 형태와 오목한 형태가 섞여있어 벡터의 방향을 계산해야하는 단계가 필요하다. 이때 벡터의 외적을 이용하면 방향에 따라 부호가 바뀌기 때문에 볼록 형태 또는 오목 형태에서도 쉽게 n각형의 면적을 구할 수 있도록 다음의 수학식 8을 사용한다. 즉, P1(x1, y1), P2(x2, y2), …, Pn(xn, yn)을 꼭지점으로 하는 n각형의 면적을 볼록/오목 관계없이 다음 수학식 9를 이용하여 산출한다.
Figure pat00012
Figure pat00013
도 5와 같이 단일 폐곡선 형태의 섬의 외곽선을 다각형으로 근사화하는 방식은 본 발명의 필수적인 것이 아니다. 유효섬추출부(107)는 섬의 면적이나 외곽선의 길이가 기설정된 제1 기준값 이하이거나 제2 기준값(제1 기준값 < 제2 기준값) 이상인 섬들을 노이즈로 제거할 수도 있다.
한편, 유효 섬을 추출하는 단계는 노이즈를 제거하는 것이므로, 섬의 특징 벡터를 추출하는 어느 단계에서 수행되어도 무방하다. 예를 들어, S203 단계를 수행하기 전이나 S207 단계 이후에 유효 섬을 추출해도 무방하다.
<특징 벡터의 추출: S207>
비문의 각 섬마다 2가지 특징인 무게중심, 면적 정보를 구했지만 개체 인식을 위한 매칭에서는 이 2가지 정보만으로는 부족할 수 있다. 매칭을 위해서는 서로 이웃되는 섬과의 상관관계를 구축할 필요가 있다. 따라서 본 발명에서는 도 7에서처럼 무게중심(c)을 기점으로 하는 적어도 하나의 특징벡터(v)를 제안한다.
개별 섬(또는 유효 섬)마다의 특징 벡터를 구하는 방법은 다양하게 설정할 수 있다. 본 발명에서는 개별 섬의 특징을 대표하기 위해 무게중심에서 기점으로 하는 적어도 하나의 벡터를 사용한다는 것이며, 특징벡터를 추출하는데 사용되는 알고리즘에 따라 해당 섬을 대표할 수 있는 능력에 다소간의 차이가 있을 뿐이지 어떤 방식을 사용해도 무방하다.
예를 들어, (방법 1) 무게 중심(c)에서 외곽선(s) 상의 일 지점을 향하는 벡터 중 길이가 기설정된 조건에 해당하는 적어도 하나의 벡터를 특징벡터(v)로 결정할 수 있다. 여기서 기설정된 조건은 길이가 가장 길거나 가장 짧은 것 또는 n번째 길이가 될 수 있다. 여기서, 1<n인 자연수임.
(방법 2) 다른 방법으로, 무게 중심(c)에서 외곽선(s) 상의 일 지점을 향하는 벡터 중 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 특징벡터로 결정할 수도 있다.
(방법 3) 또 다른 방법으로, 무게 중심(c)에서 외곽선(s) 상의 일 지점을 향하는 벡터 중 벡터 길이와 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 특징벡터로 설정할 수도 있다.
한편, 유효 섬을 분리하기 위해, 외곽선(s)의 근사화된 다각형(A)을 구하여 개별 섬의 면적을 구한 경우라면, 무게중심(c)을 기점으로 하여 외곽선(s)의 어느 일 지점을 향하는 모든 벡터를 처리할 것이 아니라, 도 7에서처럼 근사화된 다각형(A)의 꼭지점을 향하는 벡터 중에서 특징 벡터를 구하는 방법이 효과적일 수 있다. 도 8은 도 4의 비문 이미지에서 특징 벡터를 추출한 이미지로서, 근사화된 다각형(A)의 꼭지점을 향하는 모든 벡터를 특징 벡터로 추출한 예이다.
소프트웨어 분배서버
한편, 소프트웨어분배서버(10)는 내부 저장매체(11)에 다양한 종류의 소프트웨어를 저장하고, 인터넷(30)에 통해 접속한 장치의 요청에 따라 각종 소프트웨어를 다운로드할 수 있도록 관리한다.
도 1의 분석장치(100)의 구성요소인 비문이미지획득부(101), 무게중심계산부(103), 근사화처리부(105), 유효섬처리부(107) 및 특징데이터 추출부(109)는 컴퓨터 운영체제 프로그램에 의해 동작하는 하나 또는 복수 개의 '분석 소프트웨어'로 구현될 수 있으며, 소프트웨어분배서버(10)의 저장매체(11)에 저장되어 관리될 수 있다.
이 경우, 인터넷(30)에 접속할 수 있는 장치로서 해당 운영체제 프로그램에 의해 동작하는 장치가 소프트웨어분배서버(10)에 접속하여 상기 '분석 소프트웨어'를 다운로드 받아 설치하면 도 1의 분석장치(100)가 되는 것이다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.

Claims (21)

  1. 동물의 비문 이마지 패턴의 특징을 분석하는 방법에 있어서,
    비문을 이루는 복수 개의 섬(Island)들이 표시된 비문 이미지를 획득하는 단계. 상기 섬은 상기 비문 이미지 내에서 외곽선이 단일 폐곡선으로 표시된 덩어리 패턴임;
    상기 섬마다 무게중심의 좌표를 계산하는 단계;
    상기 무게 중심을 기점으로 하여 상기 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나를 상기 섬을 대표하는 특징벡터로 결정하는 단계; 및
    상기 특징벡터의 조합을 상기 비문의 특징 데이터로 이용하는 단계를 포함하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  2. 제1항에 있어서,
    상기 특징벡터로 결정하는 단계는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이가 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  3. 제2항에 있어서,
    상기 조건은 길이가 가장 길거나 가장 짧은 것 또는 n번째 길이인 것임을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법. 여기서, 1<n인 자연수임.
  4. 제1항에 있어서,
    상기 특징벡터로 결정하는 단계는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  5. 제1항에 있어서,
    상기 특징벡터로 결정하는 단계는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이와 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 복수 개의 섬들 중에서 노이즈를 제거하고 유효 섬들을 추출하는 단계를 더 포함하고,
    상기 무게중심의 좌표를 계산하는 단계 또는 특징벡터로 결정하는 단계는 상기 유효 섬에 대해 수행되는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  7. 제6항에 있어서,
    상기 유효 섬들을 추출하는 단계는,
    상기 복수 개의 섬들의 면적 또는 외곽선 길이의 평균값을 구하는 단계; 및
    상기 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 상기 평균값을 포함하는 기설정된 범위 내에 속하는 섬들을 유효 섬으로 결정하는 단계를 포함하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  8. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 섬마다 상기 외곽선을 다각형으로 근사화하는 단계를 더 포함하고,
    상기 특징벡터로 결정하는 단계는 상기 무게 중심에서 상기 다각형의 꼭지점들을 개별적으로 잇는 적어도 하나의 벡터 중에서 상기 특징벡터를 선택하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  9. 제8항에 있어서,
    상기 복수 개의 섬들 중에서 유효 섬들을 추출하는 단계를 더 포함하고,
    상기 무게중심의 좌표를 계산하는 단계 또는 특징벡터로 결정하는 단계는 상기 유효 섬에 대해 수행되는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  10. 제9항에 있어서,
    상기 유효 섬들을 추출하는 단계는,
    상기 복수 개의 섬들의 면적의 평균 또는 외곽선 길이의 평균을 구하는 단계; 및
    상기 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 상기 평균을 포함하는 기설정된 범위 내에 속하는 섬들을 유효 섬으로 결정하는 단계를 포함하는 것을 특징으로 하는 비문 이미지 패턴의 특징을 분석하는 방법.
  11. 제1항의 비문 이미지 패턴의 특징을 분석하는 방법의 각 단계를 수행할 소프트웨어가 저장된 컴퓨터로 읽을 수 있는 저장매체를 구비하고, 상기 소프트웨어를 설치하고 실행할 장치가 인터넷을 통해 접속할 할 경우 상기 소프트웨어를 다운로드 할 수 있게 한 것을 특징으로 하는 소프트웨어 분배 서버.
  12. 동물의 비문 이마지 패턴의 특징을 분석하는 장치에 있어서,
    비문을 이루는 복수 개의 섬(Island)들이 표시된 비문 이미지를 획득하는 비문 이미지 획득부. 상기 섬은 상기 비문 이미지 내에서 외곽선이 단일 폐곡선으로 표시된 덩어리 패턴임;
    상기 섬마다 무게중심의 좌표를 계산하는 무게중심계산부; 및
    상기 무게 중심을 기점으로 하여 상기 외곽선 상의 일 지점을 향하는 벡터 중에 적어도 하나를 상기 섬을 대표하는 특징벡터로 결정하는 특징데이터 추출부를 포함하여 상기 특징벡터를 상기 비문의 특징 데이터로 추출하는 것을 특징으로 하는 분석장치.
  13. 제12항에 있어서,
    상기 특징데이터 추출부는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이가 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 분석장치.
  14. 제13항에 있어서,
    상기 조건은 길이가 가장 길거나 가장 짧은 것 또는 n번째 길이인 것임을 특징으로 하는 분석장치. 여기서, 1<n인 자연수임.
  15. 제12항에 있어서,
    상기 특징데이터 추출부는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 분석장치.
  16. 제12항에 있어서,
    상기 특징데이터 추출부는,
    상기 무게 중심에서 상기 외곽선 상의 일 지점을 향하는 벡터 중 길이와 벡터 방향이 기설정된 조건에 해당하는 적어도 하나의 벡터를 상기 특징벡터로 결정하는 것을 특징으로 하는 분석장치.
  17. 제12항 내지 제16항 중 어느 한 항에 있어서,
    상기 복수 개의 섬들 중에서 노이즈를 제거하고 유효 섬들을 추출하는 유효섬추출부를 더 포함하고,
    상기 특징데이터 추출부는 상기 유효 섬에 대해 상기 무게중심의 좌표를 계산하거나 특징벡터로 결정하는 것을 특징으로 하는 분석장치.
  18. 제17항에 있어서,
    상기 유효섬추출부는,
    상기 복수 개의 섬들의 면적의 평균 또는 외곽선 길이의 평균을 구한 다음, 상기 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 상기 평균을 포함하는 기설정된 범위 내에 속하는 섬들을 유효 섬으로 결정하는 것을 특징으로 하는 분석장치.
  19. 제12항 내지 제16항 중 어느 한 항에 있어서,
    상기 섬마다 상기 외곽선을 다각형으로 근사화하는 근사화처리부를 더 포함하고,
    상기 특징데이터 추출부는 상기 무게 중심에서 상기 다각형의 꼭지점들을 개별적으로 잇는 적어도 하나의 벡터 중에서 상기 특징벡터를 선택하는 것을 특징으로 하는 분석장치.
  20. 제19항에 있어서,
    상기 복수 개의 섬들 중에서 유효 섬들을 추출하는 유효섬추출부를 더 포함하고,
    상기 특징데이터 추출부는 상기 유효 섬에 대해 상기 무게중심의 좌표를 계산하거나 특징벡터로 결정하는 것을 특징으로 하는 분석장치.
  21. 제20항에 있어서,
    상기 유효섬추출부는,
    상기 복수 개의 섬들의 면적의 평균 또는 외곽선 길이의 평균을 구한 다음, 상기 복수 개의 섬들 중에서 면적이나 외곽선의 길이가 상기 평균을 포함하는 기설정된 범위 내에 속하는 섬들을 유효 섬으로 결정하는 것을 특징으로 하는 분석장치.
KR1020220009687A 2019-12-19 2022-01-24 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버 KR102551821B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220009687A KR102551821B1 (ko) 2019-12-19 2022-01-24 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190171053A KR20210079015A (ko) 2019-12-19 2019-12-19 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버
KR1020220009687A KR102551821B1 (ko) 2019-12-19 2022-01-24 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190171053A Division KR20210079015A (ko) 2019-12-19 2019-12-19 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버

Publications (2)

Publication Number Publication Date
KR20220016255A true KR20220016255A (ko) 2022-02-08
KR102551821B1 KR102551821B1 (ko) 2023-07-05

Family

ID=76626807

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190171053A KR20210079015A (ko) 2019-12-19 2019-12-19 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버
KR1020220009687A KR102551821B1 (ko) 2019-12-19 2022-01-24 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190171053A KR20210079015A (ko) 2019-12-19 2019-12-19 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버

Country Status (1)

Country Link
KR (2) KR20210079015A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003346148A (ja) * 2002-05-23 2003-12-05 Surge Miyawaki Co Ltd 鼻紋の照合方法
JP2007135501A (ja) * 2005-11-21 2007-06-07 Atom System:Kk 鼻特徴情報生成装置及び鼻特徴情報生成プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003346148A (ja) * 2002-05-23 2003-12-05 Surge Miyawaki Co Ltd 鼻紋の照合方法
JP2007135501A (ja) * 2005-11-21 2007-06-07 Atom System:Kk 鼻特徴情報生成装置及び鼻特徴情報生成プログラム

Also Published As

Publication number Publication date
KR20210079015A (ko) 2021-06-29
KR102551821B1 (ko) 2023-07-05

Similar Documents

Publication Publication Date Title
JP6840703B2 (ja) 動物たちの鼻柄を用いた動物個体認識装置及び方法
CN106778525B (zh) 身份认证方法和装置
JP5047005B2 (ja) 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置
KR101193008B1 (ko) 홍채 인식 시스템 및 방법
US8768014B2 (en) System and method for identifying a person with reference to a sclera image
US11450130B2 (en) Animal identification based on unique nose patterns
CN105260750B (zh) 一种奶牛识别方法及系统
US10275677B2 (en) Image processing apparatus, image processing method and program
KR101494716B1 (ko) 동물들의 코무늬를 이용한 동물 개체 인식 장치
US20090220126A1 (en) Processing an image of an eye
KR101494717B1 (ko) 동물들의 코무늬를 이용한 동물 개체 인식 장치
KR101732815B1 (ko) 개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템
CN110598571A (zh) 活体检测方法、装置及计算机可读存储介质
WO2012121167A1 (ja) 個体識別システム、個体識別方法及びそれらに用いられる装置、プログラム
Bugge et al. Biometric methods of animal identification
KR102551821B1 (ko) 동물의 비문 이미지 패턴의 특징을 분석하는 방법, 그 방법을 수행하는 장치 및 그 방법을 위한 소프트웨어를 분배하는 소프트웨어분배서버
KR101936188B1 (ko) 개체 판별 방법 및 장치
CN112818983A (zh) 一种利用图片相识度判断字符倒置的方法
JP3045129B2 (ja) 動物の個体識別装置
JP4883987B2 (ja) 顔画像照合装置及び照合用顔画像登録方法
CN113569916A (zh) 瓷砖标签识别模型训练方法及瓷砖标签识别方法
JP2000194856A (ja) 輪郭抽出方法及び装置
Patil et al. Fingerprint recognition for Library management
CN114463777A (zh) 基于3d人体的姿态识别方法、装置、设备及存储介质
Jarjes et al. A new Iris segmentation method based on improved snake model and angular integral projection

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2023101000010; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20230103

Effective date: 20230522

GRNO Decision to grant (after opposition)