WO2014104455A1 - 텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치 - Google Patents

텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치 Download PDF

Info

Publication number
WO2014104455A1
WO2014104455A1 PCT/KR2012/011847 KR2012011847W WO2014104455A1 WO 2014104455 A1 WO2014104455 A1 WO 2014104455A1 KR 2012011847 W KR2012011847 W KR 2012011847W WO 2014104455 A1 WO2014104455 A1 WO 2014104455A1
Authority
WO
WIPO (PCT)
Prior art keywords
curve
point
area
intersection
tracking
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2012/011847
Other languages
English (en)
French (fr)
Inventor
이귀상
이칠우
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Foundation of Chonnam National University
Original Assignee
Industry Foundation of Chonnam National University
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 Industry Foundation of Chonnam National University filed Critical Industry Foundation of Chonnam National University
Publication of WO2014104455A1 publication Critical patent/WO2014104455A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks

Definitions

  • the present invention relates to a curve tracking technique, and more particularly, to a method for tracking a curve using tensor voting (Tensor Voting), such as hand-written letters directly by the human hand, and apparatus for the same.
  • tensor voting such as hand-written letters directly by the human hand
  • Signatures have been used for a long time in an inexpensive and simple way to identify individuals.
  • security techniques combining biometric information signature and cryptographic system have been studied.
  • the signature identification can be divided into offline and online methods by obtaining a signature.
  • Offline signature identification can take advantage of the signature's static features and online signature identification can take advantage of dynamic specification over time. Offline signatures can be used with only a piece of paper and a pen, but online signatures are difficult to obtain because they require special equipment such as smartphones, tablet PCs, and digitizers. Offline signature identification uses a shape-based method with a limited amount of information. On-line signatures, on the other hand, can use a variety of features to identify signatures, including acceleration, pressure, and pen movement.
  • an object of the present invention is to provide a method and apparatus for tracing the curve of an offline signature using Tensor Voting to convert the offline signature to an online signature.
  • an apparatus for tracking a curve comprising: an input unit configured to receive a target image including a handwriting image including a curve and an intersection point of the curve; Tensor voting is performed on the target image, and at least an intersection area having the intersection point and a curve having a curve other than the intersection point in the handwriting according to the result of the tensor voting, the curved area having no intersection point Extracting at least one intersection point region and a plurality of curved regions, extracting two end points of each of the curved regions by thinning each of the plurality of curved regions, and two end points of each of the plurality of curved regions. And a control unit for estimating a starting point at and connecting the entire curve by tracing and connecting the curve from the estimated starting point.
  • the controller extracts a region where the sum of two eigen values of the tensor is equal to or greater than a predetermined threshold as a result of performing the tensor voting as an intersection point region.
  • the controller finds the point where the difference between the intrinsic values of the tensor is the largest within any one of the curved areas, and moves the point along the eigenvector to thin the curved area by connecting the moving points.
  • the control unit may estimate an end point having the smallest eigenvalue of the tensor voting as a starting point.
  • the control unit tracks the curve from the estimated starting point, and when the end point of each curve area reaches the end point of the intersection area, connects the end point and the intersection point, and determines the end point of the curve area to be connected to the intersection point according to the similarity. It is characterized by connecting.
  • a method for tracking a curve comprising: receiving a target image including a handwriting image including a curve and an intersection point of the curve; Tensor voting is performed on the target image, and at least an intersection area having the intersection point and a curve having a curve other than the intersection point in the handwriting according to the result of the tensor voting, the curved area having no intersection point Extracting at least one intersection point region and a plurality of curved regions; Thinning each of the plurality of curved areas to derive two endpoints of each of the curved areas; Estimating a starting point at two end points of each of the plurality of curved areas; And tracing the curve from the estimated starting point such that the entire curve is connected.
  • the extracting may be performed by extracting a region where a sum of two eigen values of a tensor is equal to or greater than a predetermined threshold as a result of performing the tensor voting.
  • the deriving may be performed by finding a point where the difference between the eigenvalues of the tensors is the largest in any one curve region, and then thinning the curve region by moving the points along the eigenvectors.
  • the estimating may include estimating an end point having the smallest eigenvalue of the tensor voting as a starting point.
  • the tracing step tracks a curve from the estimated starting point, and when the end point of each curve area reaches an end point near the intersection area, connects the end point and the intersection point, and sets the intersection point and the end point of the curve area to be connected next to similarity. Determine and connect according to.
  • the curve of the signature in the offline signature can be traced and converted into an on-line signature, and the curve can be used for more precise signature identification through the traced result.
  • 1 to 3 are diagrams for explaining the tensor voting according to an embodiment of the present invention.
  • FIG. 4 is a block diagram illustrating an apparatus for curve tracking using tensor voting according to an embodiment of the present invention.
  • FIG. 5 is a diagram for describing a method for extracting intersection points according to an exemplary embodiment of the present invention.
  • FIG. 6 is a diagram illustrating a curved region extracted by removing an intersection point from an input image.
  • FIG. 7 is a diagram illustrating a result of thinning a curved region and extracting an endpoint of each curved region as a result of performing the thinning process.
  • FIGS. 8A and 8B are diagrams for describing a process of tracing a curve and connecting intersection points according to an exemplary embodiment of the present invention.
  • FIG. 9 is a flowchart illustrating a curve tracking method according to an embodiment of the present invention.
  • tensor voting is used for intersection extraction and thinning.
  • 1 to 3 are diagrams for explaining the tensor voting according to an embodiment of the present invention.
  • a two-dimensional tensor represented by an ellipse is shown.
  • Tensors are represented as matrices with geometric numbers that extend the concept of scalars, vectors.
  • the symmetrical, non-negative tensor T in two dimensions is represented by a 2x2 matrix, which can be visually represented as an ellipse, as shown.
  • the two eigenvectors of the tensor ( , ) Represents the direction of each axis of the ellipse, and eigenvalues ( , ) Defines the size of the ellipse. Where the magnitudes of the two eigenvalues to be.
  • These tensors can be expressed by the following equations by eigenvalues and eigenvectors.
  • Tensor voting is a process of adjusting the size and direction of the tensor through the communication of the input tensors (tokens).
  • the voting method is defined by the voting field, where all voting fields are generated by the basic 2D stick voting kernel. Boats in the voting field can be defined as a direction component by the normal vector.
  • FIG. 2 is a view for explaining the voting process of the two-dimensional stick tensor. As shown, the voting process of the stick voting kernel between two tensors is shown.
  • the direction of the tensor token O is the normal direction of the curve connecting O and the input token P most smoothly.
  • the length of the normal of P is inversely proportional to the length and curvature of the arc.
  • the strength of the tensor voting is determined by the distance and angle between the bot and the input token, and is calculated as in Equation 4 below.
  • the intensity of the two-dimensional stick voting field is shown in FIG. 3.
  • This shows a two-dimensional voting kernel when the tensor token has a 90 degree normal vector.
  • the strength of the input token is determined by the distance and the angle of the normal, and after voting the tensor can be newly encoded.
  • FIG. 4 is a block diagram illustrating an apparatus for curve tracking using tensor voting according to an embodiment of the present invention.
  • an apparatus 100 includes an input unit 110, a controller 120, and an output unit 130.
  • the input unit 110 is for receiving an image including an image such as an offline signature and hand written by a person.
  • an image including an image of an offline signature, handwritten by a person, etc. will be referred to as a "target image”.
  • the input unit 110 receives a target image and provides it to the controller 120.
  • the controller 120 tracks the signature and the line (curve) of the text in an offline signature of the target image, a handwritten text written by a person, and extracts the feature through the output unit 130.
  • the operations performed by the control unit 120 according to an embodiment of the present invention will be described in detail as follows.
  • the image of handwriting by the user is composed of curves (lines) and intersection points at which the curves intersect.
  • a curved area is called a curved area and an intersection is called an intersection area
  • the handwriting can easily track the direction in the curved area, but in the intersection area, the direction in which the letter moves is ambiguous, so the intersection area is separated in advance.
  • the intersection area is separated in advance.
  • both eigenvalues of tensor voting are large. Therefore, according to the present invention, after normalizing the sum of the eigenvalues to the maximum, a region having a large sum of the two eigenvalues is extracted as the intersection region using a threshold value. That is, an area where the sum of two eigenvalues is greater than or equal to a preset threshold value is extracted.
  • FIG. 5 is a diagram for describing a method for extracting intersection points according to an exemplary embodiment of the present invention.
  • FIG. 5 illustrates tensor voting on a handwritten binary input image and extracts an intersection region using a threshold value where a large sum of eigen values is used.
  • (a) is a binary input image.
  • (b) is normalized
  • (C) is normalized This is an image.
  • the intersection is calculated as the average of each intersection area.
  • (d) shows the extracted intersection area.
  • the controller 120 performs the thinning process for the tracking operation. This thinning process thins the curves except the intersection area.
  • the controller 120 may simply obtain the curved area by subtracting the intersection area extracted from the target image. In the curve area, the tensor receives a lot of voting in one direction, so the difference between the two eigenvalues is large and the eigenvector points in the direction of the curve (the advancing direction). For thinning, we first find the point (point) where the difference in eigenvalues is greatest in each curve object. This is because the largest difference in the eigenvalues is where the curve is voting the most, and the direction of the eigenvectors has the highest accuracy.
  • control unit 120 moves the point along the direction of the eigenvector from the next extracted point, and continuously moves the point along the direction of the eigenvector at the new point.
  • the controller 120 repeats this process until the end of the curved object is reached.
  • FIG. 6 is a diagram illustrating a curved region extracted by removing an intersection point from an input image. As shown, five distinct curved regions (curve objects) are extracted. 6 shows the direction of the eigenvector at the position where the difference between the extracted curve region and the eigenvalue is maximum. The part corresponding to the curve was expressed in gray scale by normalizing the value of the difference between the eigenvalues. The circle shown in FIG. 6 is where the difference of the eigenvalues in each object is maximum, and the arrow of FIG. 5 indicates the direction of the eigenvector.
  • FIG. 7 is a diagram illustrating a result of thinning a curved region and extracting an end point of each curved region as a result of performing the above-described thinning process.
  • each curved area (curve object) has two endpoints.
  • the end point near the intersection of the two end points has a large sum of eigenvalues, but the start point has a small eigenvalue since tensors receive the least voting. Therefore, the controller 120 estimates the point at which the eigen value is the smallest as the starting point.
  • the curve trace in the whole image moves along the thinned line until the curve reaches a different starting point.
  • the end point near the intersection point is reached in each curve area (curve object)
  • the end point and the intersection point are connected, and the end point of the next curve to be connected is determined using cosine similarity as shown in Equation 5 below.
  • FIG. 8A and 8B are diagrams for describing a process of tracing a curve and connecting intersection points according to an exemplary embodiment of the present invention.
  • the upper left point is selected as a starting point in the entire image, and curve tracking starts from the extracted starting point. This starting point is indicated by an arrow.
  • 8B is an enlarged view of a portion A of FIG. 8A.
  • the vector heading toward point O at point Po and the vector heading toward p1, p2, or p3 at point O are compared for similarity according to Equation 5, respectively, to track toward the most similar p2.
  • control unit 120 in equation (5) Set the vector from point Po to O, Is a vector pointing to p1 at point O, or Is a vector towards p2 at point O, or, Is set as the vector toward p3 at point O, and after each similarity is traced, the tracking is directed toward the most similarity p2.
  • FIG. 9 is a flowchart illustrating a curve tracking method according to an embodiment of the present invention.
  • the controller 120 receives a target image through the input unit 110 in operation S900.
  • the target image includes an image of a user's handwriting, which includes at least one intersection point where a plurality of curves intersect with at least two curves.
  • the controller 120 When the target image is received, the controller 120 performs tensor voting on the target image in operation S905, and in step S910, an intersection area that is at least an intersection point where a plurality of curves intersect in the handwriting in accordance with the tensor voting result. At least one intersection point area and a plurality of curve areas are extracted by dividing the curve area into a curved area that is a portion having a plurality of curves instead of the intersection area. To this end, the controller 120 first extracts a region where the sum of two eigen values of the tensor voting is greater than or equal to a preset threshold from the result of the tensor voting as the intersection point region. Then, extract the area that is not the intersection point extracted from handwriting as the curved area. The derived intersection area is shown in FIG. 5 (d), and the curved area except for the intersection area is shown in FIG. 6.
  • the control unit 120 thins each curved region by thinning the plurality of curved regions in operation S915 and derives end points of the curved regions.
  • thinning we first find the point (point) where the difference in eigenvalues is greatest in each curve object. This is because the largest difference in the eigenvalues is where the curve is voting the most, and the direction of the eigenvectors has the highest accuracy. In other words, after processing for the first point, the point is moved along the direction of the eigenvector from the next extracted point and moves along the direction of the eigenvector at the new point. Repeat this process until you reach the end of the curve area.
  • the point is thinned by connecting by moving the point along the eigenvector.
  • the curved area is thinned as shown in FIG. 7 and the end point is derived.
  • the endpoints are marked with circles at both ends of each curved area.
  • the controller 120 estimates a starting point in each curved region thinned in operation S920. This is the first step in tracking handwriting, so you need to know the starting point of the entire line to begin tracking.
  • each curved area has two end points. Of these, the end point of the group with the intersection area has a large sum of eigenvalues, but the start point has a small eigenvalue because it receives the least voting when tensor voting. Also, the first starting point is the smallest eigenvalue of tensor voting. Accordingly, the controller 120 selects a point (arrow) located at the upper left side from the starting point extracted in FIG.
  • control unit 120 tracks the entire curve of the handwriting in step S925 and connects it. To this end, the control unit 120 tracks the curve from the starting point until reaching another starting point along the thinned curve area, and when the end point of the end point of each curve area is reached near the intersection area, Connect the intersection point, and connect the intersection point and the end point of the curve area to be connected again according to the similarity according to Equation 5. An example of such a connection has been shown in FIGS. 8A and 8B.
  • control unit 120 outputs the result of the above-described tracking through the output unit 130 in step S930.
  • the result of the tracking includes a path, order, etc. in which handwriting is written. These results can be used for signature identification.
  • the curve tracking method using tensor voting according to the present invention may be implemented in software form readable by various computer means and recorded on a computer readable recording medium.
  • the recording medium may include a program command, a data file, a data structure, etc. alone or in combination.
  • Program instructions recorded on the recording medium may be those specially designed and constructed for the present invention, or they may be of the kind well-known and available to those having skill in the computer software arts.
  • the recording medium may be magnetic media such as hard disks, floppy disks and magnetic tapes, optical disks such as Compact Disk Read Only Memory (CD-ROM), digital video disks (DVD), Magneto-Optical Media, such as Floppy Disk, and ROM, Random Access Memory (RAM), Flash Memory, Solid State Disk (SSD), Hard Disk Drive (HDD), etc.
  • Hardware devices specifically configured to store and execute the same program instructions. Examples of program instructions may include high-level language code that can be executed by a computer using an interpreter as well as machine code such as produced by a compiler. Such hardware devices may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
  • the present invention is applied to the field of offline signature recognition or handwriting recognition, and it is possible to track the curve of the signature in the offline signature and convert it into an online signature, and can be used for more precise signature identification through the traced result.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 텐서보팅(Tensor Voting)을 이용하여 오프라인 서명 데이터와 같은 곡선으로부터 교차점을 검출하고, 곡선을 추적하는 방법 및 장치에 관한 것으로서, 텐서보팅을 수행한 결과를 이용해 교차점과 시작점 선 영역을 추출한 후, 시작점에서부터 다른 시작점으로의 연결 경로를 찾는다. 교차점은 2 개 이상의 방향의 곡선이 교차되는 부분으로 텐서의 고유값의 합이 크다는 특징을 이용한다. 다음으로 입력 영상에서 교차점 영역을 뺀 영역에 대해 세선화와 끝점 추출을 한다. 분리된 선 객체에서 텐서의 고유값의 차가 가장 큰 곳을 찾은 후 고유 벡터를 따라 객체의 끝까지 찾아 간다. 이때 찾아진 끝점에서 텐서의 고유값의 합이 작은 곳은 시작점으로 간주한다. 마지막으로 시작점에서부터 다른 시작점으로 세선화된 선을 추적해 교차점을 만나면, 교차점으로 연결 후 진행 방향과 가장 가까운 방향으로 추적을 진행한다. 이와 같이 추출된 온라인 경로는 서명 검증과 같은 응용에 활용 될 수 있다.

Description

텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치
본 발명은 곡선 추적 기술에 관한 것으로, 보다 상세하게는, 사람의 손으로 직접 쓴 손 글씨 등에서 텐서 보팅(Tensor Voting)을 이용하여 곡선을 추적하기 위한 방법 및 이를 위한 장치에 관한 것이다.
오늘날 컴퓨터가 보급되면서 쇼핑에서부터 행정 처리까지 대부분의 업무는 컴퓨터를 이용하여 처리되고 있다. 이에 따라 개인을 식별하는 보안에 관한 많은 연구가 진행되고 있다. 이러한 연구 중 사람의 신체적, 행동적 특징을 사용자 인증에 이용하는 바이오매트릭스(Biometrics) 보안 시스템의 개발이 주목 받고 있다.
서명은 개인을 식별하기 위한 저렴하고 간단한 방법으로 오랜 시간 동안 사용되어 왔다. 기존 암호 시스템의 단점을 보완하기 위해 생체 정보인 서명과 암호 시스템을 결합한 보안 기법들이 연구되고 있다. 서명의 식별은 서명을 얻는 방법으로 오프라인과 온라인 방법으로 나눌 수 있다.
오프라인 서명식별은 서명의 정적인 특징을 이용하고 온라인 서명식별은 시간에 따른 동적인 특정을 이용할 수 있다. 오프라인 서명은 종이와 펜만 있으면 사용할 수 있지만, 온라인 서명은 스마트폰이나 Tablet PC, 디지타이저와 같은 특수한 장비가 필요해 얻기 힘들다. 오프라인 서명식별은 제한적인 정보량으로 모양을 이용한 방법이 사용된다. 반면 온라인 서명은 가속도, 압력, 펜의 움직임 등 다양한 특정을 서명식별에 이용할 수 있다.
상술한 점을 감안한 본 발명의 목적은 오프라인 서명을 온라인 식의 서명을 변환하기 위해 텐서 보팅(Tensor Voting)을 이용하여 오프라인 서명의 곡선을 추적할 수 있는 방법 및 이를 위한 장치를 제공함에 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 곡선 추적을 위한 장치는, 곡선과 곡선의 교차점을 포함하는 손 글씨 이미지를 포함하는 대상 영상을 입력 받는 입력부; 상기 대상 영상에 대해 텐서 보팅을 수행하여, 상기 텐서 보팅의 결과에 따라 손 글씨에서 상기 교차점이 있는 부분인 적어도 교차점 영역과 상기 교차점이 아닌 곡선이 있는 부분을 곡선 영역을 교차점이 없는 부분인 곡선 영역을 구분하여 적어도 하나의 교차점 영역과 복수의 곡선 영역을 추출하며, 상기 복수의 곡선 영역 각각을 세선화 하여 상기 곡선 영역 각각의 두 개의 끝점을 도출하고, 상기 복수의 곡선 영역 각각의 두 개의 끝 점에서 시작점을 추정하며, 추정된 시작점으로부터 곡선을 추적하여 연결하여 전체 곡선을 연결하는 제어부;를 포함한다.
상기 제어부는 상기 텐서 보팅을 수행한 결과 텐서의 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출하는 것을 특징으로 한다.
상기 제어부는 어느 하나의 곡선 영역 내에서 텐서의 고유값의 차가 가장 큰 점을 찾은 후 고유 벡터를 따라 점을 이동시켜 이동되는 점들의 연결로 상기 곡선 영역을 세선화시키는 것을 특징으로 한다.
상기 제어부는 텐서 보팅의 고유값이 가장 작은 끝점을 시작점으로 추정하는 것을 특징으로 한다.
상기 제어부는 추정된 시작점으로부터 곡선을 추적하되, 각 곡선 영역의 끝점 중 교차점 영역의 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 교차점과 다음 연결 할 곡선 영역의 끝점을 유사도에 따라 결정하여 연결하는 것을 특징으로 한다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 곡선 추적을 위한 방법은, 곡선과 곡선의 교차점을 포함하는 손 글씨 이미지를 포함하는 대상 영상을 입력 받는 단계; 상기 대상 영상에 대해 텐서 보팅을 수행하여, 상기 텐서 보팅의 결과에 따라 손 글씨에서 상기 교차점이 있는 부분인 적어도 교차점 영역과 상기 교차점이 아닌 곡선이 있는 부분을 곡선 영역을 교차점이 없는 부분인 곡선 영역을 구분하여 적어도 하나의 교차점 영역과 복수의 곡선 영역을 추출하는 단계; 상기 복수의 곡선 영역 각각을 세선화 하여 상기 곡선 영역 각각의 두 개의 끝점을 도출하는 단계; 상기 복수의 곡선 영역 각각의 두 개의 끝 점에서 시작점을 추정하는 단계; 및 전체 곡선이 연결되도록 상기 추정된 시작점으로부터 곡선을 추적하는 단계;를 포함한다.
상기 추출하는 단계는 상기 텐서 보팅을 수행한 결과 텐서의 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출하는 것을 특징으로 한다.
상기 도출하는 단계는 어느 하나의 곡선 영역 내에서 텐서의 고유값의 차가 가장 큰 점을 찾은 후 고유 벡터를 따라 점을 이동시켜 이동되는 점들의 연결로 상기 곡선 영역을 세선화시키는 것을 특징으로 한다.
상기 추정하는 단계는 텐서 보팅의 고유값이 가장 작은 끝점을 시작점으로 추정하는 것을 특징으로 한다.
상기 추적하는 단계는 상기 추정된 시작점으로부터 곡선을 추적하되, 각 곡선 영역의 끝점 중 교차점 영역의 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 교차점과 다음 연결 할 곡선 영역의 끝점을 유사도에 따라 결정하여 연결하는 것을 특징으로 한다.
본 발명에 따르면, 오프라인 서명에서 그 서명의 곡선을 추적하여 온라인 식의 서명으로 변환할 수 있으며, 곡선을 추적한 결과를 통해 보다 정밀한 서명식별에 사용될 수 있다.
도 1 내지 도 3은 본 발명의 실시예에 따른 텐서 보팅을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 텐서 보팅을 이용한 곡선 추적을 위한 장치를 설명하기 위한 블록도이다.
도 5는 본 발명의 실시예에 따른 교차점 영역 추출 방법을 설명하기 위한 도면이다.
도 6은 입력 영상에서 교차점 영역을 제거하여 추출된 곡선 영역을 도시하는 도면이다.
도 7은 세선화 과정을 수행한 결과 곡선 영역이 세선화되고 각 곡선 영역의 끝점이 추출된 결과를 도시하는 도면이다.
도 8a 및 도 8b는 본 발명의 실시예에 따른 곡선의 추적과 교차점 연결 과정을 설명하기 위한 도면이다. 그리고
도 9는 본 발명의 실시예에 따른 곡선 추적 방법을 설명하기 위한 흐름도이다.
본 발명의 상세한 설명에 앞서, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 불과할 뿐, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음을 유의해야 한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지의 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다.
본 발명에서는 교차점 추출과 세선화를 위해 텐서 보팅을 이용한다. 도 1 내지 도 3은 본 발명의 실시예에 따른 텐서 보팅을 설명하기 위한 도면이다.
도 1에 타원으로 표현된 2차원 텐서가 도시되었다. 텐서는 스칼라, 벡터의 개념을 확장한 기하학적인 수치로 행렬로 표현된다. 2 차원에서 대칭이고, 음수가 아닌 텐서 T는 2x2 행렬로 표현되며 이는 도시된 바와 같이, 시각적으로 타원으로 표현 할 수 있다. 도 1에서와 같이, 텐서의 두 고유벡터(
Figure PCTKR2012011847-appb-I000001
,
Figure PCTKR2012011847-appb-I000002
)는 타원의 각 축의 방향을 나타내고 고유값(
Figure PCTKR2012011847-appb-I000003
,
Figure PCTKR2012011847-appb-I000004
)은 타원의 크기를 정의한다. 이때, 두 고유값의 크기는
Figure PCTKR2012011847-appb-I000005
이다. 이러한 텐서는 고유값과 고유벡터에 의해 다음의 수학식들과 같이 표현할 수 있다.
수학식 1
Figure PCTKR2012011847-appb-M000001
수학식 2
Figure PCTKR2012011847-appb-M000002
수학식 3
Figure PCTKR2012011847-appb-M000003
수학식 3에서와 같이 텐서 T는 스틱 (
Figure PCTKR2012011847-appb-I000006
) 성분과 볼(
Figure PCTKR2012011847-appb-I000007
) 성분으로 분리될 수 있다. 텐서 보팅은 입력된 텐서(토큰)들의 통신을 통해 텐서의 크기와 방향을 조절하는 과정이다. 보팅 방법은 보팅 필드에 의해 정의되는데, 모든 보팅 필드들은 기본적인 2D 스틱 보팅 커널에 의해 생성된다. 보팅 필드에서 보트들은 법선 벡터에 의해 하나의 방향 성분으로 정의 할 수 있다.
도 2에 2차원 스틱 텐서의 보팅 과정을 설명하기 위한 도면이 도시되었다. 도시된 바와 같이, 두 텐서 간의 스틱 보팅 커널의 보팅 과정을 보인다. 텐서 토큰 O의 방향은 O와 입력 토큰 P를 가장 부드럽게 연결하는 곡선의 법선 방향이 된다. P의 법선의 길이는 호의 길이와 곡률에 반비례한다. 이러한 텐서 보팅의 강도는 보터와 입력 토큰과의 거리와 각도에 의해 결정되며, 다음의 수학식 4와 같이 계산된다.
수학식 4
Figure PCTKR2012011847-appb-M000004
여기서, 호의 길이,
Figure PCTKR2012011847-appb-I000008
, 곡률
Figure PCTKR2012011847-appb-I000009
, c는 곡률을 조절하기 위한 상수이며,
Figure PCTKR2012011847-appb-I000010
는 보팅 필드의 크기와 강도를 의미한다.
도 3에 2차원 스틱 보팅 필드의 강도가 도시되었다. 이는 텐서 토큰이 90도의 법선 벡터를 가질 때의 2차원 보팅 커널을 보인다. 도시된 바와 같이, 거리와 법선의 각도에 따라 입력 토큰의 강도가 결정되며, 보팅후 텐서는 새롭게 인코딩 될 수 있다.
도 4는 본 발명의 실시예에 따른 텐서 보팅을 이용한 곡선 추적을 위한 장치를 설명하기 위한 블록도이다.
도 4를 참조하면, 본 발명의 실시예에 따른 장치(100)는 입력부(110), 제어부(120) 및 출력부(130)를 포함한다.
입력부(110)는 오프라인 서명, 사람이 직접 쓴 손 글씨 등의 이미지가 포함된 영상을 입력 받기 위한 것이다. 본 발명의 실시예에 오프라인 서명, 사람이 직접 쓴 손 글씨 등의 이미지가 포함된 영상을 "대상 영상"이라고 칭하기로 한다. 이러한 입력부(110)는 대상 영상을 입력 받아, 제어부(120)에 제공한다.
제어부(120)는 대상 영상의 오프라인 서명, 사람이 직접 쓴 손 글씨 등에서 서명, 글씨의 선(곡선)을 추적하고, 그 특징을 출력부(130)를 통해 추출한다. 특히, 본 발명의 실시예에 따른 제어부(120)가 수행하는 동작들에 대해 보다 상세하게 설명하면 다음과 같다.
(교차점 추출)
사용자에 의한 손 글씨의 영상은 곡선(선) 및 곡선들이 교차하는 교차점으로 이루어진다. 여기서, 곡선이 있는 영역을 곡선 영역, 교차점이 있는 부분을 교차점 영역이라고 칭하면, 손 글씨는 곡선 영역에서는 쉽게 방향을 추적 할 수 있지만, 교차점 영역에서는 글씨가 움직이는 방향이 모호하므로 교차점 영역을 미리 분리하여 이동 방향을 따로 추정해야 한다. 특히, 교차점은 두 개 이상의 곡선(선)이 마주치는 곳으로 두 방향에서 보팅을 받기 때문에, 텐서 보팅의 고유값이 둘 다 크다는 특징을 가진다. 따라서 본 발명에 따르면, 고유값의 합이 최대인 값으로 정규화 후, 임계값을 이용하여 두 고유값의 합이 큰 영역을 교차점 영역으로 추출한다. 즉, 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출한다.
도 5는 본 발명의 실시예에 따른 교차점 영역 추출 방법을 설명하기 위한 도면이다. 도 5는 손 글씨의 이진 입력 영상에 대해 텐서 보팅을 수행하고, 고유값의 합이 큰 부분을 임계값을 이용하여 교차점 영역을 추출해낸 것이다. 여기서, (a)는 이진 입력 영상이다. (b)는 정규화된
Figure PCTKR2012011847-appb-I000011
를 나타낸 영상이며, (c)는 정규화된
Figure PCTKR2012011847-appb-I000012
를 나타낸 영상이다. 교차점은 각 교차점 영역의 평균으로 계산된다. (d)는 추출된 교차점 영역을 나타낸다.
(세선화)
제어부(120)는 추적 작업을 위해 세선화 과정을 수행한다. 이러한 세선화 과정은 교차점 영역을 제외한 곡선들을 세선화한다. 제어부(120)는 대상 영상으로부터 추출된 교차점 영역을 빼는 것으로 곡선 영역을 간단하게 얻을 수 있다. 곡선 영역에서 텐서는 한쪽 방향에서 많은 보팅을 받기 때문에 두 고유값의 차가 크고 고유 벡터는 곡선의 방향(진행 방향)을 가리킨다. 세선화를 위해 먼저 각 곡선 객체에서 고유값의 차가 가장 큰 곳(점)을 찾는다. 이것은 고유값의 차가 가장 큰 곳은 곡선의 보팅을 가장 많이 받은 곳으로 고유 벡터가 가리키는 방향의 정확도가 가장 높기 때문이다. 즉, 제어부(120)는 처음 점에 대한 처리 후, 다음 추출된 점에서부터 고유 벡터의 방향을 따라 점을 이동시키고, 새로운 점에서 고유 벡터의 방향을 따라 계속해서 점을 이동시킨다. 제어부(120)는 이러한 과정을 곡선 객체의 끝에 도달 할 때까지 반복한다.
도 6은 입력 영상에서 교차점 영역을 제거하여 추출된 곡선 영역을 도시하는 도면이다. 도시된 바와 같이, 5개의 서로 구분된 곡선 영역(곡선 객체)이 추출된다. 도 6에서는 추출된 곡선 영역과 고유값의 차가 최대인 위치에서의 고유 벡터의 방향을 보인다. 고유값의 차가 최대인 값을 기준으로 정규화 하여 곡선에 해당하는 부분을 그레이 스케일로 표현하였다. 도 6에 도시된 원은 각 객체에서 고유값의 차가 최대인 곳이며, 도 5의 화살표는 고유 벡터의 방향을 나타낸다. 도 7은 상술한 세선화 과정을 수행한 결과 곡선 영역이 세선화되고 각 곡선 영역의 끝점이 추출된 결과를 도시하는 도면이다.
(시작점 추정)
손 글씨를 추적하기 위해서는 추적을 시작 할 선 전체의 시작점을 알아야한다. 세선화 고정을 거치면 각 곡선 영역(곡선 객체)은 두 개의 끝점을 가지게 된다. 두 개의 끝점 중 교차점 부근의 끝점은 고유값의 합이 크지만, 시작점은 텐서 보팅시, 보팅을 가장 적게 받기 때문에 고유값이 작다. 따라서 제어부(120)는 고유값이 가장 작은 점을 시작점으로 추정한다.
(서명 추적)
상술한 바와 같이, 전체 영상에서 곡선 추적은 선택된 시작점에서 다른 시작점에 도달할 때까지, 곡선 영역이 세선화 된 선을 따라 움직인다. 각 곡선 영역(곡선 객체)에서 교차점 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 다음에 연결 할 곡선의 끝점을 다음의 수학식 5와 같은 코사인 유사도를 이용해 결정한다.
수학식 5
Figure PCTKR2012011847-appb-M000005
도 8a 및 도 8b는 본 발명의 실시예에 따른 곡선의 추적과 교차점 연결 과정을 설명하기 위한 도면이다. 도 8a의 (A)를 참조하면, 왼쪽 위에 있는 점을 전체 영상에서 시작점으로 선택되었고, 추출된 시작점으로부터 곡선 추적이 시작된다. 이 시작점을 화살표로 나타내었다. 또한, 도 8b는 도 8a의 A 부분을 확대한 도면이다. 도시된 바와 같이, 점 Po에서 O를 향하는 벡터와 점 O에서 p1, p2, 또는 p3을 향하는 벡터를 각각 수학식 5에 따라 유사도를 비교하여, 가장 유사한 p2를 향하여 추적을 진행한다. 즉, 제어부(120)는 수학식 5에서
Figure PCTKR2012011847-appb-I000013
는 점 Po에서 O를 향하는 벡터로 놓고,
Figure PCTKR2012011847-appb-I000014
는 점 O에서 p1을 향하는 벡터, 또는
Figure PCTKR2012011847-appb-I000015
는 점 O에서 p2를 향하는 벡터, 또는,
Figure PCTKR2012011847-appb-I000016
는 점 O에서 p3을 향하는 벡터로 놓고, 각각의 유사도를 구한 후, 가장 유사도가 높은 p2를 향하여 추적을 진행한다.
도 9는 본 발명의 실시예에 따른 곡선 추적 방법을 설명하기 위한 흐름도이다.
도 9를 참조하면, 제어부(120)는 S900 단계에서 입력부(110)를 통해 대상 영상을 입력 받는다. 대상 영상은 사용자의 손 글씨에 대한 이미지를 포함하며, 이 손 글씨는 복수의 곡선과 적어도 2개의 곡선이 교차하는 적어도 하나의 교차점을 포함한다.
대상 영상을 입력 받으면, 제어부(120)는 S905 단계에서 대상 영상에 대해 텐서 보팅을 수행하고, 텐서 보팅 결과에 따라 S910 단계에서 손 글씨에서 복수의 곡선이 교차하는 적어도 교차점이 있는 부분인 교차점 영역과, 교차점 영역이 아닌 복수의 곡선이 있는 부분인 곡선 영역으로 구분하여, 적어도 하나의 교차점 영역과 복수의 곡선 영역을 추출한다. 이를 위하여, 제어부(120)는 먼저, 텐서 보팅이 수행된 결과로부터 텐서 보팅의 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출한다. 그런 다음, 손 글씨에서 추출된 교차점 영역이 아닌 영역을 곡선 영역으로 추출한다. 도출된 교차점 영역이 도 5의 (d)에 도시되었으며, 교차점 영역을 제외한 곡선 영역이 도 6에 도시되었다.
다음으로, 제어부(120)는 S915 단계에서 복수의 곡선 영역에 대해 세선화를 진행하여 각 곡선 영역을 세선화시키고, 각 곡선 영역의 끝점들을 도출한다. 세선화를 위해 먼저 각 곡선 객체에서 고유값의 차가 가장 큰 곳(점)을 찾는다. 이것은 고유값의 차가 가장 큰 곳은 곡선의 보팅을 가장 많이 받은 곳으로 고유 벡터가 가리키는 방향의 정확도가 가장 높기 때문이다. 즉, 처음 점에 대한 처리 후, 다음 추출된 점에서부터 고유 벡터의 방향을 따라 점을 이동하고 새로운 점에서 고유 벡터의 방향을 따라 이동한다. 이 과정을 곡선 영역의 끝에 도달 할 때까지 반복한다. 즉, 분리된 곡선 영역 내에서 텐서의 고유값의 차가 가장 큰 점을 찾은 후 고유 벡터를 따라 점을 이동시켜 이러한 점들이 연결로 세선화시킨다. 예컨대, 도 6과 같이 곡선 영역을 도 7과 같이 세선화시키고 끝점을 도출한다. 도 7에서, 끝점은 각 곡선 영역의 양쪽 끝에 원형으로 표시되어 있다.
이어서, 제어부(120)는 S920 단계에서 세선화된 각 곡선 영역에서 시작점을 추정한다. 이는 손 글씨를 추적하기 위한 전 단계로 추적을 시작 할 선 전체의 시작점을 알아야한다. 앞선 915 단계와 같은 세선화 과정을 거치면 고정을 거치면 각 곡선 영역은 두 개의 끝점을 가지게 된다. 이 들 중 교차점 영역이 있는 족의 끝점은 고유값의 합이 크지만, 시작점은 텐서 보팅시 보팅을 가장 적게 받기 때문에 고유값이 작다. 또한, 가장 처음 시작하는 시작점은 텐서 보팅의 고유값이 가장 작다. 이에 따라 제어부(120)는 도 7에서 추출된 시작점에서 왼쪽 위에 있는 점(화살표)을 전체 영상에서 시작점으로 선택한다.
다음으로, 제어부(120)는 S925 단계에서 손 글씨 전체의 곡선을 추적하여 연결한다. 이를 위하여, 제어부(120)는 시작점으로부터 세선화된 곡선 영역을 따라 다른 시작점에 도달할 때까지, 곡선을 추적하며, 이때, 각 곡선 영역의 끝점 중 교차점 영역의 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 다시 교차점과 다음 연결 할 곡선 영역의 끝점을 수학식 5에 따른 유사도에 따라 결정하여 연결한다. 이러한 연결의 예를 도 8a 및 도 8b에서 도시한 바 있다.
다음으로, 제어부(120)는 S930 단계에서 상술한 추적에 따른 결과를 출력부(130)를 통해 출력한다. 여기서, 추적에 따른 결과는 손 글씨가 쓰여진 경로, 순서 등을 포함한다. 이러한 결과는 서명식별을 위해 사용될 수 있다.
본 발명에 따른 텐서 보팅을 이용한 곡선 추적 방법은, 다양한 컴퓨터 수단을 통하여 판독 가능한 소프트웨어 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리, SSD(Solid State Disk), HDD(Hard Disk Drive) 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 이와 같이, 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 균등론에 따라 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.
본 발명은 오프라인 서명 인식 혹은 필기체 인식 분야에 적용되어, 오프라인 서명에서 그 서명의 곡선을 추적하여 온라인 식의 서명으로 변환할 수 있으며, 곡선을 추적한 결과를 통해 보다 정밀한 서명식별에 사용될 수 있다.

Claims (10)

  1. 곡선 추적을 위한 장치에 있어서,
    곡선과 곡선의 교차점을 포함하는 손 글씨 이미지를 포함하는 대상 영상을 입력 받는 입력부;
    상기 대상 영상에 대해 텐서 보팅을 수행하여, 상기 텐서 보팅의 결과에 따라 손 글씨에서 상기 교차점이 있는 부분인 적어도 교차점 영역과 상기 교차점이 아닌 곡선이 있는 부분을 곡선 영역을 교차점이 없는 부분인 곡선 영역을 구분하여 적어도 하나의 교차점 영역과 복수의 곡선 영역을 추출하며, 상기 복수의 곡선 영역 각각을 세선화하여 상기 곡선 영역 각각의 두 개의 끝점을 도출하고, 상기 복수의 곡선 영역 각각의 두 개의 끝 점에서 시작점을 추정하며, 추정된 시작점으로부터 곡선을 추적하여 연결하여 전체 곡선을 연결하는 제어부;를 포함하는 것을 특징으로 하는 곡선 추적을 위한 장치.
  2. 제1항에 있어서,
    상기 제어부는
    상기 텐서 보팅을 수행한 결과 텐서의 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출하는 것을 특징으로 하는 곡선 추적을 위한 장치.
  3. 제1항에 있어서,
    상기 제어부는
    어느 하나의 곡선 영역 내에서 텐서의 고유값의 차가 가장 큰 점을 찾은 후 고유 벡터를 따라 점을 이동시켜 이동되는 점들의 연결로 상기 곡선 영역을 세선화시키는 것을 특징으로 하는 곡선 추적을 위한 장치.
  4. 제1항에 있어서,
    상기 제어부는
    텐서 보팅의 고유값이 가장 작은 끝점을 시작점으로 추정하는 것을 특징으로 하는 곡선 추적을 위한 장치.
  5. 제1항에 있어서,
    상기 제어부는
    추정된 시작점으로부터 곡선을 추적하되, 각 곡선 영역의 끝점 중 교차점 영역의 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 교차점과 다음 연결 할 곡선 영역의 끝점을 유사도에 따라 결정하여 연결하는 것을 특징으로 하는 곡선 추적을 위한 장치.
  6. 곡선 추적을 위한 방법에 있어서,
    곡선과 곡선의 교차점을 포함하는 손 글씨 이미지를 포함하는 대상 영상을 입력 받는 단계;
    상기 대상 영상에 대해 텐서 보팅을 수행하여, 상기 텐서 보팅의 결과에 따라 손 글씨에서 상기 교차점이 있는 부분인 적어도 교차점 영역과 상기 교차점이 아닌 곡선이 있는 부분을 곡선 영역을 교차점이 없는 부분인 곡선 영역을 구분하여 적어도 하나의 교차점 영역과 복수의 곡선 영역을 추출하는 단계;
    상기 복수의 곡선 영역 각각을 세선화하여 상기 곡선 영역 각각의 두 개의 끝점을 도출하는 단계;
    상기 복수의 곡선 영역 각각의 두 개의 끝 점에서 시작점을 추정하는 단계; 및
    전체 곡선이 연결되도록 상기 추정된 시작점으로부터 곡선을 추적하는 단계;를 포함하는 것을 특징으로 하는 곡선 추적을 위한 방법.
  7. 제6항에 있어서,
    상기 추출하는 단계는
    상기 텐서 보팅을 수행한 결과 텐서의 두 고유값의 합이 기 설정된 임계값 이상인 영역을 교차점 영역으로 추출하는 것을 특징으로 하는 곡선 추적을 위한 방법.
  8. 제6항에 있어서,
    상기 도출하는 단계는
    어느 하나의 곡선 영역 내에서 텐서의 고유값의 차가 가장 큰 점을 찾은 후 고유 벡터를 따라 점을 이동시켜 이동되는 점들의 연결로 상기 곡선 영역을 세선화시키는 것을 특징으로 하는 곡선 추적을 위한 방법.
  9. 제6항에 있어서,
    상기 추정하는 단계는
    텐서 보팅의 고유값이 가장 작은 끝점을 시작점으로 추정하는 것을 특징으로 하는 곡선 추적을 위한 방법.
  10. 제6항에 있어서,
    상기 추적하는 단계는
    상기 추정된 시작점으로부터 곡선을 추적하되, 각 곡선 영역의 끝점 중 교차점 영역의 부근의 끝점에 도달하면, 끝점과 교차점을 연결하고, 교차점과 다음 연결 할 곡선 영역의 끝점을 유사도에 따라 결정하여 연결하는 것을 특징으로 하는 곡선 추적을 위한 방법.
PCT/KR2012/011847 2012-12-26 2012-12-31 텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치 Ceased WO2014104455A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120152682A KR101343360B1 (ko) 2012-12-26 2012-12-26 텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치
KR10-2012-0152682 2012-12-26

Publications (1)

Publication Number Publication Date
WO2014104455A1 true WO2014104455A1 (ko) 2014-07-03

Family

ID=49988730

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2012/011847 Ceased WO2014104455A1 (ko) 2012-12-26 2012-12-31 텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치

Country Status (2)

Country Link
KR (1) KR101343360B1 (ko)
WO (1) WO2014104455A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118537597A (zh) * 2024-05-21 2024-08-23 北京自动化控制设备研究所 基于结构特征的可见光sar异源图像匹配方法及匹配系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132692A (ja) * 1998-10-23 2000-05-12 Nippon Telegr & Teleph Corp <Ntt> 曲線の特徴点抽出方法及びこの方法を記録した記録媒体
KR20040055936A (ko) * 2002-12-23 2004-06-30 한국전자통신연구원 외곽선 특징에 기반한 문자 인식 장치 및 방법
KR20070027921A (ko) * 2005-08-30 2007-03-12 주식회사 로보스타 로봇의 연속 모션 처리를 위한 연결경로 계획 장치
KR20100122688A (ko) * 2009-05-13 2010-11-23 삼성전자주식회사 카메라를 이용한 문자 인식 장치 및 방법
KR20100124426A (ko) * 2009-05-19 2010-11-29 삼성전자주식회사 아날로그 입력 가능한 컴퓨팅 기기에서 손 글씨 저장 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132692A (ja) * 1998-10-23 2000-05-12 Nippon Telegr & Teleph Corp <Ntt> 曲線の特徴点抽出方法及びこの方法を記録した記録媒体
KR20040055936A (ko) * 2002-12-23 2004-06-30 한국전자통신연구원 외곽선 특징에 기반한 문자 인식 장치 및 방법
KR20070027921A (ko) * 2005-08-30 2007-03-12 주식회사 로보스타 로봇의 연속 모션 처리를 위한 연결경로 계획 장치
KR20100122688A (ko) * 2009-05-13 2010-11-23 삼성전자주식회사 카메라를 이용한 문자 인식 장치 및 방법
KR20100124426A (ko) * 2009-05-19 2010-11-29 삼성전자주식회사 아날로그 입력 가능한 컴퓨팅 기기에서 손 글씨 저장 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118537597A (zh) * 2024-05-21 2024-08-23 北京自动化控制设备研究所 基于结构特征的可见光sar异源图像匹配方法及匹配系统

Also Published As

Publication number Publication date
KR101343360B1 (ko) 2013-12-20

Similar Documents

Publication Publication Date Title
Dino et al. Facial expression recognition based on hybrid feature extraction techniques with different classifiers
US7873189B2 (en) Face recognition by dividing an image and evaluating a similarity vector with a support vector machine
US20170180988A1 (en) User authentication method and apparatus
US9208375B2 (en) Face recognition mechanism
CN110287772B (zh) 平面手掌掌心区域提取方法及装置
Hernández-Vela et al. BoVDW: Bag-of-Visual-and-Depth-Words for gesture recognition
KR102062708B1 (ko) 얼굴 인식 시스템의 위조 공격 탐지 장치 및 방법
CN107679860A (zh) 一种用户认证的方法、装置、设备和计算机存储介质
CN110427826B (zh) 一种手掌识别方法、装置、电子设备及存储介质
WO2017191626A1 (en) A method for online signature verification using wrist-worn devices
Arachchi et al. Real-time static and dynamic gesture recognition using mixed space features for 3D virtual world's interactions
CN106934362B (zh) 基于动态特征分区的在线手写签名验证方法
EP3994608A1 (en) Slap segmentation of contactless fingerprint images
Malik et al. Harris operator corner detection using sliding window method
Jasim et al. A real-time computer vision-based static and dynamic hand gesture recognition system
Zhu et al. Hand dorsal vein recognition based on shape representation of the venous network
EP2998928B1 (en) Apparatus and method for extracting high watermark image from continuously photographed images
Ahmed et al. Monocular vision-based signer-independent Pakistani sign language recognition system using supervised learning
WO2014104455A1 (ko) 텐서 보팅을 이용한 곡선 추적을 위한 방법 및 이를 위한 장치
Aravinda et al. An approach for signature recognition using contours based technique
Qin et al. Partial fingerprint matching via phase-only correlation and deep convolutional neural network
Feng et al. Extracting local binary patterns from image key points: Application to automatic facial expression recognition
CN111428670B (zh) 人脸检测方法、装置、存储介质及设备
Vu et al. Improving accuracy in face recognition proposal to create a hybrid photo indexing algorithm, consisting of principal component analysis and a triangular algorithm (pcaata)
CN106096597A (zh) 一种人脸识别方法和装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12891201

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12891201

Country of ref document: EP

Kind code of ref document: A1