선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 경계 변수를 퍼지 논리 교 접속 연산자를 이용하여 동적으로 조정하고 승자 빈도 수에 따라 학습 파라미터를 조정하는 개선된 퍼지 ART 알고리즘을 제안한다. 퍼지 교 접속 연산자 는 총체화된 값이 모든 입력 중 가장 작은 값보다 크지 않은 성질을 갖는 연산자로서, Yager의 교 접속 연산자는
- 이러한 출입국 관리 시스템은 출입국 심사 시간이 길어 출입국자에 불편을 제공하고 출입국 부적격자에 대한 정확한 검색이 이루어지지 않아 체계적으로 관리가 어려웠다. 이러한 종래의 문제를 개선하기 위하여 본 논문에서는 소벨 연산자와 수평 스미어링, 8방향 윤곽선 추적 알고리즘을 사용하여 문자열 영역을 추출하 였고 문자와 얼굴 영역의 인식률을 높이기 위해 문자열의 왼쪽과 오른쪽의 두께 중심을 연결하는 직선과 수평선과의 기울기를 이용하여 이미지에 대한 기울기를 보정하였다. 추출된 여권 코드 문 자열 영역에 대해 반복 이지화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다.
제안 방법
- CDM 마스크는 조건적 팽창 마스크로 조건에 해 당하지 않는 픽셀들은 마스크에 영향을 받지 않고 조건에 일치하는 객체만을 팽창하는 방법이다[3]. CDM 마스크가 적용된 문자열 영역에 대해 개별 코드를 추출하기 위해 8 방향 윤곽선 추적 알고리 즘[4]을 적용하여 개별 코드를 추출하고 개선된 퍼지 ART 기반 RBF 네트워크를 적용하여 개별 코드를 인식한다. 사진 영역은 코드의 문자열 영역을 추출한 후에 코드의 문자열 영역이 시작되는 좌표를 중심으로 사진 영역을 추출한다.
- CDM 마스크를 적용한 후에 8 방향 윤곽선 추 적 알고리즘을 적용하여 88개의 개별 코드들을 추 출한다. [그림 6]은 8 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출한 결과이다.
- 개별 코드 인식은 유사한 패턴들이 서로 다른 클러스터로 분류되거나 서로 다른 패턴들이 같은 클러스터로 분류되지 않도록 경계변수를 동적으로 조정하는 개선된 퍼지ART를 기반으로 하는 RBF 네트워크를 적용하였다. 인식된 정보를 이용하여 데이터베이스에 PCA 알고리즘으로 미리 학습되어진 출입국자의 얼굴 정보를 획득하고 실제 출입국자 여권의 얼굴 정보의 특징벡터를 추출한 후, 데이터베이스에서 획득한 얼굴 특징 벡터 간의 유사도 측정을 통해 얼굴 인증을 하였다.
- 공분산 행렬을 이용하여 데이터의 분포를 잘 표현하는 고유 벡터와 고유 값을 구한 후, 고유 값을 값이 큰 순으로 정렬하고 고유 벡터도 해당 고 유 값의 위치대로 정렬한다. 크기 순으로 정렬된 고유 벡터들은 뒤쪽으로 갈수록 0 또는 0에 가까 운 값을 가지게 되므로 이러한 값들을 버림으로써 데이터의 차원을 줄일 수 里다.
- 사진 영역은 코드의 문자열 영역을 추출한 후에 코드의 문자열 영역이 시작되는 좌표를 중심으로 사진 영역을 추출한다. 그리고 얼굴 인증을 위해 여권 영상에서 획득되어진 얼굴 영상의 특징 벡터와 데이터베이스에 있는 얼굴 영 상의 특징 벡터와의 거리 값을 계산하여 사진 위 조 여부를 판별한다.
- 이러한 정보들을 육안으로 확인하고 판단, 관리하는 것은 출입국 관리 절차의 시간을 지연시키고 불분명한 판단과 관리에 의해 출입국 부적격자에 대한 정확한 검색이 어렵다[1]. 따라서 본 논문에서는 소벨 연산자와 수평 스미어링, 8방 향 윤곽선 추적 알고리즘을 적용하여 코드의 문 자열 영역을 추출한다. 추출된 문자열 영역을 반 복 이진화 기법을 적용하여 이진화하고 이진화 된 문자열 영역에 대해 개별 코드의 문자들을 복 원하기 위하여 CDM 마스크를 적용한다.
- 따라서 본 논문에서는 저장 패턴과 학습 패턴 간의 실제적인 왜곡 정도를 충분히 고려하여 학습 파라미터 尸를 동적으로 조정한다. 개선된 퍼지 ART 알고리즘에서 학습 파라미터 0를 조정하는 식은 다음과 같다.
- 여권 코드의 문자열을 추출하는 과정에서 여권의 기울 어짐을 배제한다면 수평 투영(projection)에 의해서 최대 구간을 형성하는 두 개의 영역을 선택함 으로써 코드 문자열 부분을 추출할 수 있지만 기 울어진 상태에서는 이런 방법을 사용하기가 어렵 다. 따라서 본 논문에서는 추출된 두 개의 문자열 중 가장 긴 문자열을 선택하고 이 문자열의 좌측 과 우측 부분의 두께 중심을 연결하는 직선과 수 평선과의 기울기를 이용하여 이미지에 대한 각도 보정을 수행한다. 제안된 방법에서 코드 영역 추 출과 기울기 보정 과정은 [그림 3]과 같다.
- 먼저 다수의 여권 사진에서 얼굴 영역 검출 과정을 통해 얼굴 영역의 영상을 획득한다. 획득되 어진 얼굴 영상들은 PCA 알고리즘을 적용하여 학습하며 학습되어진 얼굴 영상들의 고유 벡터와 특징 벡터는 해당 여권 소지자의 데이터베이스에 각각 추가한다.
- 예를 들어 불법 경로를 통해 여권을 구하고 사진과 얼굴 부분을 위조한 여권의 경우에는 정상적인 여권으로 판별할 우려 가 있다. 본 논문에서는 인식된 여권 코드 정보를 이용하여 데이터베이스로부터 PCA 알고리즘으로 구한 여권 얼굴 영상의 고유 벡터와 특징 벡터를 획득하고 실제 여권에 부착되어 있는 여권의 얼굴 영상 특징 벡터를 PCA 알고리즘으로 구한 후, 자 동으로 대조, 분석하여 여권의 위조 유무를 판단 할 수 있도록 한다.
- 단계 2. 이전과 현재 마스크 좌표로 방향을 설정 하고, 설정된 방향으로 다음 진행 방향을찾기 위한 이웃 픽셀들을 순서대로 탐색 한다. 이웃 픽셀들을 탐색하면서 흑화소 ■ 인지 판단한다.
- 추출된 여권 코드 문 자열 영역에 대해 반복 이지화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다. 이진화된 문자열 영역에 대해 CDM 마스크를 적용하여 문 자열의 코드들을 복원하였고 8 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다.
- 개별 코드 인식은 유사한 패턴들이 서로 다른 클러스터로 분류되거나 서로 다른 패턴들이 같은 클러스터로 분류되지 않도록 경계변수를 동적으로 조정하는 개선된 퍼지ART를 기반으로 하는 RBF 네트워크를 적용하였다. 인식된 정보를 이용하여 데이터베이스에 PCA 알고리즘으로 미리 학습되어진 출입국자의 얼굴 정보를 획득하고 실제 출입국자 여권의 얼굴 정보의 특징벡터를 추출한 후, 데이터베이스에서 획득한 얼굴 특징 벡터 간의 유사도 측정을 통해 얼굴 인증을 하였다.
- 이러한 종래의 문제를 개선하기 위하여 본 논문에서는 소벨 연산자와 수평 스미어링, 8방향 윤곽선 추적 알고리즘을 사용하여 문자열 영역을 추출하 였고 문자와 얼굴 영역의 인식률을 높이기 위해 문자열의 왼쪽과 오른쪽의 두께 중심을 연결하는 직선과 수평선과의 기울기를 이용하여 이미지에 대한 기울기를 보정하였다. 추출된 여권 코드 문 자열 영역에 대해 반복 이지화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다. 이진화된 문자열 영역에 대해 CDM 마스크를 적용하여 문 자열의 코드들을 복원하였고 8 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다.
- 출입국 관리는 여권 소지자, 수배자, 출입국 금 지자 또는 불법 체류자 등의 줄입국 부적격자 등을 검색하여 출입국자를 관리하고, 여권의 데이터 베이스와 대조하였다. 이러한 출입국 관리 시스템은 출입국 심사 시간이 길어 출입국자에 불편을 제공하고 출입국 부적격자에 대한 정확한 검색이 이루어지지 않아 체계적으로 관리가 어려웠다.
- 먼저 다수의 여권 사진에서 얼굴 영역 검출 과정을 통해 얼굴 영역의 영상을 획득한다. 획득되 어진 얼굴 영상들은 PCA 알고리즘을 적용하여 학습하며 학습되어진 얼굴 영상들의 고유 벡터와 특징 벡터는 해당 여권 소지자의 데이터베이스에 각각 추가한다. 이 두 개의 고유 벡터와 특징 벡 터 정보를 이용하여 얼굴 유사도 검증이 가능하게 된다.
대상 데이터
- 본 논문에서는 [그림 1]과 같이 현재 사용되고 있는 여권을 대상으로 코드 영역을 추출한다. 여 권 영상에서 사용자의 코드 정보가 있는 배경 영 역은 흰색으로 구성되어 있으며 코드 정보 영역은 44개의 문자가 두 줄로 정렬되어 있다
- 실험에 사용된 여권 사진은 원본 여권 12장과 사진 부분이 위조된 여권 12장 그리고 얼굴 부분이 위조된 여권 12장을 사용하였으며 얼굴 인증 유사 도를 0.8로 설정하여 실험한 결과는와 같다.
- 0으로 구현하였다. 실험에 사용된 여권 영 상은 HP ScanJet 4200C 스캐너를 이용하여 600 x 437 픽셀 크기를 가진 12개의 여권 영상을 수집하여 성능 평가를 위해 얼굴 부분을 위조한 영상 12 개와 사진 부분을 위조한 영상 12개를 만들어 총 36개의 여권영상을 얼굴 인증 성능 평가 실험에 사용하였으며, 여권 영상의 획득 환경 실험을 위해 12개의 원본 여권과 각각 오른쪽 방향과 왼쪽 방향으로 조금씩 기울어진 상태로 스캔되어진 여 권 영상 24개를 사용하여 모두 36개의 여권 영상 을 개별 코드 인식에 적용하였다.
- 인식 대상 영상의 특징 벡터와 학습되어진 특 징 벡터들간의 유사성을 측정하여 가장 유사한 특 징 벡터 영상을 인식 결과 영상으로 사용하게 된다. 본 논문에서는 벡터들간의 유사성을 측정하기 위해 템플레이트 정합을 사용한다[11].
- 추출된 3168개의 여권 코드 중에서 숫자 코드 100개와 문자 코드 260개를 개선된 퍼지 ART 기반 RBF 네트워크 알고리즘에 적용하여 학습하였다. 기존의 퍼지 ART 알고리즘은 경계변수를 정 적으로 설정하기 때문에 서로 다른 패턴들이 같은 클러스터로 분류되는 경향이 있다.
이론/모형
- 본 논문에서는 개선된 퍼지 ART 기반 RBF 네트워크를 이용하여 여권 코드 인식에 적용한다. 제안된 RBF 네트워크의 학습은 크게 두 단 계로 구분된다.
- 인식 대상 영상의 특징 벡터와 학습되어진 특 징 벡터들간의 유사성을 측정하여 가장 유사한 특 징 벡터 영상을 인식 결과 영상으로 사용하게 된다. 본 논문에서는 벡터들간의 유사성을 측정하기 위해 템플레이트 정합을 사용한다[11]. 두 벡터간의 유사성을 측정을 위해 사용하는 식은 식 19와 같다.
- 중간층과 출력충 사이의 학습에는 일반화된 델 타 학습 방법을 적용한다. 따라서 출력층의 출력 벡터는 식 5와 같이 계산되고 식 6과 같이 시그모 이드 함수에 의해 정규화 한다.
- 따라서 본 논문에서는 소벨 연산자와 수평 스미어링, 8방 향 윤곽선 추적 알고리즘을 적용하여 코드의 문 자열 영역을 추출한다. 추출된 문자열 영역을 반 복 이진화 기법을 적용하여 이진화하고 이진화 된 문자열 영역에 대해 개별 코드의 문자들을 복 원하기 위하여 CDM 마스크를 적용한다. CDM (Conditional Dilation Morphology) 마스크는 비선 형 공간 필터 중 모폴로지 필터를 변형시켜 유실 문자 정보를 복원하기 위해 제안된 마스크이다[2].
- 추출된 문자열 영역을 이진화하고 이진화된 문 자열 영역에 대해서 개별 코드의 문자들을 복원하기 위하여 CDM 마스크를 적용한다. [그림 4]는 CDM 마스크이다.
성능/효과
- 36개의 여권 영상에서 72개의 문자열 영역이 모두 추출되었고과 같이 2052개의 개별 코 드 문자와 1116개의 개별 숫자 모두가 추출되었다
- <표 5>와 같이 얼굴 위조 여권과 사진 위조 여 권 모두 위조 여권으로 판별 되어 통과 되지 못하 였으며 원본 여권은 위조로 판별되지 않았다. 따라서 본 논문에서 적용한 PCA 알고리즘이 여권 얼굴 인증에 있어서 효율적임을 확인할 수 있다. 본 논문에서 여권 코드 인식과 얼굴 인증 시스템의 화면은 [그림 16]과 같다.
- 얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 PCA 알고리즘을 적용하여 여권의 위조 판별을 실험한 결과, 위조 여권 24장이 모두 위조 여권으로 판정되었다. 따라서 본 논문에서 제안한 여권 인식과 얼굴 인증 방법이 효율적인 것을 확인하였다.
- 기존의 퍼지 ART 알고리즘은 경계변수를 정 적으로 설정하기 때문에 서로 다른 패턴들이 같은 클러스터로 분류되는 경향이 있다. 본 논문에서 제안하는 개선된 퍼지 ART 알고리즘은 패턴들의 특성을 잘 분류할 수 있도록 클러스터마다 각각의 경계 변수를 동적으로 조정하여 학습하므로 유사한 패턴들이 서로 다른 클러스터로 분류되거나 서로 다른 패턴들이 같은 클러스터로 분류되는 부분 이 개선되었다. 개선된 퍼지 ART 기반 RBF 네트 워크의 파라미터 설정은(표 2>와 같다.
- 제안된 여권 인식 방법은 여권의 기울기를 보정함으로써 여권의 개별 코드 인식률을 개선하였으며 개선된 퍼지 ART 기반 RBF 네트워크 알고리즘을 적용하여 인식한 결과, 36장의 여권에서 72개의 문자 열 영역과 3168개의 개별 코드가 모두 인식되었다. 얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 PCA 알고리즘을 적용하여 여권의 위조 판별을 실험한 결과, 위조 여권 24장이 모두 위조 여권으로 판정되었다. 따라서 본 논문에서 제안한 여권 인식과 얼굴 인증 방법이 효율적인 것을 확인하였다.
- <표 4>와 같이 여권영상을 그대로 인식할 경우 97%가 인식되었지만 여권의 기울기를 보정하여 인식할 경우에는 100%가 인식되었다. 여권을 스 캔할 경우 기울어짐 없이 반듯하게 스캔되기가 어 려우며 이와 같은 특성을 고려하여 여권 영상의 기울기를 보정함으로써 좋은 결과를 산출 할 수 있음을 확인하였다.
- 제안된 여권 인식 방법은 여권의 기울기를 보정함으로써 여권의 개별 코드 인식률을 개선하였으며 개선된 퍼지 ART 기반 RBF 네트워크 알고리즘을 적용하여 인식한 결과, 36장의 여권에서 72개의 문자 열 영역과 3168개의 개별 코드가 모두 인식되었다. 얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 PCA 알고리즘을 적용하여 여권의 위조 판별을 실험한 결과, 위조 여권 24장이 모두 위조 여권으로 판정되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.