[논문]컬러 정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식

김병기

문제 정의

본 논문에서는 칼라정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식 방법을 제안한다. 입력 컨테이너 영상으로부터 칼라정보를 이용하여 윤곽선을 추출하고, 연결된 윤곽선 정보를 이용하여 식별자 후보 영역추출과 문자 조건 검증 알고리즘을 사용하여 입력 영상의 밝기와 잡음에 강한 식별자 인식 방법을 제안한다.
인식결과의 후처리는 앞 단계에서 인식한 식별자 정보가 정확한지를 사용 가능한 관련 정보를 활용하여 검증하는 것이다. 아무리 우수한 문자인식 알고리즘을 사용하더라도 원 문자영상 자체에 오염으로 인한 인쇄 불량이 있다면 인식기법의 사용만으로는 완벽한 인식에 한계가 있게 마련이다.

가설 설정

컨테이너 식별자는 다음과 같은 특징을 갖고, 이러한 특징을 이해하는 것이 좋은 인식 시스템 개발에 매우 필수적이다. 첫째, 식별자 인쇄에 사용되는 폰트(Font)가 일정하지 않다. 즉, 식별 문자 의 글꼴, 크기, 모양이 일정하지 않으므로 문자 영역의 추출률과 문자 인식률의 향상에 걸림돌이 될 수 있다.

제안 방법

본 논문에서는 Red, Green, Blue 세 개의 색상 채널 각각에 대하여 Difference Operator를 사용하여 에지를 구한다[6]. 3개의 채널 중 하나의 채널이라도 3x3 크기 마스크상의 마주보는 대각선 점들과의 밝기 값 차이가 임계 값 이상이면 그 점 을 에지 (Edge)로 간주하는 에지 검색 방식을 사용 하였다. 따라서 명암 영상에서는 색상은 다르지만 밝기 값이 비슷하여서 에지로 간주되지 않던 점들 이 제안한 방법에서는 에지로 발견될 수 있어서 문자 영역이 배제되는 경우를 막을 수 있다.
컨테 이너 식별자 인쇄에는 다양한 색상이 사용되므로 흑백이나 명암 영상으로 입력된 영상의 경우에는 식별 문자와 배경간의 명암도 차이가 크지 않아서 식별자 영역 추출이 곤란한 경우가 발생할 수 있 고, 문자의 윤곽선을 찾을 때에도 명암 정보 보다 칼라 정보를 이용한다면 보다 정확하게 윤곽을 찾을 수 있다. 본 논문에서는 Red, Green, Blue 세 개의 색상 채널 각각에 대하여 Difference Operator를 사용하여 에지를 구한다[6]. 3개의 채널 중 하나의 채널이라도 3x3 크기 마스크상의 마주보는 대각선 점들과의 밝기 값 차이가 임계 값 이상이면 그 점 을 에지 (Edge)로 간주하는 에지 검색 방식을 사용 하였다.
본 논문에서 제안한 방법의 효율성을 확인하기 위하여 부산 H터미널에서 촬영한 컨테이너 영상들을 대상으로 인식 성능을 실험하였다. 본 논문에서는 컨테이너 측면이나 후면 중 한 면만 인식하고 다른 면 영상 인식결과와의 크로스 체크는 사용하지 않았다. 총 360장의 실험영상에 대하여 94.
식별자 후보 영역 추출 단계에서는 앞 단계에서 추출한 에지 점들을 대상으로 윤곽선 추적 (contour following) 알고리즘을 사용하여 모든 연 결요소(connected component) 들을 찾아서 MBR 을 구한다 [7] MBR 들 중에서 가로/세로의 크기 비율이 1(90% 이내이고 절대적인 크기가 10~100 픽셀 이내인 것들을 우선 식별자 후보 영역으로 간주한다. 그런 다음이 MBR들의 절대적 크기, 가로/세로 비율, 좌우나 상하의 이웃 MBR들과의 상대적 크기와 위치, 유사한 크기의 MBR들의 연속하는 개수 등을 고려하려 모든 조건이 만족하면 식별문자 후보 영역으로 추출한다.
식별자 후보 영역으로부터 문자 영역을 추출하여 식별자 인식을 수행한다. 식별자의 인쇄 상태가 불량한 경우의 처리와 인식 결과의 신뢰도를 높이기 위하여 식별자 정보와 문자 인식 후 처리 기법을 이용한 식별자 인식 후 처리를 수행하여 최종 식별자 코드를 출력한다.
식별자 후보 영역 중 첫 4개의 영역에 대하여는 26개의 영문자에 대한 매칭을 실행하고, 나머지 영 역은 대표적 폰트별로 10개의 숫자에 대한 매칭을 실행한다. 인식된 문자에 대한 검증을 위하여 사용된 구조적 특징으로는 문자 영역의 밀도, 문자 영 역내 특정 위치에서의 문자색 비율, 문자영역의 가로/세로 비율, 이웃한 문자간의 폰트 정보 등이 사용되었다. 즉, 각 문자에 대하여 반드시 가져야 할 구조적 특징을 미리 정해놓고 문자 영역 영상이 이를 만족하는지 확인함으로써 오인식을 줄이고 인식결과의 신뢰도를 높이는 것이다.
본 논문에서는 칼라정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식 방법을 제안한다. 입력 컨테이너 영상으로부터 칼라정보를 이용하여 윤곽선을 추출하고, 연결된 윤곽선 정보를 이용하여 식별자 후보 영역추출과 문자 조건 검증 알고리즘을 사용하여 입력 영상의 밝기와 잡음에 강한 식별자 인식 방법을 제안한다. 식별자 후보 영역 구분은 주변 문자 영역간의 상대적 크기, 문자 영역 사이의 간격, 문자영역의 개수 등을 고려하여 식별자 영역인지를 판정하고, 이 루틴은 식별자가 아닌 문자에 대한 불필요한 문자인식을 억제함으로써 전체적인 처리시간을 단축시킨다.
본 시스템의 개관을 보면<그림 3>과 같다. 입력된 컨테이너 영상에서 칼라 정보를 이용하여 윤곽선 정보를 추출한다. 추출된 윤곽선의 연결성을 검사하여 연결된 구성요소별로 최소 접근 사각형 (MBR : Minimum Boundary Rectangle)을 구하여 연속한 MBR들의 크기, 가로/세로 비율, 위치, 개 수 등의 정보를 이용하여 식별자 후보 영역을 추출한다.
입력된 컨테이너 영상에서 칼라 정보를 이용하여 윤곽선 정보를 추출한다. 추출된 윤곽선의 연결성을 검사하여 연결된 구성요소별로 최소 접근 사각형 (MBR : Minimum Boundary Rectangle)을 구하여 연속한 MBR들의 크기, 가로/세로 비율, 위치, 개 수 등의 정보를 이용하여 식별자 후보 영역을 추출한다. 식별자 후보 영역으로부터 문자 영역을 추출하여 식별자 인식을 수행한다.

대상 데이터

본 논문에서 제안한 방법의 효율성을 확인하기 위하여 부산 H터미널에서 촬영한 컨테이너 영상들을 대상으로 인식 성능을 실험하였다. 본 논문에서는 컨테이너 측면이나 후면 중 한 면만 인식하고 다른 면 영상 인식결과와의 크로스 체크는 사용하지 않았다.

이론/모형

추출된 문자영역에 대하여, 다양한 폰트를 처리할 수 있는 영문 및 숫자 인식 알고리즘을 사용한 다. 높은 인식 성능과 운영의 안정성을 위하여 2개 이상의 다중인식기를 결합하는 방법을 사용할 수 있는데, 본 논문에서는 인식결과를 검증하는 루틴을 사용한다. 2장에서는 컨테이너 식별자의 특징과 전체적인 인식 방법을 설명하고, 3장에서는 실제 컨테이너 영상에 대한 실험 결과를 보였다.
본 논문에서는 식별자 영역을 찾기 위하여 에지 정보를 이용한 윤곽선 추출 기법을 이용한다. 컨테 이너 식별자 인쇄에는 다양한 색상이 사용되므로 흑백이나 명암 영상으로 입력된 영상의 경우에는 식별 문자와 배경간의 명암도 차이가 크지 않아서 식별자 영역 추출이 곤란한 경우가 발생할 수 있 고, 문자의 윤곽선을 찾을 때에도 명암 정보 보다 칼라 정보를 이용한다면 보다 정확하게 윤곽을 찾을 수 있다.
5.식별자 인식
식별자 인식은 통계적 인식 기법인 템플리트 매칭 (Template Matching)을 적용한 후 인식된 문자 별로 해당 문자가 틀림없음을 확인하는 구조적인 (structural) 검증 루틴을 추가로 사용하였다. 템플리트 매칭을 하기 전에 식별자 후보 영역 MBR의 크기를 템플리트 크기로 정규화한 후 식별자 후보 영역과 템플리트의 각 점을 중앙으로 하는 3x3 마스크 크기로 0에서 9사이의 값을 갖게 한다.
추출된 문자영역에 대하여, 다양한 폰트를 처리할 수 있는 영문 및 숫자 인식 알고리즘을 사용한 다. 높은 인식 성능과 운영의 안정성을 위하여 2개 이상의 다중인식기를 결합하는 방법을 사용할 수 있는데, 본 논문에서는 인식결과를 검증하는 루틴을 사용한다.

성능/효과

셋째, 식별자의 인쇄 위치가 일정하지 않고 식별자 주변에 로고와 같은 다양한 문자나 그림이 존재할 수 있다. 넷째, 식별자의 인 쇄방향이 가로와 세로가 모두 가능하다. 다섯째, 컨테이너 표면은 요철형태로 굽어져 있고 식별자는 그 위에 인쇄되어 있어서 촬영된 식별 문자가 왜곡되는 경우가 많다.
즉, 식별 문자 의 글꼴, 크기, 모양이 일정하지 않으므로 문자 영역의 추출률과 문자 인식률의 향상에 걸림돌이 될 수 있다. 둘째, 컨테이너 본체와 식별자 인쇄에 사용되는 색상의 제한이 없어서 다양한 색상이 사용 되고, 식별자가 컨테이너 바탕 색상과는 다른 색상 위에 인쇄될 수 있다. 셋째, 식별자의 인쇄 위치가 일정하지 않고 식별자 주변에 로고와 같은 다양한 문자나 그림이 존재할 수 있다.
컨테이너는 바닥 면을 제외한 모든 면에 식별자가 인쇄되어 있다. 따라서 2개 이상의 면을 대상으 로 인식한 결과를 상호 확인하면 보다 안정적이고 높은 인식률을 얻을 수 있다.
3개의 채널 중 하나의 채널이라도 3x3 크기 마스크상의 마주보는 대각선 점들과의 밝기 값 차이가 임계 값 이상이면 그 점 을 에지 (Edge)로 간주하는 에지 검색 방식을 사용 하였다. 따라서 명암 영상에서는 색상은 다르지만 밝기 값이 비슷하여서 에지로 간주되지 않던 점들 이 제안한 방법에서는 에지로 발견될 수 있어서 문자 영역이 배제되는 경우를 막을 수 있다.
따라서 칼라 정보를 활용할 수 있는 칼라영상에 대한 처리기술의 개발이 필요하다. 셋째, 다양한 폰트와 인쇄환경을 갖는 식별자에 대한 인식 능력이 부족하여 특정 컨테이너 제조사의 컨테이너 식별자는 잘 인식하지만 다른 제조사의 식별자들은 인식률이 낮은 문제를 야기하고 있다. 따라서 다양한 환경에 안정적인 처리성능을 나타낼 수 있는 식별자 인식은 물류 처리율 및 항만 사용률 향상, 물류처리를 위한 인력 및 인건비 감소를 위하여 매우 필요하고 유용하다.
둘째, 컨테이너 본체와 식별자 인쇄에 사용되는 색상의 제한이 없어서 다양한 색상이 사용 되고, 식별자가 컨테이너 바탕 색상과는 다른 색상 위에 인쇄될 수 있다. 셋째, 식별자의 인쇄 위치가 일정하지 않고 식별자 주변에 로고와 같은 다양한 문자나 그림이 존재할 수 있다. 넷째, 식별자의 인 쇄방향이 가로와 세로가 모두 가능하다.
첫째, 최적의 컨테이너 영상 획득환경 구축 중요성 인식의 부족과 그에 따른 환경 구축의 미비로 획득된 영상의 화질이 낮은 문제이다. 획득영상의 화질이 떨어지면 이후 단계에서의 높은 인식성능 을 보장할 수 없게 된다.
본 논문에서는 컨테이너 측면이나 후면 중 한 면만 인식하고 다른 면 영상 인식결과와의 크로스 체크는 사용하지 않았다. 총 360장의 실험영상에 대하여 94.7%의 식별자 영역 추출율과 93.5%의 식별자 인식률을 보였다. 실험 결과는<표 1>에 나타낸 것과 같다.
본 논문에서 제안한 컨테이너 식별자 인식 방법은 다음과 같은 측면에서 의의와 활용방안을 갖는 다. 칼라 정보와 윤곽선 추적을 이용하여 안정적인 식별자 영역 추출과 인식으로 기존 시스템보다 높은 인식 성능을 가짐으로써 수작업에 의한 데이터 입력량을 줄여 인력 감소 및 그에 따른 인건비 감소를 가능하게 하고 물류 처리 속도를 높여서 항만 사용률을 향상시킨다. 컨테이너 표면의 식별 문자들은, 글꼴, 색상, 크기, 인쇄 방향, 인쇄 위치, 문자 훼손 정도 등에서 다른 문자 인식 분야보다 상 대적으로 난이도가 높다.

후속연구

(a)오류의 경우 선사코드 정보를 이용하여 교정할 수 있고, (b)와 같은 오류의 경우에는 선사에서 보내오는 컨테이너 입출정보와 같은 후 처리 정보를 활용할 경우 인식률은 좋아질 것 수 있다. 본 연구에서 사용한 영상은 터미널 내 컨테이너 야적장에서 촬영한 것이므로 터미널 게이트와 같이 촬영된 식별문자의 위치나 크기가 제한되는 환경에서는 제안한 인식방법이 보다 우수한 성능을 보일 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

컬러 정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식
Recognition of Container Identifier using Color Information and Contour Following 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

컬러 정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식 Recognition of Container Identifier using Color Information and Contour Following 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김병기 (10)

관련 콘텐츠

원문 보기

원문 URL 링크

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

컬러 정보와 윤곽선 추적을 이용한 컨테이너 식별자 인식
Recognition of Container Identifier using Color Information and Contour Following 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper