[논문]신용카드 번호의 광학적 인식

정민철

신용카드 번호의 광학적 인식
Optical Recognition of Credit Card Numbers 원문보기

반도체디스플레이기술학회지 = Journal of the semiconductor & display technology, v.13 no.1, 2014년, pp.57 - 62

Abstract ▼ AI-Helper

This paper proposes a new optical recognition method of credit card numbers. Firstly, the proposed method segments numbers from the input image of a credit card. It uses the significant differences of standard deviations between the foreground numbers and the background. Secondly, the method extracts gradient features from the segmented numbers. The gradient features are defined as four directions of grayscale pixels for 16 regions of an input number. Finally, it utilizes an artificial neural network classifier that uses an error back-propagation algorithm. The proposed method is implemented using C language in an embedded Linux system for a high-speed real-time image processing. Experiments were conducted by using real credit card images. The results show that the proposed algorithm is quite successful for most credit cards. However, the method fails in some credit cards with strong background patterns.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이외에도 실용적인 측면에서 많은 활용도가 있음에도 불구하고, 신용카드를 광학적으로 인식하기 위한 공개된 알고리즘이나 방법에 대해 서술한 국내외 논문은 전무한 실정이다. 본 논문에서는 스마트폰에 내장된 카메라를 이용하여 신용카드를 촬영하면 실시간으로 신용카드 번호와 유효기간을 광학적으로 인식하여 자동으로 입력할 수 있도록 하는 새로운 방법을 제안한다. 획득한 입력 영상은 문자 출력과 동시에 보안을 위해 강제로 자동 폐기되는 것을 전제로 한다.
본 논문에서는 신용카드 번호를 광학적으로 인식하기 위한 새로운 방법을 제안했다. 신용카드 번호는 다양한 무늬와 색으로 인쇄된 플라스틱 재질의 배경에 양각화(embossment)로 돌출된 3차원적 구조로 이루어져 있다.

제안 방법

그레이스케일로 된 입력 영상에서 문자가 존재하는 후보 영역인 ROI(Region Of Interest)에 대하여 수직으로 영상을 스캔하며 각 수직 라인에 해당하는 픽셀 값들의 평균 μ와 표준 편차 σ를 수식 (1)과 (2)로 부터 구한다.
만일 신용카드 전체 영상이 아닌 부분적 영상이 입력되거나 심하게 기울어진 영상이 입력되면 신용카드에서 번호 영역을 검출하는 데 실패하게 됨으로 인식을 거부(reject)하고 신용카드 영상을 재입력하도록 했다. 또한 신용카드 번호인식의 경우, 한 개의 숫자라도 인식 에러가 발생하면 인식된 다른 번호는 의미가 없다.
본 논문에서 제안한 방법을 C 언어로 구현하여 임베디드 리눅스 시스템에서 실험하였다. 다양한 배경 무늬 패턴과 배경색을 가지는 신용카드에 대해 본 논문에서 제안한 방법을 실험한 결과는 신용카드 번호를 대부분의 경우 성공적으로 인식하는 것으로 나타났다.
경사도 특징(gradient features) 은 필기체 문자인식을 위해 개발되었다[11]. 본 논문에서는 앞에서 분할된 번호 영상에 대해 경사도 특징 추출 방법을 사용한다. Fig.
먼저, 문자 패턴이 존재하는 부분을 구성하는 픽셀 밝기 값들은 배경을 구성하는 픽셀 밝기 값들에 비해 표준 편차가 훨씬 크다는 점을 이용하여 번호 문자를 분할한다. 분할한 개개의 번호 문자로부터 경사도 특징을 추출하고 오류 역전파 알고리즘을 사용하는 인공신경망 분류기를 통해 신용카드 번호를 인식한다. 제안한 방법을 실제 신용 카드에 적용한 결과는 대부분의 신용카드에 대해 성공적인 인식 결과를 보였다.
한손으로 들거나 테이블 위에 놓은 신용카드를 스마트폰의 카메라로 획득한 영상을 사용하였다. 신용카드와 카메라 사이의 거리가 일정하지 않거나 카메라의 해상도가 달라 획득한 영상의 크기가 변화해도 인식시스템에서 획득영상의 크기를 정규화함으로 신용카드를 성공적으로 인식하였다.
6에서 보이듯이 64개의 입력노드, 37개의 은닉노드(hidden node), 10개의 출력노드를 가지는 3층 신경망으로 구성된다. 은닉층의 노드 개수는 입력노드 개수와 출력노드 개수의 평균값으로 설정하였다.
7과 같다. 훈련 횟수가 증가함에 따라 MSE 는 감소하며 10회 이후에는 거의 0 에 수렴하였으나, 검증 절차에서는 12회에서 MSE 가 0.1977로 국소 최소값(local minima)를 가지며 수렴하여 12 회 때 훈련 절차의 연결강도(weight matrix)를 최종 학습 결과로 선택하였다.

대상 데이터

8은 성공적으로 인식한 신용카드의 예를 나타냈다. 한손으로 들거나 테이블 위에 놓은 신용카드를 스마트폰의 카메라로 획득한 영상을 사용하였다. 신용카드와 카메라 사이의 거리가 일정하지 않거나 카메라의 해상도가 달라 획득한 영상의 크기가 변화해도 인식시스템에서 획득영상의 크기를 정규화함으로 신용카드를 성공적으로 인식하였다.
는 실제 출력값이다. 훈련 절차에 사용된 신용카드 번호는 각 클래스당 20개씩 총 200개를 사용하였고, 검증 절차에 사용된 신용카드 번호는 훈련 절차에서 사용된 영상과는 다른 것을 사용했는 데, 각 클래스당 10개씩 총 100개를 사용하였다. MSE 값을 훈련 횟수와 검증 횟수의 함수로 표현하고 이를 그래프로 나타내면 Fig.

이론/모형

본 논문에서는 신용카드 번호를 인식하기 위하여 오류 역전파(error back-propagation) 학습 알고리즘을 이용한 인공신경망 분류기를 사용한다. 앞 단계에서 구한 64개의 원소를 가지는 특징 벡터는 인공 신경망 분류기의 입력이 된다.
설계한 인공신경망 분류기의 학습은 훈련 절차(training procedure)와 검증 절차(testing procedure)를 수식 (3)의 MSE(Mean Squared Error)에 의하여 진행되었다.
따라서 흰색 종이 배경에 검은색 문자를 인식할 때 사용하는 영상 이진화(image binarization) 방법[9]을 신용카드 번호 인식에는 사용할 수 없다. 신용카드에서 번호를 분할하기 위해서는 그레이스케일 영상에서 바로 수행해야 하는 데, 본 논문에서는 그레이스케일 영상의 표준 편차를 이용한 문자 분할 방법[10]을 사용한다.

성능/효과

본 논문에서 제안한 방법을 C 언어로 구현하여 임베디드 리눅스 시스템에서 실험하였다. 다양한 배경 무늬 패턴과 배경색을 가지는 신용카드에 대해 본 논문에서 제안한 방법을 실험한 결과는 신용카드 번호를 대부분의 경우 성공적으로 인식하는 것으로 나타났다. Fig.
본 논문에서 제안한 신용카드 번호인식 시스템은 신용카드의 배경 무늬 패턴과 배경색에 크게 영향을 받았다. Fig.
분할한 개개의 번호 문자로부터 경사도 특징을 추출하고 오류 역전파 알고리즘을 사용하는 인공신경망 분류기를 통해 신용카드 번호를 인식한다. 제안한 방법을 실제 신용 카드에 적용한 결과는 대부분의 신용카드에 대해 성공적인 인식 결과를 보였다. 그러나 전경인 번호와 구분이 거의 안되는 배경색을 가지거나 화려하고 복잡한 무늬 패턴으로 이루어진 신용 카드에 대해서는 인식을 실패했다.

후속연구

배경을 구성하는 픽셀 밝기 값들의 표준 편차와 문자를 구성하는 픽셀 밝기 값들의 표준 편차가 비슷한 값을 가지면 문자분할이 실패했다. 배경 픽셀과 전경 픽셀의 표준 편차의 차이가 작을 경우에는 다른 방법으로 문자 분할을 하는 방법에 대한 연구가 있어야 할 것이다. 즉, 신용카드의 가로와 세로 등의 크기는 일정하게 규격화되어 있고, 신용카드 내에서 번호의 위치도 항상 일정한 곳에 있으므로 이러한 크기와 위치 정보를 이용하여 문자 분할하면 앞에서의 방법을 보안하여 인식율을 높일 것으로 사료된다.
배경 픽셀과 전경 픽셀의 표준 편차의 차이가 작을 경우에는 다른 방법으로 문자 분할을 하는 방법에 대한 연구가 있어야 할 것이다. 즉, 신용카드의 가로와 세로 등의 크기는 일정하게 규격화되어 있고, 신용카드 내에서 번호의 위치도 항상 일정한 곳에 있으므로 이러한 크기와 위치 정보를 이용하여 문자 분할하면 앞에서의 방법을 보안하여 인식율을 높일 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	주변에서 가장 흔히 볼 수 있는 문자 인식 시스템은 무엇인가?	일반적으로 인식할 대상체인 문자는 흰색 종이인 배경에 비해 영상 대비(contrast)가 큰 검은색으로 구성되어 있다. 주변에서 가장 흔히 볼 수 있는 문자 인식 시스템으로는 속도 위반, 신호 위반, 전용차선 위반의 무인 단속에 사용되는 차량 번호판 인식 시스템이다. 요즘에는 주차차단기 앞에 설치된 카메라와 연동된 차량 번호판 인식 시스템도 흔히 볼 수 있다.
	카드 번호를 양각화에 따른 그림자에 따라 인식할 수 있는 이유는 무엇인가?	2에서 보듯이 흰색 배경에 검은색 문자로 된 것이 아니라, 다양한 무늬와 색으로 인쇄된 플라스틱 재질의 배경에 양각화(embossment)로 돌출된 3차원적 구조로 이루어져 있다. 또한 처음에는 양각화된 번호의 표면에 금색이나 은색으로 칠해져 있으나 신용카드를 사용함에 따라 점차 칠이 조금씩 벗겨져 오래된 카드는 번호의 표면 색이 카드배경과 동일하게 된다. 따라서 카드 번호는 양각화에 따른 그림자에 따라 인식할 수 있다.
	문자 인식이란 무엇인가?	문자 인식(OCR: Optical Character Recognition)은 문서를 디지털 영상으로 획득한 후, 영상 분석을 통해 문서 영상을 컴퓨터가 처리할 수 있는 문자 코드로 바꾸어 문서의 문자 정보를 처리하는 것이다[1]. 일반적으로 인식할 대상체인 문자는 흰색 종이인 배경에 비해 영상 대비(contrast)가 큰 검은색으로 구성되어 있다.

참고문헌 (11)

G. Nagy and S. Seth, "Modern Optical Character Recognition," The Froehlich/Kent Encyclopedia of telecommunications, F. Froehlich and A. Kent, eds., Marcel Dekker, Inc., Vol. 11, pp. 473-531, 1996.
"Standard Notices about Vehicle Registration Plates," Ministry of Construction and Transportation, No. 2005-334, 2005.
Jaesuk Oh, Junsoo Lee, Jinbum Jung, Jungha Kim, "Speed Limit Signs of Road Environment Detection and Analysis for Unmanned Ground Vehicle," The Korean Society of Automotive Engineers, pp. 1419- 1423, 2012.
Hochul Kwok, Hyunsik Bae, Daeyon Ko, Haejung Kim, Chajong Kim, "A Study on Image Processing for Business Card Recognition on Smartphones," Society of Korea Information Technology: Workshop on Information Technology for Big Data Era, pp. 445-449, 2012.
Junsik Im, Soohyung Kim, Chilwoo Lee, Gyeesang Lee, Hyungjung Yang, Myungeun Lee, "Wine Label Character Recognition in Mobile Phone Images using a Lexicon-Driven Post-Processing," Journal on Korean Institute of Information Scientists and Engineers: Computing Practices and Letters, Vol. 16, No. 5, pp. 546-550, 2010.
Hyunwoo Kang, "License Plate Recognition for Speed and Red Light Enforcement System Based on Character Circumscribed Quadrilateral," Journal on Society of Korea Information Technology, Vol. 9, No. 3, pp. 67-76, 2011.
Sangeun Park, Gyungwon Kang, Youngwoo Choi, Jinhyung Kim, "Recognition of Cardslip Images Using Extraction of ROI and Image Enhancement," Journal on Korean Institute of Information Scientists and Engineers: 2000 Fall Conference, Vol. 27, No. 2, pp. 341-343, 2000.
Heejoo Park, Jinho Park, Kidong Boo, "Character Recognition System for the Components Used in Industry by the Information of Their Images," Journal on The Korea Society of Digital Industry & Information Management, Vol. 5, No. 1, pp. 53-60, 2000.
N. Otsu, "A Threshold Selection Method from Gray Level Histograms," IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-9, No. 1, pp. 62-66, 1979.
Minchul Jung, "Character Segmentation in a Grayscale Image using the Standard Deviation," Journal of the Semiconductor & Display Technology, Vol. 11, No. 2, pp. 27-31, 2012.

원문보기 상세보기
Favata J. T., "A Multiple Feature/Resolution Approach to Handprinted Digit and Character Recognition," International Journal of Imaging Systems and Technology, Vol. 7, pp. 304-311, 1996.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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