$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

컨테이너 플래카드 자동 인식 시스템
Automatic Container Placard Recognition System 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.23 no.6, 2019년, pp.659 - 665  

허경용 (Department of Electronic Engineering, Dong-eui University) ,  이임건 (Department of Game Animation Engineering, Dong-eui University)

초록
AI-Helper 아이콘AI-Helper

컨테이너 표면에는 적재된 화물의 위험 여부에 따라 다양한 플래카드가 부착된다. 위험물이 적재된 컨테이너는 일반 컨테이너 별도로 관리되어야 하므로 항만 자동화 시스템의 일부로 플래카드 자동 인식에 대한 수요가 생겨나고 있다. 이 논문에서는 컨테이너의 후면을 촬영한 영상에서 플래카드의 형태적인 특징을 이용하여 자동으로 플래카드 영역을 추출하고 이를 인식하는 시스템을 제안한다. 플래카드 인식에서는 특히 컨테이너의 표면 굴곡에 의해 다양한 왜곡이 발생할 수 있으므로 영역 추출 및 인식 과정에서 주의가 필요하다. 제안하는 시스템은 플래카드가 다이아몬드 형태를 가지며, 클래스 번호가 아래 꼭지점 바로 위에 기입된다는 특징을 사용하여 관심 영역을 자동으로 추출하고, 플래카드를 자동으로 인식할 수 있다. 제안하는 시스템을 실제 이미지에 적용하였을 때 오류 없이 플래카드를 인식할 수 있었으며, 사용한 영상 분석 기법은 다양한 영상 분석 시스템에 적용될 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Various placards are attached to the surface of a container depending on the risk of the cargo loaded. Containers with dangerous goods should be managed separately from ordinary containers. Therefore, as part of the port automation system, there is a demand for automatic recognition of placards. In ...

주제어

#컨테이너   #플래카드 인식   #이미지 왜곡   #허프 변환   #템플릿 매칭  

표/그림 (10)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 하지만 플래카드가 부착된 컨테이너는 전체 컨테이너 중 극히 일부분에 지나지 않으며, 위험물이 적재된 컨테이너는 별도 관리되어 접근이 쉽지 않아 교통 표지판이나 번호판과 비교했을 때 플래카드 영상을 확보하기는 쉽지 않다. 따라서 이 논문에서는 플래카드의 형태적인 특징을 사용하여 관심 영역을 분리하고 이를 인식하는 시스템을 제안한다. 제안하는 시스템은 먼저 플래카드가 다이아몬드 형태를 가진다는 특징을 이용하여 플래카드가 포함될 수 있는 관심영역을 추출하고, 플래카드의 클래스를 나타내는 번호가 아래 꼭짓점 바로 위에 기입된다는 특징을 이용하여 플래카드의 종류를 구별한다.
  • 컨테이너에는 적재된 화물의 위험성을 표시하기 위해 다양한 종류의 플래카드가 부착되며, 항만 자동화 시스템에서는 플래카드가 부착된 컨테이너의 관리 효율을 높이기 위해 플래카드 인식 시스템에 대한 수요가 생겨나고 있다. 이 논문에서는 컨테이너 선적 차량이 통과하는 검사소에서 획득되는 컨테이너 후면 영상을 이용하여 플래카드를 자동으로 인식할 수 있는 시스템을 제안하였다. 제안하는 시스템은 플래카드가 다이아몬드 형태를 가지며 위험물 종류를 나타내는 클래스 번호가 플래카드의 아래쪽 꼭짓점 바로 위에 기록된다는 특징만을 사용하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
플래카드 영역을 추출하고 이를 인식하는 시스템을 통해 얻을 수 있는 기대효과는 무엇인가? 플래카드 인식에서는 특히 컨테이너의 표면 굴곡에 의해 다양한 왜곡이 발생할 수 있으므로 영역 추출 및 인식 과정에서 주의가 필요하다. 제안하는 시스템은 플래카드가 다이아몬드 형태를 가지며, 클래스 번호가 아래 꼭지점 바로 위에 기입된다는 특징을 사용하여 관심 영역을 자동으로 추출하고, 플래카드를 자동으로 인식할 수 있다. 제안하는 시스템을 실제 이미지에 적용하였을 때 오류 없이 플래카드를 인식할 수 있었으며, 사용한 영상 분석 기법은 다양한 영상 분석 시스템에 적용될 수 있다.
플래카드란 무엇인가? 플래카드 자동 인식 을 위해서는 촬영이 상대적으로 쉬운후면 플래카드가 주로 사용된다. 플래카드는 라벨이라고도 불리지만, 위험물에 부착하는 것을 라벨이라고 하고 컨테이너 외부 에 부착하는 것은 플래카드라고 구별하는 것이 일반적이다.
플래카드 인식에서 어떤 주의가 필요한가? 이 논문에서는 컨테이너의 후면을 촬영한 영상에서 플래카드의 형태적인 특징을 이용하여 자동으로 플래카드 영역을 추출하고 이를 인식하는 시스템을 제안한다. 플래카드 인식에서는 특히 컨테이너의 표면 굴곡에 의해 다양한 왜곡이 발생할 수 있으므로 영역 추출 및 인식 과정에서 주의가 필요하다. 제안하는 시스템은 플래카드가 다이아몬드 형태를 가지며, 클래스 번호가 아래 꼭지점 바로 위에 기입된다는 특징을 사용하여 관심 영역을 자동으로 추출하고, 플래카드를 자동으로 인식할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. M. Levinson, The Box: How the Shipping Container Made the World Smaller and the World Economy Bigger, 2nd ed. Princeton University Press, 2016. 

  2. IMDG Code, International Maritime Organization [Internet]. Available: http://www.imo.org/en/Publications/IMDGCode/Pages/Default.aspx. 

  3. IMO/ILO/UNECE Code of Practice for Packing of Cargo Transport Units, United Nations Economic Commission for Europe [Internet]. Available: https://www.unece.org/trans/wp24/guidelinespackingctus/intro.html. 

  4. J. Y. Kim, S. W. Heo, and J. T. Lim, "A License Plate Recognition Algorithm using Multi-Stage Neural Network for Automobile Black-Box Image," Journal of the Korea Institute of Information and Communication Engineering, vol. 22, no. 1, pp. 40-48, Jan. 2018. 

  5. Y. Hatolkar, P. Agarwal, and S. Patil, "A Survey on Road Traffic Sign Recognition System using Convolution Neural Network," International Journal of Current Engineering and Technology, vol. 8, no. 1, pp. 104-108, Feb. 2018. 

  6. S. C. Lim, S. H. Kim, Y. H. Kim, and D. Y. Kim, "Training Network Design Based on Convolutional Neural Network for Object Classification in Few Class Problem," Journal of the Korea Institute of Information and Communication Engineering, vol. 21, no. 1, pp. 144-150, Jan. 2017. 

  7. G. Heo, "ROI Extraction for Automatic Placard Recognition," Journal of the Korea Institute of Information and Communication Engineering, vol. 23, no. 4, pp. 374-380, Apr. 2019. 

  8. S. Saxena, S. Sharma, and N. Sharma, "Parallel Image Processing Techniques, Benefits and Limitations," Research Journal of Applied Sciences, Engineering and Technology, vol. 12, no. 2, pp. 223-238, Jan. 2016. 

    crossref

  9. R. C. Gonzalez, and R. E. Woods, Digital Image Processing, 4th ed. Pearson, 2017. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로