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 주민둥록증 영상에서 주민등록번호와 발행일을 추출하기 위하여 영상을 Sobel Mask와 Median Filter를 적용한 후에 수평 스미어링을 적용하여 주민등록번호와 발행일 영역을 추출하였다. 추출된 주민둥록반호 및 발행일 영역에 대해 고주파 필터링을 적용하여 주민둥록증을 이진화한 후에 CDM 마스크를 적용하여 손실된 코드 정보들을 복원하였다.
제안 방법
- HP ScanJet 4200C 스캐너를 이용하여 획득한주민둥록증 如장을 주민등록번호와 발행일 코드 인식에 적용하였다.
- 구축된 얼굴 영역 간의 위조 여부를 판별할 수 있는 주민등록증 자동 인식 방법을 제안한다.
- 추출된 주민둥록반호 및 발행일 영역에 대해 고주파 필터링을 적용하여 주민둥록증을 이진화한 후에 CDM 마스크를 적용하여 손실된 코드 정보들을 복원하였다. 그리고 복원된 주민등록번호 및 발행일 영역에서 4방향 윤곽선 추적 알고리즘을 적용하여 주민번호와 발행일의 개별 코드를 추출하였다.
- 설정한다[2]. 따라서 추출된 주민등록 코드와 발행일 코드 영역에 4방향 윤곽선 추적 알고리즘을 적용하여 각각의 직사각형 형태의 영역을 찾아, 수평 및 수직비율을 고려하여 개별 코드를 추출한다. 추출된 각각의 개별 코드는 그림 4와 같다.
- 먼저 다수의 주민등록증 사진에서 얼굴 안면 부분을 잘라내어 이를 평균한 이미지로 얼굴 템플릿을 구성한다. 이 얼굴 템플릿과 주민등록증 사진 이미지를 매칭시켜 가장 유사도가 높은 영역을 해당 주민등록증 소지자의 얼굴 템플릿 이미지로 결정하고 주민등록증 데이터베이스에 추가한다.
- 클래스 수에 기반한다. 본 논문에서는 ART1 을 기반한 방법에 중간층의 초기 최대 노드 수를 클래스 수로 생성 되도록 한다. 하나의 노드로 시작하여 그 노드를 입력층에서 처음 제시된 패턴에 해당하는 클래스로 할당한다.
- 이 얼굴 템플릿과 주민등록증 사진 이미지를 매칭시켜 가장 유사도가 높은 영역을 해당 주민등록증 소지자의 얼굴 템플릿 이미지로 결정하고 주민등록증 데이터베이스에 추가한다. 이렇게 되면 주민등록증 사진 이미지와 함께 해당 주민등록증 소지자의 얼굴 안면 이미지도 주민등록증 데이터베이스에 존재하게 되고, 이 두 개의 이미지 정보를 이용하여 얼굴 안면에 대한 유사도 검정이 가능하게 된다.
- 인식된 코드 정보를 이용하여 데이터베이스에 저장된 해당 사진과 얼굴 영역을 획득하고 Template Matching 방법을 적용하여 주민등록증 위, 변조 여부를 판별하였다. 여기서 주민등록증의 사진영역과 얼굴영역의 유사도가 모두 0.
- 입력층과 중간층 사이에 ART-1 알고리즘을 적용하여 출력값이 가장 큰 노드를 승자노드로 선택하고 출력층으로 전달하는 학습구조를 제안한다. 중간층과 출력층 사이의 학습으로는 일반화된 델타학습방법을 적용하고 학습시간을 개선하기 위하여 delta-bar-delta 알고리즘을 적용한다.
- 영상 1。장, 사진 부분만 위조한 영상 3장, 얼굴 부분만 위조한 영상 10장으로 총 30장의 주민등록증 영상을 사용하였고 데이터베이스에 있는 사진영상과 얼굴 템플릿 영상 20장과의 유사도를 비교하였다.
- 주민등록증에 있는 얼굴 이미지와 데이터베이스에 있는 얼굴 이미지 간의 유사도를 계산하기 위한 추출 특징은 명도값 특징, 윤곽선 특징, HSV 색상 특징, RGB 특징, YIQ의 I 색상 특징, YIQ의 Q 색상 특징, YCbCr의 Cb 색상 특징, YCbCr의 Cr 색상 특징을 사용하여 상관도를 산출하였으며 각각 Luminance Edge, Hue, RGB, YIQ-L YIQ-Q, YCbCr-Cb, YCbCr-G로 표기한다. 본 실험에서 사용된 영상으로는 원본 영상 1。장, 사진 부분만 위조한 영상 3장, 얼굴 부분만 위조한 영상 10장으로 총 30장의 주민등록증 영상을 사용하였고 데이터베이스에 있는 사진영상과 얼굴 템플릿 영상 20장과의 유사도를 비교하였다.
- 추출된 주민둥록반호 및 발행일 영역에 대해 고주파 필터링을 적용하여 주민둥록증을 이진화한 후에 CDM 마스크를 적용하여 손실된 코드 정보들을 복원하였다. 그리고 복원된 주민등록번호 및 발행일 영역에서 4방향 윤곽선 추적 알고리즘을 적용하여 주민번호와 발행일의 개별 코드를 추출하였다.
- 획득된 영상을 그레이 영상으로 변환한 뒤, 소 벨 마스크를 적용하여 에지를 검출한다. 그리고 Median Filter를 적용하여 잡음을 제거하고 P-타입법 이진화 방법을 적용하여 주민등록증 영상을 이진화한다.
이론/모형
- 측정 할 수 있다. 그리고 ART1 기반 자가 생 성 지도 학습 성능을 개선하기 위하여 일반화 된 델타 학습에 Delta-bar-Delta 알고리즘[4]을 적용하여 학습률을 동적으로 조정하는데 목표 벡터와 출력 벡터의 차이가 0.1 보다 적으면 정확성으로 정의하고 크면 부정확성으로 정의하여 총 패턴의 정확성의 수가 부정확성의 수보다 크거나 같은 경우에만 Delta-bar-Delta 알고리즘을 적용한다. 그러므로 ART1 기반 자가 생성 지도 학습 알고리즘을 개선하여 주민등록번호와 발행일 인식에 적용한다.
- 그리고 Median Filter를 적용하여 잡음을 제거하고 P-타입법 이진화 방법을 적용하여 주민등록증 영상을 이진화한다. 이진화된 영상에서 수평 Smearing을 적용하고 주민등록증 규격에 근거하여 n개의 영역에서 2번째(주민등록번호), ml 번째(발행일) 영역을 추출한다.
- 본 논문에서는 ART-1 기반 자가 생성 지도 학습 알고리즘을 주민등록증 인식에 적용한다. 입력층과 중간층 사이에 ART-1 알고리즘을 적용하여 출력값이 가장 큰 노드를 승자노드로 선택하고 출력층으로 전달하는 학습구조를 제안한다.
- 입력층과 중간층 사이에 ART-1 알고리즘을 적용하여 출력값이 가장 큰 노드를 승자노드로 선택하고 출력층으로 전달하는 학습구조를 제안한다. 중간층과 출력층 사이의 학습으로는 일반화된 델타학습방법을 적용하고 학습시간을 개선하기 위하여 delta-bar-delta 알고리즘을 적용한다.
- 추출된 개별코드들을 ART1 기반 자가 생성 지도 학습 알고리즘을 적용하여 인식하였다. 인식된 코드 정보를 이용하여 데이터베이스에 저장된 해당 사진과 얼굴 영역을 획득하고 Template Matching 방법을 적용하여 주민등록증 위, 변조 여부를 판별하였다.
성능/효과
- 마지막으로 표 7에서 얼굴 부분을 위조한 주민등록증에 대한 얼굴 유사도를 분석하면 SCF가 HSOF보다 낮게 나타났으며 0.261에서 0 사이의 차이가 나타났음을 알 수 있다. 특히 Hue, YIQ-I 컬러 모델과 YCbCr-Cb 컬러 모델을 이용한 특징은 SCF도 낮게 나타났고 주민등록증의 얼굴 부분만 위조한 경우에도 주민등록증의 위, 변조를 판별할 수 있는.
- 261에서 0 사이의 차이가 나타났음을 알 수 있다. 특히 Hue, YIQ-I 컬러 모델과 YCbCr-Cb 컬러 모델을 이용한 특징은 SCF도 낮게 나타났고 주민등록증의 얼굴 부분만 위조한 경우에도 주민등록증의 위, 변조를 판별할 수 있는.중요한 특징이 되는 것을 알 수 있다.
- 중요한 특징이 되는 것을 알 수 있다. 표 5에서 표 7까지 모두 분석한 결과, 얼굴 인증을 위한 특징은 위조되지 않은 원본 주민등록증의 얼굴 유사도와 얼굴이 위조된 주민등록증의 유사도를 바탕으로 Hue , YIQ-I, YCbCr-Cb 특징을 선택하여 얼굴을 인증하는 것이 효율적임을 확인하였다. 그림 7은 제안된 주민등록증 코드 및 얼굴 인증 화면이다.
- 표 5에서는 위조되지 않은 주민등록증 원본에 대한 얼굴 유사도를 살펴보면 SCF 가 모두 HSOF보다 높게 나타나며 특히 YIQ-Q와 Hue 특징은 높은 유사도를 나타내어 높은 변별력을 가지는 것을 분석되었다.
후속연구
- 얼굴 .인증 방법을 다양한 환경에서 실험하여 문제점을 보안한 후에 주민등록증 위조 및 변조판별 시스템을 개발할 것이다.
- 향후 연구 방향은 제안된 주민등록증 인식 및 얼굴 .인증 방법을 다양한 환경에서 실험하여 문제점을 보안한 후에 주민등록증 위조 및 변조판별 시스템을 개발할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.