Jung, Byung-Hee
(Dept. of Computer Engineering, Silla University)
,
Park, Choong-Shik
(Dept. of Computer Engineering, Youngdong University)
,
Kim, Kwang-Baek
(Dept. of Computer Engineering, Silla University)
본 논문에서는 여권 영 상에서 PCA알고리즘을 이용한 얼굴 인증과 개선된 퍼지 신경망을 이용한 여권 코드 인식 방법을 제안한다. 본 논문에서는 여권영상에 대해 소벨 연산자를 이용하여 에지를 추출하고 에지가 추출된 영상을 수평 스미어링하여 여권코드 영역을 추출한다. 추출된 여권 코드 영역의 기울기를 검사하여 기울기 보정을 하고, 여권 코드 영역을 이진화 한다. 이진화된 여권 코드 영역에 대하여 8방향윤곽선 추적 알고리즘을 적용하여 여권 코드를 추출한다. 추출된 여권 코드는 퍼지 신경망을 개선하여 여권 코드 인식에 적용한다. 개선된 퍼지 신경 망은 입력층과 중간층 사이의 학습 구조로는 FCM 클러스터링 알고리즘을 적용하고 중간층과 출력층 사이의 학습은 일반화된 델타학습 방법을 적용한다. 그리고 학습 성능을 개선하기 위하여 중간층과 출력층의 가중치 조정에 적용되는 학습률을 동적으로 조정하기 위해 퍼지 제어 시스템을 적용한다. 제안된 퍼지 신경망은 목표값과 출력값의 차이에 대한 절대값이 ${\epsilon}$ 보다 적거나 같으면 정확으로 분류하고 크면 부정확으로 분류하여 정확의 총 개수를 퍼지 제어 시스템에 적용하여 학습률과 모멘텀을 동적으로 조정한다. 여권의 주어진 규격에 근거하여 사진 영역을 추출하고 추출된 사진 영역에 대하여 YCbCr와 RGB 정보를 이용하여 얼굴영역을 추출한다. 추출된 얼굴 영역을 PCA 알고리즘과 스냅샷(Snap-Shot) 방법을 적용하여 얼굴 영역의 위조를 판별한다. 제안된 방법의 여권 코드 인식과 얼굴 인증의 성능을 평가하기 위하여 실제 여권 영상에 적용한 결과, 기존의 방법보다 여권 코드 인식과 얼굴 인증에 있어서 효율적인 것을 확인하였다.s, whereas AVs provide much better security.크는 기준년도부터 2031년까지 5년 단위로 계획된 장래도로를 반영하여 구축된다. 교통주제도 및 교통분석용 네트워크는 국가교통DB구축사업을 통해 구축된 자료로서 교통체계효율화법 제9조의4에 따라 공공기관이 교통정책 및 계획수립 등에 활용할 수 있도록 제공하고 있다. 건설교통부의 승인절차를 거쳐 제공하며 활용 후에는 갱신자료 및 활용결과를 통보하는 과정을 거치도록 되어있다. 교통주제도는 국가의 교통정책결정과 관련분야의 기초자료로서 다양하게 활용되고 있으며, 특히 ITS 노드/링크 기본지도로 활용되는 등 교통 분야의 중요한 지리정보로서 구축되고 있다..20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따
본 논문에서는 여권 영 상에서 PCA 알고리즘을 이용한 얼굴 인증과 개선된 퍼지 신경망을 이용한 여권 코드 인식 방법을 제안한다. 본 논문에서는 여권영상에 대해 소벨 연산자를 이용하여 에지를 추출하고 에지가 추출된 영상을 수평 스미어링하여 여권코드 영역을 추출한다. 추출된 여권 코드 영역의 기울기를 검사하여 기울기 보정을 하고, 여권 코드 영역을 이진화 한다. 이진화된 여권 코드 영역에 대하여 8방향윤곽선 추적 알고리즘을 적용하여 여권 코드를 추출한다. 추출된 여권 코드는 퍼지 신경망을 개선하여 여권 코드 인식에 적용한다. 개선된 퍼지 신경 망은 입력층과 중간층 사이의 학습 구조로는 FCM 클러스터링 알고리즘을 적용하고 중간층과 출력층 사이의 학습은 일반화된 델타학습 방법을 적용한다. 그리고 학습 성능을 개선하기 위하여 중간층과 출력층의 가중치 조정에 적용되는 학습률을 동적으로 조정하기 위해 퍼지 제어 시스템을 적용한다. 제안된 퍼지 신경망은 목표값과 출력값의 차이에 대한 절대값이 ${\epsilon}$ 보다 적거나 같으면 정확으로 분류하고 크면 부정확으로 분류하여 정확의 총 개수를 퍼지 제어 시스템에 적용하여 학습률과 모멘텀을 동적으로 조정한다. 여권의 주어진 규격에 근거하여 사진 영역을 추출하고 추출된 사진 영역에 대하여 YCbCr와 RGB 정보를 이용하여 얼굴영역을 추출한다. 추출된 얼굴 영역을 PCA 알고리즘과 스냅샷(Snap-Shot) 방법을 적용하여 얼굴 영역의 위조를 판별한다. 제안된 방법의 여권 코드 인식과 얼굴 인증의 성능을 평가하기 위하여 실제 여권 영상에 적용한 결과, 기존의 방법보다 여권 코드 인식과 얼굴 인증에 있어서 효율적인 것을 확인하였다.s, whereas AVs provide much better security.크는 기준년도부터 2031년까지 5년 단위로 계획된 장래도로를 반영하여 구축된다. 교통주제도 및 교통분석용 네트워크는 국가교통DB구축사업을 통해 구축된 자료로서 교통체계효율화법 제9조의4에 따라 공공기관이 교통정책 및 계획수립 등에 활용할 수 있도록 제공하고 있다. 건설교통부의 승인절차를 거쳐 제공하며 활용 후에는 갱신자료 및 활용결과를 통보하는 과정을 거치도록 되어있다. 교통주제도는 국가의 교통정책결정과 관련분야의 기초자료로서 다양하게 활용되고 있으며, 특히 ITS 노드/링크 기본지도로 활용되는 등 교통 분야의 중요한 지리정보로서 구축되고 있다..20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 여권의 규격을 이용하여 여 권의 사진 영역을 추출한다. 여권 영상의 왼쪽 처음을 기준으로 사진 영역 의 가로 영역 은 영상 전체 가 로 길 이의 3.
제안 방법
이용하여 얼굴 영역을 추출하였다. PCA 알고리즘을 적용하여 추출된 여권 사용자의 얼굴 정보의 특징 벡터를 추출한 후, 데이터베이스에 저장 되어있던 얼 굴 특징 벡터와의 유사 도 측정을 통해 얼굴 인증을 하였다.
공분산 행 렬을 이용하여 데이터 의 분포를 잘 표현하는 고유벡터와 고유값을 구한 후, 고유값을 값이 큰 순으 로 정렬 하고 고유벡 터도 해당 고유 값의 위치대로 정렬한다. 크기 순으로 정렬된 고유 벡터들은 뒤 쪽으로 갈 수록 0또는 0에 가까운 값을 가지 게 되므로 이러한 값들을 버림으 로써 데 이터의 차원을 줄일 수 있다.
추출된 사진 영역에 대하여 YCbCr와 RGB 정보를 이용하여 얼굴 영역을 추출한다. 그리고 얼굴 인증을 위해 여권 영상 에서 획득되어진 얼 굴 영상 의 특징 벡터와 데이터베이스에 있는 PCA 알고리즘을 이용하여 획득한 각 얼굴 영상의 특징벡터와의 거리 값을 계산하여 사진 위조 여부를 판별한다.
것을 확인할 수 있다. 따라서 RGB 정보에서 얼굴 후보 영역을 추출하여 YCbCr 모델에서 추출된 얼굴 후보 영역과 OR 연산을통해 최종적인 얼 굴 영역을 추출한다. 얼굴 영역을 추출하는 과정은 그림 12와 같다.
따라서 추출된 2개의 문자열중 긴 문자열을 선택하고 이 문자열의 좌측과 우측 부분의 세로 중심을 연결 하는 직선과 수평선 과의 기 울기를 가지고 이미지에 대한 각도 보정을 수행한다. 기울기 보정과 여권 코드 영역 추출 과정은 그림 5와 같다.
본 논 문에서는개 선된퍼지 신경망을제안 하여 여권의 개별 코드를 인식한다. 입력층과 중간층 사이에는 퍼지 C-Means 알고리즘을 적용하여 소속 도가 가장 큰 노드를 승자 노드로 선택하여 출력층으로 전달하는 학습 구조이다.
본 논문에서는 여권 규격을 이용하여 여권의 사진 영역을 추출하고 YCbCr과 RGB 정보를 이용하여 얼굴 영역을 추출한다. 추출된 얼굴 영역에 주 성분분석(PCA) 기법을 적용하여 학습 및 얼굴 인증을 한다.
적용한다. 수평 방향으로 스미어링된 영상에서 8 방향 윤곽선 추적 알고리즘을 적용하여 코드의 문자열 영 역을추출한다. .
여권의 주어진 규격을 이용하여 여권 사진 영역을 추출하였고 추출된 사진 영역에서 YCbCr과 RGB 정보를 이용하여 얼굴 영역을 추출하였다. PCA 알고리즘을 적용하여 추출된 여권 사용자의 얼굴 정보의 특징 벡터를 추출한 후, 데이터베이스에 저장 되어있던 얼 굴 특징 벡터와의 유사 도 측정을 통해 얼굴 인증을 하였다.
관리가 어려웠다. 이러한 문제를 개선하기 위하여 본 논문에서는소벨 연산자와 수평 스미어링, 8방향 윤곽선 추적 알고리즘을 적용하여 문자열 영역을 추출하였고 문자와 얼굴 영역의 인식률을 개선하기 위해 문자 열의 왼 쪽과 오른쪽의 두께 중심을 연결하는 직선과 수평선과의 기울기를 이용하여 이미지에 대한 기울기를 보정하였다. 추출된 여권 코드 문자열 영역에 대해 반복 이진화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다.
추출된 문자열 영역을 반복 이진화 기법을 적용하여 이진화한다. 이진화 된 문 자열 영역 에 대해 개별 코 드를 추출 하기 위해 8 방향 윤곽선 추적 알고리즘을 적용하여 개별코드를 추 출하고 개선된 퍼 지 신경 망을 적용하여 개별 코드를 인식한다. 사진 영역은코드 의 문자열 영역을 추출한 후에 코드의 문자열 영역이 시작되는 좌표를 중심으로 사진 영역을 추출한다.
추출된 여권 코드 문자열 영역에 대해 반복 이진화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다. 이진화된 문자열 영역에 대해 8방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다. 추출된 개별 코드는 개선된 퍼지 신경망을 제안하여 학습 및 인식 하였다.
이진화 한다. 이진화된 여권 코드 영역에 8방향 윤곽선 추적 알고리즘을 적용하여 개별 코드 88 개를 추출한다. 그림 6은 8방향 윤곽선 추적 알고리즘을 적용하여 개별코 드를 추출 한 결과이다.
제안된 여권인식 방법은여 권의 기울기를보 정함으로써 여권의 개별코드의 인식률을 개선하였다.
이진화된 문자열 영역에 대해 8방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다. 추출된 개별 코드는 개선된 퍼지 신경망을 제안하여 학습 및 인식 하였다.
사진 영역은코드 의 문자열 영역을 추출한 후에 코드의 문자열 영역이 시작되는 좌표를 중심으로 사진 영역을 추출한다. 추출된 사진 영역에 대하여 YCbCr와 RGB 정보를 이용하여 얼굴 영역을 추출한다. 그리고 얼굴 인증을 위해 여권 영상 에서 획득되어진 얼 굴 영상 의 특징 벡터와 데이터베이스에 있는 PCA 알고리즘을 이용하여 획득한 각 얼굴 영상의 특징벡터와의 거리 값을 계산하여 사진 위조 여부를 판별한다.
추출된 사진 영역에서 YCbCr과 RGB 정보를 이용하여 얼 굴 영역을 추출한다. YCbCr모델은 휘도 (Y) 와색차신호(Cb, Cr)로 구성되어 있으며 피부색 영역이 HSV색 공간 免역에서의 피부색 영역보다 조밀하다 [5], 식(5)와식(6)을 적용하여 피부 영역을 검출한다.
이러한 문제를 개선하기 위하여 본 논문에서는소벨 연산자와 수평 스미어링, 8방향 윤곽선 추적 알고리즘을 적용하여 문자열 영역을 추출하였고 문자와 얼굴 영역의 인식률을 개선하기 위해 문자 열의 왼 쪽과 오른쪽의 두께 중심을 연결하는 직선과 수평선과의 기울기를 이용하여 이미지에 대한 기울기를 보정하였다. 추출된 여권 코드 문자열 영역에 대해 반복 이진화 방법을 적용하여 코드의 문자열 영역을 이진화 하였다. 이진화된 문자열 영역에 대해 8방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다.
출입국 관리는 수배자, 출입국 금지자 또는 불법 체류자등의 출입 국부적격 자 등을 검색하여 출입 국자를 관리하고, 여권의 데이터베이스와 대조 하였다.
대상 데이터
0으로 구현하였다. 실험에 사용된 여권 영상은 HP ScanJet 4200C 스캐너를 이용하여 600X 437 픽셀 크기를 가진 20개의 여권 영상을 수집하여 제안된 방법의 성능 평가를 위해 얼굴부분을 위조한 영상20개를 만들어 얼굴 인증 성능 평가에 사용하였으며, 여권 영상의 획득 환경 실험을 위해 20개의 원본여권과 각각 오른쪽 방향과 왼쪽 방향으로 조금씩 기울어진상태로스 캔도"진 여권 영상 40개를사용 하여모두 60개의 여권 영상을 대상으로 개별 코드 인식에 적용하였다.
여기서 숫자 코드는 학습된 100개와 학습되지 않은 1685개를 테스트하였다. 그리고 문자 코드는 宜습된 270개와 학습되 지 않은 3225개를 테스트하였다. 숫자 및 문자 코드의 인식 결과는 표 3과 같다.
실험에 사용된 여권 사진은 원본 여권 20장과 얼굴 위조 여권 20장을 사용하였으며 실험 결과는 표 4와 같다.
여기서 숫자 코드는 학습된 100개와 학습되지 않은 1685개를 테스트하였다. 그리고 문자 코드는 宜습된 270개와 학습되 지 않은 3225개를 테스트하였다.
제안된퍼 지 신경 망의 인식 성능을 분석하기 위하여 총 60장의 여권 영 상을 대상으로 인식 실험을 하였다. 여기서 숫자 코드는 학습된 100개와 학습되지 않은 1685개를 테스트하였다.
추출된 5280개의 여 권 코드 중에서 숫 자 코드 100 개와 문 자 코드 270개를 대 표 패턴으로 선정 하여 제안된 퍼지 신경망에 적용하여 학습하였다. 제안된 퍼지 신경망의 파라미 터 설정은 표 2와 같다 .
이론/모형
PCA 알고리즘을 적용하여 학습 할 때 영상의 크기가 클 경우, 즉 실제 데이터의 크기가 클 경우에는 NXN의 공분산 행렬에 대한 계산량이 증가하므로 Snap-shot방법을 적용하여 효과적으로 공분산 행렬의 고유벡 터를 구한다[7, 8].
구한다. 각 소속 함수에 대하여 소속도가 구해지면 퍼 지 제어 규 칙을 적용하고 Max Min 방법으로 추론한다. 퍼지 추론 후에는 비퍼지国 하여 학습에 사용될 학습률을 구한다.
입력층과 중간층 사이에는 퍼지 C-Means 알고리즘을 적용하여 소속 도가 가장 큰 노드를 승자 노드로 선택하여 출력층으로 전달하는 학습 구조이다. 그리고 중간층과 출력층 사이의 학 습으로는 일반화된 델타학 습 방법을 적용하고 학습 시간을 개선하기 위하여 중간충 과 출력층의 가중치 조정에 적용되는 학습률을 동적으로 조정하기 위해 퍼지 제어 시스템을 적용한다.
따라서 본 논문에서는 소벨 연산자와수평 스미어 링 [2], 8방향윤곽선 추적 알고리즘[3]을 적용하여 코드의 문자열 영역을 추출한다. 추출된 문자열 영역을 반복 이진화 기법을 적용하여 이진화한다.
인식 결과 영상으로 사용하게 된다. 본 논문에서는 벡터들간의 유사성을 측정하기 위해 유클리디안 거리법을 사용한다.두 벡 터간의 유사 성을측정 을위해 식(13)를 적용한다.
문자열 영역을 추출한다. 추출된 문자열 영역을 반복 이진화 기법을 적용하여 이진화한다. 이진화 된 문 자열 영역 에 대해 개별 코 드를 추출 하기 위해 8 방향 윤곽선 추적 알고리즘을 적용하여 개별코드를 추 출하고 개선된 퍼 지 신경 망을 적용하여 개별 코드를 인식한다.
영역을 추출한다. 추출된 얼굴 영역에 주 성분분석(PCA) 기법을 적용하여 학습 및 얼굴 인증을 한다.
추출된 여 권 코드 영역을 반 복이진화 방법을 적용하여 이진화 한다. 이진화된 여권 코드 영역에 8방향 윤곽선 추적 알고리즘을 적용하여 개별 코드 88 개를 추출한다.
성능/효과
YCbCr 정보만으로 얼굴 영역을 검출하면 여권 사진의 배경 색이 피 부색과 비 슷할 때 잡음 이 많이 생기는 것을 확인할 수 있다. 따라서 RGB 정보에서 얼굴 후보 영역을 추출하여 YCbCr 모델에서 추출된 얼굴 후보 영역과 OR 연산을통해 최종적인 얼 굴 영역을 추출한다.
개선된 퍼지 신경망을 적용한 결과, 60장의 여권에서 120개의 문자열 영역과 5280개의 개별 코드가 모두 인식 되었다. 얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 주성분 분석 기법 (PCA)을 이용하여 여권의 위조 판별을 실험한 결과, 위조 여권 20장이 모두 위조 여권으로 판정 되었다.
그림 18에서와 같이 숫자코 드 100개를학 습한 결과, Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크의 Epoch 수는 66번으로 나타났고 제안된 퍼지 신경망에서는 41번으로 나타났다. 두 알고리즘에서 중간 층의 클 러스터의 수는 모두 10개가 생성 되었다.
그림 19에서와 같이 문자코 드 270개를 학 습한 결과, 제안된 퍼지 신경망과 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크에서 생성된 클러스터의 수는 모두 54개로 나타났다. 제안된 퍼지 신경망과 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크의 Epoch 수는 각각 154번과 244번으로'나타났다.
제안된 퍼지 신경망과 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크의 Epoch 수는 각각 154번과 244번으로'나타났다. 따라서 그림 18과 19에서 알 수 있듯이 제안한 퍼지 신경망이 숫자 및 문자를 학습하는 과정에서 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크 보다초 기의 수렴 속도가 빠르고 수렴성이 개선된 것을 확인할 수 있다.
따라서 본 논문에서 적용한 PCA 알고리즘이 여권 얼굴 인증 에 있어서 효과적 임을 확 인하였다 본 논문에서 여권 코드 인식과 얼굴 인증 시스템의 화면은 그림 20과 같다.
얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 주성분 분석 기법 (PCA)을 이용하여 여권의 위조 판별을 실험한 결과, 위조 여권 20장이 모두 위조 여권으로 판정 되었다. 따라서 본 논문에서 제안한 여권 인식과 얼굴 인증 방법이 효율적인 것을 확인하였다
되었다. 얼굴 인증 실험에서는 얼굴 특징 벡터의 유사도를 측정하는 주성분 분석 기법 (PCA)을 이용하여 여권의 위조 판별을 실험한 결과, 위조 여권 20장이 모두 위조 여권으로 판정 되었다. 따라서 본 논문에서 제안한 여권 인식과 얼굴 인증 방법이 효율적인 것을 확인하였다
수는 모두 54개로 나타났다. 제안된 퍼지 신경망과 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크의 Epoch 수는 각각 154번과 244번으로'나타났다. 따라서 그림 18과 19에서 알 수 있듯이 제안한 퍼지 신경망이 숫자 및 문자를 학습하는 과정에서 Delta-bar-Delta 방법을 이용한 FCM 기반 RBF 네트워크 보다초 기의 수렴 속도가 빠르고 수렴성이 개선된 것을 확인할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.