제안 방법

• 이 후 알약부분이 검출된 이미지를 LAB 색상 공간으로 변형시킨다. 변형된 이미지를 "Canny Edge" 를 이용하여 윤곽선을 검출한다. 검출된 윤곽선으로 모양을 알 수 있다.
• 이 윤곽선에 따라 알약부분이 검출된 이미지에서 알약만을 추출한다. 추출된 알약 이미지에서 Gradient를 이용해 글자만을 남기고, "Bounding Box"로 글자 해당하는 부분을 이미지로 저장한다.
• 먼저 OpenCV를 이용한 이미지 프로세싱을 통해 사진에서 알약부분을 검출한다. OpenCV의 Saliency Map라이브러리를 이용하여 사진의 특이점을 검출하여 알약의 위치를 판단한다. 이 과정에서 정확도를 높이기 위해 PyrMeanShiftFiltering 필터를 사용하여 노이즈를 제거하여 알약부분을 검출한다.
• 분석 내용을 바탕으로 TCP프로토콜을 사용하는 패킷만을 남기고 다른 패킷들은 제거한다. 그 후 IP Datagram부분을 TCP header와 data 부분으로 분할하고, TCP header 구조에 맞게 분석한다. 이후 분석한 내용을 사용자가 쉽게 정보들을 파악할 수 있도록 보다 더 사용자 친화적인 인터페이스로서 구현한다.
• C와 C++을 기반으로 한 pcap을 이용하여 구현했던 기존의 Wire Shark와 달리, JAVA를 기반으로 패키 스니핑 기술을 구체화해야 한다. 따라서 libpcap과 winpcap의 래퍼 라이브러리인 jnetpcap을 사용하여 프로그램을 구현할 것이다.
• 하지만 이러한 방법은 모양, 색, 글씨 등이 필요하기 때문에 절차가 복잡하고 이용하는데 불편함이 존재한다. 따라서 우리는 이러한 기존의 불편한 방법을 간소화하여 사진 한장으로 약의 정보를 알 수 있는 플랫폼을 기획하게 되었다.
• jnetpcap 라이브러리를 이용하여 캡처한 패킷 정보들은 정제되어있지 않은 헥사값이다. 따라서 필자는 정제되어있지 않은 헥사값에서 IP header 부분을 찾아내어 그 구조에 맞게 분할하여 분석한다. 분석 내용을 바탕으로 TCP프로토콜을 사용하는 패킷만을 남기고 다른 패킷들은 제거한다.
• 먼저 OpenCV를 이용한 이미지 프로세싱을 통해 사진에서 알약부분을 검출한다. OpenCV의 Saliency Map라이브러리를 이용하여 사진의 특이점을 검출하여 알약의 위치를 판단한다.
• OpenCV의 Saliency Map라이브러리를 이용하여 사진의 특이점을 검출하여 알약의 위치를 판단한다. 이 과정에서 정확도를 높이기 위해 PyrMeanShiftFiltering 필터를 사용하여 노이즈를 제거하여 알약부분을 검출한다.
• 추출한 모형과 글씨 이미지를 텐서플로우가 학습할 수 있는 TFRecord 파일로 전처리를 거친 후 CNN 딥러닝 이미지 비교 학습을 통해 완성된 모델을 통해 이미지의 모형과 글씨를 판단한다. 이 후 판단된 알약의 모형과 글씨를 데이터베이스에 입력하여 저장된 알약의 정보를 가져오는 것이다.