컴퓨터 비전 소개와 연구개발 사례

☆ 목차

◎ 배경

◆ 지능이란?

◆ 현재 컴퓨터는 지능기계인가?

◆ 인지[perception]와 인식[recognition]

◎ 컴퓨터 비전의 원리

◆ 영상 획득

◆ 영상의 표현

◆ 영상의 처리

◆ 영상의 처리 + 컴퓨터 그래픽스

◆ 영상의 인식

◆ 인식을 위한 기계 학습

◎ 컴퓨터 비전의 응용

◆ 로봇 네비게이션

◆ 지능 자동차

◆ 3차원 비디오

◆ 감시

◆ 비디오 검색

◆ 문서 인식 및 검색

◆ 군사

◆ 우주 탐사

◎ 연구개발 사례: 자동차번호판 인식

◆ 개발 툴

◆ OpenCV활용

◆ 차량 번호판 추출

◆ 선분 그루핑 알고리즘

◆ 에지 밀도 맵 알고리즘

◆ 차량 번호판 추출

◆ 번호판 개인용/영업용 구분

◆ 글자 영역 분할

◆ 글자 인식

◆ 또 다른 방법 추구 - 에지 정보를 이용한 글자 분할

☆ 배경

◎ 지능이란?

◆ 사전적 의미

- [1]계산이나 문장작성 따위의 지적 작업에서, 성취정도에 따라 정하여지는 적응 능력, 지능지수 따위로 수치

화할 수 있다.

- [2]지혜와 재능을 통틀어 이르는 말

- [3]새로운 대상이나 상황에 부딪혀 그 의미를 이해하고 합리적인 정응 방법을 알아내는 지적활동의 능력

◎ 현재 컴퓨터는 지능기계인가?

◆ Pro

- Deep Blue: 세계 페스 챔피언 카스팔로프를 이김

- Google: 전 세계웹 정보를 수초 이내에 검색

- 아르미: 스캔된 문서를 빠른 속도와 합리적 인식률로 인식함

◆ Con

- 컴퓨터 바둑 프로그램이 이창호를 이길 수 있나?

- 이야기 장르[슬픔, 기쁨, 웃음, 허구 등] 구별할 수 있나?

- 시를 창작하는 프로그램?

- 아르미의 어이없는 오류

◎ 인지[perception]와 인식[recognition]

◆ 시각

- 청각

- 톡각

- 후각

- 미각

- 인간의 가장 기본적이고 중요한 지능 행위

- 인간 정보처리의 대부분을 시각이 담당

◆ 인간시각

-뉴론[neuron]

-인간은 약 100billion 뉴론을 가지고 탄생

☆ 컴퓨터 비전의 원리

◎ 영상 획득

◎ 영상의 표현

◆ 2차원 배열

- 화소[pixel]

- 해상도

- 명암[gray-scale]영상과 컬러[color]영상

◎ 영상의 처리

◆ 에지 탐지

◆ 영역 분할

◆ 모션 분석

◎ 영상처리 + 컴퓨터 그래픽스

◆ 영상의 인식

◆ 인식 위한 기계학습

- 예) 필기 숫자

- state of the art 인식률 = 98% 정도

☆ 컴퓨터 비전의 응용

◎ 로봇 네비게이션 (http://ohzlab.kaist.ac.kr/index.html)

◎ 지능 자동차

◎ 3차원 비디오 (http://vision.kuee.kyoto-u.ac.jp/)

◎ 감시 (http://image.korea.ac.kr/korean/Research/HumanMotionAnalysis/MA_index[1].html)

◎ 비디오 검색

◎ 문서 인식 및 검색

◎ 군사

◎ 우주탐사

☆ 연구개발 사례: 자동차번호판 인식

◎ 국내 실용화되어 사용중

◎ 현재 개략적인 인식 성능

◆ 90%인식률 [약 10%의 기각]

◆ 1%오류율

◎ 연구개발목표

◆ 95% 이상의인식률 [5% 미만의 기각]

◆ 1%이하의 오류율

◎ 어떤 효과? [경찰청 입장]

◆ 하루 10만대 촬영 가정하면

◆ 100,000만대*[0.95-0.90]*50,000만원= 하루 2.5억 원의 추가 수입

◎ 개발 툴

◎ OpenCV활용

◆ OpenCV

- 인텔에서 개발한 open source 컴퓨터비전 라이브러리

- Intel pentium processor에 최적화

- Windows용과 Linux용 제공

◎ 개발에 필요한 함수들

◆ Image Handle Function

- cvLoadimage, cvSaveimage, cvCreateimage, SetimageROI, cvPoint, cvRect, cvSize, ipiimage

◆ Operators

- cvCanny, cvsobel, cvFindContour, cvAddroxPoly, cvAdadtlveThresholding

◎ 차량 번호판 추출

◆ 차량 번호판 추출을 위한 두 가지 알고리즘

- 선분 그루핑 알고리즘

_ 에지맵[edge map]추출

_ 선분[line segment]추출

_ 선분 그룹핑[번호판 성립 조건 사용]

- 에지 밀도 맵[edge denslty map] 알고리즘

_ 에지맵[edge map]추출

_ 잡영 제거

_ 번호판 추출 윈도우 적용

◎ 선분 그루핑 알고리즘

◆ 알고리즘

- 선분추출

- 기울어진 선분과 짧은 선분 제거

- 각도에 따라 수평과 수직으로 구분

- 선분 그룹핑

_ 평행조건

_ 마주볼 조건

_ 번호판 규격 조건

‘ ◎ 선분 그루핑 알고리즘

◆ 알고리즘[계속]

- 수평 선번쌍과 수직 선분쌍을 짝지음

_ 직사각형을 만족하는 선분쌍을 짝지음

_ 번호판 규격 조건

‘ ◎ 선분 그루핑 알고리즘

◆ 알고리즘[계속]

- 후보 영역 추출

_ 직사각형이 집중적으로 분포하는 위치를 찾음

‘ ◎ 선분 그루핑 알고리즘

◆ 시스템 데모

◎ 에지 밀도 맵 알고리즘

◆ 알고리즘

- Sobel 수직 에지 추출

- 이진화

- 세션화[Thinning]

- 잡영제거

- 후보 영역 찾기

◎ 차량 번호판 추출

◆ 시스템 데모

◎ 번호판 개인용/영업용 구분

◆ 알고리즘 개요

- 번호판 영역의 에지 방향 분포를 이용

◎ 글자 영역 분할

◆ 알고리즘

- 기울기 교정

- 적응적 이진화

- 모플로지 이용한 잡영 제거

- 프로젝션 분석에 의한 분할 선 추정

◎ 글자 인식

◆ 글자 데이터베이스 수집

◆ 크기 정규화

◆ 특징 추출

- DDD, Wavelet, projecttion, profile, Etc

◆ 특징 추출

-Perfect Metrics 인식기

◆ 신경망 인식기

◆ 숫자 인식

◆ 한글 인식

◆ 지역 필드 인식

◎ 또 다른 방법 추구 - 에지 정보를 이용한 글자 분할