Computer vision 정보과학부 200011192 최영준

1. Computer vision 이란? <인지(Cognition)의 중요성> 컴퓨터가 직접 자신이 필요한 사항을 감각기를 사용하여 획득하는 것이 필요 대화(컴퓨터와 인간의 상호작용)의 효율을 향상함.(Human Interface)

1. Computer vision 이란? <컴퓨터의 시각(Vision)> 인공적인 시각 능력: 컴퓨터와 카메라 + 영상 처리용 하드웨어, 소프트웨어 인간의 시각 능력 : 두뇌와 눈 및 시신경 + 시각신호를 이해하는 지식과 경험, 추론 능력

1. Computer vision 이란? 컴퓨터 비전(Computer vision) 영상에서 의미를 추출하는 것이다. 컴퓨터 비전은 주어진 영상의 전처리 과정을 거쳐 응용 분야에 적합한 영상을 만들고 필요한 특징을 추출한 후 영상에 있는 의미를 추출하는 과정을 거친다.

1. Computer vision 이란?

2. Computer vision 이용 분야 이동로봇의 시각시스템 적용, 청소로봇의 위치인식 , 로봇의 물체인식

2. Computer vision 이용 분야 지능 자동차 졸음운전 감지 장치 후방사각 안내 완전자동 주행기능 탈선경보시스템 야간투시 기능 추동예방레이더

2. Computer vision 이용 분야 보안 감시 기술

2. Computer vision 이용 분야 비디오 검색

2. Computer vision 이용 분야 문서 인식 및 검색

2. Computer vision 이용 분야 생체 인식 기술

2. Computer vision 이용 분야 의료 분야

3. OpenCV OpenCV 소개 OpenCV 라이브러리(Open Source Computer Vision Library)는 인텔(Intel)에서 주도해 만들기 시작하여 현재는 오픈 소스로서 만들어지고 있는 영상처리 라이브러리이다. OpenCV 라이브러리는 영상처리를 위해 필요한 다양한 기능들을 포함하고 있으며, 다양한 포맷의 입출력을 지원하고 동영상 및 웹 카메라의 입력도 간단하게 구현할 수 있다.

4. Computer Vision 처리과정

4. Computer Vision 처리과정 1) 입력 물체의 영상이 CCD 카메라 혹은 스캐너를 통하여 입력된다. 일반적으로 2차원 물체를 처리하는 경우 카메라는 1대가 사용되지만, 입체시각(stereo vision)을 처리하는 경우 3차원 정보를 얻기 위하여 2대의 카메라를 사용한다.

4. Computer Vision 처리과정 2) 영상처리(Image processing) 실세계의 영상은 많은 잡음을 포함하기도 하기 때문에 잡음을 없애거나 특징을 추출하기 쉬운 상태로 영상 화질을 개선시킬 필요가 있다.

4. Computer Vision 처리과정 3) 특징 추출(Feature extraction) 응용 분야에 따라 에지(edge)나 영역 정보를 추출한다. 영상에서 직접 특징을 추출하거나 영상을 특징을 추출하기 쉬운 상태로 변환하여 특징을 추출한다.

4. Computer Vision 처리과정 4) 인식(Recognition) 인식 결과로 영상의 의미를 출력한다. 패턴인식 기법이나 여러 가지 컴퓨터 비전 기법을 사용하여 특징을 기반으로 영상에 있는 물체의 형태를 파악한다.

4. Computer Vision 처리과정 4) 인식(Recognition) 물체의 의미를 파악하기 위하여 인공지능 기법이 사용되기도 한다. 인공 지능(Artificial Intelligence, AI) 기법을 사용하여 인간이 물체에 대해 갖고 있는 지식(속성, 상호 관계)을 표현하고 이를 이용하여 물체 인식에 이용

5. 영상처리 기법 하부 시각(low level vision) 영상에서 특징(feature)을 추출하는 과정이다. 상부 시각(high level vision) 특징을 이용하여 영상이나 물체의 의미를 추출하는 과정이다.

5. 영상처리 기법 2차원 배열 화소 (pixel) 해상도 명암 (gray-scale) 영상과 컬러 (color) 영상

5. 영상처리 기법 디지털 영상의 효과적인 활용을 위해서는 영상에서 내포된 정보 분석이 필요 영상의 명암 대비 또는 밝기값 분포 등의 정보를 제공하는 히스토그램을 통해 가능 히스토그램 영상 내 특정 명암도를 갖는 화소의 발생 빈도를 나타내는 수의 집합

5. 영상처리 기법 히스토그램

5. 영상처리 기법 히스토그램 수평이동, 히스토그램 확장 히스토그램 균등화 영사의 밝기 분포를 재배열 하여 영상의 명암 대비 특성을 개선할 수 있음 히스토그램 균등화 히스토그램 균등화에 의해 명암 대비가 향상될 수 있음

5. 영상처리 기법 히스토그램 확장

5. 영상처리 기법 히스토그램 균등화

5. 영상처리 기법 영상의 이진화 카메라로부터 얻어진 명암영상(gray image)을 이진화 하기 위해 각 화소의 밝기값을 임계치 기준으로 2개의 집합으로 구분 물체(object)와 배경(background) 구분 용이

5. 영상처리 기법 2) 경계선 검출

5. 영상처리 기법 미분 연산을 마스크로 표현 가능 수평 경계선 수직 경계선 Prewitt Roberts Sobel 수평 경계선과 수직 경계선을 개별적으로 검출 수평 경계선 수직 경계선 Prewitt Roberts Sobel

5. 영상처리 기법 Sobel Prewitt Roberts

5. 영상처리 기법 Robinson 경계 검출

5. 영상처리 기법 Robinson 경계 검출 int Filter[8][9] = { {-1, 0, 1, -2, 0, 2, -1, 0, 1}, {0, 1, 2, -1, 0, 1, -2, -1, 0}, {1, 2, 1, 0, 0, 0, -1, -2, -1}, {2, 1, 0, 1, 0, -1, 0, -1, -2} {1, 0, -1, 2, 0, -2, 1, 0, -1}, {0, -1, -2, 1, 0, -1, 2, 1, 0}, {-1, -2, -1, 0, 0, 0, 1, 2, 1}, {-2, -1, 0, -1, 0, 1, 0, 1, 2} };

5. 영상처리 기법 Robinson

5. 영상처리 기법 3) 깊이 정보의 산출(stereo vision : 입체시)

5. 영상처리 기법 4) 운동 정보의 산출

5. 영상처리 기법 상부 시각(High-Level Vision)

사례 연구: 국내 자동차 번호판 인식 현재 개략적인 인식 성능 연구 개발 목표 효과 (경찰청 입장) 90%인식률 (약 10%의 기각) 1% 오류율 연구 개발 목표 95% 이상의 인식률 (5% 미만의 기각) 1% 이하의 오류율 효과 (경찰청 입장) 하루 10만대 촬영 가정하면 100,000만대*(0.95-0.90)*50,000만원= 하루 2.5억 원의 추가 수입

사례 연구: 국내 자동차 번호판 인식 개발 툴

사례 연구: 국내 자동차 번호판 인식 차량 번호판 추출을 위한 두 가지 알고리즘 선분 그루핑 알고리즘 에지 맵 (edge map) 추출 선분 (line segment) 추출 선분 그룹핑 (번호판 성립 조건 사용) 에지 밀도 맵 (edge density map) 알고리즘 잡영 제거 번호판 추출 윈도우 적용

사례 연구: 국내 자동차 번호판 인식 번호판 인식

사례 연구: 국내 자동차 번호판 인식 글자영역 분할 기울기 교정 적응적 이진화 모폴로지 이용한 잡영 제거 프로젝션 분석에 의한 분할 선 추정

사례 연구: 국내 자동차 번호판 인식 글자영역 분할 분리선 1 2 3 4 1 2

사례 연구: 국내 자동차 번호판 인식 글자 인식

감사합니다.