1 |
1
카메라를 통해 촬영된 자동차 번호판의 영상을 인식하는 시스템에 있어서,문자를 포함하는 자동차 번호판의 영상에 대한 공분산 행렬을 산출하는 공분산 행렬 산출부;상기 산출한 공분산 행렬을 이용하여 상기 번호판 영상 내 문자의 특징을 값으로 표현한 고유값(Eigenvalue)을 산출한 후, 상기 산출한 고유값과 일대일 대응하는 고유 벡터(Eigenvector)를 산출하는 고유벡터 산출부; 상기 산출한 고유 벡터 중에서 상기 번호판 영상의 전체를 나타낼 수 있는 소정 개수의 고유 벡터를 선정하는 고유벡터 개수 선정부;상기 선정한 고유 벡터의 공간으로 상기 번호판 영상을 투영시켜 각 숫자가 상기 고유 벡터의 공간에서 가지는 가중치를 추출하는 특징벡터 추출부; 및상기 추출한 가중치를 특징 벡터로 하여 영상 학습을 수행하고, 상기 수행한 학습 결과를 토대로 상기 카메라를 통해 촬영된 자동차 번호판의 영상을 인식하는 신경망 처리부를 포함하는 자동차 번호판의 영상 인식 시스템
|
2 |
2
제1 항에 있어서,상기 고유벡터 산출부는,상기 산출한 공분산 행렬이 고차원의 행렬이면, 적어도 한 개 이상의 고유값을 큰 순서대로 배치하는 자코비(Jacobi) 방법을 이용하여 상기 고유값을 산출하는 자동차 번호판의 영상 인식 시스템
|
3 |
3
제1 항에 있어서,상기 신경망 처리부는,입력층(Input Layer)과 은닉층(Hidden Layer) 및 출력층(Output Layer) 중 적어도 어느 하나를 포함하는 다층 퍼셉트론(Multi-layer Perceptron)의 구조로 이루어지는 신경망을 토대로 역전파(Back-Propagation) 알고리즘을 사용하여 상기 영상 학습을 수행하는 자동차 번호판의 영상 인식 시스템
|
4 |
4
카메라를 통해 촬영된 자동차 번호판의 영상을 인식하는 방법에 있어서,a)문자를 포함하는 자동차 번호판의 영상에 대한 공분산 행렬을 산출하는 단계;b)상기 산출한 공분산 행렬을 이용하여 상기 번호판 영상 내 문자의 특징을 값으로 표현한 고유값(Eigenvalue)을 산출한 후, 상기 산출한 고유값과 일대일 대응하는 고유 벡터(Eigenvector)를 산출하는 단계; c)상기 산출한 고유 벡터 중에서 상기 번호판 영상의 전체를 나타낼 수 있는 소정 개수의 고유 벡터를 선정하는 단계;d)상기 선정한 고유 벡터의 공간으로 상기 번호판 영상을 투영시켜 각 숫자가 상기 고유 벡터의 공간에서 가지는 가중치를 추출하는 단계; 및e)상기 추출한 가중치를 특징 벡터로 하여 영상 학습을 수행하는 단계 를 포함하는 자동차 번호판의 영상 인식 방법
|
5 |
5
제4 항에 있어서,상기 b)단계는,상기 산출한 공분산 행렬이 고차원 행렬인지를 확인하는 단계;상기 고차원 행렬이 아니면 직접법으로 상기 고유값을 산출하는 단계; 및상기 고차원 행렬이면 적어도 한 개 이상의 고유값을 큰 순서대로 배치하는 자코비(Jacobi) 방법을 이용하여 상기 고유값을 산출하는 단계를 포함하는 자동차 번호판의 영상 인식 방법
|
6 |
6
제 5항에 있어서,상기 c)단계는,상기 자코비 방법을 통해 배치된 고유값과 일대일 대응하는 고유 벡터 중 상기 번호판 영상 전체의 전체 개수 보다는 작은 고유 벡터의 개수를 아래의 [수학식], 을 통해 산출하는 자동차 번호판의 영상 인식 방법
|