CNN에 기반한 실제 환경에서의 색상 및 문자 인식

Abstract

본 연구는 산업체 현장에서 사람이 직접 수행하는 색선 및 문자 인식을 자동화하기 위한 기초연구이다. 과거의 산업체 현장에서 사용된 문자 추출 방법은 획득한 영상에서 고정된 카메라 각도, 일정한 조명 그리고 문자가 이루는 일정한 패턴에 따라 정해진 파라미터 값으로 문자추출 시스템이 진행된다. 본 논문에서는 과거의 고정된 파라미터 값에 따라 순차적인 시스템으로 추출하던 방법과 달리 환경 변화에도 강인한 결과를 보여주었던 컨볼루션 신경망(Convolutional Neural Network, CNN)을 통하여 문자영역을 추정하고자 한다. 본 논문에서 문자 영역 추정에사용되는 CNN 구조는 컨볼루션 단계와 풀링 단계가 하나씩 이루어진 구조를 사용하여 문자영역과 비 문자영역으로 분류를 시도하고자 한다. 산업체 현장에서 발생되는 색선 인식의 주요 문제 중 첫 번째는 색선에 사용하는 도료의 농도와 조명의 밝기 변화에 따라 달라지는 색선 분류 문제이다. 이는 색선의 색상이 RGB 색 공간에서 명도와채도가 낮은 값을 가질 때 색선의 고유색이 이웃한 색조로 잘못 분류되는 문제이다. 본 논문에서는 색 분류 문제를전방향 신경망을 통하여 해결한다. 두 번째 문제는 조명의 색상 변화에 따른 색 항상성 문제이다. 사물의 색은 광원의 색상에 따라 그 반사광이 달라진다. 때문에 조명의 색에 변화가 생길 경우 색선의 반사광 또한 달라질 수 있다. 영상의 적절한 보정을 위하여 광원의 색을 추정할 필요가 있다. 본 논문에서는 RGB 3채널에 대해 1x1x3 컨볼루션이 이루어지는 CNN 구조를 통하여 광원의 색을 추정하고자 한다.