Search

KR-20260061912-A - ID recognition method of ID recognition device

KR20260061912AKR 20260061912 AKR20260061912 AKR 20260061912AKR-20260061912-A

Abstract

지하철 승차권을 발매하는 지하철 승차권 발매기에 적용된 신분증인식기에서, 신분증 종류마다 인식할 수 있는 다양한 인식 로직을 이용하지 않고 단일의 인식 모델을 이용하여 다양한 종류의 신분증에 대하여 신속 정확하게 신분증을 인식할 수 있도록 한 신분증인식기의 신분증 인식방법에 관한 것으로서, 투입된 신분증을 카메라로 촬영하여 신분증 이미지를 생성하고, 딥러닝 기반의 학습을 통해 사전 설정된 문자 검출 모델을 이용하여 상기 생성된 신분증 이미지의 문자 영역을 검출하며, 검출한 문자 영역의 이미지를 문자 이미지 데이터로 변환하고, 변환한 문자 이미지 데이터를 전처리하고, 전처리된 이미지 데이터로부터 문자를 인식하는 과정으로 신분증인식기의 신분증 인식방법을 구현한다.

Inventors

  • 홍건수
  • 소남호

Assignees

  • (주)에이텍모빌리티

Dates

Publication Date
20260506
Application Date
20241028

Claims (5)

  1. (a) 투입된 신분증을 카메라로 촬영하여 신분증 이미지를 생성하는 단계; (b) 문자 검출부에서 딥러닝 기반의 학습을 통해 사전 설정된 문자 검출 모델을 이용하여 상기 생성된 신분증 이미지의 문자 영역을 검출하는 단계; (c) 상기 문자 검출부에서 검출한 문자 영역의 이미지를 문자 이미지 데이터로 변환하는 단계; (d) 이미지 전처리부에서 상기 변환한 문자 이미지 데이터를 전처리하고, 문자 인식부에서 전처리된 이미지 데이터로부터 문자를 인식하는 단계를 포함하는 것을 특징으로 하는 신분증인식기의 신분증 인식방법.
  2. 청구항 1에서, 상기 (b)단계의 문자 검출 모델은, 신분증 이미지 내의 문자 영역의 위치와 가로, 세로 크기를 검출한 후, 검출된 정보를 기초로 문자 영역을 검출하는 것을 특징으로 하는 신분증인식기의 신분증 인식방법.
  3. 청구항 1에서, 상기 (b)단계의 문자 검출 모델은, (b1) 공공 데이터 및 랜덤함수 중 어느 하나를 이용하여 가상정보를 생성하는 단계; (b2) 상기 생성한 가상정보를 데이터 합성 기술을 이용하여 가상 신분증 이미지를 생성하는 단계; (b3) 상기 생성한 가상 신분증 이미지를 설정된 문자 검출 모델로 학습하는 단계; (b4) 상기 (b3)단계에서 학습된 결과를 기초로 문자 검출 모델을 검증하고, 검증 결과를 기반으로 문자 검출 모델을 최적화하는 단계를 포함하는 것을 특징으로 하는 신분증인식기의 신분증 인식방법.
  4. 청구항 3에서, 상기 문자 영역 검출 모델은 실제 현장의 신분증인식기에서 생성된 다양한 신분증 이미지를 새로운 학습 데이터로 활용하여 지속적으로 업그레이드되는 것을 특징으로 하는 신분증인식기의 신분증 인식방법.
  5. 청구항 1에서, 상기 (d)단계는, 변환한 컬러 문자 이미지 데이터를 흑백으로 변환하여 글씨와 배경으로 분리하고, 글씨 부분의 객체만을 추출하는 과정으로 문자 이미지 데이터를 전처리하는 것을 특징으로 하는 신분증인식기의 신분증 인식방법.

Description

신분증인식기의 신분증 인식방법{ID recognition method of ID recognition device} 본 발명은 신분증인식기의 신분증 인식에 관한 것으로, 특히 지하철 승차권을 발매하는 지하철 승차권 발매기에 적용된 신분증인식기에서, 신분증 종류마다 인식할 수 있는 다양한 인식 로직을 이용하지 않고 단일의 인식 모델을 이용하여 다양한 종류의 신분증에 대하여 신속 정확하게 신분증을 인식할 수 있도록 한 신분증인식기의 신분증 인식방법에 관한 것이다. 일반적으로 신분증인식기는 사용자가 제시하는 신분증(주민등록증, 운전면허증, 사원증, 기타)을 촬영하여 이미지 정보를 획득하고, 획득한 이미지 정보에서 문자 영역을 검색하며, 검색한 문자 영역에 존재하는 문자를 추출하여 컴퓨터가 판독할 수 있는 코드로 전환하여 인식을 하는 과정을 통해 신분증을 자동으로 인식한다. 이러한 신분증인식기는 다양한 분야에 적용되는 데, 그 중 지하철 승차권 발매기에도 신분증인식기가 적용되어 신분증 위변조를 검출한다. 승차권 발매기에서 신분증 인식은 무임대상 승객 유무를 정확하게 판단하기 위함이다. 지하철 승차권 발매기에 적용된 신분증인식기는 다양한 종류의 신분증을 인식하기 위해 사전에 특정 신분증에 대응하는 문자의 위치와 크기에 맞는 문자 인식을 위한 복수의 로직을 구비하고, 이러한 복수의 로직을 순차 사용하여 신분증을 인식한다. 즉, 신분증은 주민등록증, 운전면허증, 국가보훈등록증, 장애인등록증, 외국인등록증 등 아주 다양하며, 이러한 다양한 신분증을 인식하기 위해 신분증 인식 로직도 각각의 신분증에 맞도록 사전에 개별 설계되어 있다. 따라서 신분증 투입구에 위치한 신분증 인식을 위해 기본적으로 설정된 신분증 로직을 이용하여 문자의 위치와 크기를 판독하는 방식으로 신분증을 인식하고, 인식이 안되면 다시 다른 신분증 로직을 이용하여 신분증을 판독하는 방식으로 신분증을 인식한다. 이에 따라 기본으로 설정된 신분증 로직으로 신분증 판독이 이루어지지 않을 경우에는 복수의 신분증 로직을 순차 이용하여 신분증을 인식하기 때문에 신분증 인식 시간도 많이 소요되며, 아울러 각각의 신분증에 맞는 신분증 로직을 사전에 구축해야 하는 복잡함도 있다. 또한, 각각의 신분증에 맞는 신분증 로직을 사전에 구현한 경우에도, 신분증이 위치한 각도와 위치의 차이가 상이하거나, 동일한 신분증이라고 생성된 시기에 따라 문자의 위치나 크기에 차이가 발생하면 정확하게 신분증을 인식하기 어려운 단점도 있다. 이러한 문제는 사용자가 신분증을 올려놓는 방식이나 카메라의 설치 각도 등 다양한 원인으로 발생할 수 있으며, 이러한 다양한 원인을 고려하여 신분증 로직을 사전에 모두 구현하기에는 어려움이 있다. 따라서 사용자가 신분증을 올려놓는 방식이 상이하거나, 발행 시기에 따라 문자 위치나 크기가 조금 상이해도 하나의 모델을 통해 신속 정확하게 신분증을 인식할 수 있는 기술이 필요하다. 도 1은 본 발명에 따른 신분증인식기의 신분증 인식장치의 개략 구성도이고, 도 2는 본 발명에 따른 신분증인식기의 신분증 인식방법을 보인 흐름도이며, 도 3은 도 2의 딥러닝 기반 문자 영역을 검출하는 실시 예 흐름도이며, 도 4는 본 발명에서 신분증인식기의 신분증 인식과정을 보인 개념도이며, 도 5는 본 발명에 적용된 문자 영역 검출 모델의 최적화 과정을 보인 예시이다. 이하 본 발명의 바람직한 실시 예에 따른 신분증인식기의 신분증 인식방법을 첨부된 도면을 참조하여 상세하게 설명한다. 이하에서 설명되는 본 발명에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 바람직한 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다. 도 1은 본 발명의 바람직한 실시 예에 따른 신분증인식기의 신분증 인식방법이 적용되는 신분증인식기의 구성도로서, 카메라(110), 문자 검출부(120), 이미지 전처리부(130) 및 문자 인식부(140)를 포함할 수 있다. 카메라(110)는 투입된 신분증을 촬영하여 신분증 이미지를 생성하는 역할을 한다. 문자 검출부(120)는 딥러닝 기반의 학습을 통해 사전 설정된 문자 검출 모델을 이용하여 상기 생성된 신분증 이미지의 문자 영역을 검출하는 역할을 한다. 이미지 전처리부(130)는 문자 검출부(120)에서 획득한 문자 이미지 데이터를 전처리하는 역할을 하며, 문자 인식부(140)는 상기 전처리된 이미지 데이터로부터 문자를 인식하는 역할을 한다. 도 2는 본 발명에 따른 신분증인식기의 신분증 인식방법을 보인 흐름도로서, (a) 투입된 신분증을 카메라(110)로 촬영하여 신분증 이미지를 생성하는 단계(S101 - S102), (b) 딥러닝 기반의 학습을 통해 사전 설정된 문자 검출 모델을 이용하여 상기 생성된 신분증 이미지의 문자 영역을 검출하는 단계(S103), (c) 상기 검출한 문자 영역의 이미지를 문자 이미지 데이터로 변환하는 단계(S104), (d) 상기 변환한 문자 이미지 데이터를 전처리하고, 전처리된 이미지 데이터로부터 문자를 인식하는 단계(S105 - S106)를 포함할 수 있다. 바람직하게, 상기 (b)단계의 문자 검출 모델은 신분증 이미지 내의 문자 영역의 위치와 가로, 세로 크기를 검출한 후, 검출된 정보를 기초로 문자 영역을 검출할 수 있다. 상기 (b)단계의 문자 검출 모델은 (b1) 공공 데이터 및 랜덤함수 중 어느 하나를 이용하여 가상정보를 생성하는 단계(S111), (b2) 상기 생성한 가상정보를 데이터 합성 기술을 이용하여 가상 신분증 이미지를 생성하는 단계(S112), (b3) 상기 생성한 가상 신분증 이미지를 설정된 문자 검출 모델로 학습하는 단계(S113), (b4) 상기 (b3)단계에서 학습된 결과를 기초로 문자 검출 모델을 검증하고, 검증 결과를 기반으로 문자 검출 모델을 최적화하는 단계(S114)를 포함할 수 있다. 바람직하게, 상기 (d)단계는 변환한 컬러 문자 이미지 데이터를 흑백으로 변환하여 글씨와 배경으로 분리하고, 글씨 부분의 객체만을 추출하는 과정으로 문자 이미지 데이터를 전처리할 수 있다. 이와 같이 구성된 본 발명의 바람직한 실시 예에 따른 신분증인식기의 신분증 인식방법을 첨부한 도면 도 1 내지 도 5를 참조하여 구체적으로 설명하면 다음과 같다. 먼저, 지하철 승차권 발매기의 신분증 투입구에 투입되는 다양한 종류의 신분증을 인식하기 위해, 딥러닝 기반의 문자 영역 검출 모델을 설정한다. 여기서 딥러닝 기반의 문자 영역 검출 모델은 도 5에 도시한 바와 같이, 공공 데이터 및 랜덤함수 등 어느 하나를 이용하여 가상정보를 생성한다(S111). 여기서 가상정보는 이름, 주소, 국가유공자 종류, 보훈번호(또는, 주민등록번호, 운전면허번호, 기타) 등과 같은 항목으로 이루어진 가상정보를 생성한다. 이어, 이렇게 생성한 가성정보 데이터를 데이터 합성 기술을 이용하여 가상 신분증 이미지를 생성한다(S112). 즉, 생성한 가상정보를 실제 신분증 이미지의 문자 위치 정보나 크기 정보 등을 고려하여 가상의 신분증 영역에 맞게 정보를 기입하여 가상의 다양한 종류의 신분증 이미지를 생성한다. 여기서 신분증에 포함되는 얼굴 사진 영역에는 얼굴 정보는 기록하지 않고 해당 영역의 크기 정보만을 고려한다. 이후, 상기 생성한 가상 신분증 이미지를 딥러닝 기반으로 설정된 문자 검출 모델로 학습한다(S113). 여기서 딥러닝 기반의 문자 검출 모델은 다양한 신분증에서 문자 영역을 추출하는 모델로서, 신분증 이미지 내의 문자 영역의 위치, 가로/세로 크기 등을 추출할 수 있는 모델이다. 이러한 딥러닝 기반의 문자 검출 모델에 생성한 가상의 신분증 이미지를 입력시켜 학습을 통해 문자 추출 결과를 획득하고, 학습된 결과를 기초로 문자 검출 모델을 검증한다. 이어, 검증 결과를 기반으로 문자 검출 모델을 최적화한다(S114). 모델의 최적화는 딥러닝 기반의 학습 모델을 최적화하는 일반적인 기술이므로 그에 대한 구체적인 설명은 알려진 딥러닝 기반의 학습 모델 최적화기술을 참조하기로 한다. 여기서 문자 영역 검출 모델은 실제 신분증인식기에서 생성된 다양한 신분증 이미지를 새로운 학습 데이터로 활용하여 지속적으로 업그레이드 가능하다. 이러한 과정을 통해 최적화된 문자 영역 검출 모델을 문자 검출부(120)에 등록하고, 지하철 승차권 발매기의 신분증 투입구에 신분증이 투입되면, 카메라(110)는 투입된 신분증을 촬영하여 신분증 이미지를 생성한다(S101 - S102). 이어, 문자 검출부(120)에서 딥러닝 기반의 학습을 통해 사전 설정된 문자 검출 모델을 이용하여 상기 생성된 신분증 이미지의 문자 영역을 검출한다(S103). 여기서 문자 검출 모델은 신분증 이미지 내의 문자 영역의 위치와 가로, 세로 크기를 검출한 후, 검출된 정보를 기초로 신분증의 종류를 인식하고, 인식문자 영역을 검출한다. 이후, 상기 검출한 문자 영역의 이미지를 문자 이미지 데이터로 변환하여 이미지 전처리부(130)에 전달한다(S104). 상기 이미지 전처리부(130)는 상기 변환한 문자 이미지 데이터를 전처리한다(S105). 예컨대, 이미지 전처리부(130)는 상기 문자 검출부(120)에서 변환한 컬러 문자 이미지 데이터를 흑백으로 변환하여 글씨와 배경으로 분리하고, 글씨 부분의 객체만을 추출하는 과정으로 문자 이미지 데이터를 전처리한다. 이렇게 전처리된 이미지 데이터는 문자 인식부(140)에 전달되며, 상기 문자 인식부(140)는 통상의 문자 인식 알고리즘을 이용하여 문자를 인식한다(S106). 이렇게 지하철 승차권 발매기에서 신분증 인식을 위한 딥러닝 기반의 문자 영역 검출 모델을 이용하여 신분증을 인식함으로써, 신분증 위치가 달라지거나 동일한 신분증이라고 문자 위치나 크기가 달라져도 정확하게 신분증을 인식할 수 있다. 또한, 본 발