KR100247969B1 - 대용량패턴정합장치및방법 - Google Patents

Abstract

본 발명은 대용량 패턴정합 장치 및 방법에 관한 것으로, 대용량 패턴 정합 장치는 입력패턴에 포함된 잡음을 필터링하고, 입력패턴을 평활화하는 전처리부; 전처리부의 출력으로부터 특징점들을 추출하여 특징벡터를 구하는 특징추출부; 입력패턴에 대해 정합비교대상이 되는 패턴인 표준패턴을 저장한 데이터베이스; 데이터베이스로부터 표준패턴을 선택한 다음, 특징추출부의 특징벡터와 표준벡터의 특징벡터간의 거리를 계산하여, 거리에 따라 선택된 표준패턴과 선택된 표준패턴이 갖고있는 이웃 표준패턴들을 정합비교대상에 포함할 것인가를 결정하는 최근접 및 최원접 패턴 분류부; 및 최근접 및 최원접 패턴 분류부에서 결정된 정합비교대상 패턴들과 상기 입력패턴을 정합시키는 패턴정합부로 이루어진다.

본 발명에 의하면, 패턴정합시 표준패턴을 동적으로 결정함은 물론 표준패턴과의 정합기준을 거리뿐 만 아니라 방향까지 고려하므로써 패턴정합의 정확도를 높이고, 패턴정합 속도를 빠르게 할 수 있다.

Description

대용량 패턴정합 장치 및 방법{Apparatus and method for massive pattern matching}

본 발명은 패턴정합 장치 및 방법에 관한 것으로, 특히 빠르고 정확한 대용량 패턴정합을 이루기위한 장치 및 방법에 관한 것이다.

패턴정합이라 함은 패턴인식, 문자인식, 또는 음성인식과 같은 인식시스템에서 널리 사용되는 방법으로 표준패턴과 미지의 패턴과의 유사도나 정합도를 조사하여 미지의 패턴을 식별하는 것으로, 대용량 패턴집합을 실시간으로 인식하기 위해서는 고속의 패턴탐색 기법이 큰 기여를 한다. 그러나, 현존하는 대부분의 고속의 패턴 분류기법은 인식 성능 및 정확도면에서 교환(trade-off)관계가 있어서, 고속일 경우에는 인식성능이 낮고 인식성능이 좋은 시스템의 경우는 처리속도가 느리다는 단점이 있다.

또한, 종래의 패턴정합은 각 패턴 집합들이 일정한 갯수의 최근접/최원접 이웃(nearest/farthest neighbor) 표준패턴(이하 모델이라 함)을 갖고있어서, 불필요한 모델을 간직하여 메모리 공간을 소비할 뿐 만 아니라 탐색공간이 커져 속도를 저하시키는 원인이 된다. 또한 식별하기 어려운 패턴들의 경우, 유사 패턴들이 많음에도 불구하고 일정한 갯수만을 저장하여 정합하므로써 정확도를 떨어뜨리는 결과를 초래한다.

각 패턴의 분류방법으로는 두 모델 벡터간의 거리만을 사용하여 입력패턴과 모델간의 거리가 임계값 α보다 크면 입력패턴으로부터 멀리있는 모델일 가능성이 높으므로 최근접/최원접 이웃 모델 데이터베이스(이하 데이터베이스라 약함)를 이용하여 이 모델에 대해 k개의 최근접 이웃들을 인식비교대상에서 제외시키는 방법이 있다. 즉, 입력패턴과 비교가 되는 대상 모델이 경계면에 가깝게 위치해 있건 멀리 위치해 있건 관계없이 그 모델이 저장하고 있는 일정한 갯수의 최근접 이웃 모델들을 인식비교대상에서 제외시킨다. 그러나, 비교되는 모델이 경계면에 가깝게 위치해 있다면 그에 인접한 일정한 갯수의 최근접 이웃 모델들이 실제 입력패턴과 가까움에도 불구하고 정합비교대상에서 제거될 가능성이 많으므로 인식 정확도를 많이 떨어뜨리는 문제점이 있다.

본 발명은 상술한 문제점을 해결하기 위하여 창안된 것으로, 데이터베이스의 크기를 동적으로 구성하고, 패턴 분류시 거리뿐 만 아니라 방향도 고려하므로써 특히 대용량의 패턴에 대해 정확하고 빠르게 패턴정합을 이루는 대용량 패턴정합 장치 및 방법을 제공함에 그 목적이 있다.

도 1a는 본 발명에 따른 대용량 패턴정합 장치에 대한 블록도이다.

도 1b는 도 1a의 데이터베이스의 구성도이다.

도 2는 본 발명에 따른 대용량 패턴정합 방법에 대한 흐름도이다.

도 3은 표준패턴들과 입력패턴의 분포이다.

상기 목적을 달성하기 위한, 본 발명에 따른 대용량 패턴정합 장치는 입력패턴에 포함된 잡음을 필터링하고, 상기 입력패턴을 평활화하는 전처리부; 상기 전처리부의 출력으로부터 특징점들을 추출하여 특징벡터를 구하는 특징추출부; 상기 입력패턴에 대해 정합비교대상이 되는 패턴인 표준패턴을 저장한 데이터베이스; 상기 데이터베이스로부터 표준패턴을 선택한 다음, 상기 특징추출부의 특징벡터와 상기 표준벡터의 특징벡터간의 거리를 계산하여, 상기 거리에 따라 상기 선택된 표준패턴과 상기 선택된 표준패턴이 갖고있는 이웃 표준패턴들을 정합비교대상에 포함할 것인가를 결정하는 최근접 및 최원접 패턴 분류부; 및 상기 최근접 및 최원접 패턴 분류부에서 결정된 정합비교대상 패턴들과 상기 입력패턴을 정합시키는 패턴정합부를 포함함이 바람직하다.

상기 또 다른 목적을 달성하기 위한, 본 발명에 따른 대용량 패턴정합 방법은 입력패턴의 특징벡터를 추출하는 제1단계; 상기 입력패턴에 대해 정합비교대상이 되는 패턴인 표준패턴들을 저장한 데이터베이스로부터 상기 표준패턴들중 하나를 선택하여 상기 제1단계에서 추출된 특징벡터와의 거리 및 방향을 계산하는 제2단계; 상기 제2단계에서 계산된 거리가 제1임계값 α이하이면 상기 표준패턴을 정합비교대상에 포함하고, α보다 크면 상기 계산된 거리 및 방향에 따라 상기 표준패턴을 정합비교대상에 포함할 것인가를 결정하는 제3단계; 및 상기 제3단계의 정합비교대상을 상기 입력패턴과 정합하는 제4단계를 포함함이 바람직하다.

이하에서 첨부된 도면을 참조하여 보다 상세히 설명하기로 한다. 도 1a는 본 발명에 따른 대용량 패턴정합 장치로서, 도 1a에 따른 대용량 패턴정합 장치는 전처리부(100), 특징추출부(102), 최근접/최원접 패턴분류부(104), 데이터베이스(106) 및 패턴정합부(108)로 이루어진다.

상술한 전처리부(100)는 패턴정합에 필요한 정보는 강화하고 불필요한 정보는 줄이므로써 패턴정합오류를 최소화하고, 특징추출부(102)는 패턴의 구조적인 특징벡터를 추출한다.

데이터베이스(106)는 도 1b에 도시된 바와 같이, 인덱스가 k인 모델에 대해 k-최근접 이웃 분류기(k-nearest neighbor identifier)를 이용하여 각 모델로부터 최근접 이웃 모델들과 최원접 이웃 모델들의 인덱스, 거리 및 방향을 저장하고있다. 인덱스는 각 모델들에게, 예를 들어, 일련번호 등으로 붙여진 번호이다. 데이터베이스(106)는 각 모델에 대해 그 모델과 거리가 가장 가까운 k개 모델의 인덱스, 거리 및 방향을 저장한다. 각 모델간의 거리 및 방향은 각 모델의 특징벡터로부터 통상의 벡터간 거리 및 방향을 구하는 방법에 따라 구한다. 데이터베이스(106)는, 또한, 각 모델과 거리가 가장 먼 k개 모델의 인덱스, 거리 및 방향을 저장한다.

이 때 각 모델이 갖고있는 최근접/최원접 이웃 모델들의 갯수는 모델의 분포에 따라 달라진다. 즉, 모델들의 분포가 밀한 곳은 k가 큰 값을 갖고, 분포가 소한 곳은 k가 작은 값을 갖는다.

최근접/최원접 패턴분류부(104)는 데이터베이스(106)에서 선택된 모델들의 이웃들을 조사하여 정합비교대상을 결정하고, 패턴정합부(108)는 최근접/최원접 패턴분류부(104)에서 결정된 정합비교대상 모델을 참조하여 입력패턴을 정합한다.

본 발명의 동작원리를 도 2의 흐름도를 참조하여 설명하기로 한다. 도 2는 본 발명에 따른 패턴정합 방법에 대한 흐름도이다. 도 3은 입력패턴과 모델들의 분포를 보인 것이다.

패턴정합의 한 예로 문자인식의 경우를 고려한다면, 입력패턴 즉 입력문자는 먼저, 전처리부(100)를 통해서 스캐너(scanner)와 같은 입력장치에 의한 잡음 등이 제거되고, 크기의 정규화, 골격선 추출을 위한 골격화 및 오류복구를 위한 평활화(smoothing)과정 등을 거친다. 특징추출부(102)는 전처리된 입력패턴으로부터 부분영역내의 검은 화소의 수나 획의 방향성분 등과 같이 입력된 문자를 대표하는 고유의 특성을 나타내는 특징값들을 구해서 특징벡터들을 만든다(200 단계). 상술한 단계를 거친 입력패턴 x에 대해 데이터베이스(106)로부터 임의의 모델 M_i가 선택된다(202단계).

최근접/최원접 패턴 분류부(104)는 모델 M_i와 x간의 거리 d_i및 방향을 계산한다(204단계). 입력패턴 x의 벡터가

, i번째 모델벡터가

일 때, 거리 D(x,M_i)는 다음과 같이 결정된다.

여기서, k 는 벡터의 크기이다. 방향은 두 벡터간 각에 따라 통상의 벡터간 방향 결정방법에 따라 결정된다.

계산된 거리 d_i가 임의의 값 α보다 크면(206단계, 도 3의 M_i,M_j,M_k,M_a의 경우), α와 거리 d_i의 차 (즉, |α-d_i|)에 따라 M_i를 중심으로 반경이 결정된다(208단계). 즉, |α-d_i|가 크면 반경이 크고 작으면 반경도 작아진다. 반경이 결정된 후, α와 d_i의 차가 임의의 값 γ보다 큰가가 점검되어(210단계), 만일 크다면 모델 M_i가 입력패턴과 멀리 떨어져있음을 뜻하므로 상술한 반경내의 모델은 유효모델 범위, 즉, 정합비교대상 모델에서 제외된다(212, 도 3의 M_k의 경우). 이 때, γ는 경험적으로 결정되는 값이다. α와 d_i의 차가 임의의 값 γ보다 작다면 반경내의 모델중 유효한 모델이 있다고 추정되어 그 방향이 조사된 다음, 입력패턴에서 모델 M_i로의 방향과 반대방향을 갖는 최근접 모델이 유효한 모델로 간주된다(214단계, 도 3에서 M₁및 M₂가 이 경우에 해당하며, M₁과 M₂중 l₂가 입력패턴에서 모델 M_a로의 방향과 반대방향이므로 M₂가 유효모델로 간주된다).

상술한 과정이 완료된 후, 다시 다른 모델을 선택하여 유효한 모델을 조사하려면(216단계) 202단계로 되돌아가서 상술한 과정들을 반복하고, 충분한 유효모델이 조사되었다면, 조사된 유효모델들로부터 패턴정합이 이루어진다(222단계).

상술한 206단계에서 d_i가 α보다 작다면, M_i를 유효모델로 간주한다. 이 때, 다시 d_i가 β보다 작은가를 점검한다(218단계). 여기서, β는 α보다 작은 값이다. 만일 작다면 M_i가 갖고있는 최원접 이웃모델들을 제외하고(220단계) 최근접 모델들을 유효한 모델로 간주한다. 다시 다른 모델을 더 선택해서 조사하려면(216단계) 206단계부터 상술한 과정을 반복한다. 만일 d_i가 α보다 크다면 상술한 216단계를 수행한다.

본 발명에 의하면, 패턴정합시 가능성이 있는 유효한 표준패턴들을 동적으로 결정함은 물론 표준패턴과의 정합기준을 거리뿐 만 아니라 방향까지 고려하므로써 특히 대용량의 패턴에 대해 패턴정합의 정확도를 높이고, 패턴정합 속도를 빠르게 할 수 있다. 또한 패턴인식 및 음성인식에도 쉽게 적용할 수 있다.

Claims (6)

1. 입력패턴에 포함된 잡음을 필터링하고, 상기 입력패턴을 평활화하는 전처리부;

   상기 전처리부의 출력으로부터 특징점들을 추출하여 특징벡터를 구하는 특징추출부;

   상기 입력패턴에 대해 정합비교대상이 되는 패턴인 표준패턴을 저장한 데이터베이스;

   상기 데이터베이스로부터 표준패턴을 선택한 다음, 상기 특징추출부의 특징벡터와 상기 표준패턴의 특징벡터간의 거리를 계산하여, 상기 거리에 따라 상기 선택된 표준패턴과 상기 선택된 표준패턴이 갖고있는 이웃 표준패턴들을 정합비교대상에 포함할 것인가를 결정하는 최근접 및 최원접 패턴 분류부; 및

   상기 최근접 및 최원접 패턴 분류부에서 결정된 정합비교대상 패턴들과 상기 입력패턴을 정합시키는 패턴정합부를 포함함을 특징으로하는 대용량 패턴정합장치.
2. 제1항에 있어서, 상기 데이터베이스는

   상기 선택된 표준패턴이 최근접/최원접 이웃 표준패턴의 인덱스, 상기 선택된 표준패턴으로부터 상기 이웃 표준패턴까지의 거리 및 상기 이웃 표준패턴으로부터 상기 선택된 표준패턴으로 향하는 방향을 갖고, 상기 최근접/최원접 이웃 표준패턴의 갯수가 상기 표준패턴의 특성에 따라 정해지는 대용량 패턴정합장치.
3. 입력패턴의 특징벡터를 추출하는 제1단계;

   상기 입력패턴에 대해 정합비교대상이 되는 패턴인 표준패턴들을 저장한 데이터베이스로부터 상기 표준패턴들중 하나를 선택하여 상기 제1단계에서 추출된 특징벡터와의 거리 및 방향을 계산하는 제2단계;

   상기 제2단계에서 계산된 거리가 제1임계값 α이하이면 상기 표준패턴을 정합비교대상에 포함하고, α보다 크면 상기 계산된 거리 및 방향에 따라 상기 표준패턴을 정합비교대상에 포함할 것인가를 결정하는 제3단계; 및

   상기 제3단계의 정합비교대상을 상기 입력패턴과 정합하는 제4단계를 포함함을 특징으로하는 대용량 패턴정합방법.
4. 제3항에 있어서,

   복수 개의 표준패턴을 선택하여 그 각각에 대해서 상기 제2단계 내지 제4단계를 반복하는 것을 더 구비하는 대용량 패턴정합방법.
5. 제3항에 있어서,

   상기 제2단계에서 계산된 거리가 상기 α보다 작은 제2임계값 β이하이면, 상기 표준패턴이 갖고있는 최근접 이웃 표준패턴들이 정합비교대상에 포함되는 단계를 더 구비함을 특징으로하는 대용량 패턴정합방법.
6. 제3항에 있어서, 상기 표준패턴의 정합비교대상에 포함여부 결정은

   상기 계산된 거리에 따라, 상기 선택된 표준패턴을 중심으로 반경을 결정하는 단계; 및

   상기 α와 상기 계산된 거리의 차가 제3임계값 이상이면, 상기 반경결정단계에서 결정된 반경이내에 위치하는 표준패턴들을 정합비교대상에서 제외하고, 제3임계값보다 작으면, 상기 반경결정단계에서 결정된 반경이내에 있는 표준패턴중 상기 선택된 표준패턴으로부터의 방향이 상기 입력패턴으로부터의 방향과 반대인 표준패턴을 상기 정합비교대상에 포함하고, 상기 반경이내의 나머지 표준패턴들은 정합비교대상에서 제외하는 단계를 구비함을 특징으로하는 대용량 패턴정합방법.

Images