• 한국측량학회지
• /
• 제37권4호
• /
• pp.219-231
• /
• 2019

간판은 유형마다 간판의 규격이 정해져 있으나 실제 설치된 간판은 형태와 크기가 일정하지 않다. 또한, 간판은 간판 내부의 색상에 대한 규정이 정해져 있지 않기 때문에 다양한 색상을 갖고 있다. 간판을 인식하기 위한 방법은 도로표지판과 차량번호판을 인식하는 유사한 방법으로 생각할 수 있으나 간판의 특성으로 인해 도로표지판과 차량번호판과 유사한 방법으로 간판을 인식할 수 없는 한계점이 있다. 이에 본 연구에서는 딥러닝 기반의 Faster R-CNN 알고리즘을 이용하여 불법 및 노후 간판의 주요 대상이 되는 판류형 간판을 인식하고 간판의 영역을 자동으로 추출하는 방법론을 제안하였다. 스마트폰 카메라를 이용하여 촬영한 간판 영상을 통해 판류형 간판을 인식하는 과정은 2가지의 순서로 나뉜다. 먼저, 다양한 유형의 간판 영상에서 판류형 간판을 인식하기 위해 딥러닝을 이용하여 간판의 유형을 인식하였으며 그 결과는 약 71%의 정확도로 나타났다. 다음으로 판류형 간판의 경계영역을 인식하기 위해 간판 영역 인식 알고리즘을 적용하였을 때 85%의 정확도로 판류형 간판의 경계영역을 인식하였다.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.69-83
• /
• 2020

간판은 보행자의 안전과 도심의 재난 예방을 위해 국가법령에 따라 간판의 규격이 정해져 있다. 간판은 규격에 따라 설치되어야 하지만 오랜 기간 동안 설치되어온 다수의 간판과 빈번하게 변화하는 점포로 인해 간판을 체계적으로 관리하기가 수월하지 않다. 이에 본 연구에서는 규격에 어긋나는 간판을 판별하는 방법론을 제안하였다. 이를 위해, 스테레오 카메라를 이용하여 간판을 촬영한 후 영상에서 간판의 3차원 좌표를 결정하여 간판의 가로와 세로 크기를 계산하여 간판의 규격을 판별하였다. 스테레오 카메라의 내부표정요소와 상호표정요소를 결정하기 위해서 실외의 3차원 건물을 검정장으로 사용하였다. 그리고 나서 약 15m ~ 22m 거리에서 촬영한 간판 영상에서 딥러닝을 이용하여 간판의 네 꼭지점에 대한 영상좌표를 추출하였다. 스테레오 카메라의 내부표정요소와 상호표정요소 그리고 간판의 네 꼭지점에 대한 영상좌표를 이용하여 간판의 3차원 좌표를 결정한 후 간판의 가로 및 세로 크기를 계산한 결과 평균적으로 약 2.7cm의 오차가 있었다. 10개의 판류형 간판에 대한 규격을 살펴본 결과 가로 크기는 모두 규격을 준수하였으나, 세로 크기는 평균적으로 약 36.5cm를 초과하였다. 이를 통해 판류형 간판의 정비가 필요한 것을 알 수 있었다.