과태료 OCR 장표는 많은 정보를 담고 있습니다.
그 중에서도 가장 난이도 높은 것은 아래 2가지 유형입니다.

 

유형1. 전자납부번호 19자리 추출(*19자리가 아닌 것도 일부 있음)

유형2. 각종 은행 몇 및 그 은행의 계좌번호를 추출

과태료의 고지서의 전자납부번호는 19자리가 연속된 숫자로 이루어져 있기에 OCR엔진에서 오류를 많이 발생합니다.
OCR엔진 중 네이버에서 제작한 크로바 OCR엔진은 한글을 추출하는데, 탁월한 성능을 가지고 있습니다. 구글 비전 OCR엔진 보다도 훨씬 뛰어나며, 구글에서 후원해서 무료로 배포하고 있는 Tesseract OCR엔진과는 비교할 수 없습니다. 즉, 네이버 크로바 OCR엔진이 한글로 된 텍스트를 95% 정확도로 추출한다면, 구글 비전 OCR엔진은 약 90% 수준이며, Tesseract OCR엔진은 70% 상당이라고 생각됩니다. 또 최근에 런칭한 카카오 OCR엔진은 안타깝게도 테서렉 OCR엔진 수준입니다.

Case 1.

네이버 크로바 OCR엔진은 한글인식에 특화된 아주 뛰어난 OCR엔진으로 타 OCR엔진에 비해서 우수한 성능을 자랑합니다. 그럼에도 불구하고, 19자리로 된 전자납부번호를 읽어오는데 많은 에러를 생성합니다. 왜냐하면 전자납부번호 숫자가 다른 글자에 비해서 좀 작게 인쇄되고, 문자 간격이 좁기 때문에, 그리고 전자납부번호 인쇄시 뭉개짐 현상이 있는 경우 5와 6을 혼동하고, 6과 8을 혼동합니다. 또한 당연히도 미리 인쇄된 서식에 중복되는 경우 서식의 세로 줄을 1자로 인식하는 등 OCR엔진에서 판독하기 어려운 영역이기도 합니다. 

 

☞ 연속된 숫자를 네이버 OCR엔진에서 20자리로 잘못 판독한 사례(22를 222로 잘못 읽음)

고지서 원본
OCR + 추출
보정후

 

• 참고 OCR+의 간단한 보정 방식 - 마우스 우클릭

 

☞ 53-뒤에 빨간색으로 표시된 2자가 2번 OCR엔진에서 오류 처리됨

고지서 원본
OCR + 추출
보정후

à 숫자2를 이중으로 읽어 들이는 것은 네이버 OCR엔진의 특징으로 판단됨

 

☞ 1차 검증(전자납부번호 상호간 비교)은 빨간색으로 오류가능성을 표기하고 있으나, 2차 검증을 통해서 보정할 필요가 없음을 알려주고 있음

고지서 원본
OCR + 추출
보정후	없음

 

☞ 1차 검증에서 5번째 번호 0이 오류 가능성이 있음을 표시하고 있으나, 2차 검증에서 오류가 없음을 확인함

고지서 원본
OCR + 추출
보정후	없음

 

☞ 2-30 으로 적힌 곳은 2-23 이 일반적 임, 왜냐하면 23은 2023년도를 뜻하는 자리로 사용되기 때문임. 실제 고지서 확인결과 2-30으로 기록됨. 이건 다시 확인이 필요함

고지서 원본
OCR + 추출
보정후	없음

 

위에 살펴본 것은 자동차과태료 용지에서 전자납부번호를 추출하는데 어떤 문제가 있는지를 보여주는 단편적인 사례에 불과합니다.

만약 전자납부번호를 19자리를 OCR엔진에서 읽고 그대로 표기해 준다면, 사람의 눈으로 연속된 19개의 숫자가 맞는 숫자인지 아닌지를 알 수 있을까요? 이런 숫자만 뿌려 준다면 이것을 과태료 용지에 있는 19개 전자납부번호 숫자를 사람이 검증할 수 있을까요?

OCR+에서는 어떤 OCR엔진에서도 시도하지 않았던 1차 검증(복수 데이터 검증)과 패턴화 작업을 통해서 실무자가 원하는 것을 실무적으로 활용할 수 있도록 구현했습니다.