Abstract
In this paper, we proposed a license plate detection method based on contour extraction that adapts to environmental changes. The proposed method extracts contour lines using DoG (Difference of Gaussian) to remove unnecessary noise parts in the contour extraction process. Binarization was applied in ugly outline images, and erosion and dilation operations were used to emphasize the contour of the character part. Then, only the outline of the ratio of the characters of the plate was extracted through the ratio of the width and height of the characters. And the case where the outline is the longest is estimated by estimating the characters of the license plate. For the experiment, we applied 130 image data to license plate on the front of the vehicle, oblique environment, and environment images with various backgrounds. I also experimented with motorcycle images of different license plate patterns. Experimental results showed that the detection rate of the oblique image was 93% and that of the various background environment was 70% in the motorcycle image but 98% in the front image.
본 논문에서는 차량 주변 환경의 변화에서도 번호판 영역을 검출하는 연구를 하였다. 그래서 주변 환경 변화에 적응하는 윤곽선 추출 기반의 자동차 번호판 검출 방법을 제안하였다 제안하는 방법은 윤곽선 추출 과정에서 불필요한 잡음 부분을 제거하기 위해 DoG(Difference of Gaussian)을 이용하여 윤곽선을 추출 하였다. 추출한 윤곽선 영상를 이진화하여 Mophology operation을 사용하여 문자부분 윤곽선을 강조시켰다. 그리고 문자의 종횡비를 판별하여 번호판의 문자와 유사한 비율의 윤곽선을 추출하였다. 그리고 윤곽이 가장 길게 이어진 경우를 차량 번호판으로 추정하여 검출 하였다. 본 연구에서는 차량 정면 뿐 아니라 기울어져 있는 차량의 번호판, 차량 주변 환경의 변화를 가지는 차량 번호판 등 다양한 130개의 차량 영상 데이터를 사용하였다. 그리고 번호판의 패턴이 다른 오토바이 영상에서도 실험 하였다. 실험 결과 기울어져 있는 영상은 93%, 다양한 배경 환경에서는 90% 오토바이영상에서는 70%의 검출률을 나타냈으나 정면의 영상에서 98%의 검출률을 나타내었다.
