• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.618-623
• /
• 2003

본 논문에서는 RGB 컬러 정보와 퍼지 이진화를 이용하여 차량 번호판의 개별 코드를 추출하는 방법을 제안한다 제안된 방법은 비영업용 차량 영상에서 차량 번호판 영역을 추출하기 위해 녹색의 분포가 밀집되어 있는 영역을 번호판의 후보 영역으로 설정하고 번호판의 후보 영역에서 흰색의 밀집도가 높은 부분을 번호판의 영역으로 추출한다. 개별 코드 추출은 추출된 번호판 영역에서 3×3 소벨 마스크를 이용하여 잡음을 제거하고 퍼지 이진화 방법을 적용하여 번호판의 영역을 이진화 한다. 이진화된 번호판 영역을 윤곽선 따라가기 알고리즘을 적용하여 개별 코드를 추출한다. 제안된 방법의 성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 방법보다 번호판 영역에서 개별 코드의 추출률이 개선된 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.234-238
• /
• 2004

본 논문에서는 명암도 정보와 제안된 퍼지 이진화을 이용하여 차량 번호판 영역과 개별 코드를 추출하는 방법을 제안한다. 제안된 방법은 비영업용 차량 영상을 대상으로 차량 번호판 영역을 추출하기 위해 명암도 변화 특성을 이용하여 차량 번호판을 추출한다. 추출된 차량 번호판 영역에서는 제안된 퍼지 이진화 방법을 적용하석 차량 번호판의 영역을 이진화하고 이진화된 차량 영역판에 대해서 히스토그램 방법을 적용하여 개별 코드를 추출한다. 제안된 방법의 성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 차량 번호판의 추출 방법보다 번호판 영역의 추출률이 개선되었고 제안된 퍼지 이진화 방법을 적용하여 개별 코드를 추출하는 것이 효율적인 것을 확인하였다.

• KLA journal
• /
• v.29 no.3 s.250
• /
• pp.2-7
• /
• 1988

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.08a
• /
• pp.128-132
• /
• 2008

본 논문에서는 현재 자가용 차량 번호판으로 사용되고 있는 4종류의 번호판인, 구형 녹색 번호판 두 종류와 유럽식 신형 흰색 번호판 두 종류에 대해 개별 코드를 효과적으로 추출하기 위한 개선된 퍼지 이진화 방법을 제안한다. 차량 영상에서 수직 에지와 반복 이진화 기법, 그리고 Grassfire 알고리즘을 적용하여 번호판의 후보 영역을 추출하고, 번호판의 형태학적 특징을 이용해 잡음을 제거한 후, 최종 번호판 영역을 추출한다 추출된 번호판 영역에서 개선된 퍼지 이진화 기법을 적용하여 개별 코드를 추출한다. 본 논문에서 제안하는 개선된 퍼지 이진화 방법은 추출한 번호판 영역을 그레이 레벨로 변환한 후에 번호판의 명도를 2구간으로 나누고 각각의 구간에 퍼지 소속 함수를 적용하여 번호판 영역을 이진화한 후, 퍼지 소속 함수에 의해 이진화 된 2개의 번호판 영역 중에서 가장 최적화된 번호판 영역을 선택하여 개별 코드를 추출한다. 본 논문에서 제안한 기법을 4종류의 번호판이 부착된 327장(구형녹색 50장, 신형녹색 157장, 짧은 흰색 60장, 긴 흰색 60장)을 대상으로 실험한 결과, 번호판 영역 추출은 327장의 영상중 97%가 추출되었고 개별 코드 추출은 번호판 영역이 추출된 324장의 영상에서 97%가 추출된 결과를 보였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.1
• /
• pp.80-87
• /
• 2004

In this paper we proposed the novel feature extraction method that is able to extract the individual characters from the license plate area of the car image more precisely by using the RGB color information and the fuzzy binarization newly proposed. The proposed method, first, extracts from the original image the areas that the pixels with the colors around the green are concentrated on as the candidate areas of the license plate, and selects the area with the most intensive distribution of pixels with the white color among the candidate areas as the license plate area. Second the noises of the license plate area should be removed by using 34{\times}$3 Sobel masking, and the fuzzy binarization method are proposed and applied to the license plate area to generate the binarized image of the license plate area. Lastly, the application of the contour tracking algorithm to the binarized area extracts the individual characters from the license plate area. The experiment on a variety of the real car images showed that the proposed method generates the higher rate of success for character extraction than the previous methods.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.337-342
• /
• 2008

최근 들어 기존의 녹색 바탕 차량 번호판에서, 흰색 바탕의 신 차량 번호판으로 교체되고 있다. 하지만 아직 기존 차량 번호판이 신 차량 번호판으로 전면 교체되지 않아 두 번호판 모두 사용되고 있다. 따라서 주차관리 시스템, 속도위반, 신호 위반 등 무인 카메라를 이용한 시스템에서, 기존 차량 번호판과 신 차량 번호판의 특징에 맞는 인식 시스템이 요구된다. 본 논문에서는 이러한 문제를 해결하기 위해 기존 차량 번호판과 신 차량 번호판을 통합한, 지능형 차량 번호판 인식 시스템을 제안한다. 무인 카메라에서 획득된 차량 영상에서 번호판의 색상 정보를 이용하여 기존 차량 번호판과 신 차량 번호판을 구분한다. 기존 차량 번호판인 경우에는 HSI 컬러 공간을 이용하여 이진화를 적용하며, 신 차량 번호판인 경우에는 블록 이진화를 적용한다. 이진화된 영상을 대상으로 차량의 형태학적 특징을 이용하여 잡음을 제거한 후, 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역에 대해 Labeling 알고리즘을 적용하여 개별 문자를 추출한다. 추출된 개별 문자는 FCM 알고리즘을 적용하여 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 160장의 기존 차량 영상과 100장의 신 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.431-435
• /
• 2008

2006년 11월 이후 신 차량 번호판 등장 후, 신 차량 번호판과 구 차량 번호판이 혼합되어 있다. 이에 따라 속도위반, 신호위반 단속, 무인 주차관리 시스템, 범죄 및 도주 차량 검거, 고속도로 톨게이트에서 통행료 지불로 인한 교통 체증현상을 해소하기 위한 자동 요금 징수와 같은 다양한 경우에서 자동차 번호판의 특징에 맞는 인식 시스템이 요구되고 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 형태학적 특징 및 차 연산과 ART2 알고리즘을 이용한 차량 번호판 인식 방법을 제안한다. 무인 카메라에서 획득된 차량 번호판 영상에서 차 연산을 이용하여 에지를 추출한 후에 블록 이진화를 한다. 이진화 된 차량 영상에서 신 구 차량 번호판의 형태학적 특성을 8방향 윤곽선 추적 알고리즘에 적용하여 잡음 영역을 제거하고, 차량의 번호판 영역을 추출한다 추출된 번호판 영역에 대하여 평균 이진화와 최대 최소 이진화를 적용하여 번호판의 개별 영역에 대한 형태학적 특성을 고려하여 잡음을 제거하고, Labeling 알고리즘을 적용하여 개별 문자를 추출한 후에 결합한다. 이렇게 분류된 개별 문자 및 숫자 코드를 ART2 알고리즘에 적용하여 학습 및 인식을 한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 녹색 번호판과 흰색 번호판 이미지 각각 100장을 대상으로 실험한 결과, 제시 된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.192-197
• /
• 2004

본 논문에서는 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출과 개선된 RBF 네트워크를 이용한 차량 번호판 인식 시스템을 제안한다. 번호판 영역은 수평ㆍ수직 에지의 형태학적 정보를 이용하여 추출하고 개별 문자는 히스토그램 방법과 위치 정보를 이용한 방법에 윤곽선 추적 알고리즘을 병합하여 추출한다. 개별 문자 인식은 ARTI 알고리즘을 개선하여 지도 학습 방법과 결합한 개선된 신경망을 제안하여 차량 번호판 인식에 적용한다. 제안된 방법의 성능을 확인하기 위하여 트루 컬러 차량 영상 155개와 그레이 컬러 차량 영상 100개를 대상으로 실험한 결과, 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출 방법이 임계화를 이용한 차량 번호판 추출 방법, RGB와 HSI 컬러 정보를 각각 이용한 차량 번호판 추출 방법보다 추출률이 개선되었으며, 인식 성능도 개선된 신경망의 학습 알고리즘이 기존의 학습 알고리즘들보다 우수한 성능이 있음을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.370-376
• /
• 2005

본 논문에서는 HSI 정보와 신경망의 비지도 학습 방법인 ART2 알고리즘을 이용하여 신 차량 번호판을 인식하는 방법을 제안한다. 제안된 방법은 차량의 영상에서 번호판 영역을 추출하는 부분과 추출된 번호판 영역의 문자를 인식하는 부분으로 구성된다. 본 논문에서는 차량 번호판 영역을 추출하기 위해 HSI 컬러 모형의 Hue 정보를 이용하여 차량 번호판 영역을 추출하고 개선된 퍼지 이진화 방법을 적용하여 추출된 차량 번호판 영역으로부터 문자를 포함한 특징 영역을 이치화 한 후에 4방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출한다. 추출된 개별 코드를 인식하기 위해 잡음과 훼손에 비교적 강한 ART2 알고리즘을 적용한다. 제안된 방법의 차량 번호판 추출 및 인식 성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 차량 번호판의 추출 방법보다 번호판 영역의 추출률이 개선되었다. 또한 ART2 알고리즘을 적용하여 신 차량 번호판을 인식하는 것이 효율적임을 확인하였다.