• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.339-342
• /
• 2014

현재 차량의 출입통제 및 주정차 단속 등이 차량 번호판 자동 인식 시스템을 통해 자동화 되고 있다. 본 논문은 촬영 각도에 따라 기울어지거나 왜곡된 번호판에 대해서도 잘 동작하는 번호판 영역 추출 알고리즘을 제안한다. 번호판의 배경과 문자의 밝기 대비가 커서 그 분포가 이원 양상을 보인다는 점을 이용하여 번호판의 중심부와 대략적인 후보 영역을 추출한다. 이후 허프 변환을 통하여 번호판의 네 모서리에 해당하는 직선을 검출한다. 이들 네 직선의 교점이 번호판의 꼭짓점이 된다. 네 꼭짓점의 좌표를 이용하여 왜곡된 번호판을 실제 번호판의 가로와 세로 비율에 맞는 정규화 된 모양으로 변환한다. 차량의 측면 1m~3m 사이의 다양한 거리에서 촬영한 이미지로 실험한 결과 일반적인 실외 조명 아래에서 차체의 색에 관계없이 번호판 영역 추출에 성공하였다.

• 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.

• TTA Journal
• /
• s.59
• /
• pp.74-80
• /
• 1998

통신사업의 경쟁 체제 도입과 사업영역의 철폐로 인하여 번호자원에 대한 개방화가 선진국을 중심으로 진행되고 있다. 이로 인하여 통신 사업에 신규로 진입하고자 하는 사업자는 사업자간 번호이동성을 보장하는 것이 기본적인 사업 참여요건이 되고 있으며, 기존 사업자 입장에서도 사업자간 번호이동성에 대한 적절한 대처 방안이 정립되어야 한다. 본 고에서는 사업자간 번호이동성 문제를 통신사업자 관점에서의 대처 방안과 실현 방안을 수립하기 위하여 번호이동성 문제를 정의하고 이의 실현 기술, 운용 관리, 경제성, 국제 표준 동향, 국내 통신사업 현황 측면에서 분석한다. 본 연구 결과는 국내 번호이동성 도입을 위한 사전 검토 자료로 활용할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.121-123
• /
• 2004

차량 번호판 인식 시스템은 무인 카메라 등의 영상 장치로부터 입력된 차량 이미지로부터, 차량 번호판 정보를 읽어내는 시스템이다. 이러한 차량 번호판 인식 시스템의 응용 시스템 중 과속 차량 단속과 같은 일부 응용 시스템은 번호판의 글자나 숫자를 다른 글자나 숫자로 잘못 인식할 경우 심각한 문제를 발생시킬 수 있다. 이러한 시스템을 위해 우리는 인식 결과에 대한 신뢰도가 낮은 경우 인식을 포기 또는 위임하는 신중한 분류기(Cautious Classifier)를 이용 인식 시스템을 구성하였다. 또한 학습 예제의 가중치를 조절하는 방법을 사용 이러한 신중한 분류기의 성능을 향상 시켰다. 실제 번호판 인식 실험 결과 우리가 제안한 가중치 부여 방식이 차량 번호판 인식 문제에 좋은 결과를 보임을 확인하였다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.459-462
• /
• 2001

본 논문에서는 하이브리드 패턴벡터를 이용하여 자동차의 고유 마크와 차량 번호를 실시간으로 인식하는 알고리즘을 제안하였다. 제안한 알고리즘에서는 차량 입력 영상에서 차량의 마크와 번호판의 수평 및 수직 명암값 빈도수 변화를 이용해 마크와 번호판 영역을 추출한다. 또한, 추출된 알고리즘으로부터 수평 수직 패턴을 적용해 자동차의 마크를 인식하고 하이브리드 패턴벡터를 이용하여 번호판의 문자 및 숫자를 인식하도록 하였다. 제안한 자동차 마크 및 번호판 추출 과정에서는 마크와 번호판 영역의 문자와 배경이 뚜렷하게 구별되는 상대적인 크기의 특성과 수평 및 수직 빈도수와 패턴 벡터를 사용하여 마크 및 번호판 영역을 추출, 인식하도록하였다. 제안한 방법들을 적용한 결과, 차량 번호판의 크기에 관계없이 잡음에 영향을 받지 않고 차량의 종류와 번호를 실시간으로 처리할 수 있으며 차량번호판 추출 및 인식뿐 아니라 차량의 마크 추출 가능성을 제시하였다.

• 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 Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.232-235
• /
• 2020

최근 딥러닝을 이용한 자동차 번호판 인식 알고리즘에 있어서 인조 번호판을 생성하여 데이터 수집과 라벨링 작업 시간을 줄이기 위한 연구가 진행되고 있다. 하지만 인조 번호판의 특성상 정면의 이미지로 구성되어 있기 때문에 자동차의 정면에서 촬영된 번호판의 인식률은 높지만 측면에서 촬영된 번호판의 경우 인식률이 낮아진다. 본 논문에서는 다양한 카메라 설치 위치에 따른 다각도로 촬영된 번호판 영상의 인식률을 보완하기 위해 이미지를 3차원으로 회전하여 데이터를 생성하는 인조 번호판 생성기 프로그램을 개발하였다. 3차원 회전을 하였을 때 번호판 인식 성능을 비교하기 위해 기존 방식으로 생성한 번호판과 제안 방식으로 생성한 번호판 각 600,000장씩 생성하여 총 1,200,000장을 생성하였으며, 데이터의 비율에 따라 10가지의 학습 데이터 셋을 구성하였다. 인조 번호판 데이터의 학습 결과를 평가하기 위해 실제 번호판 이미지 1789장으로 테스트 셋을 구성하였고, 기존의 인조 번호판 생성 방식과 인식 정확도를 비교 분석하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.08a
• /
• pp.123-127
• /
• 2008

본 논문에서는 2006년 11월 신 차량 번호판 등장 이후 꾸준히 증가하고 있는 흰색 번호판 차량에서 흰색 번호판 추출에 관한 연구를 수행한다. 먼저 입력된 차랑 영상을 그레이 레벨로 변환 후, 국부적으로 밝기 보정을 수행하고, Otsu 판별식을 이용해 이진화 한다. 이진화 된 차량 영상에서 번호판 특성을 이용하며 라인 구조요소에 의한 침식연산과 채움 연산을 적용한다. 이후, 수평 투영으로 명암 변화가 심한 후보 영역을 찾고, 다시 수직 투영을 하여 일정구간에서 흰색의 값이 가장 많이 나타나는 구간을 찾는다. 마지막으로 번호판의 형태학적 특징을 이용해 번호판을 추출한다. 제안한 알고리즘을 적용한 결과 번호판 크기가 일정하지 않거나 불규칙한 조명 상태에서도 번호판 추출이 가능하였다.

• 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.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.273-276
• /
• 2000

자동차 번호판은 조명과 카메라에 따라 영상에서 다양한 형태로 나타나고 영상내의 잡음으로 인해 알고리즘 방식으로 자동차 번호판을 인식하기가 쉽지 않다. 이러한 문제에 적합한 해결 방법으로 본 논문에서는 학습 기반의 자동차 번호판 인식 시스템을 제안한다. 제안한 시스템은 자동차 검출 모듈, 번호판 추출 모듈, 번호판 문자인식 모듈로 구성된다. 본 논문에서는 자동차 번호판 추출을 위해서 시간-지연 신경망(Time-Delay Neural Networks : TDNN)과 번호판 인식을 위해서 일반적인 신경망보다 일반화 성능이 뛰어난 서포트 벡터 머신(Support Vector Machines : SVMs)을 시스템에 적용한다. 주차장과 톨케이트에서 여러 시간대의 움직이는 자동차 영상들을 실험한 결과, 자동차 검출율은 100%, 번호판 추출율은 97.5%, 번호판 문자 인식율은 97.2%의 성능을 내었고, 전체 시스템 성능은 94.7%이며 처리 시간은 약 1초 미만이다. 따라서 본 논문에서 제안한 시스템은 실세계에서 유용하게 적용될 수 있다.