• 스마트미디어저널
• /
• 제9권2호
• /
• pp.92-98
• /
• 2020

본 논문은 고성능의 서버 없이 안드로이드 스마트폰 단독으로 동작할 수 있도록 경량화 딥러닝 모델을 사용하여 구현한 자동차 번호판 인식 시스템을 제안한다. 자동차 번호판 인식시스템은 [번호판검출]-[문자영역 분할]-[문자인식]으로 3단계의 과정으로 구성되며, 번호판검출은 SSD-Mobilenet, 문자영역 분할은 ResNet에 localization을 추가하여 사용하였고 문자인식은 ResNet을 이용하여 구현하였다. 테스트한 기기는 삼성 갤럭시 S7, LG Q9이며 정확도는 약 85.3%, 실행속도는 약 1.1초가 소요된다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.342-345
• /
• 2002

차량 번호판 인식에 대한 여러 가지 방법들이 제시되고 있다. 기존 연구들의 문제점은 번호판 영역의 밝기 변화 둥에 영향을 많이 받았으며 그로 인하여 번호판 영역 추출률에 영향을 미치는 것은 물론 문자 인식에서도 많은 문제점들이 존재하였다. 따라서 본 연구에서는 색상 정보를 이용하여 밝기를 보정한 후 마스크 적용을 통한 수평ㆍ수직 에지 검출과 형태학적 정보를 이용하여 번호판을 추출하고 변형된 특징 매칭을 이용하여 문자를 인식함으로써 인식률을 향상시킬 수 있었다.

• 미래기술융합논문지
• /
• 제2권4호
• /
• pp.7-11
• /
• 2023

본 연구에서는 Convolutional Neural Networks(CNNs) 기법을 이용하여 차량 번호판을 인식하는 방법을 제시하였다. 차량 번호판은 일반적으로 차량의 공식 식별 목적으로 사용됩니다. 대부분의 일반적인 광학 문자 인식(OCR) 기술은 문서에 인쇄된 문자를 인식하는 데는 효과적이지만 번호판의 등록 번호는 식별할 수 없다. 그리고 번호판 감지에 대한 기존 접근 방식에서는 차량이 움직이지 않고 정지해 있어야 한다. 번호판 감지에 대한 이러한 문제를 해결하기 위해 CNN 기법을 활용한 번호판 인식 기법을 제안한다. 먼저 획득된 차량 번호판 이미지의 데이터베이스를 생성하고 CNN 기법을 활용하여 자동차 번호판 문자를 인식한다. 본 연구의 결과는 주차관리 시스템과 단속 카메라 등에 유용하게 활용 될 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.465-466
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 차량의 모델과 번호판인식 시스템을 제안한다. 본 논문에서 제안하는 시스템은 실시간 영상처리기술인 YOLOv4를 사용하여 차량모델 인식과 번호판 영역 검출을 하고, CNN(Convolutional Neural Network)알고리즘을 이용하여 번호판의 글자와 숫자를 인식한다. 이러한 방법을 이용한다면 카메라 1대로 차량의 모델 인식과 번호판 인식이 가능하다. 차량모델 인식과 번호판 영역 검출에는 실제 데이터를 사용하였으며, 차량 번호판 문자 인식의 경우 실제 데이터와 가상 데이터를 사용하였다. 차량 모델 인식 정확도는 92.3%, 번호판 검출 98.9%, 번호판 문자 인식 94.2%를 기록하였다.

• 전자공학회논문지C
• /
• 제36C권1호
• /
• pp.73-81
• /
• 1999

본 논문에서는 1-D DCT를 이용한 차량 영상의 번호판 영역 및 번호판의 문자 영역을 효과적으로 분할하는 방법을 제안한다. 차량 영상에서 번호판 영역과 번호판의 문자영역은 일정 크기의 고주파 성분에 의하여 구별될 수 있다. 본 방법은 이러한 고주파 성분을 DCT로써 추출하고, 추출된 고주파 성분에 의하여 번호판 영역과 문자영역을 분리하는 방법을 보인다. 또한 제안된 방법에 대한 타당성을 보이기 위하여, 다양한 영상에 대해 실험하였다. 그 결과, 간단한 전처리 만으로 비교적 정확한 번호판 영역 추출이 가능하였으며, 보다 효과적으로 문자영역을 분리할 수 있음을 확인할 수 있었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 추계학술발표논문집
• /
• pp.151-154
• /
• 2000

차량 번호판 영상을 안정적으로 추출하여 인식하는 방법에는 여러 가지 땅법들이 제시되어 왔다. 기존의 연구들은 번호판 영역 추출에는 높은 성공률을 보이고 있으나 상대적으로 문자 인식의 성공률이 그에 미치지 못해서 전체적인 인식 성공률에 저하를 가져오는 경우가 대부분 이었다. 따라서 본 연구에서는 칼라 정보를 이용하여 입력 영상의 밝기 보정과 번호판 영역을 추출하고 N4M (Normalized 4 - Mash)을 적용하여 문자인식 처리 시간을 단축시키고 인식글을 향상시킬 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제12권6호
• /
• pp.261-268
• /
• 2007

본 논문에서는 문자가 가지고 있는 특성을 이용하여 에지 투영을 기반으로 자동차 번호판 영역을 추출하는 기법을 제안하였다. 차량의 번호판 영역을 추출하기 위하여, 바탕과 문자부분의 명암비가 매우 크다는 점을 이용한다. 또한, 에지영상을 바탕으로 투영기법을 적용하여 문자 영역을 추출한다. 특히, 새로운 번호판 규격은 가로방향으로 많은 수의 숫자를 가지기 때문에 가로 방향으로 투영된 데이터는 일정한 폭의 누적 값을 가지며, 이러한 점을 이용하여 번호판 영역을 추출한다. 또한 세로방향의 경우 형태 정합에 의해 번호판을 추출하는 방법을 제안한다. 제안된 기법은 특히, 새로운 번호판 규격에 더욱 효과적이다. 본 알고리즘에 대한 모의실험 결과에서, 여러 가지 번호판에 대해 90% 성공률을 나타냄을 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.896-901
• /
• 2000

차량 번호판 인식 시스템은 크게 번호판 영역의 추출과 인식 단계로 구분된다. 본 논문에서는 전처리단계로써 임계화 방식을 이용하여 번호판 영역을 추출한다. 차량 영상을 임계화하고 영상에서 발생되는 잡음을 제거한다. 잡음이 제거된 차량 영상에서 각 라인의 밀도비율을 계산하여 번호판 영역에서 나타나는 밀도의 비율과 비슷하게 나타나는 영역을 후보영역으로 설정한다. 설정된 후보영역이 번호판 영역의 특징과 유사하게 나타나는 부분을 추출한다. 그리고 추출된 번호판 영역은 코호넨 알고리즘의 2${\times0}$2마스크에 적용시켜서 윤곽선을 추출하고, 번호판의 문자와 숫자를 인식한다. 코호넨 알고리즘의 2${\times0}$2마스크를 이용하게 되면, 윤곽선의 잡음을 최대한으로 줄여주는 특성을 가진다. 잡음이 제거된 후에, 번호판의 문자와 숫자들을 코호넨 알고리즘을 이용하여 인식하였다. 실험 결과에서는 임계화 작업을 이용한 번호판 추출과 코호넨 알고리즘을 이용한 번호판 인식이 우수하는 것을 알 수 있다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.307-308
• /
• 2015

자동차 번호판의 문자를 검출하기 위한 과정 중 그림자가 있는 후면 번호판을 이진화하는 방법을 제안한다. 대부분의 경우 차량구조에 의한 그림자 발생이 문자를 검출하는데 오류를 발생시킨다. 이를 해결하기 위해 그림자 영역과 아닌 영역의 경계를 검출해야 한다. 하지만, 기존 방법은 히스토그램에서 세 개의 영역사이에 있는 임계값 2개를 수동으로 결정해야 되는 점과 현재번호판의 색상인 흰색 바탕에 검은 문자에 적용하면 문자 영역의 그림자 경계선 검출이 모호하다는 단점이 있다. 본 논문에서는 이 문제를 해결하기 위하여 슬라이딩 윈도우를 이용한 히스토그램과 탐색하는 픽셀의 좌, 우 픽셀들을 스캔하여 연결되지 않은 에지를 찾아 그림자 경계선 에지를 연결하는 방법을 제안한다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• 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.