• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1496-1509
• /
• 2005

본 논문에서는 투영면 컨벌루션과 결정트리 분류기법을 사용하여 주변 환경이 복잡한 차량영상으로부터 실시간으로 번호판을 추출하고 인식하는 적응적 차량번호판 인식 시스템을 제안하였다. 일반적으로 고속도로 톨게이트와 주차장 출입구에서의 차량영상은 설치 카메라와 도로 환경에 따라 차량번호판의 크기, 각도변화, 주변잡음 등으로 매우 다양하므로 번호판 추출과 분할이 어렵다. 따라서 본 논문에서는 차량 영상을 획득한 후 번호판 후보영역을 검출하고 진입 위치 변화에 따라 번호판의 기울기와 크기를 자동으로 보정하여 인식하는 알고리즘을 제안하였다. 제안한 인식 방법은 차량의 에지누적 분포와 번호판의 일정한 명암값 변화 빈도수를 누적한 투영면 컨벌루션과 체인코드를 사용하여 크기와 기울기가 일정하지 않은 번호판으로부터 번호판영역을 정확히 추출하고, 적응적 이진화 기법을 이용하여 문자를 분할하였다. 본 논문에서 제안한 방법으로써 실험한 결과 복잡한 영상에서 전방 및 후방 차량영상으로부터 번호판 인식이 가능하였으며 각각 $98.8\%$와 $95.5\%$의 추출률과 분할된 문자영역에서 $97.3\%$와 $96\%$의 인식률 개선 결과를 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.78-81
• /
• 2012

본 논문에서는 차량 출입통제, 주정차 단속, 과속 차량 단속 등 다양한 분야에서 사용가능한 신형 차량번호판 검출 방법을 제안한다. 먼저 가우시안 차이를 이용한 필터링을 사용하여 번호판의 연속적인 주요 숫자가 잘 나타나도록 이진화를 수행한다. 이후 번호판의 형태학적 특징을 이용한 반복 레이블링 기법을 이용하여 번호판 영역을 결정한다. 마지막으로 투영 변환을 통한 번호판의 정형화 과정을 거쳐 카메라나 차량의 위치에 따라 발생하는 기울어짐과 같은 왜곡을 보정한다.

• 한국항해항만학회지
• /
• 제32권10호
• /
• pp.845-850
• /
• 2008

본 논문에서는 SVM을 이용한 번호판 위치 추출 알고리즘을 제안한다. 일반적으로 번호판 영역은 가로-세로 비율 컬러, 공간 주파수 성분 등의 특징을 포함하고 있다. 제안하는 기법은 영상 획득, 번호판 후보 영역 추출, 번호란 위치 검증 세가지 단계로 구성되어 있다. 번호판 후보 영역 추출 단계에서는 컬러 필터링과 경계선 검출을 하여 번호판 후보 영역을 찾아내고 후보 영역의 DCT 계수를 SVM에 적용하여 검증한다. 이러한 검증과정을 거침으로써 잘못된 추출을 막아 신뢰성 있는 번호판 영역 추출이 가능하다. 실험을 통해 제안한 방법을 검증하였다.

• 한국융합학회논문지
• /
• 제12권1호
• /
• pp.29-35
• /
• 2021

자동차 번호판 인식은 지능형 교통시스템에서 핵심적인 역할을 담당한다. 따라서 효율적으로 자동차 번호판의 숫자 및 문자영역을 검출하는 것은 매우 중요한 과정이다. 본 연구에서는 딥러닝과 의미론적 영상분할 알고리즘을 적용하여 효과적으로 자동차 번호판의 번호영역을 검출하는 방법을 제안한다. 제안된 방법은 화소 투영과 같은 전처리과정 없이 번호판 영상에서 바로 숫자 및 문자영역을 검출하는 알고리즘이다. 번호판 영상은 도로 위에 설치된 고정 카메라로 부터 획득한 영상으로 날씨 및 조명변화 등을 모두 포함한 다양한 실제 상황에서 촬영된 것을 사용하였다. 입력 영상은 색상변화를 줄이기 위해 정규화하고 실험에 사용된 딥러닝 신경망 모델은 Vgg16, Vgg19, ResNet18 및 ResNet50이다. 제안방법의 성능을 검토하기 위해 번호판 영상 500장으로 실험하였다. 학습을 위해 300장을 할당하였으며 테스트용으로 200장을 사용하였다. 컴퓨터모의 실험결과 ResNet50을 사용할 때 가장 우수하였으며 95.77% 정확도를 얻었다.

• 한국산업정보학회논문지
• /
• 제9권2호
• /
• pp.32-43
• /
• 2004

이동중인 차량에 카메라를 설치하여 주행 중에 정지 또는 주행중인 자동차의 영상을 획득하여, 이를 인식하는 시스템을 제안한다. 주행 중에 획득한 영상에서 번호판 영역을 추출하기 위하여, 번호판 영역에서 나타나는 강한 수직 에지 성분을 이용하여 번호판 후보 영역들을 찾고 이진화 된 영상에서의 배경과 문자의 구성비를 따져 번호판 영역을 추출하는 방법을 사용한다. 자동차 번호판 인식을 위하여 다중 클래스 인식을 지원하는 SVM과 모듈라 신경망 인식 성능을 비교하였으며, 인식률을 높이기 위하여 SVM을 모듈라 신경망과 결합하여 다중 클래스 분류기로 확장하는 방법을 제안하고 실험하였다. 실험결과, 제안하는 분류기를 이용한 방법이 번호판 인식에 우수한 성능을 보임을 확인하였다.

• 한국정보통신학회논문지
• /
• 제7권5호
• /
• pp.1052-1061
• /
• 2003

본 논문은 SOM 알고리즘을 이용한 차량 번호판 인식 방법을 제안하고 차량 번호판 인식을 이용한 주차관리 시스템 개발에 대해서 기술한다. 차량 영상에서 번호판 영역을 추출하기 위해 수평$.$수직 에지의 형태학적 정보를 이용하고, 추출된 번호판에서 문자를 포함하는 특징 영역을 추출하기 위해 4 방향 윤곽선 추적 알고리즘을 이용한다. 추출된 특징 영역의 인식은 SOM 알고리즘을 적용한다. 50개의 실제 차량 영상을 실험한 결과, 제안된 번호판 영역 추출 방법이 기존의 RGB 정보를 이용한 방법과 HSI를 이용한 방법보다 추출율이 개선되었다. 그리고 SOM 알고리즘을 이용한 차량 번호판 인식이 효율적인 것을 확인하였다. 실험을 통하여 성능 향상을 보인 제안된 차량 번호판 인식 방법을 이용하여 주차 관리 시스템을 개발하였다.

• 방송공학회논문지
• /
• 제25권5호
• /
• pp.776-788
• /
• 2020

본 논문에서는 딥러닝을 이용한 차종 인식과 자동차 번호판 문자 인식 시스템을 제안한다. 기존 시스템에서는 영상처리를 통한 번호판 영역 추출과 DNN을 이용한 문자 인식 방법을 사용하였다. 이러한 시스템은 환경이 변화되면 인식률이 하락되는 문제가 있다. 따라서, 제안하는 시스템은 실시간 검출과 환경 변화에 따른 정확도 하락에 초점을 맞춰 1-stage 객체 검출 방법인 YOLO v3를 사용하였으며, RGB 카메라 한 대로 실시간 차종 및 번호판 문자 인식이 가능하다. 학습데이터는 차종 인식과 자동차 번호판 영역 검출의 경우 실제 데이터를 사용하며, 자동차 번호판 문자 인식의 경우 가상 데이터만을 사용하였다. 각 모듈별 정확도는 차종 검출은 96.39%, 번호판 검출은 99.94%, 번호판 검출은 79.06%를 기록하였다. 이외에도 YOLO v3의 경량화 네트워크인 YOLO v3 tiny를 이용하여 정확도를 측정하였다.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.173-179
• /
• 2012

본 논문에서는 자동차 번호판을 검출하는 새로운 방법을 제시한다. 자동차 번호판은 사각형 모양이므로 우리의 방법은 기본적으로 입력 영상에서 사각형을 추출하는 방법이 된다. 번호판을 검출하기 위해, 먼저 입력영상의 콘트라스트를 향상시키고, 그 후 LSD(Line segment detector) 기법을 사용하여 영상내의 선을 검출하고, 이 선 정보로 부터 사각형들을 추출 한다. 이 사각형들은 번호판 후보들이 되고, 이로부터 번호판이 검출된다. 이중에서 본 연구가 제안하는 부분은 사각형 추출방법으로서, 이 방법은 3단계로 구성된다: (1) 먼저, LSD에 의해 얻어진 선으로부터 꼭짓점들을 추출한다; (2) 구해진 꼭짓점들을 사용하여 사각형의 대각선을 검출한다; (3) 그 후, 대각선 정보를 이용하여 사각형을 추출해 낸다. 최종적으로 번호판 특성과 사각형 내부 정보를 이용하여 이 사각형들로부터 번호판이 선택된다. 100장의 자동차 영상을 촬영하여 실험한 결과 94%의 검출율을 달성하였다.

• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.31-37
• /
• 2001

버스 전용차선 번호판 인식 시스템은 차량 검출 및 영상 획득 , 번호판 영역 추출 개별문자 추출, 문자인식 및 데이터 전송의 5가지 핵심부분으로 구성된다. 이 중에서도 번호판 추출의 정확성은 전체 시스템 인식률에 지대한 영향을 줄 수 있는 부분이며 다양한 날씨 및 주위 환경 변화에서도 정확한 추출을 요구한다. 본 논문에서는 검출 시간의 단축을 위해 획득된 영상을 피라미드 구조로 만든 후 번호판 템플릿의 영역을 이진화하고 번호판의 분포를 가지는 후보영역을 추출한다. 추출된 후보 영역 중 번호판 문자 분포의 특성을 이용한 검증과정을 통해 최종영역을 추출하는 방법을 제안한다. 제안된 방법을 버스 전용차선 도로에서 획득한 영상에 적용한 결과 다양한 날씨와 주위 환경변화에서도 번호판 영역이 정확이 추출됨을 확인하였다.

• 한국전자통신학회논문지
• /
• 제5권5호
• /
• pp.471-476
• /
• 2010

본 논문에서는 RGB 컬러 정보와 오류 역전파 신경망 알고리즘을 이용한 신 차량 번호판 인식 방법을 제안한다. 먼저, 차량 영상에서 평균 Blue값을 이용하여 차량 영상을 보정하고 픽셀값의 차를 이용하여 Red 후보 영역과 Green 후보 영역으로 구분한 후 오류 역전파 알고리즘에 적용하여 최종 Green 영역을 찾는다. 둘째, 수평 및 수직 히스토그램의 빈도수를 이용하여 번호판 영역을 추출한다. 마지막으로, 윤곽선 추적 알고리즘을 적용하여 개별 코드들을 추출하고, 오류 역전파 알고리즘을 적용하여 개별 코드들을 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위하여 실제 비영업용 신 차량 번호판에 적용한 결과, 제안된 번호판 추출 방법이 기존의 HSI(Hue Saturation Intensity) 정보를 이용한 번호판 추출 방법보다 추출률이 개선되었고 제안된 차량 번호판 인식 방법이 효율적인 것을 확인하였다.