• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.04a
• /
• pp.138-142
• /
• 1998

자동차 번호판 인식시스템은 영상획득, 번호판 추출, 전처리(이치화), 문자영역분할, 문자인식 등의 5가지 핵심부분으로 구성되어 있다. 따라서 자동차 번호판 인식시스템의 최종 인식률은 각 단계의 성능에 따라 직접적인 영향을 받는다. 본 논문은 컴퓨터 비젼의 한 분야인 영상처리 기법을 이용한 이치화된 자동차 번호판의 문자영역 추출에 관한 연구로서 문자 인식단계에서 높은 인식률을 확보하기 위해서 가장 중요한 입력 데이터의 상태를 보다 깨끗하게 정확하게 분리하는데 변형된 Run Length Coding 기법을 이용하여 효과적이고 빠른 문자 영역 분리 방법을 제안함으로서 처리속도의 향상은 물론 잡영에도 강한 문자 영역 분리 시스템을 구현하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.05a
• /
• pp.830-833
• /
• 2016

자동차 번호판 인식은 대중적인 감시 기술 중의 한 종류로서, 주어진 비디오나 영상 내 광학문자 인식을 수반한다. 고속도로나 국도 상에 과속 단속 시스템, 재형 건물이나 유통센서 및 주차장 등에서 주차 정산 시스템, 고속도로 톨 게이트에서 hi-pass 에러 및 불법 도주 차량 잔속 시스템, 전국 주요 도로 불법 주 정차 단속 시스템, 공공기관, 기업 출퇴근 시간 확인 및 외부 차양 안내 시스템 등의 지능형 교통 시스템(ITS)이나 국도 상에 범위 차량 검거 시스템, 사건 발생 시 주요 도로상에 설치된 CCTV를 통해 용의 차량 이동 추적 시스템, 이동식 범죄 차량 조회, 버스에 탑재된 버스 전용차선 위반 단속들의 지능형 방범 시스템 등에 활용하고 있다. 번호판 인식은 자동차 번호판 국부화, 번호판의 크기, 차원, 명암대비, 밝기를 조정하는 정규화, 개별문자를 얻어내는 문자 분할, 문자를 인식하는 광학 문자 인식, 번호판의 형태, 크기, 위치 들이 연도별, 지역별로 차이가 있는 번호판들의 데이터베이스를 비교하여 구문 분석을 하는 절차를 거친다. 본 논문에서는 EmguCV를 이용하여 구현한 번호판 감지를 수행하여 위치를 찾아내고, 오픈 소스 광학 문자 인식 엔진으로 잘 알려져 있는 테서렉트 OCR을 이용하여 번호판의 문자를 인식하는 자동 인식 프로그램을 구현하고 기술하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.238-240
• /
• 2004

경제 성장과 생활 수준의 향상으로 인한 자동차 수의 증가는 않은 문제를 발생시키고 있다 제한된 인력과 비용으로 효율적인 자동차 관리를 위한 연구 분야 중에서 자동차 번호판 인식 (Vehicle Plate Recognition) 기술은 법규위반의 식별, 통행료 징수, 납세, 도난.도주 차량 확인 및 주차 관리 등의 않은 분야에 응용되고 있다. 자동차 번호판 문자 인식 문제와 같이 훈련 예제 수집 비용이 많이 드는 경우에 제한된 수의 훈련 예제를 최대한 활용하여 분류 성능을 향상시키기 위한 방안 중 하나로, 수집된 훈련 예제들로부터 가상의 예제를 생성하고, 생성된 가상 예제를 훈련 예제로 추가하여 학습하는 절러 연구가 수행된 바 있다. 본 논문에서는 자동차 번호판 문자 인식의 성능 향상을 위친 수집된 예제들을 적절히 병합하여 가상의 예제를 생성하는 방안에 관해 기술하고, 문자 인식 분야에서 일반적으로 많이 사용되는 여러 알고리즘에 대하여 다양한 가상 예제 생성 방안 및 다양한 생성 비율 따른 실험을 통해 그 효용성을 확인하였다

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.713-716
• /
• 2002

자동차의 번호판은 각각의 차량을 추분 할 수 있는 것으로, 번호판의 문자를 인식함으로써 전국에 등록되어 있는 모든 차량 중에 1 대를 폭정 지을 수 있다. 그러나 기존의 연구방법 대부분은 번호판 문자 중에서 큰 숫자 4개만을 인식하는 것으로 전국적인 규모에서 완전한 차량인식이 불충분하였다. 따라서 본 논문에서는 차량의 정면에서 촬영한 영상에서 번호판을 추출하고, 그 안에 표기된 모든 문자를 인식하는 방법을 제안한다. 본 연구에서 사용된 방법은 허프변환과 번호판의 형상특징을 이용하여 번호판영역을 추출하고, 추출된 번호판에서 문자의 위치적 특징을 사용하여 각 문자를 추분하고 인식하였다. 160장의 샘플사진으로 실험해 본 결과 번호판 영역을 추출하고, 문자인식을 모두 성공한 종합성공률은 87.5%의 결과를 나타내었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.17-20
• /
• 2019

번호판 자동인식 (ALPR: Automatic License Plate Recognition)은 지능형 교통시스템 및 비디오 감시 시스템 등 많은 응용 분야에서 필요한 기술이다. 대부분의 연구는 자동차를 대상으로 번호판 감지 및 인식을 연구하였고, 오토바이를 대상으로 번호판 감지 및 인식은 매우 적은 편이다. 자동차의 경우 번호판이 차량의 전방 또는 후방 중앙에 위치하며 번호판의 뒷배경은 주로 단색으로 덜 복잡한 편이다. 그러나 오토바이의 경우 킥 스탠드를 이용하여 세우기 때문에 주차할 때 오토바이는 다양한 각도로 기울어져 있으므로 번호판의 글자 및 숫자 인식하는 과정이 훨씬 더 복잡하다. 본 논문에서는 다양한 각도로 주차된 오토바이 데이트세트에 대하여 번호판의 문자 인식 정확도를 높이기 위하여 2-스테이지 YOLOv2 알고리즘을 사용하여 오토바이 영역을 선 검출 후 번호판 영역을 검지한다. 인식률을 높이기 위해 앵커박스의 사이즈와 개수를 오토바이 특성에 맞추어 조절하였다. 그 후 기울어진 번호판을 검출한 후 영상 워핑(Image Warping) 알고리즘을 적용하였다. 모의실험 결과, 기존 방식의 인식률이 47,74%에 비해 제안된 방식은 80.23%의 번호판의 인식률을 얻었다. 제안된 방법은 전체적으로 오토바이 번호판 특성에 맞는 앵커박스와 이미지 워핑을 통해서 다양한 기울기의 오토바이 번호판 문자 인식을 높일 수 있었다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.6 no.2
• /
• pp.339-345
• /
• 2002

Extracting of car licens plate os important for identifying the car. Since there are some problems such as poor ambient lighting problem, bad weather problem and so on, the car images are distorted and the car license plate is difficult to be extracted. This paper proposes a method of extracting car license plate using motor vehicle regulation. In this method, some features of car license plate according to motor vehicle regulation such as color information, shape are applied to determine the candidate of car license plates. For the result of recognition by neural network, the candidate which has characters and numbers patterns according to motor vehicle regulation is certified as license-plate region. The results of the experiments with 70 samples of real car images shoe the performance of car license-plate extraction by 84.29%, and the recognition rate is 80.81%.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2001.10a
• /
• pp.596-599
• /
• 2001

Extracting of car licens plate is important for identifying the car. Since there are some problems such as poor ambient lighting problem, bad weather problem and so on, the car images we distorted and the tar license plate is difficult to be extracted. This paper proposes a method of extracting car license plate using motor vehicle regulation. In this method, some features of car license plate according to motor vehicle regulation such as color information, shape are applied to determine the candidate of car license plates. For the result of recognition by neural network, the candidate which has characters and numbers patterns according to motor vehicle regulation is certified as license-plate region. The results of the experiments with 70 samples of real car images shoe the performance of car license-plate extraction by 84.29%, and the recognition rate is 80.81%.

• The KIPS Transactions:PartD
• /
• v.9D no.6
• /
• pp.1113-1118
• /
• 2002

In recognition system of the car license plate, the most important is to extract the image of the license plate from a car image. In this paper, we use ACL (Adaptive Color Luminance) algorithm to extract the license plate image from a car image. The ACL algorithm that uses color and luminance information of a car image is used to extract the image of the license plate. In this paper, color, luminance and other related information of a car image are used to extract the image of the license plate from that of a car. In this reason, we call it the ACL algorithm. The ACL algorithm uses color, luminance information and other related information of a license plate. These informations are avaliable to exact the image of the license plate. The rate of extracting the image of the license plate from a car is 97%. The experimental result of the ACL algorithm for the character region is 92%.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.4
• /
• pp.19-26
• /
• 2022

With the recent development of intelligent transportation systems, car license plate recognition systems are being used in various fields. Such systems need to guarantee real-time performance to recognize the license plate of a driving car. Also, they should keep a high recognition rate even in problematic situations such as small license plates in low-resolution and unclear image due to distortion. In this paper, we propose a real-time car license plate recognition system that improved processing speed using object detection algorithm based on anchor-free method and text recognition algorithm based on Convolutional Neural Network(CNN). In addition, we used Spatial Transformer Network to increase the recognition rate on the low resolution or distorted images. We confirm that the proposed system is faster than previously existing car license plate recognition systems and maintains a high recognition rate in a variety of environment and quality images because the proposed system's recognition rate is 93.769% and the processing speed per image is about 0.006 seconds.

• 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.