• Smart Media Journal
• /
• v.9 no.2
• /
• pp.92-98
• /
• 2020

This paper proposes a vehicle license plate recognition system using light weight deep learning models without high-end server. The proposed license plate recognition system consists of 3 steps: [license plate detection]-[character area segmentation]-[character recognition]. SSD-Mobilenet was used for license plate detection, ResNet with localization was used for character area segmentation, ResNet was used for character recognition. Experiemnts using Samsung Galaxy S7 and LG Q9, accuracy showed 85.3% accuracy and around 1.1 second running time.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.6
• /
• pp.1209-1214
• /
• 2016

LPR(License plate recognition) is a kind of the most popular surveillance technology based on accompanied by a video and video within the optical character recognition. LPR need a many process. One is a localization of car license plates, license plate of size, space, contrast, normalized to adjust the brightness, another is character division for recognize the character optical character recognition to win the individual characters, character recognition, the other is phrase analysis of the shape, size, position by year, the procedure for the analysis by comparing the database of license plate having a difference by region. In this paper, describing the results of performance of license plate recognition S/W, which was implemented using EmguCV, find the location, using the tesseract OCR, which are well known to an optical character recognition engine of open source, the characters of the license plate image capturing angle of the plate, image size, brightness.

• Journal of Advanced Technology Convergence
• /
• v.2 no.4
• /
• pp.7-11
• /
• 2023

In this study, we presented a method to recognize vehicle license plates using CNN techniques. A vehicle plate is normally used for the official identification purposes by the authorities. Most regular Optical Character Recognition (OCR) techniques perform well in recognizing printed characters on documents but cannot make out the registration number on the number plates. Besides, the existing approaches to plate number detection require that the vehicle is stationary and not in motion. To address these challenges to number plate detection we make the following contributions. We create a database of captured vehicle number plate's images and recognize the number plate character using Convolutional Neural Networks. The results of this study can be usefully used in parking management systems and enforcement cameras.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.338-340
• /
• 2000

자동차 번호판 인식 시스템은 영상획득, 번호판 영역 추출, 추출된 번호판 영역의 전처리, 문자부분 영역화, 문자인식 등의 5가지 핵심부분으로 구성된다. 그 중에서도 번호판 영역 추출, 추출된 영역의 전처리, 문자부분 영역화의 정확성은 전체 시스템 인식률에 지대한 영향을 줄 수 있는 부분으로써 그 정확성이 요구된다. 이에 본 논문에서는 컴퓨터 비젼 분야 중의 하나인 영상처리 기법을 사용하여 명암의 변화에도 문자를 잘 추출할 수 있는 Dynamic Adaptive Threshold 방법을 사용하여 추출된 번호판 영역을 이진화하고, 정확하게 문자 부분을 영역화하기 위한 방법으로 누적분포와 번호판 문자배열 특성을 이용한 방법을 제안한다. 그리고 추출되어진 문자는 ART2 신경망을 이용하여 인식한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.796-798
• /
• 2004

기존의 번호판 인식 시스템에서는 대부분 카메라가 고정 상태에서 차량의 전면부를 찍어 영상을 획득하고, 이로부터 번호판을 추출하고 인식한다 그러나 본 연구에서는 기존 연구들과 달리 이동 중인 자동차에 카메라를 설치하여 움직이는 자동차의 영상을 획득하여 번호판을 추출하고 인식한다. 인식하고자 하는 영상이 잡음이나 왜곡 없이 깨끗하다면 인식 과정은 간단하게 수행될 것이다. 그러나, 실제로 얻어진 영상은 간단한 방법으로 인식하기에는 어려올 정도로 왜곡이나 변형이 심한 경우가 많다. 따라서 본 논문에서는 SVM 전단에 모듈라 신경망을 결합하여 인식하는 방법을 사용함으로써 잡음과 같은 변형에 덜 민감하도록 하고자 하였다. 실험결과, 제안하는 분류기를 이용한 방법이 번호판 인식에 우수한 성능을 보임을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.111-112
• /
• 2013

본 논문에서는 최근 증가하고 있는 차량의 질서 위반 행위 및 과태료 체납, 대포차 등에 대한 문제를 보다 효율적으로 해결하기 위하여 이동이 간편한 스마트 기기를 통하여 차량의 번호판을 인식하고 관리할 수 있는 시스템을 제시하고자 한다. 영상 촬영 기능과 데이터 전송 기능을 가지고 있는 휴대용 단말기를 소지한 사용자가 자동차의 번호판을 촬영했을 시 자동차 번호판을 인식하고 촬영된 영상과 차량 번호에 대한 데이터를 원격지 서버로 전송하여 차량 소유자에 대한 과태료 체납여부, 위반행위 등을 조회하여 해당 차량에 대한 정보 등을 신속하게 확인하고 현장에서 복합적으로 대응할 수 있는 시스템을 개발하고자 한다. 본 논문에서 제시할 주요한 기능은 영상처리를 통한 차량 번호판 인식과 인식된 차량 번호 정보와 번호판 영상 정보를 원격지 서버로 전송하여 정보를 관리 할 수 있는 시스템을 제시하고자 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.11a
• /
• pp.139-142
• /
• 2000

자동차 번호판 일련번호를 인식하는 과정에서 차량이미지는 예상치 못할 정도로 복합적인 문제를 많이 포함하고 있다. 번호판 주위환경에서의 다양한 조건에 따른 적응성을 가지고 빠근 추출을 성공적으로 수행하는 것은 이 분야에서 매우 중요한 문제이다. 본 논문은 이러한 문제를 해결할 수 있는 자동차 번호판 일련번호 추출에 관한 연구로서, 레이블링기법과 적응성 신경망을 활성화시켜 일련번호를 추출하는 알고리즘을 제안하므로써 자동차 번호판 주위환경의 다양한 조건과 복합적 문제를 빠른 시간에 적응하여 해결을 할 수 있도록 하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.6 no.6
• /
• pp.1686-1692
• /
• 1999

This paper describes the feature area-based vehicle plate recognition system(VPRS). For the extraction of vehicle plate in a vehicle image, we used the method which extracts vehicle plate area from a s vehicle image using intensity variation. For the extraction of the feature area containing character from the extracted vehicle plate, we used the histogram-based approach and the relative location information of individual characters in the extracted vehicle plate. The extracted feature area is used as the input vector of ART2 neural network. The proposed method simplifies the existing complex preprocessing the solves the problem of distortion and noise in the binarization process. In the difficult cases of character extraction by binarization process of previous method, our method efficiently extracts characters regions and recognizes it.

• Journal of Broadcast Engineering
• /
• v.25 no.5
• /
• pp.776-788
• /
• 2020

In this paper, a vehicle type recognition system using deep learning and a license plate recognition system are proposed. In the existing system, the number plate area extraction through image processing and the character recognition method using DNN were used. These systems have the problem of declining recognition rates as the environment changes. Therefore, the proposed system used the one-stage object detection method YOLO v3, focusing on real-time detection and decreasing accuracy due to environmental changes, enabling real-time vehicle type and license plate character recognition with one RGB camera. Training data consists of actual data for vehicle type recognition and license plate area detection, and synthetic data for license plate character recognition. The accuracy of each module was 96.39% for detection of car model, 99.94% for detection of license plates, and 79.06% for recognition of license plates. In addition, accuracy was measured using YOLO v3 tiny, a lightweight network of YOLO v3.

• Journal of Korea Society of Industrial Information Systems
• /
• v.9 no.2
• /
• pp.32-43
• /
• 2004

In this paper, a system which can effectively recognize the plate image extracted from camera set on a moving car is proposed. To extract car licence plate from moving vehicles, multiple candidates are maintained based on the strong vertical edges which are found in the region of car licence plate. A candidate region is selected among them based on the ratio of background and characters. We also make a comparative study of recognition performance between support vector machines and modular neural networks. The experimental results lead us to the conclusion that the former is superior to the latter. For a better recognition rate, a simple method combining the support vector machine with modular neural network where the output of the latter is used as the input of the former is suggested and evaluated. As we expected, the hybrid one shows the best result among those three methods we have mentioned.