• 대한전자공학회논문지SP
• /
• 제44권3호
• /
• pp.1-7
• /
• 2007

자동차 번호판을 인식하기 위해서는 차량 영상에서 번호판을 추출하고, 추출된 번호판으로부터 문자를 분리하여야 하고, 각 문자들에 대해서 특징 벡터를 추출하고 신경망을 이용하여 인식한다. 이때 인식의 기준이 되는 특징 벡터의 선정은 데이터양의 감소뿐 만 아니라 인식 성능에 많은 영향을 미친다. 본 논문에서는 숫자를 고유 숫자(eigennumber)의 선형 조합으로 분해하여 특징 벡터를 추출하는 새로운 특징 벡터 추출 기법을 제안하고, 자동차 번호판의 숫자 인식에 적용함으로써 그 유효성을 검증하였다. 실험 결과, 고유 숫자 공간상에서 다층 퍼셉트론 신경망을 이용하여 95.3%의 인식률을 보였고, 이는 일반적인 메쉬 특징과 비교하여 약 5%의 향상된 결과이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.511-520
• /
• 2016

자동차 번호판 검출 자동화(ALPD: Automatic License Plate Detection) 시스템은 효율적인 교통 관제를 위한 핵심 기술이며, 통행료 지불 시스템, 주차장 및 교통 관리와 같은 많은 응용에 사용되어 업무의 효율을 높이고 있다. 최근까지의 ALPD에 관한 연구에서는 주로 영상처리를 위해 설계된 기존의 특징들을 추출하여 번호판 검출에 사용해왔다. 이러한 종래의 방법은 속도에 이점은 있으나, 다양한 환경 변화에 따른 성능 저하를 보였다. 본 논문에서는 전반적인 성능을 향상시키기 위하여 Faster R-CNN과 CNN으로 구성되는 두 단 구조를 활용하는 방법을 제안한다. 이를 통해 동작 속도를 향상시키고, 다양한 환경변화에 강인하도록 구성하였다. 첫 번째 단계에서는 Faster R-CNN을 적용하여 번호판 영역 후보영역들을 선별하며, 두 번째 단에서 CNN을 활용하여 후보영역들 중에서 False Positives를 제거함으로써 검출률을 향상시켰다. 이를 통해 ZFNet을 기반으로 하여 99.94%의 검출률을 달성하였다. 또한 평균 운용시간은 80ms/image로써 빠르고 강인한 실시간 번호판 검출 시스템을 구현할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.493-496
• /
• 2005

본 논문에서는 번호판 고유의 복합 색상 정보와 수직 에지 정보를 이용한 번호판 후보 영역 추출기법을 제안한다. 또한 추출된 번호판 영역의 정확성을 높이기 위해서, Fast DCT를 거쳐 압축된 이미지에 대하여 Support Vector Machines(SVM)을 이용한 검증 과정을 제안한다. 제안하는 기법은 차량번호판 인식의 대상이 되는 자동차의 위치가 정면, 후면을 구분하지 않는 다양함을 가지고, 주변 배경이 충분히 포함되는 상황에서 다양한 크기를 가지는 355장의 영상들을 대상으로 한다. 실험 결과, SVM을 이용한 검증 과정을 거친 방법이 그렇지 않은 경우보다 20%이상 향상된 번호판 추출 성공률을 나타내었다.

• 한국정보전자통신기술학회논문지
• /
• 제8권4호
• /
• pp.270-274
• /
• 2015

본 논문에서는 HSV 색 공간을 이용한 야간 차량의 검출 시스템을 제안한다. 주정차 감시등 도로변에서 자동차를 감시하는 경우 자동차 번호판 추출하는 것이 중요하다. 일반적으로 번호판 추출을 위해서는 원거리에서 자동차 검출후 Pan-Tilt-Zoom 카메라로 자동차를 일정한 크기로 확대한 영상을 획득하여 번호판을 추출한다. 그리고 자동차 검출 및 추적을 위해 Mean-Shift 혹은 Optical Flow 알고리듬이 많이 이용되고 있다. 그러나 이러한 알고리즘은 주간에는 성공적으로 자동차를 검출 및 추적 할수 있었으나 야간에는 검출 및 추적에 어려움이 있었다. 그래서 본 논문에서는 입력 영상을 HSV 색 공간으로 변환하면 자동차의 전조등 혹은 후미등의 위치가 두드러지게 나타나는 것을 이용하여 자동차의 위치를 검출하였다. 실험 결과 정면 차량의 경우 93.9%, 후면 차량의 경우 97.7%의 차량을 검출하여 제안된 방법이 야간 차량 검출에 효율적임을 증명하였다.

• 한국콘텐츠학회논문지
• /
• 제9권8호
• /
• pp.9-17
• /
• 2009

자동차 번호 인식에 대한 연구가 활발히 이루어져 왔으나, 번호판 이진화 방법들에 대한 비교 연구는 거의 이루어지지 않았다. 이로 인하여 관련 연구자들마다 효과적인 이진화 방법을 찾기 위하여 유사한 시행착오를 겪어 왔다. 본 연구에서는 이러한 시행착오를 줄일 수 있도록 기존의 번호판 이진화 방법들을 구현하여 성능을 양적으로 비교 제시하였다. 이진화 성능 측정은 저수준 척도와 고수준 척도를 모두 사용함으로써 이진화 자체에 대한 평가뿐만 아니라 후속 단계에서의 유용성을 함께 고려하였다. 그리고 이진화 방법들의 특성을 파악하기 위하여 조도의 특성에 따라 번호판 영상을 세 그룹으로 분류하여 이진화 성능을 측정하였다. 실험 결과 조도의 강도보다는 조도의 균일성 여부가 이진화 성능에 더 큰 영향을 미치는 것으로 나타났다. 조도가 균열한 영상은 Otsu의 방법이 가장 효과적이었으며, 조도가 불균일한 영상은 파라미터를 보정한 Niblack 방법이 가장 좋은 결과를 나타냈다.

• 한국정보통신학회논문지
• /
• 제9권1호
• /
• pp.160-164
• /
• 2005

자동차 번호판 자동인식에서 어두운 조명에서나 날씨가 좋지 않을 경ㅇ 차량의 형상이 왜곡 될 수 있고, 번호판을 식별하는데 어려움이 있다. 이에 본 논문에서는 움직이는 차량의 영상에서 흔들림이 없고, 밝은 햇빛에서 어두운 조명상태까지의 다양한 환경을 수용할 수 있는 자동차 번호판 인식방법을 제안하였다. 제안한 방법은 투시광선을 서로 다른 세기를 갖는 두 개의 빔(beam)으로 분리한 다음 CCD 카메라를 사용하여 두 개의 포착된 이미지를 조합하여 물체가 움직일 때도 동요 없는 이미지를 산출하였다. 실험결과로써 466 개의 움직이는 차량영상을 이용한 결과 98.7%의 인식률을 얻을 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제8권6호
• /
• pp.453-459
• /
• 2015

본 논문에서는 열림부분에 기반을 둔 자동차 번호판의 숫자인식 기법을 제안한다. 제안된 인식기법에서 숫자를 상부와 하부로 나누고, 각각에 대해 열림부분을 판정하여 숫자를 인식한다. 제안된 기법에서, 상부와 하부의 분할은 정해진 절단선을 바탕으로 하며, 교점의 개수에 따라 절단선의 위치가 조절된다. 제안된 방법은 템플릿 매칭 방법에 비해 잡음이나 회전 등의 영향을 받지 않으며 강건하다. 모의실험에서 제안된 기법의 성능을 평가하기 위해 번호판에 사용되는 숫자들에 대해 처리를 하고, 그 결과를 제시하였다. 제안된 기법은 번호판의 숫자인식에서 매우 높은 인식률을 보인다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.15-23
• /
• 2016

본 논문은 한국의 차량 번호판 인식에 효과적인 방법을 제안한다. 획득한 자동차 이미지로부터 Haar-Like Feature를 이용해 대략적인 번호판 후보 영역을 찾아낸 후, 랭크 필터를 사용하여 전처리를 하고 캐니 에지 추출 (Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 알고리즘을 사용하여 학습된 신경망을 이용하여 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 확인하였다.

• 한국통신학회논문지
• /
• 제37A권9호
• /
• pp.780-785
• /
• 2012

본 논문은 차량 번호판 중앙부 위치값을 기반으로 한 신경망을 이용하여 차량의 번호판 영역을 추출하는 방법을 제안하고자 한다. 임의의 숫자들로 정의된 번호판영역에 대한 학습패턴과 넓은 범위를 수용할 수 있도록 한 신경망의 학습패턴을 이용하여 보다 효율적인 방법을 제시하였다. 학습패턴으로 차량 번호판 인식의 최적화을 이루었고 차량번호 및 헤드라이트 부분의 은닉효과와, 학습패턴의 확대 및 감소에 대하여 연구하였다. 위의 과정을 통하여 지하주차장에서 595여대의 자동차에 대하여 번호판 영역을 추출한 결과 98.5%의 인식율을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.568-570
• /
• 2002

최근, 분류기 쪽에서는 모듈라 학습을 이용한 방법들에 대해서 상당한 관심이 모아지고 있다. 모듈라 학습 방법은 divide and conquer 개념에 바탕을 두고 있기 때문에 복잡한 문제에 대해서 학습 질 측면이나 학습 속도 면에서 단일 분류기에 비해 좋은 결과들을 나타내고 있다. 인공신경망을 이용한 분류 방법 쪽에서도 이러한 연구들이 이루어지고 있다. 본 논문에서는 번호판 인식을 위한 간단한 형태의 모듈라 신경망을 제안하고 이의 성능을 평가하였다. 실험 결과, 일반적인 차량 번호판의 영상에서 성공적인 결과를 보였으며, 잡음에 의한 훼손된 번호판도 좋은 인식 결과를 보였다. 또한 인식률 측면 뿐만 아니라 학습 속도 면에서도 상당한 이득이 있었다.