• 정보과학회 논문지
• /
• 제43권2호
• /
• pp.186-195
• /
• 2016

본 논문에서는 도로주행 영상에서의 자동차 번호판 검출방법을 제안한다. 제안하는 방법은 조명변화에 강인한 8bit-MCT 특징과 랜드마크 기반의 Adaboost 알고리즘을 이용하여 번호판 후보 영역을 생성하고, Adaboost의 검출 스코어를 이용하여 번호판의 위치를 확률로 추정하는 현저도 지도를 생성한다. 현저도 지도에서 임계값 이상의 영역을 번호판 후보 영역으로 검출하고, 각 후보 영역에 대하여 지역분산을 이용하여 영역을 보정한 후 SVM과 8bit-MCT의 히스토그램을 특징으로 사용하여 영역을 검증하고 자동차 번호판 영역을 확정한다. 본 논문에서 제안한 방법을 한국과 유럽의 다양한 도로주행 영상에 적용하여 85%의 안정적인 검출 성능을 실험을 통하여 입증하였다.

• 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.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• 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.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.447-450
• /
• 2001

자동차 번호판 인식 시스템은 크게 세 부분으로 나뉘어 질 수 있는데 그 첫 부분이 Camera를 통해서 획득된 영상에서 번호판 영역을 추출하는 것이다. 본 논문에서는 자가용과 영업용 번호판의 배경이 모두 다른 부분과 차이를 가지고 있다는 점을 이용하여 번호판 영역 추출을 위하여 기존의 방법과 달리 Color 정보를 이용하였다. Edge 검출이나 Gray level의 변화값을 이용하지 않고 Color 정보를 이용함으로써 번호판이 구부러진 영상이나 Noise를 통해서 훼손된 영상, Contrast가 낮은 영상에도 영역 추출에 강한 성능을 나타내었다. Camera를 통해서 획득된 RGB 영상을 YCbCr Format으로 바꾸고 그 중 Cb와 Cr 정보를 이용하여 번호판 영역을 검출하고 인증과정을 거쳐서 추출된 영상이 실제로 번호판 영상인지를 확인하는 단계를 거쳤다. 실험을 통하여 주간, 야간 및 훼손되거나 Noise가 많이 발생한 영상에서도 강한 성능을 나타냄을 볼 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.907-910
• /
• 2004

본 논문에서는 자동차 번호판 인식의 성공률을 높이기 위해 자동차 번호판을 정형화하는 법을 제시한다. 번호판의 테두리 직선을 찾기 위해서 Hough 변환과 Mask 를 사용한 방법을 제시하고, 그 방법을 사용하여 다수의 기울어진 번호판 영상을 정확하게 정형화할 수 있었다. Hough 변환과 Mask 를 이용한 직선 검출 방법은 두꺼운 에지 성분이나 저해상도 영상의 경우에도 효과적으로 직선을 검출해냄을 알 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권2호
• /
• pp.122-130
• /
• 2009

기존의 번호판 검출 기법들은 대부분 일정한 거리와 방향에서 촬영되어 번호판의 크기가 유사하고, 배경이 단순한 차량 전면 영상에 적용되는 한계를 가지고 있어서 번호판의 위치가 변하거나 조명 혹은 크기의 변화에 매우 취약하다. 본 논문에서는 이러한 기존 기법들의 문제점들을 극복하기 위하여 에지기반 영역확장 기법을 사용하는 번호판 검출기법을 제안한다. 1단계에서는 입력영상에서 예지영상을 얻고 번호판의 기하학적 특성을 갖는 에지 영역들을 검출하여 이들을 번호판 검색영역으로 정한다. 검색영역의 에지들을 기반으로 주변의 화소들을 색상을 기반으로 영역확장을 통해 분할하여 번호판의 기하학적 특성을 만족하는 영역들을 번호판 후보영역으로 정한다. 후보영역들은 자동차의 조명등과 같은 구조물과의 위상특성을 고려하여 최종결정한다. 본 논문에서 제안하는 기법은 번호판의 문자가 검출되지 않는 경우에도 번호판 위치의 검출이 가능하고 특히 작은 크기의 번호판 검출에 유리하며, 크기와 상관없이 번호판을 검출할 수 있음을 실험을 통해 입증하였다.

• 한국항해항만학회지
• /
• 제28권8호
• /
• pp.727-733
• /
• 2004

자동차 번호판 인식 시스템에서 가장 중요한 요소가 자동차 이미지 영역에서 번호판 영역을 정확히 검출해 내는 것이다. 자동차 이미지에서 번호판 영역을 추출하기 위한 방법으로 색상과 밝기 정보와 자동차 번호판의 가로 세로 비율 등 번호판을 인식할 수 있는 정보를 혼용한 ACL 알고리즘을 제안한다. ACL 알고리즘을 사용함으로써 기존의 색상 정보나 명암 정보만을 이용할 경우 자동차 번호판 영역 추출이 잘되지 않는 문제를 해소시켜 준다. 본 논문에서 제안하는 ACL 알고리즘은 자동차 이미지에서 번호판 영역을 추출할 경우 색상 정보와 명암정보, 기타 자동차 번호판을 판단할 수 있는 정보를 모두 이용한다. ACL 알고리즘을 이용하여 번호판 추출 실험을 한 결과 97%의 추출률을 보였다. ACL 알고리즘을 이용하여 추출된 번호판을 이용하여 문자 영역, 문자 인식을 한 결과 92%의 결과를 보였다.

• 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.

• 정보처리학회논문지D
• /
• 제9D권6호
• /
• pp.1113-1118
• /
• 2002

자동차 번호판 인식 시스템에서 가장 중요한 요소는 자동차 이미지로부터 번호판 영역을 정확히 검출해 내는 것이다. 자동차 이미지에서 번호판 영역을 추출하기 위한 방법으로 색상과 밝기 정보와 자동차 번호판의 가로 : 세로 비율 등 번호판을 인식할 수 있는 정보를 혼용한 ACL 알고리즘을 제안한다 ACL 알고리즘을 사용함으로써 기존의 색상 정보나 명암 정보만을 이용할 경우 자동차 번호판 영역 추출이 잘되지 않는 문제를 해소시켜 준다. 본 논문에서 제안하는 ACL 알고리즘은 자동차 이미지에서 번호판 영역을 추출하기 위하여 색상 정보와 명암 정보, 기타 자동차 번호판을 판단할 수 있는 정보를 모두 이용한다. ACL 알고리즘을 이용하여 번호판 추출 실험을 한 결과 97%의 추출률을 보였다. ACL 알고리즘을 이용하여 추출된 번호판을 이용하여 문자 영역, 문자 인식을 실험한 결과 92%의 결과를 보였다.