• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.524-526
• /
• 1999

본 논문은 환경에 독립적인 자동차 영상에서 자동차 번호판 영역을 추출하는 방법을 제안하고 실험 결과를 기술한다. 번호판 주위환경에는 다양한 조건이 존재하며 이에 적응성을 가지고 빠른 추출을 수행하는 것은 매우 중요한 문제이다. 본 논문은 이러한 문제를 해결하기 위해 HSI 컬러 모델에 기반하여 번호판을 면밀히 분석하여 번호판을 유형별로 그룹화하고, 지역 분할 및 병합을 통해 빠른 시간안에 번호판 후보 영역을 검색한다. 그리고 번호판이 갖는 특성을 이용하여 후보 영역에서 번호판 영역임을 검증함으로써 자동차 번호판 영역을 찾는다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.273-276
• /
• 2000

자동차 번호판은 조명과 카메라에 따라 영상에서 다양한 형태로 나타나고 영상내의 잡음으로 인해 알고리즘 방식으로 자동차 번호판을 인식하기가 쉽지 않다. 이러한 문제에 적합한 해결 방법으로 본 논문에서는 학습 기반의 자동차 번호판 인식 시스템을 제안한다. 제안한 시스템은 자동차 검출 모듈, 번호판 추출 모듈, 번호판 문자인식 모듈로 구성된다. 본 논문에서는 자동차 번호판 추출을 위해서 시간-지연 신경망(Time-Delay Neural Networks : TDNN)과 번호판 인식을 위해서 일반적인 신경망보다 일반화 성능이 뛰어난 서포트 벡터 머신(Support Vector Machines : SVMs)을 시스템에 적용한다. 주차장과 톨케이트에서 여러 시간대의 움직이는 자동차 영상들을 실험한 결과, 자동차 검출율은 100%, 번호판 추출율은 97.5%, 번호판 문자 인식율은 97.2%의 성능을 내었고, 전체 시스템 성능은 94.7%이며 처리 시간은 약 1초 미만이다. 따라서 본 논문에서 제안한 시스템은 실세계에서 유용하게 적용될 수 있다.

• Journal of Navigation and Port Research
• /
• v.28 no.8
• /
• pp.727-733
• /
• 2004

In the car license plate recognition system, it is very important to extract the part of the license plate from the car image. In this paper, I use ACL algorithm to extract the license plate image from car image. The ACL algorithm is used to color and luminance information, either. Therefore in this paper, suggested algorithm is called ACL algorithm The ACL algorithm uses color, luminance information and the rate of license plate information Each of these information are used to exact area of license plate. The result of experiment to extract the car license plate with ACL algorithm is 97% extraction rate. The result of experiment with ACL algorithm for the character region, character recognition is 92% extraction rate.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.459-462
• /
• 2001

본 논문에서는 하이브리드 패턴벡터를 이용하여 자동차의 고유 마크와 차량 번호를 실시간으로 인식하는 알고리즘을 제안하였다. 제안한 알고리즘에서는 차량 입력 영상에서 차량의 마크와 번호판의 수평 및 수직 명암값 빈도수 변화를 이용해 마크와 번호판 영역을 추출한다. 또한, 추출된 알고리즘으로부터 수평 수직 패턴을 적용해 자동차의 마크를 인식하고 하이브리드 패턴벡터를 이용하여 번호판의 문자 및 숫자를 인식하도록 하였다. 제안한 자동차 마크 및 번호판 추출 과정에서는 마크와 번호판 영역의 문자와 배경이 뚜렷하게 구별되는 상대적인 크기의 특성과 수평 및 수직 빈도수와 패턴 벡터를 사용하여 마크 및 번호판 영역을 추출, 인식하도록하였다. 제안한 방법들을 적용한 결과, 차량 번호판의 크기에 관계없이 잡음에 영향을 받지 않고 차량의 종류와 번호를 실시간으로 처리할 수 있으며 차량번호판 추출 및 인식뿐 아니라 차량의 마크 추출 가능성을 제시하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.04a
• /
• pp.174-177
• /
• 2000

자동차 번호판 인식 시스템을 구현하기 위해서는 영상에서 번호판을 추출하는 영역과 추출된 번호판에서 각 문자의 숫자를 추출하는 영역, 마지막으로 이를 인식하는 영역으로 나누어진다. 본 논문에서는 번호판 영역이 다른 영역보다 녹색의 밀집도가 높다는 특징을 이용하여 이미지에서 번호판을 추출하고, 개선된 퍼지 ART학습 알고리즘으로 자동차 번호판 인식에 적용한다. 실험결과에서는 여러 차량에 대해 인식율이 우수한 것을 보인다.

• 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%.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.318-320
• /
• 1999

본 논문에서는 디지털 카메라를 통해 얻어진 자동차 영상으로부터 이산코사인변환(Discrete Cosin Transform : DCT)를 이용한 자동차번호판 추출방법을 제안한다. 번호판은 문자와 배경으로 이루어져 있으며 번호판 내에는 문자들이 조밀하게 모여 있다는 특징과 번호판 영역이 직사각형으로 되어 있다는 것을 이용하여 DCT에 의해서 자동차영상에서 수직, 수평, 대각선 성분만을 추출한후 이 추출된 에지영상에서 코릴레이션(Correlation)을 이용하여 번호판영역을 검출하고 이 검출된 번호판영역을 투영 히스토그램(Histogram)에 의해서 날씨가 흐리거나 아주 밝거나 밤에 찍은 영상들에 대해서는 번호판 추출이 힘들었다. 그러나 제안된 본 논문은 날씨와 납과 밤에 상관없이 일관된 번호판 영상을 추출할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.138-141
• /
• 2014

본 논문에서는 색상 정보를 이용하여 배경 영역이 포함된 자동차의 전,후면 사진에서의 자동차 번호판 영역(녹색, 흰색) 추출과 추출된 번호판에서 글자를 분리해내는 방법을 제안한다. 기존의 색상 정보를 이용하여 번호판을 추출하는 방법은 흰색 번호판(신형 번호판)의 경우에는 배경 영역에서 흰색인 영역도 많고 국내 차량 중에 흰색 차량이 많기 때문에 번호판 영역과 배경 영역 사이의 명확한 구분에 어려움이 있었다. 따라서 행별 Red값 변화도를 조사하여 배경 영역과 번호판 영역 사이의 명확한 구분을 하게 하며, 흰색 번호판의 경우에 추출이 안되면 흰색의 기준을 더 낮추어서 다시 영역 추출을 할 수 있는 재추출 알고리즘을 추가해서 비교적 어두운 사진에서도 번호판영역을 추출할 수 있도록 한다. 추출된 번호판에서 글자를 추출해내는 과정에서도 이진화를 거치면 노이즈가 많이 생기기 때문에 이를 줄이고자 행별 Red값 변화도를 조사하여 번호판 영역에서 위아래 부분의 노이즈를 줄일 수 있도록 하였다.

• 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.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.06a
• /
• pp.343-347
• /
• 2002

본 논문에서 는 자동차 영상에서 모폴로지 연산을 이용한 번호판 추출 방법을 제안한다. 먼저 입력 받은 자동차 영상을 적응적 임계값을 적용하여 이진화 한다. 이 진화 영상에 대하여 모폴로지 연산의 침식/팽창 과정을 연속적으로 수행하여 번호판 내의 문자영역을 제거하는 opening과정 과 팽창/침식 과정을 연속적으로 수행하여 번호판 내의 문자영역을 확장하는 closing 연산을 병렬 수행한 후 그들간의 차영상을 추출한다. 추출된 차영상에 Geo-correction과 번호판의 일반적인 특성을 이용한 필터링 작업을 수행하여 실제 번호판 영역을 추출한다. 제안한 방법을 구현하고 다양한 각도에서 취득된 다양한 형태의 자동차 영상에 적용하여 본 알고리즘의 효용성을 보인다.