• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1361-1362
• /
• 2015

차량의 수요가 증가함에 따르는 지능적인 통제시스템의 요구된다. 그리고 과학기술의 발달과 시스템의 자동화에 따라 사람뿐만 아니라 차량도 인식이 필요하게 되었다. 따라서 본 논문은 다항식 기반 RBFNNs를 이용하여 차량의 번호판 인식을 수행한다. 번호판 영역과 번호는 영상처리에서 영상 이진화와 영상 모폴로지 기법 등 전처리 과정을 거친 후 검출하고, 차량 번호를 인식하기 위해 0~9사이의 숫자를 클래스 별로 데이터의 차원을 축소시켜 다항식 기반 RBFNNs에 학습하고, 테스트 차량의 번호판에서 번호별로 분류하여 차량번호를 인식한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.550-554
• /
• 2005

본 논문에서는 블럽을 사용해서 다수의 자동차 후면의 번호판을 추출하는 방법을 제안한다. 입력 영상에서 번호판의 문자와 배경사이의 명암도 차이를 이용하여, 입력 영상의 모든 블럽을 찾고, 찾아낸 블럽을 둘러싸는 최소의 사각형들을 구한다. 이 사각형들 중에서 일련의 경향성을 갖는 블럽 그룹을 찾는다. 찾아난 블럽 그룹이 자동차 번호판인지 아닌지를 SVM을 이용하여 확인한다. 적응적 이진화를 제외한 전처리작업을 하지 않았음에도 불구하고 번호판 검출률은 매우 높았으며, 번호판을 검출하는데 걸리는 시간도 길지 않았다.

• Journal of the Korea Convergence Society
• /
• v.9 no.9
• /
• pp.31-39
• /
• 2018

In this paper, we proposed a license plate detection method based on contour extraction that adapts to environmental changes. The proposed method extracts contour lines using DoG (Difference of Gaussian) to remove unnecessary noise parts in the contour extraction process. Binarization was applied in ugly outline images, and erosion and dilation operations were used to emphasize the contour of the character part. Then, only the outline of the ratio of the characters of the plate was extracted through the ratio of the width and height of the characters. And the case where the outline is the longest is estimated by estimating the characters of the license plate. For the experiment, we applied 130 image data to license plate on the front of the vehicle, oblique environment, and environment images with various backgrounds. I also experimented with motorcycle images of different license plate patterns. Experimental results showed that the detection rate of the oblique image was 93% and that of the various background environment was 70% in the motorcycle image but 98% in the front image.

• Journal of Korea Multimedia Society
• /
• v.7 no.1
• /
• pp.35-43
• /
• 2004

In this paper, we proposed a vehicle recognition and electronic toll collection system with detection and classification of vehicle identification mark and emblem as well as recognition of vehicle license plate to unman toll fee collection system or incoming/outcoming vehicles to an institution. In the proposed algorithm, we first process pre-processing step such as noise reduction and thinning from the rear side input image of vehicle and detect vehicle mark, emblem and license plate region using intensity variation informations, template masking and labeling operation. And then, we classify the detected vehicle features regions into vehicle mark and emblem as well as recognize characters and numbers of vehicle license plate using hybrid and seven segment pattern vector. To show the efficiency of the proposed algorithm, we tested it on real vehicle images of implemented vehicle recognition system in highway toll gate and found that the proposed method shows good feature detection/classification performance regardless of irregular environment conditions as well as noise, size, and location of vehicles. And also, the proposed algorithm may be utilized for catching criminal vehicles, unmanned toll collection system, and unmanned checking incoming/outcoming vehicles to an institution.

• Journal of KIISE:Software and Applications
• /
• v.36 no.2
• /
• pp.122-130
• /
• 2009

Conventional approaches for car number plate detection have dealt with those input images having similar sizes and simple background acquired under well organized environment. Thus their performance get reduced when input images include number plates with different sizes and when they are acquired under different lighting conditions. To solve these problem, this paper proposes a new scheme that uses the geometrical features of number plates and their topological information with reference to other features of the car. In the first step, those edges constructing a rectangle are detected and several pixels neighboring those edges are selected as the seed pixels for region growing. For region growing, color and intensity are used as the features, and the result regions are merged to construct the candidate for a number plate if their features are within a certain boundary. Once the candidates for the number plates are generated then their topological relations with other parts of the car such as lights are tested to finally determine the number plate region. The experimental results have shown that the proposed method can be used even for detecting small size number plates where characters are not visible.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.8
• /
• pp.187-195
• /
• 2013

Most of former studies for car license plate detection restrict the image acquisition environment. The aim of this research is to diminish the restrictions by proposing a new method of using SIFT and neural network. SIFT can be used in diverse situations with less restriction because it provides size- and rotation-invariance and large discriminating power. SIFT extracted from the license plate image is divided into the internal(inside class) and the external(outside class) ones and the classifier is trained using them. In the proposed method, by just putting the various types of license plates, the trained neural network classifier can process all of the types. Although the classification performance is not high, the inside class appears densely over the plate region and sparsely over the non-plate regions. These characteristics create a local feature map, from which we can identify the location with the global maximum value as a candidate of license plate region. We collected image database with much less restriction than the conventional researches. The experiment and evaluation were done using this database. In terms of classification accuracy of SIFT keypoints, the correct recognition rate was 97.1%. The precision rate was 62.0% and recall rate was 50.2%. In terms of license plate detection rate, the correct recognition rate was 98.6%.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.342-345
• /
• 2002

차량 번호판 인식에 대한 여러 가지 방법들이 제시되고 있다. 기존 연구들의 문제점은 번호판 영역의 밝기 변화 둥에 영향을 많이 받았으며 그로 인하여 번호판 영역 추출률에 영향을 미치는 것은 물론 문자 인식에서도 많은 문제점들이 존재하였다. 따라서 본 연구에서는 색상 정보를 이용하여 밝기를 보정한 후 마스크 적용을 통한 수평ㆍ수직 에지 검출과 형태학적 정보를 이용하여 번호판을 추출하고 변형된 특징 매칭을 이용하여 문자를 인식함으로써 인식률을 향상시킬 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.1031-1034
• /
• 2017

기존 번호판 검출 및 인식에 사용되어지는 방법은 사랑이 직접 번호판의 특정을 기술하여 검출을 진행한다. 본 연구에서는 학습 기반의 완전 컨볼루션 신경망을 이용하여 번호판을 검출하였고 신경망은 약 27MB의 용량만으로 110-FPS 정도의 성능을 얻었다. 학습을 위한 데이터는 한국 번호판의 모든 종류 및 주간, 야간의 환경을 포함한 대략 5000개를 직접 수집하였다 또한 5000개의 데이터를 회전 및 이동에 대한 무작위적인 변형을 주어 대략 15000개의 데이터로 확장하였다 확장된 데이터로 얻은 결과로 번호판 검출률 97%를 얻었다.

• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.473-475
• /
• 2023

자동차 번호판 인식은 영상 내 검출한 차량의 번호판의 문자열을 인식하여 차량을 식별하고 추적하는 기술로 주변 환경에 의한 잡음, 왜곡과 차량의 움직임으로 발생한 흐림, 영상 입력 장치와의 물리적 거리 등에 강인해야 한다. 본 논문에서는 차량 움직임으로 발생한 흐림이 있는 저해상도 영상에 대한 번호판 인식 성능의 향상을 위해 디블러링 모델과 초해상화 모델을 이용한 영상 복원 방법을 제안한다. 실험을 통해 디블러링 모델과 초해상화 모델을 결합하여 흐림이 있는 저해상도 국내 번호판 영상에서의 인식 성능을 개선하였다.