• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.307-308
• /
• 2015

자동차 번호판의 문자를 검출하기 위한 과정 중 그림자가 있는 후면 번호판을 이진화하는 방법을 제안한다. 대부분의 경우 차량구조에 의한 그림자 발생이 문자를 검출하는데 오류를 발생시킨다. 이를 해결하기 위해 그림자 영역과 아닌 영역의 경계를 검출해야 한다. 하지만, 기존 방법은 히스토그램에서 세 개의 영역사이에 있는 임계값 2개를 수동으로 결정해야 되는 점과 현재번호판의 색상인 흰색 바탕에 검은 문자에 적용하면 문자 영역의 그림자 경계선 검출이 모호하다는 단점이 있다. 본 논문에서는 이 문제를 해결하기 위하여 슬라이딩 윈도우를 이용한 히스토그램과 탐색하는 픽셀의 좌, 우 픽셀들을 스캔하여 연결되지 않은 에지를 찾아 그림자 경계선 에지를 연결하는 방법을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.466-468
• /
• 2011

본 논문은 영상 획득 환경이 자유로운 상황에서 차량 번호판 영역을 검출하기 위한 새로운 방법을 제안한다. 입력 영상에서 SIFT 지역특징을 추출하고 미리 학습한 분류기를 통해 각 지역특징이 번호판 내부에 속하는지 번호판 외부에 속하는지를 분류한다. 번호판 내부로 분류된 지역특징이 밀집한 영역이 번호판 영역으로 검출된다. 실험을 통해 제안하는 지역특징 분류 방법이 높은 성능으로 번호판 내/외부를 분류함을 보인다.

• 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.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.641-645
• /
• 2003

본 논문은 일반적으로 차량의 번호판이 차종에 따라 녹색계통과 노란색계통 등 일정한 색상을 가지고 있다는 특징을 이용하여, 복합 칼라 좌표계의 성분을 결합한 차량 번호판 영역 추출에 대한 방법을 제안하였다. LUV와 HSI 및 YIQ 칼라 좌표계에서 번호판 영역을 검출하기 위해 사용한 색상은 U, H, Q영역이고 이진화 작업을 위한 임계치 조정의 효율성을 높이기 위해 각 영역의 평균 자기 값을 기준이 되는 값으로 보정하는 방법을 사용하였다. 처리과정의 효율성을 높이기 위해 번호판 후보 영역을 선정하여 번호판 크기의 마스크영역을 수직, 수평 라인으로 검색하여 추출하는 방법을 사용하였다. 실험 결과 H와 Q성분으로만 실험대상에 대하여 결합한 경우는 72.58％의 추출률을 보인 반면, 제안한 방법인 U와 H 및 Q성분의 결합에 의한 경우는 100％의 추출률을 보였다.

• 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.

• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1449-1461
• /
• 2005

본 논문에서는 차량의 식별마크 분류 및 차량번호판 인식을 통한 차량인식 알고리즘을 제안하였다. 제안한 알고리즘에서는 먼저 입력 차량영상으로 부터 잡음제거, 세선화 과정 등 전처리 과정들을 수행하고 명암값 변화 빈도 분포를 사용하여 차량식별마크와 번호판 영역을 추출하였다. 또한 추출된 후보 영역으로부터 차량 식별마크와 번호판 영역의 구조적 특성 정보를 사용하여 차량 식별마크, 번호판의 문자 및 숫자를 분류하였으며, 하이브리드 패턴벡터 및 수직수평 패턴벡터를 사용하여 식별마크, 문자 및 숫자를 인식하여 차량 정보 인식율을 개선하였다. 제안한 알고리즘에서는 차량의 식별마크가 차량의 종류에 따라 독립적인 특성, 식별마크와 번호판 영역에서는 문자와 배경이 뚜렷하게 구별되는 특성 및 수평 및 수직빈도수 분포가 식별마크 및 번호판 이외의 영역과 뚜렷이 구별된다는 특성들을 이용하였다. 제안한 방법의 성능을 확인하기 위하여 다양한 환경에서 촬영된 350여개의 영상에 대하여 차량인식 실험을 수행하였고 제안한 방법이 차량번호판의 크기와 위치에 무관하고 잡음의 영향에 덜 민감하였을 뿐만 아니라 불규칙적인 외부환경에서도 인식율이 개선되었다. 또한 식별마크와 번호판 인식의 실시간 처리가 가능하여 실제 주차장이나 도시화도로등에 적용이 가능하다.

• 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 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
• /
• pp.407-411
• /
• 2007

이 논문은 우리나라 차량 영상에서 번호판 영역을 추출하는 알고리즘을 제안한다. 우리나라 번호판은 하단에 네개의 숫자를 포함하고 있으므로, 네 개의 숫자를 찾으면 번호판을 추출 할 수 있다. 제안하는 방법은 입력된 영상에서 숫자의 가능성을 가진 연결 요소를 검출하고 이들을 군집화 한다. 군집화 된 연결요소들을 바탕으로 숫자 네개(4-digits) 후보를 생성한다. 4-digits 후보들을 인식하여 숫자의 가능성을 측정하고, 적합도로 변환한다. 후보영역 중 적합도가 가장 높은 영역을 번호판 영역으로 추출한다. 적합도는 Perfect Metrics 방법으로 측정하였다. 제안하는 방법을 주간 영상 4600장과 야간 영상 264장으로 테스트 한 결과 각각 97.23%, 95.45%의 검출률과 0.09%, 0.11%의 오검출률을 얻었다.

• 한국산학기술학회논문지
• /
• 제17권3호
• /
• pp.1-8
• /
• 2016

본 논문은 블랙박스 적용을 위한 적응형 히스토그램 스트레칭 알고리즘을 제안하였다. 본 알고리즘은 자동차 개인 저장장치 영상을 이용한 차량 번호판 검출을 위한 전처리 단계로 사용하였다. 제안 방식은 확률밀도함수(PDF: Probability Density Function)와 누적분포함수(CDF: Cumulative Density) 이용하여 영상의 밝기 분포도를 분석하였다. 이 두 함수는 일정한 간격을 두고 샘플링 한 영상을 사용하여 구하였다. 두 함수를 이용하여 영상의 특성을 분석하여, 특정 인자를 검출하였다. 검출된 인자를 분포도에 따라 각각 다른 스트레칭을 수행하였다. 알고리즘 검증은 촬영 된 자동차 개인 저장장치 영상을 사용하였다. 기존 알고리즘 비교는 시각적인 평가, 히스토그램 분포, 표준 및 표준 편차 값을 분석하였다. 또한 시뮬레이션 결과를 자동차 번호판 인식 알고리즘에 적용하여 번호판 인식율을 분석하였다. 기존 알고리즘보다 열화 현상이 적게 나타났고, 향상된 콘트라스트 값을 통하여, 차량 번호판 검출에서 기존 알고리즘보다 정확한 위치가 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제12권5호
• /
• pp.313-319
• /
• 2007

본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드는 퍼지 신경망 알고리즘을 이용하여 인식한다. 차량 번호판 영역을 검출하기 위해 프리윗 마스크에 의해 수직 에지를 찾고, 차량 번호판에 관한 특성 정보를 이용하여 잡음을 제거한 추에 차량 번호판 영역과 개별 코드를 추출한다 추출된 개별 코드를 인식하기 위해 퍼지 신경망 알고리즘을 제안하고 인식에 적용한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고, 중간층과 출력층간의 학습 구조에는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 확인하였다.