• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.337-342
• /
• 2008

최근 들어 기존의 녹색 바탕 차량 번호판에서, 흰색 바탕의 신 차량 번호판으로 교체되고 있다. 하지만 아직 기존 차량 번호판이 신 차량 번호판으로 전면 교체되지 않아 두 번호판 모두 사용되고 있다. 따라서 주차관리 시스템, 속도위반, 신호 위반 등 무인 카메라를 이용한 시스템에서, 기존 차량 번호판과 신 차량 번호판의 특징에 맞는 인식 시스템이 요구된다. 본 논문에서는 이러한 문제를 해결하기 위해 기존 차량 번호판과 신 차량 번호판을 통합한, 지능형 차량 번호판 인식 시스템을 제안한다. 무인 카메라에서 획득된 차량 영상에서 번호판의 색상 정보를 이용하여 기존 차량 번호판과 신 차량 번호판을 구분한다. 기존 차량 번호판인 경우에는 HSI 컬러 공간을 이용하여 이진화를 적용하며, 신 차량 번호판인 경우에는 블록 이진화를 적용한다. 이진화된 영상을 대상으로 차량의 형태학적 특징을 이용하여 잡음을 제거한 후, 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역에 대해 Labeling 알고리즘을 적용하여 개별 문자를 추출한다. 추출된 개별 문자는 FCM 알고리즘을 적용하여 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 160장의 기존 차량 영상과 100장의 신 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.457-462
• /
• 2000

교통 법규 위반 단속이나 주차 관리를 위한 차량 번호판 인식 시스템을 구현하기 위해서는 크게 차량 번호판 추출, 문자 분할, 문자 인식의 세부분으로 이루어진다. 본 논문에서는 차량 번호판 인식 시스템의 구현을 위해 번호판 영역의 색상정보를 이용하여 차량 번호판을 추출하는 방법을 제안하고, 번호판 영역 문자들의 사전 정보와 색상성분을 사용하여 정확하게 번호판 문자 분할을 하는 방법을 제안한다. 자가용과 영업용 차량 영상을 주간/dirks 및 정면/후면으로 나누어 다양하게 취득하여 실험한 결과, 94.6%의 번호판 추출률과 86.8%의 문자분할률을 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.121-123
• /
• 2004

차량 번호판 인식 시스템은 무인 카메라 등의 영상 장치로부터 입력된 차량 이미지로부터, 차량 번호판 정보를 읽어내는 시스템이다. 이러한 차량 번호판 인식 시스템의 응용 시스템 중 과속 차량 단속과 같은 일부 응용 시스템은 번호판의 글자나 숫자를 다른 글자나 숫자로 잘못 인식할 경우 심각한 문제를 발생시킬 수 있다. 이러한 시스템을 위해 우리는 인식 결과에 대한 신뢰도가 낮은 경우 인식을 포기 또는 위임하는 신중한 분류기(Cautious Classifier)를 이용 인식 시스템을 구성하였다. 또한 학습 예제의 가중치를 조절하는 방법을 사용 이러한 신중한 분류기의 성능을 향상 시켰다. 실제 번호판 인식 실험 결과 우리가 제안한 가중치 부여 방식이 차량 번호판 인식 문제에 좋은 결과를 보임을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.232-234
• /
• 2003

차량 번호판 인식 시스템은 차량 보급의 대중화와 그에 따라 발생되는 여러문제의 해결차원에서 활발하게 연구 개발되고 있는 분야이다. 본 논문에서는 휴대용 입력 장치로부터 획득한 차량 번호판 영상에서 차량 번호판이 가지는 특성을 이용하여 번호판을 추출한 후, 차량 번호판의 특성을 이용하여 개별 문자 영역들의 MBR(Minimum Boundary Rectangle)을 추출한다. 그리고. 불변 모멘트의 특징을 이용하여 기존의 템플릿 매칭 방식 보다 연산시간이 매우 빠르고 입력 영상내의 번호판 크기에 제약이 적온 장점을 가진 보다 향상된 차량 번호판 인식 시스템을 제안한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.346-351
• /
• 2002

본 연구에서는 차량 번호판에서 추출된 문자영역의 DCT(Digital Cosine Transform) 계수와 LVQ (Learning Vector Quantization) 신경회로망을 이용하여 차량 번호판 인식 시스템을 구성하였다. 입력된 차량영상의 RGB 칼라정보를 이용하여 번호판 영역을 추출하고 추출된 번호판의 히스토그램과 문자의 상대적 위치정보를 병합하여 문자영역을 추출하였다. 이렇게 추출된 문자영역의 명암도 영상에 DCT를 적용하여 얻은 특징 벡터는 LVQ 신경회로망의 입력으로 사용되어 인식 과정을 수행한다. 제안된 시스템의 검증을 위하여 다양한 환경에서 촬영된 109대의 자가용 차량영상에 대하여 실험하여 상대적으로 높은 번호판 영역 추출율과 인식률을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.192-197
• /
• 2004

본 논문에서는 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출과 개선된 RBF 네트워크를 이용한 차량 번호판 인식 시스템을 제안한다. 번호판 영역은 수평ㆍ수직 에지의 형태학적 정보를 이용하여 추출하고 개별 문자는 히스토그램 방법과 위치 정보를 이용한 방법에 윤곽선 추적 알고리즘을 병합하여 추출한다. 개별 문자 인식은 ARTI 알고리즘을 개선하여 지도 학습 방법과 결합한 개선된 신경망을 제안하여 차량 번호판 인식에 적용한다. 제안된 방법의 성능을 확인하기 위하여 트루 컬러 차량 영상 155개와 그레이 컬러 차량 영상 100개를 대상으로 실험한 결과, 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출 방법이 임계화를 이용한 차량 번호판 추출 방법, RGB와 HSI 컬러 정보를 각각 이용한 차량 번호판 추출 방법보다 추출률이 개선되었으며, 인식 성능도 개선된 신경망의 학습 알고리즘이 기존의 학습 알고리즘들보다 우수한 성능이 있음을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.465-466
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 차량의 모델과 번호판인식 시스템을 제안한다. 본 논문에서 제안하는 시스템은 실시간 영상처리기술인 YOLOv4를 사용하여 차량모델 인식과 번호판 영역 검출을 하고, CNN(Convolutional Neural Network)알고리즘을 이용하여 번호판의 글자와 숫자를 인식한다. 이러한 방법을 이용한다면 카메라 1대로 차량의 모델 인식과 번호판 인식이 가능하다. 차량모델 인식과 번호판 영역 검출에는 실제 데이터를 사용하였으며, 차량 번호판 문자 인식의 경우 실제 데이터와 가상 데이터를 사용하였다. 차량 모델 인식 정확도는 92.3%, 번호판 검출 98.9%, 번호판 문자 인식 94.2%를 기록하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.05a
• /
• pp.830-833
• /
• 2016

자동차 번호판 인식은 대중적인 감시 기술 중의 한 종류로서, 주어진 비디오나 영상 내 광학문자 인식을 수반한다. 고속도로나 국도 상에 과속 단속 시스템, 재형 건물이나 유통센서 및 주차장 등에서 주차 정산 시스템, 고속도로 톨 게이트에서 hi-pass 에러 및 불법 도주 차량 잔속 시스템, 전국 주요 도로 불법 주 정차 단속 시스템, 공공기관, 기업 출퇴근 시간 확인 및 외부 차양 안내 시스템 등의 지능형 교통 시스템(ITS)이나 국도 상에 범위 차량 검거 시스템, 사건 발생 시 주요 도로상에 설치된 CCTV를 통해 용의 차량 이동 추적 시스템, 이동식 범죄 차량 조회, 버스에 탑재된 버스 전용차선 위반 단속들의 지능형 방범 시스템 등에 활용하고 있다. 번호판 인식은 자동차 번호판 국부화, 번호판의 크기, 차원, 명암대비, 밝기를 조정하는 정규화, 개별문자를 얻어내는 문자 분할, 문자를 인식하는 광학 문자 인식, 번호판의 형태, 크기, 위치 들이 연도별, 지역별로 차이가 있는 번호판들의 데이터베이스를 비교하여 구문 분석을 하는 절차를 거친다. 본 논문에서는 EmguCV를 이용하여 구현한 번호판 감지를 수행하여 위치를 찾아내고, 오픈 소스 광학 문자 인식 엔진으로 잘 알려져 있는 테서렉트 OCR을 이용하여 번호판의 문자를 인식하는 자동 인식 프로그램을 구현하고 기술하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 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.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.431-435
• /
• 2008

2006년 11월 이후 신 차량 번호판 등장 후, 신 차량 번호판과 구 차량 번호판이 혼합되어 있다. 이에 따라 속도위반, 신호위반 단속, 무인 주차관리 시스템, 범죄 및 도주 차량 검거, 고속도로 톨게이트에서 통행료 지불로 인한 교통 체증현상을 해소하기 위한 자동 요금 징수와 같은 다양한 경우에서 자동차 번호판의 특징에 맞는 인식 시스템이 요구되고 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 형태학적 특징 및 차 연산과 ART2 알고리즘을 이용한 차량 번호판 인식 방법을 제안한다. 무인 카메라에서 획득된 차량 번호판 영상에서 차 연산을 이용하여 에지를 추출한 후에 블록 이진화를 한다. 이진화 된 차량 영상에서 신 구 차량 번호판의 형태학적 특성을 8방향 윤곽선 추적 알고리즘에 적용하여 잡음 영역을 제거하고, 차량의 번호판 영역을 추출한다 추출된 번호판 영역에 대하여 평균 이진화와 최대 최소 이진화를 적용하여 번호판의 개별 영역에 대한 형태학적 특성을 고려하여 잡음을 제거하고, Labeling 알고리즘을 적용하여 개별 문자를 추출한 후에 결합한다. 이렇게 분류된 개별 문자 및 숫자 코드를 ART2 알고리즘에 적용하여 학습 및 인식을 한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 녹색 번호판과 흰색 번호판 이미지 각각 100장을 대상으로 실험한 결과, 제시 된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.