• Journal of Information Processing Systems
• /
• 제12권1호
• /
• pp.100-108
• /
• 2016

In this paper, we propose a method to achieve improved number plate detection for mobile devices by applying a multiple convolutional neural network (CNN) approach. First, we processed supervised CNN-verified car detection and then we applied the detected car regions to the next supervised CNN-verifier for number plate detection. In the final step, the detected number plate regions were verified through optical character recognition by another CNN-verifier. Since mobile devices are limited in computation power, we are proposing a fast method to recognize number plates. We expect for it to be used in the field of intelligent transportation systems.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.173-179
• /
• 2012

본 논문에서는 자동차 번호판을 검출하는 새로운 방법을 제시한다. 자동차 번호판은 사각형 모양이므로 우리의 방법은 기본적으로 입력 영상에서 사각형을 추출하는 방법이 된다. 번호판을 검출하기 위해, 먼저 입력영상의 콘트라스트를 향상시키고, 그 후 LSD(Line segment detector) 기법을 사용하여 영상내의 선을 검출하고, 이 선 정보로 부터 사각형들을 추출 한다. 이 사각형들은 번호판 후보들이 되고, 이로부터 번호판이 검출된다. 이중에서 본 연구가 제안하는 부분은 사각형 추출방법으로서, 이 방법은 3단계로 구성된다: (1) 먼저, LSD에 의해 얻어진 선으로부터 꼭짓점들을 추출한다; (2) 구해진 꼭짓점들을 사용하여 사각형의 대각선을 검출한다; (3) 그 후, 대각선 정보를 이용하여 사각형을 추출해 낸다. 최종적으로 번호판 특성과 사각형 내부 정보를 이용하여 이 사각형들로부터 번호판이 선택된다. 100장의 자동차 영상을 촬영하여 실험한 결과 94%의 검출율을 달성하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.879-881
• /
• 2014

A method is proposed to achieve improved number plate detection for mobile devices by applying a two-step convolutional neural network (CNN) approach. Supervised CNN-verified car detection is processed first. In the second step, we apply the detected car regions to the second CNN-verifier for number plate detection. Since mobile devices are limited in computing power, we propose a fast method to detect number plates. We expect to use in the field of intelligent transportation systems (ITS).

• 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.

• 제어로봇시스템학회논문지
• /
• 제12권4호
• /
• pp.400-404
• /
• 2006

We suggest a method to detect rear car license plate of one more cars by using blobs. First, we try to search all of the blobs from an input image based on the difference between objects and background. Second, we obtain rectangles enclosed the blobs, and rectangle clusters by considering the properties, for example, the number, size, distance, position. Third, the cluster is verified by the Support Vector Machine. Even if we only use the adaptive binarization as the preprocessing, the detection ratio is very high.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.181-184
• /
• 2009

본 논문은 번호판 내 명암도 대비를 이용한 자동차 번호판 검출 기법을 제안한다. 평균값 필터와 라플라시안 필터를 사용하여 영상의 잡음을 제거하는 동시에 에지 성분을 향상시킨 후 조명 환경 변화에 강인한 번호판 내 명암도 대비 특징을 이용하여 문자 후보를 검출한다. 다음으로 검출된 문자 후보가 열을 이루는 텍스트 후보를 검출하고, 이 영역을 Otsu 이진화 기업을 사용하여 x축에 투영하였을 시 나타나는 패턴을 평가함으로써 최종적으로 자동차 번호판을 검출하게 된다. 제안하는 기법의 성능을 평가하기 위해 다수의 데이터를 사용하여 실험하였고, 이를 분석하여 제안하는 기법의 우수성을 검증하였다.

• 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.

• 한국통신학회논문지
• /
• 제38C권12호
• /
• pp.1114-1125
• /
• 2013

License Plate Detection (LPD) is a key component in automatic license plate recognition system. Despite the success of License Plate Recognition (LPR) methods in the past decades, the problem is quite a challenge due to the diversity of plate formats and multiform outdoor illumination conditions during image acquisition. This paper aims at automatical detection of car license plates via image processing techniques. In this paper, we proposed a real-time and robust method for license plate detection using Heuristic Energy Map(HEM). In the vehicle image, the region of license plate contains many components or edges. We obtain the edge energy values of an image by using the box filter and search for the license plate region with high energy values. Using this energy value information or Heuristic Energy Map(HEM), we can easily detect the license plate region from vehicle image with a very high possibilities. The proposed method consists two main steps: Region of Interest (ROI) Detection and License Plate Detection. This method has better performance in speed and accuracy than the most of existing methods used for license plate detection. The proposed method can detect a license plate within 130 milliseconds and its detection rate is 99.2% on a 3.10-GHz Intel Core i3-2100(with 4.00 GB of RAM) personal computer.

• 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.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.713-725
• /
• 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 데이터세트에 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 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.