• 한국정보통신학회논문지
• /
• 제9권1호
• /
• pp.160-164
• /
• 2005

자동차 번호판 자동인식에서 어두운 조명에서나 날씨가 좋지 않을 경ㅇ 차량의 형상이 왜곡 될 수 있고, 번호판을 식별하는데 어려움이 있다. 이에 본 논문에서는 움직이는 차량의 영상에서 흔들림이 없고, 밝은 햇빛에서 어두운 조명상태까지의 다양한 환경을 수용할 수 있는 자동차 번호판 인식방법을 제안하였다. 제안한 방법은 투시광선을 서로 다른 세기를 갖는 두 개의 빔(beam)으로 분리한 다음 CCD 카메라를 사용하여 두 개의 포착된 이미지를 조합하여 물체가 움직일 때도 동요 없는 이미지를 산출하였다. 실험결과로써 466 개의 움직이는 차량영상을 이용한 결과 98.7%의 인식률을 얻을 수 있었다.

• International journal of advanced smart convergence
• /
• 제9권1호
• /
• pp.113-120
• /
• 2020

Recently, the license plate OCR system has been commercialized in a variety of fields and preferred utilizing low-cost embedded systems using only cameras. This system has a high recognition rate of about 98% or more for the environments such as parking lots where non-vehicle is restricted; however, the environments where non-vehicle objects are not restricted, the recognition rate is about 50% to 70%. This low performance is due to the changes in the environment by non-vehicle objects in real-time situations that occur anomaly data which is similar to the license plates. In this paper, we implement the appropriate anomaly detection based on semi-supervised learning for the license plate OCR system in the real-time environment where the appearance of non-vehicle objects is not restricted. In the experiment, we compare systems which anomaly detection is not implemented in the preceding research with the proposed system in this paper. As a result, the systems which anomaly detection is not implemented had a recognition rate of 77%; however, the systems with the semi-supervised learning based on anomaly detection had 88% of recognition rate. Using the techniques of anomaly detection based on the semi-supervised learning was effective in detecting anomaly data and it was helpful to improve the recognition rate of real-time situations.

• 한국정보통신학회논문지
• /
• 제12권8호
• /
• pp.1495-1504
• /
• 2008

2007년부터 흰색 바탕의 자동차 번호판이 등록되어 사용되고 있다. 본 논문은 그레이 레이블링 기법과 퍼지 추론 방법을 이용하여 새롭게 사용되고 있는 흰색 번호판을 추출하기 위 한 방법을 제안한다. 먼저 비재귀 Flood-filling 알고리즘을 개선한 그레이 레이블링(labeling) 기법으로 번호판 후보 영역을 추출한다. 추출된 레이블에 대한 적합도를 퍼지 추론 시스템에 의해 산출한 후 후보 레이블 중에서 가장 적합도가 높은 레이블 영역을 최종 번호판 영역으로 추출한다. 실내외 주차장 및 거리에서 핸드폰 및 디지털 카메라로 획득한 다양한 자동차 번호판 영상을 대상으로 실험한 결과 94%의 추출 성공율을 나타내었다.

• 한국ITS학회 논문지
• /
• 제16권2호
• /
• pp.180-189
• /
• 2017

운전면허시험을 응시하는 사람들은 면허취소 등으로 재시험을 보는 사람들도 있지만, 대부분 자동차를 운전하기 위해 최초로 운전을 배워 시험을 응시하는 사람들이 대부분이다. 자동차 운전은 생명과 직결되는 것으로 초기의 정확한 운전습관이 무엇보다 중요하다. 특히 사회에 첫 진출을 하면서 운전면허를 취득하는 사람들이 많기 때문에 처음 운전을 배울 때 객관적이고 공정한 기준에 의해 올바른 운전능력을 평가받아 면허를 취득하는 것이 매우 중요하다. 본 논문을 통해 구현하고자하는 시스템은 효율적이면서도 공정하고 정확한 자동화 채점을 통해 양질의 운전자를 배출할 수 있는 S/W 설계 및 주요 기능들에 대해 고찰, 제안하였다. 이를 통해 자동채점 운전면허 시스템 개선을 제안하여, 교통사고를 예방하고 올바른 운전을 통해 교통사고를 줄이는데 목적이 있다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1337-1342
• /
• 2019

자동 한국 번호판 인식 (AKLPR)은 많은 분야에서 사용된다. 이러한 응용 분야에서 ALPR은 높은 인식률과 빠른 처리 속도가 중요하다. 최근 딥러닝의 발전으로 객체 감지 및 인식의 정확도와 속도가 향상 되고 있으며, 그 결과 딥러닝이 ALPR에 적용되고 있다. 특히 합성곱신경망(Convolutional Neural Network) 기반 객체 검출기가 ALPR에 적용되었다. 이러한 ALPR은 LP 영역을 검출하는 단계와 LP 영역의 문자를 검출 및 인식하는 단계로 구분되며, 각 단계는 별도의 CNN으로 구현된다. 본 논문에서는 단일 단계 CNN으로 ALPR을 구현하는 아키텍처를 제안한다. 제안하는 방법은 높은 인식률을 유지하면서 빠른 속도로 번호판 문자를 인식한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3488-3500
• /
• 2020

At the present time, the economy continues to flourish, and private cars have become the means of choice for most people. Therefore, the license plate recognition technology has become an indispensable part of intelligent transportation, with research and application value. In recent years, the convolution neural network for image classification is an application of deep learning on image processing. This paper proposes a strategy to improve the YOLO model by studying the deep learning convolutional neural network (CNN) and related target detection methods, and combines the OpenCV and TensorFlow frameworks to achieve efficient recognition of license plate characters. The experimental results show that target detection method based on YOLO is beneficial to shorten the training process and achieve a good level of accuracy.

• 대한의용생체공학회:의공학회지
• /
• 제38권1호
• /
• pp.32-42
• /
• 2017

The aim of this study was to evaluate driving performance of Healthy and disabled groups (with or without driver's license) to control steering wheel by using steering assistive devices in the driving simulator. The persons with partial loss of use of all four limbs have problems in operation of the motor vehicle because of functional loss to operate steering wheel. Therefore, if steering assistive devices for grasping the steering wheel are used to control the vehicle on the road in persons with disabilities, the disabled persons can improve mobility in their community life by driving a motor vehicle safely. Ten healthy subjects (with or w/o driver's license) and ten subjects with physical disabilities (with or w/o driver's license) were involved in this study to evaluate driving performance to operate steering wheel by using four types of steering assistive devices (Single-pin, V-grip, Palm-grip, Tri-pin) in driving simulator. STISim Drive 3 software was used to test the steering performance in four scenarios: straight road at low and high speed of vehicle (40 km/h and 80 km/h), curved road at low and high speed of vehicle (40 km/h and 80 km/h). This study used two-way ANOVA in order to compare the effects of two factors (type of steering assistive device and subject group) in the three dependent variables of driving performance (the lateral position of vehicle, standard deviation of lateral position representing the variation of the left and right movement of the vehicle and the number of line crossing). The mean values of the three dependent variables (lateral position, standard deviation of lateral position, the number of line crossing) of steering performance were statistically significantly smaller for the healthy or disabled groups with driver's license than the other groups without driver's license on the curved road at high speed of vehicle compared to low speed of vehicle.

• 한국정보통신학회논문지
• /
• 제6권8호
• /
• pp.1352-1357
• /
• 2002

본 논문에서는 차량의 후면에서 촬영한 영상을 이용하여 효과적으로 번호판을 추출하고, 그 안에 표기된 문자를 인식하는 방법을 제안한다. 기존의 연구방법은 전체영상에 대하여 전처리를 수행하여 에지(edge)영상을 구하여 이진화한다. 이진화된 영상에서 허프(Hough)변환을 수행하여 수평, 수직선을 구하고, 번호판의 특징을 이용하여 번호판 영역을 추출한다 이 방법의 문제점은 처리시간이 많이 소요되므로 실시간 처리가 곤란하다는 점과 야간관 같이 명암상태가 불규칙하고 영상에서 번호판 테두리가 나타나지 않으면 번호판 영역추출을 할 수 없다는 점이다. 또한 차량의 후면에서 촬영한 영상에서 번호판 영역의 명암값 변화의 특성을 이용하여 번호판 영역에서 숫자폭, 배경영역과 숫자영역의 명암차를 조사하여 숫자영역임을 확인하고, 확인된 숫자와 숫자사이의 거리를 조사하여 번호판 영역을 추출한다. 본 연구는 기존방법의 번호판 테두리 훼손에 따른 번호판 영역추출 실패의 문제점을 해결하고 시간 소요의 문제를 실시간 안에 처리함으로써 실용적 응용이 가능하다. 실험 결과 100장의 샘플영상으로 실험한 결과 멀리 있는 자동차 영상에서도 자동으로 번호판을 판독할 수 있었으며, 번호판 추출에 실패한 영상은 13%를 나타내었고, 문자 인식에 실패한 영상은 0.4%의 결과를 나타내었다

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.1002-1005
• /
• 1995

This paper presents an enhanced preprocessing and recognition algorithm for automatic vehicle license plate recognition system. The algorithm first applies horizontal gradient filter followed by thresholding and mathematical morphology operation for preprocessing. The final stage of the preprocessing is the application of connected component analysis in order to estimate the license plate region. For the recognition of the serial numbers of the plates, we developed a very effective algorithm. We call this zerocrossing count algorithm. This paper presents a detail of this algorithm and compare the performance with a template matching algorithm which utilizes correlation coefficient.

• ETRI Journal
• /
• 제39권2호
• /
• pp.163-172
• /
• 2017

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge-based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three-layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.