• 한국정보통신학회논문지
• /
• 제13권10호
• /
• pp.1987-1996
• /
• 2009

최근 들어 기존의 녹색 바탕의 차량 번호판에서, 흰색 바탕의 신 차량 번호판으로 교체되고 있다. 하지만, 아직 기존의 차량 번호판이 신 차량 번호판으로 전면 교체 되지 않아 두 번호판 모두 사용되고 있기 때문에 주차 관리 시스템, 속도위반, 신호 위반 등 무인 카메라를 이용한 시스템에서, 기존 차량 번호판과 신 차량 번호판 특징에 맞는 인식 시스템이 요구된다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 기존의 녹색 번호판과 흰색 번호판 모두를 추출하고 인식 할 수 있는 알고리즘에 관한 연구를 수행하였다. 다양한 환경 에서 획득한 차량 영상으로부터 번호판 영역을 추출하기 위하여 형태학적 특징을 이용하였고, 추출된 번호판 영역의 수평, 수직 히스토그램과 문자의 상대적 위치 정보를 이용하여, 문자를 분리하였다. 최종적으로, 분리된 문자를 인식하기 위해 주성분 분석법(PCA : Principal Component Analysis)과 선형 판별 분석법(LDA : Linear Discriminant Analysis)을 적용하여 인식 시스템을 구성하였다. 실험 결과, 불규칙한 조명 상태에서도 상대적으로 높은 추출률과 문자 인식률을 나타내었다.

• 한국통신학회논문지
• /
• 제26권12A호
• /
• pp.2019-2026
• /
• 2001

본 논문에서는 동적인 임계화 방법과 코호넨 알고리즘을 이용하여 차량 번호판을 인식하는 알고리즘을 제안하였다. 일반적으로 차량 영상에서 번호판 영역은 문자와 배경의 자기가 뚜렷하게 구별되고, 일정한 크기 비율을 가지면서 다른 영역보다 밀집 비율이 높게 나타난다. 본 논문은 이런 차량 영상의 속성을 이용하여 차량 영상에 대해 동적인 임계화를 수행하였고 밀집 비율을 계산하여 번호판 영역을 추출하였다. 추출된 번호판에서 문자와 숫자를 포함하는 특징 영역을 추출하기 위해 코호겐 알고리즘을 적용한 윤곽선 추적 방법을 이용하였다. 번호판의 문자와 숫자들은 코호넨 알고리즘을 이용하여 인식하였다. 코호넨 알고리즘은 윤곽선에서 생성되는 잡음을 최대한으로 줄여주는 특성을 가진다. 다양한 환경에서 촬영된 80장의 영상에 대하여 인식 실험을 수행한 결과, 제안된 방법이 차량 번호판의 인식에 우수한 성능을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.493-496
• /
• 2005

본 논문에서는 번호판 고유의 복합 색상 정보와 수직 에지 정보를 이용한 번호판 후보 영역 추출기법을 제안한다. 또한 추출된 번호판 영역의 정확성을 높이기 위해서, Fast DCT를 거쳐 압축된 이미지에 대하여 Support Vector Machines(SVM)을 이용한 검증 과정을 제안한다. 제안하는 기법은 차량번호판 인식의 대상이 되는 자동차의 위치가 정면, 후면을 구분하지 않는 다양함을 가지고, 주변 배경이 충분히 포함되는 상황에서 다양한 크기를 가지는 355장의 영상들을 대상으로 한다. 실험 결과, SVM을 이용한 검증 과정을 거친 방법이 그렇지 않은 경우보다 20%이상 향상된 번호판 추출 성공률을 나타내었다.

• 한국멀티미디어학회논문지
• /
• 제14권9호
• /
• pp.1117-1124
• /
• 2011

본 논문에서는 복잡한 배경의 차량 영상에서 번호판 영역의 색상 및 배치 정보를 이용하여 번호판 숫자 영역을 추출하는 방법을 제안한다. 번호판에서 숫자의 색상은 흰색과 유사 검정색이며, 숫자는 일정한 간격으로 배치되어 있다. 먼저, 컬러로 획득된 영상에 대해 색상특성을 이용하여 번호판 숫자의 후보영역과 비관심 영역으로 분할하고, 평균값을 이진화해 이진 영상으로 변환한다. 이진 영상에서 숫자의 종횡비로 잘못된 후보영역을 제거하고, 숫자의 간격 정보를 이용하여 번호판 숫자 영역을 추출한다. 제안한 방법의 성능 평가를 위하여 다양한 시간과 장소에서 촬영된 영상 292장을 사용하고, 실험의 결과로 녹색 번호판과 흰색 번호판의 숫자 영역에 대해서 각각 약 89.8%, 95.5%를 추출하였다.

• 한국전자통신학회논문지
• /
• 제5권5호
• /
• pp.471-476
• /
• 2010

본 논문에서는 RGB 컬러 정보와 오류 역전파 신경망 알고리즘을 이용한 신 차량 번호판 인식 방법을 제안한다. 먼저, 차량 영상에서 평균 Blue값을 이용하여 차량 영상을 보정하고 픽셀값의 차를 이용하여 Red 후보 영역과 Green 후보 영역으로 구분한 후 오류 역전파 알고리즘에 적용하여 최종 Green 영역을 찾는다. 둘째, 수평 및 수직 히스토그램의 빈도수를 이용하여 번호판 영역을 추출한다. 마지막으로, 윤곽선 추적 알고리즘을 적용하여 개별 코드들을 추출하고, 오류 역전파 알고리즘을 적용하여 개별 코드들을 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위하여 실제 비영업용 신 차량 번호판에 적용한 결과, 제안된 번호판 추출 방법이 기존의 HSI(Hue Saturation Intensity) 정보를 이용한 번호판 추출 방법보다 추출률이 개선되었고 제안된 차량 번호판 인식 방법이 효율적인 것을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제3권5호
• /
• pp.511-519
• /
• 1997

This paper presents the automatic recognition algorithm of the license number in on vehicle image. The proposed algorithm uses the correlation coefficient and Hough transform to detect license plate. The m/n ratio reduction is performed to save time and memory. By the correlation coefficient between the standard pattern and the target pattern, licence plate area is roughly extracted. On the extracted local area, preprocessing and binarization is performed. The Hough transform is applied to find the extract outline of the plate. If the detection fails, a smaller or a larger standard pattern is used to compute the correlation coefficient. Through this process, the license plate of different size can be extracted. Two algorithms to each separate number are proposed. One segments each number with projection-histogram, and the other segments each number with the label. After each character is separated, it is recognized by the neural network. This research overlomes the problems in conventional methods, such as the time requirement or failure in extraction of outlines which are due to the processing of the entire image, and by processing in real time, the practical application is possible.

• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.412-415
• /
• 2017

본 논문에서는 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 제안한다. 제안한 시스템은 $360^{\circ}$ 원형영상의 평면 분할 부와 다중 번호판 인식 부로 구성되었다. $360^{\circ}$ 원형영상의 평면 분할 부는 고해상도 $360^{\circ}$ 전방위 IP 카메라에서 원형영상 획득, 원형영상 분할, 평면영상으로 변환, 보간법을 사용한 픽셀 보정 및 컬러보정, 에지 보정 등의 과정을 거쳐 화질이 개선된 평면영상으로 출력한다. 다중 번호판 인식 부는 평면영상에서 다중 번호판 후보영역 추출, 다중 번호판 후보영역 정규화 및 복원, 신경망을 사용한 다중 번호판 숫자, 문자 인식 과정을 거쳐 다중 번호판을 인식하게 된다. 제안된 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 평가하기 위하여 지능형 주차관제시스템 운영 전문 업체와 공동으로 실험한 결과, 97.8%의 높은 번호판 인식률이 확인되었다.

• 한국정보통신학회논문지
• /
• 제11권5호
• /
• pp.1004-1012
• /
• 2007

본 논문에서는 HSI 정보와 신경 망의 비지도 학습 방법인 ART2 알고리즘을 이용하여 신 차량 번호판을 인식하는 방법을 제안한다. 제안된 방법은 차량의 영상에서 번호판 영역을 추출하는 부분과 추출된 번호판 영역의 문자를 인식하는 부분으로 구성된다. 본 논문에서는 차량 번호판 영역을 추출하기 위해 HSI 컬러 모형의 Hue 정보를 이용하여 차량 번호판 영역을 추출하고 개선된 퍼지 이진화 방법을 적용하여 추출된 차량 번호판 영역으로부터 문자를 포함한 특징영역을 이진화한 후에 4-방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출한다. 추출된 개별 코드를 인식하기 위해 잡음과 훼손에 비교적 강한 ART2 알고리즘을 적용한다. 제안된 방법의 차량 번호판 추출 및 인식성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 차량 번호판의 추출 방법보다 번호판 영역의 추출률이 개선되었다. 또한 ART2 알고리즘을 적용하여 신 차량 번호판을 인식하는 것이 효율적임을 확인하였다.

• 한국정보전자통신기술학회논문지
• /
• 제7권4호
• /
• pp.212-222
• /
• 2014

In the current study, the authors propose a method for extracting license plate regions by means of a neural network trained to output the plate's center of gravity. The method is shown to be effective. Since the learning pattern presentation positions are defined by random numbers, a different pattern is submitted to the neural network for learning each time, which enables it to form a neural network with high universality of coverage. The article discusses issues of the optimal learning surface for a license plate covered by the learning pattern, the effect of suppression learning of the number and pattern enlargement/reduction and of concentration value conversion. Results of evaluation tests based on pictures of 595 vehicles taken at an under-ground parking garage demonstrated detection rates of 98.5%, 98.7%, and 100%, respectively.

• 한국ITS학회 논문지
• /
• 제7권1호
• /
• pp.59-67
• /
• 2008

이 논문은 우리나라 차량 영상에서 번호판 영역을 추출하는 알고리즘을 제안한다. 이 논문의 아이디어는 차량 영상에서 네 개의 숫자를 찾고 그 정보를 이용하여 번호판 영역을 분할하는 것이다. 이 방법으로 번호판 영역을 찾으면 네 개 숫자 영역도 더불어 얻게 되는 장점을 가진다. 첫 단계는 입력된 영상에서 적절한 크기의 연결 요소를 검출하고 이들을 군집화 한다. 둘째 군집화 된 연결요소들을 바탕으로 숫자 네 개 (4-digits)후보를 생성한다. 세 번째 단계는 4-digits후보들을 인식하여 숫자일 신뢰도를 측정한다. 마지막으로 후보 영역 중 신뢰도가 가장 높은 영역을 번호판 영역으로 추출한다 신뢰도를 얻기 위해 Perfect Metrics 분류 알고리즘을 사용하였다. 제안하는 방법을 주간 영상 4600장과 야간 영상 264장으로 테스트 한 결과 각각 97.23%와 95.45%의 검출률과 0.09%와 0.11%의 오검출률을 얻었다.