• 디지털산업정보학회논문지
• /
• 제16권4호
• /
• pp.19-28
• /
• 2020

Vehicle license plate recognition system is not generalized in Malaysia due to the loose character layout rule and the varying number of characters as well as the mixed capital English characters and italic English words. Because the italic English word is hard to segmentation, a separate method is required to recognize in Malaysian license plate. In this paper, we propose a mixed character level and word level English license plate recognition algorithm using deep learning neural networks. The difference of Gaussian method is used to segment character and word by generating a black and white image with emphasized character strokes and separated touching characters. The proposed deep learning neural networks are implemented on the LPR system at the gate of a building in Kuala-Lumpur for the collection of database and the evaluation of algorithm performance. The evaluation results show that the proposed Malaysian English LPR can be used in commercial market with 98.01% accuracy.

• IEIE Transactions on Smart Processing and Computing
• /
• 제1권1호
• /
• pp.17-26
• /
• 2012

This paper presents an image processing-based validation method for unrecognizable numbers in severely distorted license plate images which have been degraded by various factors including low-resolution, low light-level, geometric distortion, and periodic noise. Existing vehicle license plate recognition (LPR) methods assume that most of the image degradation factors have been removed before performing the recognition of printed numbers and letters. If this is not the case, conventional LPR becomes impossible. The proposed method adopts a novel approach where a set of reference number images are intentionally degraded using the same factors estimated from the input image. After a series of image processing steps, including geometric transformation, super-resolution, and filtering, a comparison using cross-correlation between the intentionally degraded reference and the input images can provide a successful identification of the visually unrecognizable numbers. The proposed method makes it possible to validate numbers in a license plate image taken under low light-level conditions. In the experiment, using an extended set of test images that are unrecognizable to human vision, the proposed method provides a successful recognition rate of over 95%, whereas most existing LPR methods fail due to the severe distortion.

• 한국정보통신학회논문지
• /
• 제20권6호
• /
• pp.1209-1214
• /
• 2016

자동차 번호판 인식은 대중적인 감시 기술 중의 한 종류로서, 주어진 비디오나 영상 내 광학문자 인식을 수반한다. 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 번호판의 촬영 각도, 크기, 밝기에 대한 성능평가 결과에 관해 기술하였다.

• 한국콘텐츠학회논문지
• /
• 제11권3호
• /
• pp.1-8
• /
• 2011

최근 차량의 출입통제 및 주차관리 그리고 불법 차량의 단속 등 다양한 분야에서 차량 번호판 자동 인식 기술들이 활용되고 있다. 그러나 기울어지거나 햇빛 또는 조명 등의 영향을 받은 차량 영상에서는 번호판의 고유한 정보가 변형될 수 있다. 본 논문에서는 왜곡에 불변한 차량 번호판 검출 및 인식 알고리즘을 제안하였다. 먼저 DoG(Difference of Gaussian) 필터를 이용해서 번호판의 문자 획이 잘 보전된 이진영상을 생성하였다. 그리고 왜곡에 불변한 연속된 큰 숫자들의 위치를 찾고 그 정보를 이용해서 번호판영역을 검출하였다. 기하학적 왜곡 보정과 영상 개선 작업을 수행한 다음 신경망을 이용해서 번호판을 인식하였다. 제안한 알고리즘을 상용 LPR(License Plate Recognition) 시스템으로부터 획득한 6,200장의 차량 영상을 대상으로 시뮬레이션 한 결과 98.4%의 번호판 영상 인식률과 0.05초의 인식 속도를 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.108-110
• /
• 2004

Automatic license plate recognition (LPR) is one of the critical techniques of the intelligent transportation system (ITS), in which license plate location plays an important role. In this paper, through surveying the international existing techniques, a new method for locating license plate is proposed: utilize row scan method to locate up and down boundary of the plate; and based on the location of up and down boundary, take advantage of the feature of plate area to locate left and right boundary of the plate. The tests of using the proposed algorithms have been conducted. The experimental results show that the proposed approaches are reasonable and accurate.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.699-706
• /
• 2021

Existing license plate recognition system is used as an optical character recognition method, but a method of using deep learning has been proposed in recent studies because it has problems with image quality and Korean misrecognition. This requires a lot of data collection, but the collection of license plates is not easy to collect due to the problem of the Personal Information Protection Act, and labeling work to designate the location of individual license plates is required, but it also requires a lot of time. Therefore, in this paper, to solve this problem, five types of license plates were created using a virtual Korean license plate generation program according to the notice of the Ministry of Land, Infrastructure and Transport. And the generated license plate is synthesized in the license plate part of collectable vehicle images to construct 10,147 learning data to be used in deep learning. The learning data classifies license plates, Korean, and numbers into individual classes and learn using YOLOv5. Since the proposed method recognizes letters and numbers individually, if the font does not change, it can be recognized even if the license plate standard changes or the number of characters increases. As a result of the experiment, an accuracy of 96.82% was obtained, and it can be applied not only to the learned license plate but also to new types of license plates such as new license plates and eco-friendly license plates.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.173-179
• /
• 2018

최근 차량의 증가와 주차공간의 부족으로 주차를 이용한 사업이 늘어나고 있다. 주차사업에서 주차관제가 필수적인 요소가 되고 있고, 주차관제업체가 점점 늘어나는 계기가 되었다. 그러나 업체수가 점점 늘어나고 경쟁이 치열해 짐에 따라, 새로운 서비스를 창출하거나, 기술적 우수성을 가지거나, 현재 시스템 개선을 통해서 비용을 절감하려는 노력이 이루어지고 있다. 본 논문에서는 효과적인 주차산업을 위한 클라우드 기반의 자동차번호인식(LPR) 서비스를 이용한 주차관제시스템을 구현하였다. 제안하는 시스템은 구조적인 개선을 통해 비용을 절감하고, 설치를 간소화 하며, 장애나 업데이트시 빠르게 대응 가능하다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권9호
• /
• pp.361-368
• /
• 2014

차량 번호판 인식 시스템은 복잡한 교통환경의 효율적 관리를 위해 발전되어 현재 많은 곳에 사용되고 있다. 그러나 조명, 잡음, 배경변화, 번호판 훼손 등 환경변화에 큰 영향을 받기 때문에 제한된 환경에서만 동작하며, 실시간으로 사용하기 어렵다. 본 논문에서는 조명변화와 잡음에 강건하며 빠른 번호판 인식을 위한 휴리스틱 분할 알고리즘 및 이를 이용한 실시간 번호판 인식 시스템을 제안한다. 첫 번째 단계는 Haar-like 특징과 Adaboost를 이용하여 번호판을 검출한다. 이 방법은 적분영상을 이용하며 케스케이드 구조로 구성되어 있어 빠른 검출이 가능하다. 두 번째 단계에서 적응 히스토그램 평활화 방법과 노이즈를 경감시키는 바이레터럴 필터를 이용하여 번호판의 종류를 결정한 후, 번호판 종류에 따라 적분영상을 이용한 적응 이진화, 픽셀 프로젝션, 사전지식 등을 기반으로 빠르고 정확한 문자 분할을 한다. 세번째 단계에서는 HOG와 신경망 알고리즘을 이용하여 숫자를 인식하고, SVM을 이용해 한글을 인식한다. 실험결과는 번호판검출에 94.29%의 검출률, 2.94%의 오경보율을 보이며, 문자분할에서는 검출률 97.23%, 2.94%의 오경보율을 보였다. 문자인식에서 평균 인식률은 98.38%이다. 평균 운용시간은 140ms으로 빠르고 강인한 실시간 시스템을 만들 수 있다.

• 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.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.909-919
• /
• 2014

License plate (LP) detection is the most imperative part of an automatic LP recognition (LPR) system. Typical LPR contains two steps, namely LP detection (LPD) and character recognition. In this paper, we propose an efficient Vehicle-to-LP detection framework which combines with an adaptive GMM (Gaussian Mixture Model) and a cascade of boosted classifiers to make a faster vehicle LP detector. To develop a background model by using a GMM is possible in the circumstance of a fixed camera and extracts the motions using background subtraction. Firstly, an adaptive GMM is used to find the region of interest (ROI) on which motion detectors are running to detect the vehicle area as blobs ROIs. Secondly, a cascade of boosted classifiers is executed on the blobs ROIs to detect a LP. The experimental results on our test video with the resolution of $720{\times}576$ show that the LPD rate of the proposed system is 99.14% and the average computational time is approximately 42ms.