• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.749-752
• /
• 2018

깊은 신경망 모델을 이용한 차량 번호판 검출과 번호판 문자 인식 시스템을 제안한다. 차량 번호판 인식 시스템은 세 가지 종류의 깊은 신경망 모델로 구성된다. 기존의 영상처리 기반의 차량 번호판 검출과 문자 인식을 전부 신경망으로 대체함으로써 영상의 밝기, 회전, 왜곡 등의 변형에 강인한 성능을 얻을 수 있다. 차량 번호판 검출률은 99.3%, 문자 영역 검출률은 99%, 문자 인식률을 98.5%를 얻었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.635-640
• /
• 2003

본 논문에서는 일본 차량 번호판 인식에 적응적 탬플릿 마스킹 방법을 이용하여 번호판 문자, 숫자를 분할하고 패턴벡터기법을 이용하여 인식하는 방법을 제안하였다 주, 야간과 거리에 따른 일본 차량 번호판 영상을 입력받아 전처리 과정을 수행한 후 에지 정보와 명도값 변화의 빈도수를 이용하여 번호판 영역을 검출하였다 검출된 번호판 영역에서 각 문자 및 숫자의 위치정보와 적응적 탬플릿을 이용하여 분할하고 번호판의 지역문자를 무게중심 패턴으로 분류 한 다음 크기와 이동에 무관한 특실을 가지는 패턴 벡터를 적용하여 문자를 인식하였으며, 숫자는 Four Segment Pattern을 이용하여 인식하도록 하였다 본 논문에서 제안한 방법을 실제 일관 차량 번호판 인식에 적용한 결과 98.8％ 추출율과 96.6％의 인식율을 나타내었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.615-618
• /
• 2019

이 모듈은 오픈소스인 Tesseract OCR 및 Open CV 라이브러리와 Raspberry Pi를 사용하여 저렴한 비용으로 구현합니다. 컴팩트한 사이즈로 사람이 직접 들고 움직이면서도 사용이 가능하며 사용자의 니즈에 따라서 한 곳에 위치하여도 사용 가능합니다. Open CV 라이브러리를 사용하여 이미지 이진화, 노이즈 필터링 후에 흑백 이미지를 만들고 윤곽선 검출 알고리즘을 통해서 번호판 영역을 추출하여 Tesseract OCR 엔진을 사용해서 차량 번호판이 추출된 이미지에서 차량 번호를 인식 합니다. 인식된 번호는 Tkinter 와 Python, 데이터베이스를 활용하여 구현된 GUI프로그램을 통해서 유료주차장(선불, 후불) 또는 아파트에서 사용할 수 있는 주차장 관리 서비스를 함께 제공합니다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.04a
• /
• pp.896-901
• /
• 2000

차량 번호판 인식 시스템은 크게 번호판 영역의 추출과 인식 단계로 구분된다. 본 논문에서는 전처리단계로써 임계화 방식을 이용하여 번호판 영역을 추출한다. 차량 영상을 임계화하고 영상에서 발생되는 잡음을 제거한다. 잡음이 제거된 차량 영상에서 각 라인의 밀도비율을 계산하여 번호판 영역에서 나타나는 밀도의 비율과 비슷하게 나타나는 영역을 후보영역으로 설정한다. 설정된 후보영역이 번호판 영역의 특징과 유사하게 나타나는 부분을 추출한다. 그리고 추출된 번호판 영역은 코호넨 알고리즘의 2${\times0}$2마스크에 적용시켜서 윤곽선을 추출하고, 번호판의 문자와 숫자를 인식한다. 코호넨 알고리즘의 2${\times0}$2마스크를 이용하게 되면, 윤곽선의 잡음을 최대한으로 줄여주는 특성을 가진다. 잡음이 제거된 후에, 번호판의 문자와 숫자들을 코호넨 알고리즘을 이용하여 인식하였다. 실험 결과에서는 임계화 작업을 이용한 번호판 추출과 코호넨 알고리즘을 이용한 번호판 인식이 우수하는 것을 알 수 있다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.245-248
• /
• 2000

자동차 번호판 인식 시스템에서 가장 중요한 요소는 자동차 이미지 영역에서 번호판 영역을 추출, 추출된 영역에서 문자 추출, 추출된 문자의 인식 등의 과정이다. 본 논문은 자동차 번호판 인식 과정에서 적응 알고리즘을 이용하여 보다 정확한 인식이 될 수 있도록 한다. 본 논문에서 사용하는 적응 알고리즘은 기존의 방식과는 달리 특정한 알고리즘을 이용한 인식을 하지 않고 다양한 알고리즘을 이용한 인식 결과의 조합으로 최적의 해법을 찾는다. 번호판 인식을 위한 적응 알고리즘은 원형 정합 알고리즘, 벡터 알고리즘, 세선화 알고리즘 등이다. 적응 알고리즘을 이용한 실험 결과 자동차 이미지에 대해서 90% 이상 인식이 가능함을 확인할 수 있었다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.241-244
• /
• 2000

본 논문에서는 차량 영상의 수평 및 수직 명암 값 변화 정보를 이용하여 번호판 영역을 추출하고 원형 패턴 벡터를 이용하여 번호판 내용을 인식하는 알고리즘에 관해 기술하였다. 제안된 알고리즘에서는 번호판 영역에서 문자와 배경이 뚜렷하게 구별되고, 일정한 명암도 변화를 가지면서 다른 영역보다 밀집도가 높다는 특성을 이용하여 수평 및 수직 명암도 변화값을 구하여 차량영상에서 번호판 영역을 추출하며 상당히 어둡거나 밝게 입력된 영상에도 동일한 인식 성능을 얻기 위하여 밝기 보정을 수행한다. 또한, 입력 문자의 크기, 이동 및 회전에 무관한 특성을 추출을 위해 원형 패턴 벡터를 이용하여 차량 번호를 인식하는 알고리즘을 제안하였다. 제안한 방법들을 적용한 결과 계산 속도가 훨씬 빠르며, 차량 번호판의 크기에 관계없이, 또한 잡음에 크게 영향을 받지 않으면서 번호판 추출이 정확하여 실시간 처리의 가능성을 제시하였을 뿐만 아니라 번호판 영역이 불투명하거나 불규칙한 조명 상태에서도 검출이 가능하였다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.273-276
• /
• 2000

자동차 번호판은 조명과 카메라에 따라 영상에서 다양한 형태로 나타나고 영상내의 잡음으로 인해 알고리즘 방식으로 자동차 번호판을 인식하기가 쉽지 않다. 이러한 문제에 적합한 해결 방법으로 본 논문에서는 학습 기반의 자동차 번호판 인식 시스템을 제안한다. 제안한 시스템은 자동차 검출 모듈, 번호판 추출 모듈, 번호판 문자인식 모듈로 구성된다. 본 논문에서는 자동차 번호판 추출을 위해서 시간-지연 신경망(Time-Delay Neural Networks : TDNN)과 번호판 인식을 위해서 일반적인 신경망보다 일반화 성능이 뛰어난 서포트 벡터 머신(Support Vector Machines : SVMs)을 시스템에 적용한다. 주차장과 톨케이트에서 여러 시간대의 움직이는 자동차 영상들을 실험한 결과, 자동차 검출율은 100%, 번호판 추출율은 97.5%, 번호판 문자 인식율은 97.2%의 성능을 내었고, 전체 시스템 성능은 94.7%이며 처리 시간은 약 1초 미만이다. 따라서 본 논문에서 제안한 시스템은 실세계에서 유용하게 적용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.841-843
• /
• 2012

본 논문에서는 안드로이드 기반의 태블릿 PC 환경에서 차량사고 발생 시 번호판 인식을 통하여 해당 사건의 증인을 확보 할 수 있는 증인 확보용 블랙박스 시스템을 제안한다. 이 방법은 기존의 블랙박스 기능에 추가적으로 영상에서 추출한 자동차들의 번호판을 인식하여 번호판 정보를 로그데이터로 저장하는 방식을 사용한다. 이로 인해 차량 사고에 대한 증인을 확보할 수 있는 시스템을 제공함으로써 사건에 대한 사용자의 불리한 입장을 완화 시켜줄 수 있는 객관적 데이터를 제공 및 저장하는 것을 목표로 한다.

• Journal of Korea Society of Digital Industry and Information Management
• /
• v.17 no.4
• /
• pp.85-94
• /
• 2021

The LPR system's trigger sensor makes problem occasionally due to the heave weight of vehicle or the obsolescence equipment. If we replace the hardware sensor to the deep-learning based software sensor in order to generate the trigger signal, LPR system maintenance would be a lot easier. In this paper we proposed the deep-learning sliding window based object detection and tracking algorithm for the LPR system's trigger signal generation. The gate passing vehicle's license plate recognition results are combined into the normal tracking algorithm to catch the position of the vehicle on the trigger line. The experimental results show that the deep learning sliding window based trigger signal generating performance was 100% for the gate passing vehicles including the 5.5% trigger signal position errors due to the minimum bounding box location errors in the vehicle detection process.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.773-776
• /
• 2004

본 논문에서는 에지 검출기에 의해 다양한 명암이 존재하는 차량 번호판 영역의 사각형 에지를 검출시 사용되는 소벨 및 Prewitt, Roberts, 가우시안의 라플라시안, 그리고 Canny 검출기를 사용하여 처리 속도와 에지 검출의 정확성을 실험하여 각 연산자의 성능을 평가하였다. 기존의 Sobel 에지 검출기는 적응적 임계값을 구하지 않으면 다양한 조명의 영향에 강인하지 못하다. 또한 Canny 에지 검출기는 조명의 영향에 강인하기는 하나, 계산량이 Sobel 보다는 많아 처리 속도가 느리다. 색상에 의해 번호판 후보 영역을 추출한 후 에지 검출기 번호판 내의 명암이 둘 이상으로 차량 번호판 영역에 대해서, 다양한 에지 검출기를 적용하여 속도와 에지 검출 성능을 비교 평가하고자 한다.