• 스마트미디어저널
• /
• 제5권1호
• /
• pp.15-23
• /
• 2016

본 논문은 한국의 차량 번호판 인식에 효과적인 방법을 제안한다. 획득한 자동차 이미지로부터 Haar-Like Feature를 이용해 대략적인 번호판 후보 영역을 찾아낸 후, 랭크 필터를 사용하여 전처리를 하고 캐니 에지 추출 (Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 알고리즘을 사용하여 학습된 신경망을 이용하여 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 확인하였다.

• 전기학회논문지
• /
• 제65권9호
• /
• pp.1531-1540
• /
• 2016

In this paper, we propose vehicle license plate recognition system based on Radial Basis Function Neural Networks (RBFNNs) with the use of local binarization functions and canny edge algorithm. In order to detect the area of license plate and also recognize license plate numbers, binary images are generated by using local binarization methods, which consider local brightness, and canny edge detection. The generated binary images provide information related to the size and the position of license plate. Additionally, image warping is used to compensate the distortion of images obtained from the side. After extracting license plate numbers, the dimensionality of number images is reduced through Principal Component Analysis (PCA) and is used as input variables to RBFNNs. Particle Swarm Optimization (PSO) algorithm is used to optimize a number of essential parameters needed to improve the accuracy of RBFNNs. Those optimized parameters include the number of clusters and the fuzzification coefficient used in the FCM algorithm, and the orders of polynomial of networks. Image data sets are obtained by changing the distance between stationary vehicle and camera and then used to evaluate the performance of the proposed system.

• 한국정보통신학회논문지
• /
• 제6권2호
• /
• pp.339-345
• /
• 2002

자동차의 번호판을 인식하는 것은 차량을 식별하는데 있어서 매우 중요하다. 어두운 조명에서나 날씨가 나쁠 경우 차량의 형상이 왜곡 될 수 있고, 번호판을 식별하는데 어려움이 있다. 본 논문은 차량의 규격을 이용하여 효율적으로 번호판을 추출하는 방법을 제안한다. 이 방법에서 색상이나 형태처럼 차량의 규격을 따르는 자동차 번호판의 특징들은 번호판의 후보영역으로 결정되고, 신경망에 의해 숫자나 문자의 패턴 갖는 영역이 번호판 영역으로 인식된다. 또한 특징패턴인식의 결과로서 번호판을 확정하였다. 70개 차량영상을 실험해 본 결과 번호판 추출률에서는 84.29 ％, 인식률에서는 80.81 ％의 결과를 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 추계종합학술대회
• /
• pp.596-599
• /
• 2001

자동차의 번호판을 인식하는 것은 차량을 식별하는데 있어서 매우 중요하다. 어두운 조명에서나 날씨가 나쁠 경우 차량의 형상이 왜곡 될 수 있고, 번호판을 식별하는데 어려움이 있다. 본 논문은 차량의 규격을 이용하여 효율적으로 번호판을 추출하는 방법을 제안한다. 이 방법에서 색상이나 형태처럼 차량의 규격을 따르는 자동차 번호판의 특징들은 번호판의 후보영역으로 결정되고, 신경망에 의해 숫자나 문자의 패턴 갖는 영역이 번호판 영역으로 인식된다. 또한 특징패턴인식의 결과로서 번호판을 확정하였다. 70개 차량영상을 실험해 본 결과 번호판 추출률에서는 84.29 %, 인식률에서는 80.81 %의 결과를 나타내었다.

• 대한토목학회논문집
• /
• 제26권4D호
• /
• pp.549-551
• /
• 2006

차량번호판인식시스템은 무인 카메라 등의 영상장치를 통하여 입력된 차량 이미지로부터, 차량번호판 정보를 읽어내는 시스템이다. 이러한 차량번호판인식시스템의 응용 시스템 중 과속차량 단속과 같은 일부 응용 시스템은 번호판의 글자나 숫자를 다른 글자나 숫자로 잘못 인식할 경우 심각한 문제를 발생시킬 수 있다. 이러한 문제를 피하기 위해 우리는 인식 결과에 대한 신뢰도가 낮은 경우 인식을 포기 또는 위임하는 '신중한 분류기(Cautious Classifier)'를 이용하여 인식시스템을 구성하였다. 또한 학습 예제의 가중치를 조정하는 방법을 사용하여 이러한 신중한 분류기의 성능을 향상시켰다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅲ
• /
• pp.1291-1294
• /
• 2003

This paper presents an approach to extract license plates from parking regulation images which is captured in various photographing direction and complex background. first, we search each row at regular intervals starting from the bottom of a license-plate image, and we set up a rough region for a certain zone in which the sign of intensity vector changes frequently enough and color of license plate is detected enough, assuming it as a candidate location of a license plate. And then, we extract an elaborate area of a license plate by horizontally and vertically projecting vertical edges. Here, tar types of the private and the public, are easily classified according to the color of extracted plates. To evaluate proposed method, we used 200 actual regulation images. As a result, the proposed method showed extraction rate of 96%, which is 9% higher than the previous method using only intensity vector.

• 한국컴퓨터정보학회논문지
• /
• 제13권6호
• /
• pp.273-278
• /
• 2008

신 차량 번호판 차량이 꾸준히 증가함에 따라, 교통위반 단속, 무인 주차 관리 시스템, 범죄 및 도난 차량 검거를 위한 신 자동차 번호판의 특징에 맞는 인식 시스템이 요구되고 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 지능형 신 자동차 번호판 인식 방법을 제안하였다. 무인 카메라에서 획득된 신 차량 영상을 그레이 레벨로 변환한 후에 블록 이진화한다. 블록 이진화된차량 영상을 대상으로 차량의 형태학적 특징을 적용하여 잡음을 제거한 후, 번호판 영역을 추출한다. 추출된 번호판 영역에 대해 Grassfire 알고리즘을 적용하여 개별 코드를 추출한다. 차량 번호판을 인식하기 위하여 추출된 개별 코드를 퍼지 ART 알고리즘을 적용하여 학습 및 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 100장의 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• Journal of information and communication convergence engineering
• /
• 제6권4호
• /
• pp.444-447
• /
• 2008

In this paper, we proposed the recognition system of car license plates to mitigate traffic problems. The processing sequence of the proposed algorithm is as follows. At first, a license plate segment is extracted from an acquired car image using morphological features and color information, and noises are eliminated from the extracted license plate segment using line scan algorithm and Grassfire algorithm, and then individual codes are extracted from the license plate segment using edge tracking algorithm. Finally the extracted individual codes are recognized by an FCM algorithm. In order to evaluate performance of segment extraction and code recognition of the proposed method, we used 100 car images for experiment. In the results, we could verify the proposed method is more effective and recognition performance is improved in comparison with conventional car license plate recognition methods.

• 디지털산업정보학회논문지
• /
• 제18권4호
• /
• pp.1-11
• /
• 2022

Recently, research on license plate recognition, which is a core technology of an intelligent transportation system(ITS), is being actively conducted. In this paper, we propose a method to extract numbers and characters from low-quality license plate images by applying the YOLOv4 algorithm. YOLOv4 is a one-stage object detection method using convolution neural network including BACKBONE, NECK, and HEAD parts. It is a method of detecting objects in real time rather than the previous two-stage object detection method such as the faster R-CNN. In this paper, we studied a method to directly extract number and character regions from low-quality license plate images without additional edge detection and image segmentation processes. In order to evaluate the performance of the proposed method we experimented with 500 license plate images. In this experiment, 350 images were used for training and the remaining 150 images were used for the testing process. Computer simulations show that the mean average precision of detecting number and character regions on vehicle license plates was about 93.8%.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.648-651
• /
• 2003

In this paper, we propose the recognition system of a license plate using SOM algorithm. The recognition of license plate was investigated by means of the SOM algorithm. The morphological information of horizontal and vertical edges was used to extract a plate region from a car image. In addition, the 4-direction contour tracking algorithm was applied to extract the specific area, which includes characters from an extracted plate area. Therefore, we proposed how to extract license plate region using morphological information and how to recognize the character string using SOM algorithm. In this paper, 50 car images were tested. The extraction rate obtained by the proposed extraction method showed better results than that from the color information of RGB and HSI, respectively. And the license plate recognition using SOM algorithm was very efficient.