• 한국컴퓨터정보학회논문지
• /
• 제27권4호
• /
• pp.19-26
• /
• 2022

최근 지능형 교통 체계의 발전에 따라 자동차 번호판 인식 시스템이 다양한 분야에서 활용되고 있다. 주행 중인 자동차의 번호판을 인식하기 위해서는 실시간성이 보장되어야 하며, 영상이 왜곡되어 뚜렷하지 않거나 번호판의 크기가 작은 저해상도 영상에서도 높은 인식률이 유지되어야 한다. 본 논문에서는 자유 앵커 방식 기반의 객체 탐지 알고리즘과 합성곱 신경망(CNN) 기반의 문자 인식 알고리즘을 이용하여 처리 속도를 향상한 실시간 자동차 번호판 인식 시스템을 제안한다. 더불어 공간 변형 네트워크를 이용하여 저해상도 및 왜곡된 영상에서의 인식률을 높였다. 제안하는 시스템의 인식률은 93.769%, 이미지 당 처리 속도는 약 0.006초로 기존 자동차 번호판 인식 시스템보다 빠른 속도로 자동차 번호판을 인식하며, 다양한 환경 및 품질의 영상에 대해 높은 인식률을 유지하는 것을 확인할 수 있다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1249-1253
• /
• 2003

License plate recognition is very important in an automobile society. This is because, since plate detection accuracy has large influence on subsequent number recognition, it is very important. However, it is very difficult to do it, because a background and a body color of cars are similar to that of the license plate. In this paper, we propose a new thresholds determination method in the various background by using the real-coded genetic algorithm (RGA). By using RGA, the most likely plate colors are decided under various lighting conditions. First, the average brightness Y values of images are calculated. Next, relationship between the Y value and the most likely plate color thresholds (upper and lower bounds)are obtained by RGA. The relationship between thresholds decided from RGA and brightness average is aproximate by using the recursive least squares (RLS) algorithm. In the case of plate detection, thresholds are decided from these functions.

• 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
• /
• 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.

• 정보과학회 논문지
• /
• 제43권2호
• /
• pp.186-195
• /
• 2016

본 논문에서는 도로주행 영상에서의 자동차 번호판 검출방법을 제안한다. 제안하는 방법은 조명변화에 강인한 8bit-MCT 특징과 랜드마크 기반의 Adaboost 알고리즘을 이용하여 번호판 후보 영역을 생성하고, Adaboost의 검출 스코어를 이용하여 번호판의 위치를 확률로 추정하는 현저도 지도를 생성한다. 현저도 지도에서 임계값 이상의 영역을 번호판 후보 영역으로 검출하고, 각 후보 영역에 대하여 지역분산을 이용하여 영역을 보정한 후 SVM과 8bit-MCT의 히스토그램을 특징으로 사용하여 영역을 검증하고 자동차 번호판 영역을 확정한다. 본 논문에서 제안한 방법을 한국과 유럽의 다양한 도로주행 영상에 적용하여 85%의 안정적인 검출 성능을 실험을 통하여 입증하였다.

• 한국산업정보학회논문지
• /
• 제14권3호
• /
• pp.1-14
• /
• 2009

본 논문에서는 번호판 영역의 추출에 사용될 수 있는 특징 벡터와 이를 이용하여 문자와 비문자를 판별하고 숫자를 인식하는 방법을 제안한다. 제안하는 특징 벡터는 영상의 기울기 벡터에서 얻어지는 에지 영상의 방향 코드 히스토그램으로부터 추출된다. 추출된 특징 벡터를 MD로 구현되는 문자 및 비문자 인식기에 입력하여 문자와 비문자를 판별함으로써 번호판 영역의 위치를 추정하고, 숫자를 인식한다. 실험 결과 제안하는 방법이 문자와 비문자의 정확한 판별, 번호판 영역의 위치 추정 및 숫자의 인식에 유용하게 적용될 수 있음을 알 수 있었다.

• 정보처리학회논문지B
• /
• 제9B권3호
• /
• pp.369-374
• /
• 2002

본 논문에서는 명암도 변화값과 기하학적 패턴벡터를 이용하여 실시간으로 차량번호판을 추출하고 인식하는 알고리즘을 제안하였다. 일반적으로 차량영상에서는 번호판 영역에서 문자와 배경이 뚜렷하게 구별되고, 일정한 명암도 변화를 가지면서 번호판 이외의 다른 영역보다 밀집도가 높은 특성이 있다. 따라서 본 논문에서는 이러한 성질을 이용하여 먼저 명암도 변화값을 사용하여 번호판을 추출하도록 하였으며 영상 입력과정에서 외부 환경에 따라 차량영상이 어둡거나 밝게 입력될 경우에도 동일한 추출 성능을 얻기 위하여 밝기 보정 과정을 수행하였다. 또한 추출된 번호판 영역으로부터 입력 문자의 크기, 이동 및 회전에 무관한 특성 추출을 위해 번호판 영역에서 잡음 제거와 세선화를 적용하여 전처리후 제안한 기하학적 패턴벡터를 이용하여 차량번호를 인식하도록 하였다. 제안한 방법들을 적용한 결과 기존의 원형 패턴벡터 보다 계산 속도가 빠르며, 차량번호판의 크기와 잡음에 무관하며, 불규칙한 조명 상태에서도 정확한 차량 번호를 인식할 수 있었다.

• 한국전자통신학회논문지
• /
• 제5권3호
• /
• pp.304-308
• /
• 2010

본 논문에서는 컬러 공간 및 형태학적 특징과 ART2 알고리즘을 이용한 차량 번호판 인식 방법을 제안한다. 번호판의 후보영역 중에서 신 구 차량 번호판의 형태학적 특성을 8방향 윤곽선 추적 알고리즘에 적용하여 잡음 영역을 제거하고, 차량의 번호판 영역을 추출한다. 추출된 번호판 영역에서 번호판 개별 영역에 대한 형태학적 특성을 고려하여 잡음을 제거하고, Labeling 알고리즘을 적용하여 개별 문자를 추출한 후에 결합한다. 이렇게 분류된 개별 문자 및 숫자 코드를 ART2 알고리즘에 적용하여 학습 및 인식을 한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 녹색 번호판과 흰색 번호판 각각 100장의 이미지를 대상으로 실험한 결과, 제시된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제4권3호
• /
• pp.125-130
• /
• 2004

본 논문에서는 디지털 카메라를 통하여 입력된 차량 영상으로부터 차량 번호판을 인식하는 방법을 제안한다. 최근 몇 년간 차량 번호판 영상을 인식하는 기술은 많은 발전을 이루어 왔다. 정확한 인식을 위한 핵심 기술은 차량 번호판 영역의 정확한 추출이다. 에지 정보나 칼라 정보로 번호판 영역을 추출할 경우, 번호판을 보는 시각에 따른 기울어진 번호판의 정확한 영역 추출이 어렵기 때문에 기존의 번호판 인식은 차량의 정면에서 촬영된 영상을 사용하였고 번호판 영역에 경사나 기울기를 고려하지 않았다. 본 연구에서는 입력 영상의 경사나 기울어진 입력 영상에 대한 인식이 가능한 형태로 변환하는 데 중점을 둔다. 그에 따라 영상에서 번호판의 위치 및 기울어짐 혹은 높낮이가 정면에서 벗어나더라도 번호판 영역 추출을 가능토록 칼라 정보를 이용하여 후보 영역을 추출한 후 선형 회귀 방정식을 사용하여 보다 정확하게 차량 번호판 영역을 추출하였다. 실험 결과 92%의 번호판 검출율을 보였으며, 50$^{\circ}$ 정도 기울어진 번호판에서도 문자의 인식이 가능함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제23권10호
• /
• pp.87-94
• /
• 2018

This paper proposes a method of detecting the license plates of vehicles. The proposed technology applicable to different formats of license plates detects the numbers by standardizing the images at edge points. Specifically, in accordance with the format of each license plate, the technology captures the image in the character segment, and compares it against the sample model to derive their similarity and identify the numbers. Characters with high similarities are used to form a group of candidates and to extract the final characters. Analyzing the experimental results found the similarity of the extracted characters exceeded 90%, whereas that of less identifiable numbers was markedly lower. Still, the accuracy of the extracted characters with the highest similarity was over 80%. The proposed technology is applicable to extracting the character patterns of certain formats in diverse and useful ways.