• 한국멀티미디어학회논문지
• /
• 제11권12호
• /
• pp.1649-1657
• /
• 2008

In this paper, to overcome the failure of binarization for the characters suffered from low contrast and non-uniform illumination in license plate character recognition system, we improved the binarization method by combining local thresholding with global thresholding and edge detection. Firstly, apply the local thresholding method to locate the characters in the license plate image and then get the threshold value for the character based on edge detector. This method solves the problem of local low contrast and non-uniform illumination. Finally, back-propagation Neural Network is selected as a powerful tool to perform the recognition process. The results of the experiments i1lustrate that the proposed binarization method works well and the selected classifier saves the processing time. Besides, the character recognition system performed better recognition accuracy 95.7%, and the recognition speed is controlled within 0.3 seconds.

• 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.

• 전자공학회논문지
• /
• 제54권8호
• /
• pp.89-96
• /
• 2017

본 논문에서는 일반 도로상에 설치된 CCTV 영상으로부터 차량 검출과 번호판을 인식하는 시스템을 제안하였다. 본 시스템의 환경은 일반 도로 환경에서 영상을 취득하기 때문에 기존의 차량 진출입 시스템에 적용되는 안정적인 조건이 주어지지 않으며 입력 영상이 왜곡되고 해상도가 불규칙적이다. 동시에 입력 영상의 시야각이 넓어 연산량이 높고 번호판의 인식 정확도가 떨어지기 쉽다. 본 논문에서는 별도의 입력 제어 장치 없이 차량을 검출하고, 번호판 검출 및 인식이 가능한 향상된 방법을 제안하였다. HOG 특징 기술자를 기반으로 차량 및 번호판을 검출하고, k-NN 알고리즘을 사용하여 번호판 내부 문자의 인식을 수행하였다. CCTV에서 45m 이상 떨어진 장소의 도로를 실험 환경으로 설정하고, 육안으로 번호판을 식별할 수 있는 진입 차량에 대한 실험을 진행하였으며 실험을 통하여 제안 방식의 우수한 결과를 확인하였다.

• 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.

• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.31-37
• /
• 2001

버스 전용차선 번호판 인식 시스템은 차량 검출 및 영상 획득 , 번호판 영역 추출 개별문자 추출, 문자인식 및 데이터 전송의 5가지 핵심부분으로 구성된다. 이 중에서도 번호판 추출의 정확성은 전체 시스템 인식률에 지대한 영향을 줄 수 있는 부분이며 다양한 날씨 및 주위 환경 변화에서도 정확한 추출을 요구한다. 본 논문에서는 검출 시간의 단축을 위해 획득된 영상을 피라미드 구조로 만든 후 번호판 템플릿의 영역을 이진화하고 번호판의 분포를 가지는 후보영역을 추출한다. 추출된 후보 영역 중 번호판 문자 분포의 특성을 이용한 검증과정을 통해 최종영역을 추출하는 방법을 제안한다. 제안된 방법을 버스 전용차선 도로에서 획득한 영상에 적용한 결과 다양한 날씨와 주위 환경변화에서도 번호판 영역이 정확이 추출됨을 확인하였다.

• 한국융합학회논문지
• /
• 제12권1호
• /
• pp.29-35
• /
• 2021

자동차 번호판 인식은 지능형 교통시스템에서 핵심적인 역할을 담당한다. 따라서 효율적으로 자동차 번호판의 숫자 및 문자영역을 검출하는 것은 매우 중요한 과정이다. 본 연구에서는 딥러닝과 의미론적 영상분할 알고리즘을 적용하여 효과적으로 자동차 번호판의 번호영역을 검출하는 방법을 제안한다. 제안된 방법은 화소 투영과 같은 전처리과정 없이 번호판 영상에서 바로 숫자 및 문자영역을 검출하는 알고리즘이다. 번호판 영상은 도로 위에 설치된 고정 카메라로 부터 획득한 영상으로 날씨 및 조명변화 등을 모두 포함한 다양한 실제 상황에서 촬영된 것을 사용하였다. 입력 영상은 색상변화를 줄이기 위해 정규화하고 실험에 사용된 딥러닝 신경망 모델은 Vgg16, Vgg19, ResNet18 및 ResNet50이다. 제안방법의 성능을 검토하기 위해 번호판 영상 500장으로 실험하였다. 학습을 위해 300장을 할당하였으며 테스트용으로 200장을 사용하였다. 컴퓨터모의 실험결과 ResNet50을 사용할 때 가장 우수하였으며 95.77% 정확도를 얻었다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.40-47
• /
• 2009

본 논문에서는 수리 형태론과 대칭성을 이용한 번호판 검출 방법을 제안한다. 일반적으로 번호판의 모양, 색상, 크기, 위치 등은 사람이 쉽게 인식할 수 있도록 규격화되어 있다. 특히, 번호판의 바탕과 문자의 명암은 큰 대조를 이루며 번호판을 기준으로 하여 좌우 영상은 대칭성을 갖고 있다. 먼저, 번호판 영역을 부각시키기 위해 번호판의 문자 간격 크기의 사각 형태소로 입력 영상의 열림과 붙임 영상을 구하고 두 영상의 차 영상을 얻는다. 둘째, 번호판 크기의 마스크를 사용하여 차 영상의 평균 필터링을 수행한다. 셋째, 평균 필터링 영상의 각 열의 최대값 그래프를 구한 후 대칭성을 계산한다 넷째, 평균 필터링 영상의 피크들을 찾는다. 마지막으로 그래프에서 대칭성이 가장 큰 좌표의 언저리에 번호판이 있다는 가정 하에 번호판을 검출한다. 실험은 약 1,000장의 과속 단속 영상을 대상으로 수행하였으며, 약 93%의 검출률을 보였다.

• 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.

• 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.

• 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.