• 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.

• 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.

• 융합신호처리학회논문지
• /
• 제2권1호
• /
• pp.1-11
• /
• 2001

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 문자 인식 모듈로 구성된다 본 논문에서는 자동차 번호판 추출을 위해서 입력 영상의 잡음에 상대적인 영향이 적은 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 톨게이트에서 여러 시간대의 움직이는 자동차 영상들을 실험한 결과, 번호판 추출율은 97.5%, 번호판 문자 인식률은 97.2%의 성능을 내었고, 전체 시스템 성능은 947%이며 처리 시간은 약 1조 미만이다. 따라서 본 논문에서 제안한 시스템은 실세계에서 유용하게 적용될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제11권11호
• /
• pp.1515-1524
• /
• 2008

본 논문에서는 복잡한 배경이 나타나는 자동차 영상에서 다중색상 모델과 문자배치 정보를 이용한 번호판 추출 방법을 제안한다. 녹색 번호판과 흰색 번호판에 나타나는 문자의 배치 형태가 다르기 때문에, 먼저 번호판 색상을 추정한 후 해당 색상 번호판의 문자배치 정보를 최대한 활용하는 접근 방식을 사용하였다. RGB 색상 모델에 HSI와 YIQ 색상 모델을 결합한 다중색상 모델을 이용하여 녹색 영역이 추출되면, 해당 영역에서 추출된 연결요소를 분석하여 녹색 번호판의 문자배치 형태를 탐색한다. 이때 번호판이 추출되지 않으면, 전체 영역에서 추출된 연결요소를 분석하여 흰색 번호판의 문자배치 형태를 탐색한다. 마지막으로 번호판 문자배치 형태와 유사한 연결요소들을 묶어 번호판을 추출한다. 4개 영상에 대한 실험 결과 98.1%의 번호판 추출 성공률을 얻었으며, 제안된 방법이 빛의 세기, 그림자, 그리고 날씨의 변화에도 강건함을 알 수 있었다.

• Journal of the Optical Society of Korea
• /
• 제14권4호
• /
• pp.376-382
• /
• 2010

We propose a novel method to precisely detect car license plates by locating main characters, which are printed with large font size. The regions of the main characters are directly detected without detecting the plate region boundaries, so that license regions can be detected more precisely than by other existing methods. To generate a binary image, multiple thresholds are applied, and segmented regions are selected from multiple binarized images by a criterion of size and compactness. We do not employ any character matching methods, so that many candidates for main character groups are detected; thus, we use a neural network to reject non-main character groups from the candidates. The relation of the character regions and the intensity statistics are used as the input to the neural network for classification. The detection performance has been investigated on real images captured under various illumination conditions for 1000 vehicles. 980 plates were correctly detected, and almost all non-detected plates were so stained that their characters could not be isolated for character recognition. In addition, the processing time is fast enough for a commercial automatic license plate recognition system. Therefore, the proposed method can be used for recognition systems with high performance and fast processing.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3488-3500
• /
• 2020

At the present time, the economy continues to flourish, and private cars have become the means of choice for most people. Therefore, the license plate recognition technology has become an indispensable part of intelligent transportation, with research and application value. In recent years, the convolution neural network for image classification is an application of deep learning on image processing. This paper proposes a strategy to improve the YOLO model by studying the deep learning convolutional neural network (CNN) and related target detection methods, and combines the OpenCV and TensorFlow frameworks to achieve efficient recognition of license plate characters. The experimental results show that target detection method based on YOLO is beneficial to shorten the training process and achieve a good level of accuracy.

• 제어로봇시스템학회논문지
• /
• 제12권4호
• /
• pp.400-404
• /
• 2006

We suggest a method to detect rear car license plate of one more cars by using blobs. First, we try to search all of the blobs from an input image based on the difference between objects and background. Second, we obtain rectangles enclosed the blobs, and rectangle clusters by considering the properties, for example, the number, size, distance, position. Third, the cluster is verified by the Support Vector Machine. Even if we only use the adaptive binarization as the preprocessing, the detection ratio is very high.

• 한국컴퓨터정보학회논문지
• /
• 제17권12호
• /
• pp.71-82
• /
• 2012

본 논문에서는 MCT(Modified Census Transform) 특징과 개선된 아다부스트 분류기를 이용한 번호판 검출 알고리즘을 제안한다. MCT 특징은 영상의 국소 지역 패턴을 정수화하여 표현하는 특징으로서 조명 변화에 강인하고 메모리 효율이 높은 장점이 있다. 그러나 패턴을 표현하는 정수형의 MCT 특징값들이 이산적인 특징을 가지기 때문에 아다부스트 훈련 방법을 적용하기 위해서는 룩업테이블 (Lookup Table)을 이용하여 분류기를 설계해야 한다. 그동안의 아다부스트 훈련 방법에 대한 최적화 연구는 지수 기준(exponential criterion)을 최소화 하는 방법에 대한 방향으로 연구가 진행되고 있다. 본 논문에서는 MCT 특징을 이용하고 지수 기준의 뉴턴 최적화를 통해 아다부스트 훈련 방법을 개선하여 번호판 검출성능을향상 시키는 방법을 제안한다. 번호판샘플 영상과 필드 테스트 영상에 대한 실험을 통해 제안한 방법의 성능을 고찰하고, 기존의 일반 아다부스트 훈련을 이용한 검출 방법과의 비교 실험을 통해 그 효용성을 입증한다.

• 스마트미디어저널
• /
• 제13권1호
• /
• pp.24-35
• /
• 2024

The combination of Artificial Intelligence and the Internet of Things (AIoT) has gained significant popularity. Deep neural networks (DNNs) have demonstrated remarkable success in various applications. However, deploying complex AI models on embedded boards can pose challenges due to computational limitations and model complexity. This paper presents an AIoT-based system for smart parking lots using edge devices. Our approach involves developing a detection model and a decision tree for occupancy status classification. Specifically, we utilize YOLOv5 for car license plate (LP) detection by verifying the position of the license plate within the parking space.

• 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.