• 전기전자학회논문지
• /
• 제15권4호
• /
• pp.274-280
• /
• 2011

본 연구에서는 SoC를 이용한 임베디드 시스템에 리눅스 OS 환경을 구축하고 번호판 인식 시스템을 구현하여 그 성능을 측정하였다. 자동차 번호판을 인식하기 위해서는 번호판을 검출하고 검출된 번호판을 보정 한 뒤 각 문자들에 대해 인식을 한다. 번호판 검출 방법으로는 레이블링 기법과 숫자의 특징을 이용하여 검출하였다. 검출된 번호판의 표기되어 있는 숫자들은 각각의 좌표가 있다. 이러한 숫자들의 좌표를 비교하여 영상을 보정하고 템플릿 매칭을 통해 인식을 한다. 그 결과로 번호판의 검출율은 96%, 문자 인식률은 73%, 숫자 인식률은 97%로 나타났다. 인식 시스템은 기존의 PC기반이 아닌 임베디드 보드에서 측정 되었으며 총 인식시간은 약 0.66초가 소요되었다.

• 한국산업융합학회 논문집
• /
• 제24권5호
• /
• pp.555-562
• /
• 2021

In this paper, we propose a sorting method for extracting accurate license plate information, which is currently used in Korea, after detecting objects using YOLO. We propose sorting methods for the five types of vehicle license plates managed by the Ministry of Land, Infrastructure and Transport by classifying the plates with the number of lines, Korean characters, and numbers. The results of experiments with 5 license plates show that the proposed algorithm identifies all license plate types and information by focusing on the object with high reliability score in the result label file presented by YOLO and deleting unnecessary object information. The proposed method will be applicable to all systems that recognize license plates.

• 한국콘텐츠학회논문지
• /
• 제12권3호
• /
• pp.9-16
• /
• 2012

스마트시티 프로젝트의 일환으로 실시간 차량 번호판 인식에 관한 연구들이 활발하게 진행되고 있다. 도로상에 설치된 CCTV에서 트리거 신호 없이 주행하는 차량 영상을 획득할 경우에는 번호판의 기하학적 왜곡이나 화질의 저하가 발생하여 번호판 인식이 어려워 질 수 있다. 본 논문에서는 트리거 신호를 이용하지 않은 상태에서 입력되어 기하학적 왜곡이나 화질의 저하가 발생된 차량 영상에도 강한 에지기반 문자 세그먼트 영상생성 기법의 차량 번호판 인식시스템을 제안하였다. 제안한 실시간 차량 번호판 인식 알고리즘을 도로상에 설치된 CCTV에 구현하고 일주일 동안 번호판 인식 실험을 수행해 본 결과 1일 평균 1,535 대의 통과 차량에 대해서 97.5%의 번호판 검출률을 얻을 수 있었으며 검출된 번호판에 기록된 문자들의 99.3%를 인식할 수 있었다.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.909-919
• /
• 2014

License plate (LP) detection is the most imperative part of an automatic LP recognition (LPR) system. Typical LPR contains two steps, namely LP detection (LPD) and character recognition. In this paper, we propose an efficient Vehicle-to-LP detection framework which combines with an adaptive GMM (Gaussian Mixture Model) and a cascade of boosted classifiers to make a faster vehicle LP detector. To develop a background model by using a GMM is possible in the circumstance of a fixed camera and extracts the motions using background subtraction. Firstly, an adaptive GMM is used to find the region of interest (ROI) on which motion detectors are running to detect the vehicle area as blobs ROIs. Secondly, a cascade of boosted classifiers is executed on the blobs ROIs to detect a LP. The experimental results on our test video with the resolution of $720{\times}576$ show that the LPD rate of the proposed system is 99.14% and the average computational time is approximately 42ms.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1337-1342
• /
• 2019

자동 한국 번호판 인식 (AKLPR)은 많은 분야에서 사용된다. 이러한 응용 분야에서 ALPR은 높은 인식률과 빠른 처리 속도가 중요하다. 최근 딥러닝의 발전으로 객체 감지 및 인식의 정확도와 속도가 향상 되고 있으며, 그 결과 딥러닝이 ALPR에 적용되고 있다. 특히 합성곱신경망(Convolutional Neural Network) 기반 객체 검출기가 ALPR에 적용되었다. 이러한 ALPR은 LP 영역을 검출하는 단계와 LP 영역의 문자를 검출 및 인식하는 단계로 구분되며, 각 단계는 별도의 CNN으로 구현된다. 본 논문에서는 단일 단계 CNN으로 ALPR을 구현하는 아키텍처를 제안한다. 제안하는 방법은 높은 인식률을 유지하면서 빠른 속도로 번호판 문자를 인식한다.

• 미래기술융합논문지
• /
• 제2권4호
• /
• pp.7-11
• /
• 2023

본 연구에서는 Convolutional Neural Networks(CNNs) 기법을 이용하여 차량 번호판을 인식하는 방법을 제시하였다. 차량 번호판은 일반적으로 차량의 공식 식별 목적으로 사용됩니다. 대부분의 일반적인 광학 문자 인식(OCR) 기술은 문서에 인쇄된 문자를 인식하는 데는 효과적이지만 번호판의 등록 번호는 식별할 수 없다. 그리고 번호판 감지에 대한 기존 접근 방식에서는 차량이 움직이지 않고 정지해 있어야 한다. 번호판 감지에 대한 이러한 문제를 해결하기 위해 CNN 기법을 활용한 번호판 인식 기법을 제안한다. 먼저 획득된 차량 번호판 이미지의 데이터베이스를 생성하고 CNN 기법을 활용하여 자동차 번호판 문자를 인식한다. 본 연구의 결과는 주차관리 시스템과 단속 카메라 등에 유용하게 활용 될 수 있다.

• 한국항해항만학회지
• /
• 제32권10호
• /
• pp.845-850
• /
• 2008

본 논문에서는 SVM을 이용한 번호판 위치 추출 알고리즘을 제안한다. 일반적으로 번호판 영역은 가로-세로 비율 컬러, 공간 주파수 성분 등의 특징을 포함하고 있다. 제안하는 기법은 영상 획득, 번호판 후보 영역 추출, 번호란 위치 검증 세가지 단계로 구성되어 있다. 번호판 후보 영역 추출 단계에서는 컬러 필터링과 경계선 검출을 하여 번호판 후보 영역을 찾아내고 후보 영역의 DCT 계수를 SVM에 적용하여 검증한다. 이러한 검증과정을 거침으로써 잘못된 추출을 막아 신뢰성 있는 번호판 영역 추출이 가능하다. 실험을 통해 제안한 방법을 검증하였다.

• 전기전자학회논문지
• /
• 제23권2호
• /
• pp.642-651
• /
• 2019

최근 지능형 교통관제 시스템에 관한 다양한 연구가 진행되고 있는 가운데 번호판 검출과 인식 알고리즘은 가장 중요한 요소 중에 하나로 대두되고 있다. 번호판은 차량의 고유 식별값을 가지고 있기 때문이다. 기존의 차량 통행 관제 시스템은 정차를 기반으로 하고 있으며 차량의 입출입 인식 방법으로 루프 코일을 사용하고 있다. 이러한 방법은 교통 정체를 유발하고 유지보수 비용이 상승하는 단점을 가지고 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서 차량의 입출입 인식 방법으로 카메라 영상을 사용한다. 차량 통행 관제 시스템의 특성상 카메라가 고정되어 있다. 이에 차량이 접근하면 카메라의 배경화면이 달라진다. 이 특징을 이용하여 배경화면의 차분영상을 구하면 차량의 입출입을 인식할 수 있다. 입출입 인식 후 한국 번호판의 형태학적 특성을 이용하여 후보 이미지를 추정한다. 그리고 선형 SVM(Support Vector Machine)을 이용해서 최종 번호판을 검출한다. 검출한 번호판의 글자와 숫자 인식 방법으로는 CNN(Convolutional Neural Network) 알고리즘을 사용한다. 제안한 알고리즘은 기존의 시스템과 달리 검출 위치를 기준으로 글자와 숫자를 인식하기 때문에 번호판의 규격이 변해도 인식할 수 있다. 실험한 결과 기존의 번호판 인식 알고리즘들 보다 제안한 알고리즘이 더 높은 인식률을 가진다.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.187-195
• /
• 2013

차량 번호판 검출의 기존 연구들은 대부분 높은 성능을 얻기 위해 영상 획득 환경을 제한한다. 본 논문은 제약사항이 적은 환경에서 다양한 종류의 차량 번호판을 검출하기 위해 SIFT와 신경망을 이용한 새로운 방법을 제안한다. SIFT는 영상의 크기, 회전 변화에 불변하는 지역특징으로서 처리해야 할 환경이 고정되지 않은 경우에도 분별력이 뛰어나다. 영상에서 추출한 SIFT를 번호판 내부의 것(내부 부류)과 외부의 것(외부 부류)으로 나누어 2부류 분류기를 학습한다. 분류기는 신경망을 사용하며, 찾고자 하는 번호판의 종류를 학습 집합에 포함하는 것으로 다양한 종류의 번호판을 동일한 알고리즘으로 검출할 수 있다. 제안하는 방법은 입력 영상에서 지역특징을 추출하고 미리 학습한 분류기로 번호판 내부 부류를 가려낸다. 분류기의 성능이 높지 않더라도 분류 결과 내부 부류는 번호판 내부에 밀집하여 나타나고 번호판 외부에서는 흩어져 나타난다. 이러한 특성을 이용해 지역특징 맵을 만들고, 이 맵에서 임계값 이상인 전역 최댓값을 번호판 영역으로 검출한다. 다양한 환경에서 데이터 베이스를 수집하고 지역특징 분류와 번호판 검출 알고리즘을 실험한다. 지역특징을 분류기로 분류한 결과 정인식률은 97.1%, 정확률은 62.0%, 재현율은 50.2%를 보였다. 정인식률에 비해 정확률과 재현율은 낮았지만, 번호판 검출 결과 98.6%의 높은 검출 성능을 보였다.

• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1496-1509
• /
• 2005

본 논문에서는 투영면 컨벌루션과 결정트리 분류기법을 사용하여 주변 환경이 복잡한 차량영상으로부터 실시간으로 번호판을 추출하고 인식하는 적응적 차량번호판 인식 시스템을 제안하였다. 일반적으로 고속도로 톨게이트와 주차장 출입구에서의 차량영상은 설치 카메라와 도로 환경에 따라 차량번호판의 크기, 각도변화, 주변잡음 등으로 매우 다양하므로 번호판 추출과 분할이 어렵다. 따라서 본 논문에서는 차량 영상을 획득한 후 번호판 후보영역을 검출하고 진입 위치 변화에 따라 번호판의 기울기와 크기를 자동으로 보정하여 인식하는 알고리즘을 제안하였다. 제안한 인식 방법은 차량의 에지누적 분포와 번호판의 일정한 명암값 변화 빈도수를 누적한 투영면 컨벌루션과 체인코드를 사용하여 크기와 기울기가 일정하지 않은 번호판으로부터 번호판영역을 정확히 추출하고, 적응적 이진화 기법을 이용하여 문자를 분할하였다. 본 논문에서 제안한 방법으로써 실험한 결과 복잡한 영상에서 전방 및 후방 차량영상으로부터 번호판 인식이 가능하였으며 각각 $98.8\%$와 $95.5\%$의 추출률과 분할된 문자영역에서 $97.3\%$와 $96\%$의 인식률 개선 결과를 나타내었다.