• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권6호
• /
• pp.3188-3207
• /
• 2017

In this paper, we propose an image enhancement algorithm to improve license plate extraction rate in various environments (Day Street, Night Street, Underground parking lot, etc.). The proposed algorithm is composed of image enhancement algorithm and license plate extraction algorithm. The image enhancement method can improve an image quality of the degraded image, which utilizes a histogram information and overall gray level distribution of an image. The proposed algorithm employs an interpolated probability distribution value (PDV) in order to control a sudden change in image brightness. Probability distribution value can be calculated using cumulative distribution function (CDF) and probability density function (PDF) of the captured image, whose values are achieved by brightness distribution of the captured image. Also, by adjusting the image enhancement factor of each part region based on image pixel information, it provides a function that can adjust the gradation of the image in more details. This processed gray image is converted into a binary image, which fuses narrow breaks and long thin gulfs, eliminates small holes, and fills gaps in the contour by using morphology operations. Then license plate region is detected based on aspect ratio and license plate size of the bound box drawn on connected license plate areas. The images have been captured by using a video camera or a personal image recorder installed in front of the cars. The captured images have included several license plates on multilane roads. Simulation has been executed using OpenCV and MATLAB. The results show that the extraction success rate is more improved than the conventional algorithms.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1188-1194
• /
• 2018

This paper proposes an image enhancement-based license plate detection algorithm to improve the overall performance of system. Non-uniform illumination conditions have huge impact on overall plate detection system accuracy. In this paper, we propose an algorithm for color image enhancement-based license plate detection for improving accuracy of images degraded by excessively strong and low sunlight. Firstly, the image is enhanced by Multi-Scale Retinex algorithm. Secondly, a plate detection method is employed to take advantage of geometric properties of connected components, which can significantly reduce the undesired plate regions. Finally, intersection over union method is applied for detecting the accurate location of number plate. Experimental results show that the proposed method significantly improves the accuracy of plate detection system.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제14권11호
• /
• pp.61-71
• /
• 2009

자동차의 번호판은 차량의 등록 정보를 확인할 수 있는 유일한 방법이다. 불법 주정차 단속 및 주차 관리 시스템에 차량의 등록 정보를 확인하기 위해 카메라를 이용한 무인 인식시스템의 개발이 활발히 연구되고 있다. 하지만, 일반 도로상에서 날씨나 주변 장애물들은 자동차 번호판 상에 조명 변화를 일으켜 번호판 문자의 추출을 어렵게 한다. 본 논문은 번호판 영상을 개선하여 조명변화에 강인한 문자 추출 알고리즘을 제안한다. 제안하는 기법은 번호판 영상의 명암 대비도를 높이기 위해 Chi-Square 확률 밀도 함수를 이용한다. 또한, 정확한 문자영역을 추출하기 위해, 적응적인 문턱값을 적용함으로써 고품질의 이진화 영상을 얻는다. 번호판의 문자들을 추출하는 일련의 과정에서 방해가 되는 잡음들을 전처리와 레이블링을 통해 제거한다. 마지막으로 번호판의 문자들은 번호판의 기하학적 특징을 이용한 이진화 영상의 프로파일링으로부터 추출된다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.453-462
• /
• 2021

자동차 번호인식을 위해선 수많은 번호판 데이터가 필요하다. 번호판 데이터는 과거의 번호판부터 최신의 번호판까지 균형 있는 데이터의 확보가 필요하다. 하지만 실제 과거의 번호판부터 최신의 번호판의 데이터를 획득하는데 어려움이 있다. 이러한 문제를 해결하기 위해 인조 번호판을 이용하여 자동차 번호판을 생성하여 딥러닝을 통한 번호판 인식 연구가 진행되고 있다. 하지만 인조 데이터는 실제 데이터와 차이가 존재하며, 이러한 문제를 해결하기 위해 다양한 데이터 증강 기법을 사용한다. 기존 데이터 증강 방식은 단순히 밝기, 회전, 어파인 변환, 블러, 노이즈등의 방법을 사용하였다. 본 논문에서는 데이터 증강 방법으로 인조데이터를 실제 데이터 스타일로 변환하는 스타일 변환 방법을 적용한다. 또한 실제 번호판 데이터는 원거리가 많고 어두운 경우 잡음이 많이 존재한다. 단순히 입력데이터를 가지고 문자를 인식할 경우 오인식의 가능성이 높다. 이러한 경우 문자인식 향상을 위해 본 논문에서는 문자인식을 위하여 화질개선 방법으로 DeblurGANv2 방법을 적용하여 번호판 인식 정확도를 높였다. 번호판 검출 및 번호판 번호인식을 위한 딥러닝의 방식은 YOLO-V5를 사용하였다. 인조 번호판 데이터 성능을 판단하기 위해 자체적으로 확보한 자동차 번호판을 수집하여 테스트 셋을 구성하였다. 스타일 변환을 적용하지 않은 번호판 검출이 0.614mAP를 기록하였다. 스타일 변환을 적용한 결과 번호판 검출 성능이 0.679mAP 기록하여 성능이 향상되었음을 확인하였다. 또한 번호판 문자인식에는 화질 개선을 하지 않은 검출 성공률은 0.872를 기록하였으며, 화질 개선 후 검출 성능이 0.915를 기록하여 성능 향상이 되었음을 확인 하였다.

• 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
• /
• 제12권7호
• /
• pp.1278-1290
• /
• 2008

본 논문은 자동차 번호판 인식 시스템의 전반적인 성능을 향상시키기 위한 전처리 방법과 신경회로망을 이용한 문자 인식기를 제안한다. 먼저 자동차 번호판 영상에서 번호판의 외곽 직선을 가상 직선 매칭에 의해 검출하고 검출된 직선의 교점을 구하여 4개의 외곽 꼭지점을 구한다. 4개의 꼭지점 좌표에 의해 양선형 변환으로 직사각형 모양의 번호판 영상으로 정규화한다. 정규화된 번호판 영상으로부터 문자를 추출한 뒤 Delta-bar-delta 알고리즘에 의해 학습된 신경 회로망 기반 인식기로 번호판을 인식한다. 다양한 환경에서 획득된 자동차 번호판 영상을 대상으로 실험한 결과 제안된 번호판 이미지의 정규화에 의해 인식 성능이 16%까지 향상됨을 확인하였다.

• 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.

• 한국산학기술학회논문지
• /
• 제17권3호
• /
• pp.1-8
• /
• 2016

본 논문은 블랙박스 적용을 위한 적응형 히스토그램 스트레칭 알고리즘을 제안하였다. 본 알고리즘은 자동차 개인 저장장치 영상을 이용한 차량 번호판 검출을 위한 전처리 단계로 사용하였다. 제안 방식은 확률밀도함수(PDF: Probability Density Function)와 누적분포함수(CDF: Cumulative Density) 이용하여 영상의 밝기 분포도를 분석하였다. 이 두 함수는 일정한 간격을 두고 샘플링 한 영상을 사용하여 구하였다. 두 함수를 이용하여 영상의 특성을 분석하여, 특정 인자를 검출하였다. 검출된 인자를 분포도에 따라 각각 다른 스트레칭을 수행하였다. 알고리즘 검증은 촬영 된 자동차 개인 저장장치 영상을 사용하였다. 기존 알고리즘 비교는 시각적인 평가, 히스토그램 분포, 표준 및 표준 편차 값을 분석하였다. 또한 시뮬레이션 결과를 자동차 번호판 인식 알고리즘에 적용하여 번호판 인식율을 분석하였다. 기존 알고리즘보다 열화 현상이 적게 나타났고, 향상된 콘트라스트 값을 통하여, 차량 번호판 검출에서 기존 알고리즘보다 정확한 위치가 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제16권6호
• /
• pp.71-77
• /
• 2011

본 논문에서는 번호판 인식 시스템에서 번호판 영상의 화질 개선을 위하여 국부 블록(Local block : LB) 학습기반의 초해상도 알고리즘을 제안한다. 본 논문에서 국부 블록은 영상 내에서 정보를 담고 있는 최소 단위로 정의하였으며, 학습의 기본 단위가 된다. 제안된 방법은 먼저 다양한 환경에 적합한 훈련 국부 블록 set을 생성하였다. 훈련 국부 블록 set은 고해상도 국부 블록과 저해상도 국부 블록의 순서쌍으로 구성되며 다양한 크기의 번호판과 열화 영상에 대응하기 위하여 다양한 크기와 열화를 갖는 저해상도 국부 블록 훈련 set을 구성하였다. 그 다음으로는 저해상도 입력 영상에서 복원해야할 정보를 훈련 국부 블록 set에서 추출/융합하는 과정을 제안하였다. 모의 실험결과, 열화된 저해상도 번호판 영상에 대해 제안한 방법이 효과적인 복원 성능을 나타내는 것을 확인할 수 있었다.