• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
• /
• pp.153-156
• /
• 2001

본 논문에서는 하이브리드 패턴 벡터를 이용하여 차량 번호를 실시간으로 인식하는 알고리즘을 제안하였다. 차량 입력 영상에서 전처리 과정을 거쳐 번호판의 수평 및 수직 명암값 빈도수 변화를 이용해 번호판 영역을 추출하고 하이브리드 패턴을 적용해 더 정확한 번호판 문자 및 숫자를 인식하는 알고리즘을 제안하였다. 제안한 알고리즘의 번호판 추출 과정에서는 번호판 영역의 문자와 배경이 뚜렷하게 구별되는 특성 및 번호 판 영역의 상대적인 크기의 특성과 수평 및 수직 빈도 수를 추하여 입력된 차량영상에서 번호판 영역을 추출한다. 또한 번호판 영역에서 잡음 제거와 세선화(Thinning)를 적용해 문자 및 숫자를 하이브리드 패턴 벡터를 적용하여 문자의 크기, 문자와 문자 사이의 밀집도의 특성, 이동에 무관한 특성을 이용해 차량 번호를 인식하는 알고리즘을 제안하였다. 제안한 방법들을 적용한 결과 기존의 원형 패턴 벡터 보다 훨씬 계산 속도가 빠르며, 차량 번호판의 크기에 관계없이 잡음에 영향을 받지 않고 차량 번호를 실시간으로 처리할 수 있는 가능성을 제시하였고, 번호판 영역이 불규칙한 조명 상태에서도 더 정확한 차량 번호를 인식 할 수 있는 알고리즘을 본 논문에서 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.713-716
• /
• 2002

자동차의 번호판은 각각의 차량을 추분 할 수 있는 것으로, 번호판의 문자를 인식함으로써 전국에 등록되어 있는 모든 차량 중에 1 대를 폭정 지을 수 있다. 그러나 기존의 연구방법 대부분은 번호판 문자 중에서 큰 숫자 4개만을 인식하는 것으로 전국적인 규모에서 완전한 차량인식이 불충분하였다. 따라서 본 논문에서는 차량의 정면에서 촬영한 영상에서 번호판을 추출하고, 그 안에 표기된 모든 문자를 인식하는 방법을 제안한다. 본 연구에서 사용된 방법은 허프변환과 번호판의 형상특징을 이용하여 번호판영역을 추출하고, 추출된 번호판에서 문자의 위치적 특징을 사용하여 각 문자를 추분하고 인식하였다. 160장의 샘플사진으로 실험해 본 결과 번호판 영역을 추출하고, 문자인식을 모두 성공한 종합성공률은 87.5%의 결과를 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.775-778
• /
• 2002

본 논문에서는 도로를 주행하는 차량영상으로부터 번호판의 인식에 대한 연구이다. 차량을 검출하기 위해 두 프레임의 차를 이용하여 도로상에서 차량을 분리하였고, 번호판 영역을 추출하기 위해 명암도 변화의 파형 곡선 결과에 임계값을 적용하여 번호판을 추출하였다. 번호판 영역 검출은 96.05%의 검출결과를 얻었으며, 차량의 번호판 문자인식은 신경망을 통하여 학습 시켰 그 성능은 잭나이프 기법을 통해 측정하였다. 학습데이터에 대해서는 99.85 비학습데이터에 대해서는 88.15%의 인식율을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.754-757
• /
• 2016

기존 번호판 인식은 직접 특징 추출 알고리즘을 개발하여 완전 연결 신경망으로 특징을 분류하는 방법이 보편적이다. 본 연구는 전처리 과정에서 번호판 후보군 검출 및 세그먼테이션을 수행하고 특징 추출 없이 미리 학습된 심층 컨볼루션 신경망을 통해 문자를 분류하는 방법을 제안한다. 직접 수집한 2,900장의 번호판 데이터베이스를 이용하여 훈련 집합 및 검증 집합을 구성하였다. 훈련 집합과 검증 집합에 대해 실험한 결과 번호판 후보군 검출률은 97%를 얻을 수 있었고, 이에 대한 인식률은 95%를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 추계학술발표논문집 (상)
• /
• pp.751-754
• /
• 2002

본 논문에서는 획득한 차량 영상에서, 차량 번호판의 후보영역을 동적으로 할당하여 번호판을 추출하고, 이중 템플릿 매칭을 이용하여 인식하는 방법을 제안하였다. 차량 번호판 영역은 다른 영역에 비해 영상의 밀도값이 높다는 것을 근거로, 후보영역을 투영하여 추출된 영상의 밀도값과 기준밀도값을 비교하여 차이가 임계값 이하를 만족한 때 차량 번호판 영역으로 추출하고 만족하지 않을 때는 다음 후보영역을 투영하여 차량 번호판 영역을 추출하였다. 추출된 번호판 영역에서 문자와 숫자영역으로 분할된 입럭패턴과 표준패턴을 흑화소로 1차 매칭하고, 이 중 유사도가 높은 표준패턴과 다시 백화소로 2차 매칭하는 이중 템플릿 매칭으로 인식하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.639-642
• /
• 2003

차량의 수가 급격히 증가함에 따라 보다 지능적인 번호판 자동인식체계가 요구된다. 따라서 본 논문은 주행하는 차량에서 기울어진 번호판을 포함한 효율적인 자동차 번호판 인식방법을 제안하였다. 실험결과로서 일반적인 환경에서 획득된 인식 비율은 약 99%의 높은 성공률을 나타내었으며, 번호판이 차량에 비례하여 많이 기울어지게 위치해 있을 경우에도 97%의 성공률을 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.749-752
• /
• 2018

깊은 신경망 모델을 이용한 차량 번호판 검출과 번호판 문자 인식 시스템을 제안한다. 차량 번호판 인식 시스템은 세 가지 종류의 깊은 신경망 모델로 구성된다. 기존의 영상처리 기반의 차량 번호판 검출과 문자 인식을 전부 신경망으로 대체함으로써 영상의 밝기, 회전, 왜곡 등의 변형에 강인한 성능을 얻을 수 있다. 차량 번호판 검출률은 99.3%, 문자 영역 검출률은 99%, 문자 인식률을 98.5%를 얻었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.635-640
• /
• 2003

본 논문에서는 일본 차량 번호판 인식에 적응적 탬플릿 마스킹 방법을 이용하여 번호판 문자, 숫자를 분할하고 패턴벡터기법을 이용하여 인식하는 방법을 제안하였다 주, 야간과 거리에 따른 일본 차량 번호판 영상을 입력받아 전처리 과정을 수행한 후 에지 정보와 명도값 변화의 빈도수를 이용하여 번호판 영역을 검출하였다 검출된 번호판 영역에서 각 문자 및 숫자의 위치정보와 적응적 탬플릿을 이용하여 분할하고 번호판의 지역문자를 무게중심 패턴으로 분류 한 다음 크기와 이동에 무관한 특실을 가지는 패턴 벡터를 적용하여 문자를 인식하였으며, 숫자는 Four Segment Pattern을 이용하여 인식하도록 하였다 본 논문에서 제안한 방법을 실제 일관 차량 번호판 인식에 적용한 결과 98.8％ 추출율과 96.6％의 인식율을 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.615-618
• /
• 2019

이 모듈은 오픈소스인 Tesseract OCR 및 Open CV 라이브러리와 Raspberry Pi를 사용하여 저렴한 비용으로 구현합니다. 컴팩트한 사이즈로 사람이 직접 들고 움직이면서도 사용이 가능하며 사용자의 니즈에 따라서 한 곳에 위치하여도 사용 가능합니다. Open CV 라이브러리를 사용하여 이미지 이진화, 노이즈 필터링 후에 흑백 이미지를 만들고 윤곽선 검출 알고리즘을 통해서 번호판 영역을 추출하여 Tesseract OCR 엔진을 사용해서 차량 번호판이 추출된 이미지에서 차량 번호를 인식 합니다. 인식된 번호는 Tkinter 와 Python, 데이터베이스를 활용하여 구현된 GUI프로그램을 통해서 유료주차장(선불, 후불) 또는 아파트에서 사용할 수 있는 주차장 관리 서비스를 함께 제공합니다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.896-901
• /
• 2000

차량 번호판 인식 시스템은 크게 번호판 영역의 추출과 인식 단계로 구분된다. 본 논문에서는 전처리단계로써 임계화 방식을 이용하여 번호판 영역을 추출한다. 차량 영상을 임계화하고 영상에서 발생되는 잡음을 제거한다. 잡음이 제거된 차량 영상에서 각 라인의 밀도비율을 계산하여 번호판 영역에서 나타나는 밀도의 비율과 비슷하게 나타나는 영역을 후보영역으로 설정한다. 설정된 후보영역이 번호판 영역의 특징과 유사하게 나타나는 부분을 추출한다. 그리고 추출된 번호판 영역은 코호넨 알고리즘의 2${\times0}$2마스크에 적용시켜서 윤곽선을 추출하고, 번호판의 문자와 숫자를 인식한다. 코호넨 알고리즘의 2${\times0}$2마스크를 이용하게 되면, 윤곽선의 잡음을 최대한으로 줄여주는 특성을 가진다. 잡음이 제거된 후에, 번호판의 문자와 숫자들을 코호넨 알고리즘을 이용하여 인식하였다. 실험 결과에서는 임계화 작업을 이용한 번호판 추출과 코호넨 알고리즘을 이용한 번호판 인식이 우수하는 것을 알 수 있다.