• 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.

• 인터넷정보학회논문지
• /
• 제6권3호
• /
• pp.147-158
• /
• 2005

나날이 심각해지는 교통문제에서 차량에 대한 정보를 이용하여 교통흐름을 개선해 줄 뿐만 아니라, 교통위반 차량을 효율적으로 적발할 수 있다. 차량 번호판은 차량정보를 인식하는데 중요하게 사용될 수 있다. 본 논문에서는 이동식 형태인 차량에 탑재한 카메라를 이용하여 촬영한 영상에서 차량의 번호판을 인식하는 새로운 기법을 제안한다. 여러 단계의 영상처리 과정과 인식 과정을 거쳐서 실시간에 처리할 수 있는 시스템으로 일반 차량뿐 아니라 특장차에 대한 인식도 가능하게 한다. 제안한 기법을 이용한 실제적 환경에서의 영상과 인식에 대한 결과가 실험결과에서 보여진다.

• 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.

• 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.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제12권5호
• /
• pp.73-81
• /
• 2007

본 논문은 문자의 특징을 추출하여 다중연결 인식기를 통해 신규 자동차 번호판을 인식하는 방법을 제안한다. 이를 위해 영상 전처리과정과 번호판 영역 추출을 위한 과정과 개별문자 추출 과정을 통해 얻어진 개별문자를 인식을 위해 FE-MCBP를 제안하였다. FE-MCBP는 차량 번호판처럼 한글과 숫자가 혼용된 문자열을 인식할 때는 문자의 특징을 기반으로 하는 인식기로서 기존 역전파 인식기에 비해 인식률 면에서 9.7%가 향상되었다. 아울러 기울어진 번호판 영상을 정규화하기 위하여 직선 성분 검출 및 영역 좌표 생성기술을 이용하였다. 시스템 운용 면에서 볼 때 신규차량번호판 인식 시스템은 번호판 영역이 기울진 영상도 인식이 가능하기 때문에 비스듬하게 획득된 번호판 영상이나, 훼손된 번호판의 경우도 인식이 가능한 것으로 연구결과 나타났다.

• 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.

• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.412-415
• /
• 2017

본 논문에서는 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 제안한다. 제안한 시스템은 $360^{\circ}$ 원형영상의 평면 분할 부와 다중 번호판 인식 부로 구성되었다. $360^{\circ}$ 원형영상의 평면 분할 부는 고해상도 $360^{\circ}$ 전방위 IP 카메라에서 원형영상 획득, 원형영상 분할, 평면영상으로 변환, 보간법을 사용한 픽셀 보정 및 컬러보정, 에지 보정 등의 과정을 거쳐 화질이 개선된 평면영상으로 출력한다. 다중 번호판 인식 부는 평면영상에서 다중 번호판 후보영역 추출, 다중 번호판 후보영역 정규화 및 복원, 신경망을 사용한 다중 번호판 숫자, 문자 인식 과정을 거쳐 다중 번호판을 인식하게 된다. 제안된 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 평가하기 위하여 지능형 주차관제시스템 운영 전문 업체와 공동으로 실험한 결과, 97.8%의 높은 번호판 인식률이 확인되었다.

• 한국정보통신학회논문지
• /
• 제13권10호
• /
• pp.1987-1996
• /
• 2009

최근 들어 기존의 녹색 바탕의 차량 번호판에서, 흰색 바탕의 신 차량 번호판으로 교체되고 있다. 하지만, 아직 기존의 차량 번호판이 신 차량 번호판으로 전면 교체 되지 않아 두 번호판 모두 사용되고 있기 때문에 주차 관리 시스템, 속도위반, 신호 위반 등 무인 카메라를 이용한 시스템에서, 기존 차량 번호판과 신 차량 번호판 특징에 맞는 인식 시스템이 요구된다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 기존의 녹색 번호판과 흰색 번호판 모두를 추출하고 인식 할 수 있는 알고리즘에 관한 연구를 수행하였다. 다양한 환경 에서 획득한 차량 영상으로부터 번호판 영역을 추출하기 위하여 형태학적 특징을 이용하였고, 추출된 번호판 영역의 수평, 수직 히스토그램과 문자의 상대적 위치 정보를 이용하여, 문자를 분리하였다. 최종적으로, 분리된 문자를 인식하기 위해 주성분 분석법(PCA : Principal Component Analysis)과 선형 판별 분석법(LDA : Linear Discriminant Analysis)을 적용하여 인식 시스템을 구성하였다. 실험 결과, 불규칙한 조명 상태에서도 상대적으로 높은 추출률과 문자 인식률을 나타내었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.507-509
• /
• 1997

One of the most difficult tasks in the process of car license plate is the extraction of each character from within license plate region. This paper presents a real-time recognition of car licence number using neural network in parking lot. The feature parameters of letters and numbers of license plate are extracted by thinning algorithm. Both feature parameters are used to train neural networks for the image recognition.