• Journal of Information Processing Systems
• /
• 제12권4호
• /
• pp.661-680
• /
• 2016

The vehicle license plate recognition (VLPR) system analyzes and monitors the speed of vehicles, theft of vehicles, the violation of traffic rules, illegal parking, etc., on the motorway. The VLPR consists of three major parts: license plate detection (LPD), license plate character segmentation (LPCS), and license plate character recognition (LPCR). This paper presents an efficient method for the LPCS and LPCR of Korean vehicle license plates (LPs). LP tilt adjustment is a very important process in LPCS. Radon transformation is used to correct the tilt adjustment of LP. The global threshold segmentation method is used for segmented LP characters from two different types of Korean LPs, which are a single row LP (SRLP) and double row LP (DRLP). The cross-correlation matching method is used for LPCR. Our experimental results show that the proposed methods for LPCS and LPCR can be easily implemented, and they achieved 99.35% and 99.85% segmentation and recognition accuracy rates, respectively for Korean LPs.

• 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.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.248-253
• /
• 2008

In this paper, a novel vehicle detection algorithm is proposed that utilizes the color histogram of the image. The color histogram is used to search the image for regions with shadow, block symmetry, and block non-homogeneity, thereby detecting the vehicle region. First, an integral histogram of the input image is computed to decrease the amount of required computation time for the block color histograms. Then, shadow detection is performed and the block symmetry and block non-homogeneity are checked in a cascade manner to detect the vehicle in the image. Finally, the proposed scheme is applied to both still images taken in a parking lot and an on-road video sequence to demonstrate its effectiveness.

• 한국시뮬레이션학회논문지
• /
• 제8권3호
• /
• pp.67-76
• /
• 1999

The study of the optimization of operating policy of AGV system, which is used in many factory automation environments has been proceeded by many researchers. The major operating policy of AGV system consists of routing and scheduling policy. AGV routing is composed with collision avoidance and minimal cost path find algorithm. To allocate jobs to the AGV system, AGV scheduling has to include AGV selection rules, parking rules, and recharging rules. Also in these rules, the key time parameters such as processing time of the device, loading/unloading time and charging time should be considered. In this research, we compare and analyze several operating policies of multiple loop-multiple AGV system by making a computer model and simulating it to present an appropriate operating policy.

• 한국산학기술학회논문지
• /
• 제19권3호
• /
• pp.693-698
• /
• 2018

본 논문은 최근 물체탐지 분야에서 실시간 물체 탐지 알고리즘으로 주목을 받고 있는 YOLOv2(You Only Look Once) 알고리즘을 이용하여 밀집 영역에 주차되어 있는 자동차 탐지 방법을 제안한다. YOLO의 컨볼루션 네트워크는 전체 이미지에서 한 번의 평가를 통해서 직접적으로 경계박스들을 예측하고 각 클래스의 확률을 계산하고 물체 탐지 과정이 단일 네트워크이기 때문에 탐지 성능이 최적화 되며 빠르다는 장점을 가지고 있다. 기존의 슬라이딩 윈도우 접근법과 R-CNN 계열의 탐지 방법은 region proposal 방법을 사용하여 이미지 안에 가능성이 많은 경계박스를 생성하고 각 요소들을 따로 학습하기 때문에 최적화 및 실시간 적용에 어려움을 가지고 있다. 제안하는 연구는 YOLOv2 알고리즘을 적용하여 기존의 알고리즘이 가지고 있는 물체 탐지의 실시간 처리 문제점을 해결하여 실시간으로 지상에 있는 자동차를 탐지하는 방법을 제안한다. 제안하는 연구 방법의 실험을 위하여 오픈소스로 제공되는 Darknet을 사용하였으며 GTX-1080ti 4개를 탑재한 Deep learning 서버를 이용하여 실험하였다. 실험결과 YOLO를 활용한 자동차 탐지 방법은 기존의 알고리즘 보다 물체탐지에 대한 오버헤드를 감소 할 수 있었으며 실시간으로 지상에 존재하는 자동차를 탐지할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제13권6호
• /
• pp.273-278
• /
• 2008

신 차량 번호판 차량이 꾸준히 증가함에 따라, 교통위반 단속, 무인 주차 관리 시스템, 범죄 및 도난 차량 검거를 위한 신 자동차 번호판의 특징에 맞는 인식 시스템이 요구되고 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 지능형 신 자동차 번호판 인식 방법을 제안하였다. 무인 카메라에서 획득된 신 차량 영상을 그레이 레벨로 변환한 후에 블록 이진화한다. 블록 이진화된차량 영상을 대상으로 차량의 형태학적 특징을 적용하여 잡음을 제거한 후, 번호판 영역을 추출한다. 추출된 번호판 영역에 대해 Grassfire 알고리즘을 적용하여 개별 코드를 추출한다. 차량 번호판을 인식하기 위하여 추출된 개별 코드를 퍼지 ART 알고리즘을 적용하여 학습 및 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 100장의 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• 한국ITS학회 논문지
• /
• 제7권5호
• /
• pp.33-52
• /
• 2008

본 연구에서는 교통량, 차량의 이동여부에 따른 속도, 방향 이외에 주정차 감시경보, 역주행, 금지영역진입 등 기본적인 교통정보를 실시간 영상분석을 통한 실시간 측정 및 검지방식을 조사하고, 보다 정확하고 환경적응적인 영상을 이용한 차량검지 알고리즘을 제시한다. 또한 본 연구에서 제시된 차량검지 알고리즘을 이미 상용화된 영상검지 시스템(A제품)과 성능을 비교하여 이들의 개선점을 도출하고 이를 통해 비교우위의 정확한 검지 성능을 갖는 영상검지 알고리즘을 개발하였다. 본 연구과제의 결과를 분석한 결과는 기성 제품(A제품)과의 비교 시에도 유사한 성능을 나타내고 있다. 기성 제품인 A제품의 경우 4개 샘플의 검지누락이 발생한 반면 본 연구에서는 1개 샘플의 중복 검지가 발생하였다. 연구과제의 결과를 보완하여 다양하고 복잡한 실제 교통 환경에서 2차 시험을 실시하여 높은 검지 정확성을 확인하였다.

• 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.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1486-1494
• /
• 2021

문자 인식은 스마트 주차, text to speech 등 최근 다양한 플랫폼에서 필요로 하는 기술로써, 기존의 방법과 달리 새로운 시도를 통하여 그 성능을 향상시키려는 연구들이 진행되고 있다. 그러나 문자 인식에 사용되는 이미지의 품질이 낮을 경우, 문자 인식기 학습용 이미지와 테스트 이미지간에 해상도 차이가 발생하여 정확도가 떨어지는 문제가 발생된다. 이를 해결하기 위해 본 논문은 문자 인식 모델 성능이 다양한 품질 데이터에 대하여 강인하도록 이미지 초해상도 및 문자 인식을 결합한 통째학습 신경망을 설계하고, 대안적 통째학습 알고리즘을 구현하여 통째 신경망 학습을 수행하였다. 다양한 문자 이미지 중 차량 번호판 이미지를 이용하여 대안적 통째학습 및 인식 성능 테스트를 진행하였고, 이를 통해 제안하는 알고리즘의 효과를 검증하였다.

• 전자공학회논문지CI
• /
• 제43권2호
• /
• pp.21-32
• /
• 2006

번호판인식은 번호판 영역분할, 개별문자 추출, 문자 인식의 세 가지 핵심부분으로 구성된다. 이 가운데 번호판 영역분할의 정확성은 전체 인식률을 결정한다. 본 논문에서는 다양한 도로주변 환경을 고려해야하는 불법주정차 무인단속 현장으로부터 획득된 영상에서 차량의 번호판 영역을 정확하고 빠르게 분할하는 방법을 제안한다. 접근방법은 현장영상으로부터 번호판영역의 분할성능을 높이기 위하여 번호판색상의 수학적 모델을 제시하고, 이를 이용한 이진화를 수행하며, Gaussian Smoothing과 Double Threshold을 이용한 잡영제거, 1-패스 경계추적 레이블링 및 레이블링 이후 MBR을 이용한 번호판 영역후보 판정과 판정된 번호판 영역후보에서 개별문자 추출을 통한 번호판영역 검증과정을 통해 최종적으로 번호판영역을 분할하는 방법이다. 본 연구는 기존방법의 번호판 테두리 훼손에 따른 번호판 영역분할 실패의 문제점을 해결하고 시간소요의 문제를 실시간 안에 처리함으로서 실용적 응용이 가능하게 되었다.