• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.87-89
• /
• 2017

차량의 블랙박스와 CCTV, 드론 등 다양한 채널에서 촬영된 영상의 증가로, 차량 및 교통 상황과 관련된 데이터의 양 또한 폭발적으로 증가하고 있다. 본 연구에서는 이러한 데이터들의 고속 처리를 위해, 실시간 메시지 분산처리 시스템인 아파치 카프카를 활용하여 블랙박스 영상의 프레임을 여러 노드에 분배하였다. 또한, 각각의 노드에 들어온 블랙박스 영상의 프레임을 입력으로 하여, 영상처리 기법을 통한 차량 번호판의 지역화와 문자 분할 및 이를 인식하기 위한 연구를 수행하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.407-411
• /
• 2007

이 논문은 우리나라 차량 영상에서 번호판 영역을 추출하는 알고리즘을 제안한다. 우리나라 번호판은 하단에 네개의 숫자를 포함하고 있으므로, 네 개의 숫자를 찾으면 번호판을 추출 할 수 있다. 제안하는 방법은 입력된 영상에서 숫자의 가능성을 가진 연결 요소를 검출하고 이들을 군집화 한다. 군집화 된 연결요소들을 바탕으로 숫자 네개(4-digits) 후보를 생성한다. 4-digits 후보들을 인식하여 숫자의 가능성을 측정하고, 적합도로 변환한다. 후보영역 중 적합도가 가장 높은 영역을 번호판 영역으로 추출한다. 적합도는 Perfect Metrics 방법으로 측정하였다. 제안하는 방법을 주간 영상 4600장과 야간 영상 264장으로 테스트 한 결과 각각 97.23%, 95.45%의 검출률과 0.09%, 0.11%의 오검출률을 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.338-340
• /
• 2000

자동차 번호판 인식 시스템은 영상획득, 번호판 영역 추출, 추출된 번호판 영역의 전처리, 문자부분 영역화, 문자인식 등의 5가지 핵심부분으로 구성된다. 그 중에서도 번호판 영역 추출, 추출된 영역의 전처리, 문자부분 영역화의 정확성은 전체 시스템 인식률에 지대한 영향을 줄 수 있는 부분으로써 그 정확성이 요구된다. 이에 본 논문에서는 컴퓨터 비젼 분야 중의 하나인 영상처리 기법을 사용하여 명암의 변화에도 문자를 잘 추출할 수 있는 Dynamic Adaptive Threshold 방법을 사용하여 추출된 번호판 영역을 이진화하고, 정확하게 문자 부분을 영역화하기 위한 방법으로 누적분포와 번호판 문자배열 특성을 이용한 방법을 제안한다. 그리고 추출되어진 문자는 ART2 신경망을 이용하여 인식한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.345-348
• /
• 2007

자동차 번호판 인식은 카메라의 발달과 무인자동차 주차 시스템, 불법 주정차 단속 등 응용 서비스의 증가로 부각되고 있는 텔레매틱스 분야의 핵심 기술이다. 특히 우리나라의 번호판은 영업용과 비영업용의 도색이 틀리고, 현재 4종류의 번호판 체계를 갖고 있다. 따라서 번호판 인식은 이들 번호판을 종류별로 분류하고 인식해야 되는 어려움이 있다. 본 논문은 레이블링 기법으로 번호판 종류를 분류하고, 지역 글자 인식에서 뭉개짐 현상이 발생하는 경우, 기존의 신경망에서 인식치 못하는 것을 차영상과 신경망을 이용하여 인식률 향상을 이루었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.192-197
• /
• 2004

본 논문에서는 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출과 개선된 RBF 네트워크를 이용한 차량 번호판 인식 시스템을 제안한다. 번호판 영역은 수평ㆍ수직 에지의 형태학적 정보를 이용하여 추출하고 개별 문자는 히스토그램 방법과 위치 정보를 이용한 방법에 윤곽선 추적 알고리즘을 병합하여 추출한다. 개별 문자 인식은 ARTI 알고리즘을 개선하여 지도 학습 방법과 결합한 개선된 신경망을 제안하여 차량 번호판 인식에 적용한다. 제안된 방법의 성능을 확인하기 위하여 트루 컬러 차량 영상 155개와 그레이 컬러 차량 영상 100개를 대상으로 실험한 결과, 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출 방법이 임계화를 이용한 차량 번호판 추출 방법, RGB와 HSI 컬러 정보를 각각 이용한 차량 번호판 추출 방법보다 추출률이 개선되었으며, 인식 성능도 개선된 신경망의 학습 알고리즘이 기존의 학습 알고리즘들보다 우수한 성능이 있음을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1361-1362
• /
• 2015

차량의 수요가 증가함에 따르는 지능적인 통제시스템의 요구된다. 그리고 과학기술의 발달과 시스템의 자동화에 따라 사람뿐만 아니라 차량도 인식이 필요하게 되었다. 따라서 본 논문은 다항식 기반 RBFNNs를 이용하여 차량의 번호판 인식을 수행한다. 번호판 영역과 번호는 영상처리에서 영상 이진화와 영상 모폴로지 기법 등 전처리 과정을 거친 후 검출하고, 차량 번호를 인식하기 위해 0~9사이의 숫자를 클래스 별로 데이터의 차원을 축소시켜 다항식 기반 RBFNNs에 학습하고, 테스트 차량의 번호판에서 번호별로 분류하여 차량번호를 인식한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2005.05a
• /
• pp.437-442
• /
• 2005

본 연구에서는 칼라정보와 주성분분석법(principal component analysis : PCA)를 이용한 차량 번호판 인식시스템을 구성하였다. 먼저 입력된 차량 영상에서 번호판의 형태적 특징과 녹색 칼라 정보를 이용하여 번호판 영역을 추출하였으며, 추출된 번호판내의 문자 및 숫자의 위치적 특징을 이용하여 번호판의 종류(구형, 신형, 최신형)를 구분하였다. 이렇게 추출되고 구분된 번호판은 문자의 상대적 위치정보와 수평 및 수직 투영 정보를 함께 이용하여 각각의 문자영역을 분리 추출하였다. 추출된 문자영역은 주성분분석법을 이용하여 고유벡터를 추출한 후 문자 인식에 사용하였다. 본 논문의 실험과정에서는 다양한 시간대 환경에서 촬영된 주행 중인 자동차 320대의 자가용 차량영상에 대하여 실험하였으며 높은 번호판 추출률과 번호판종류 구분률 그리고 문자 인식률을 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.514-516
• /
• 2002

본 논문은 차량 번호판의 숫자인식 방법으로 위상한정상관을 이용하는 방법을 제안한다. 본 논문에서 이용하는 위상한정상관법은 푸리에변환을 이용한 상관함수의 계산과정에서 진폭을 고정치로 하여 위상정보의 값만으로 패턴 인식을 가능하게 한다. 제안하는 방법은 기존의 위상한정상관에서 진폭을 최적치 2.2로 하여 잡음화상의 식별을 더욱 명확히 하였다. 실험을 통하여 10개의 서로 다른 숫자화상을 비교하여 다른 숫자를 구분하고 잡음이 첨가된 숫자화상을 비교하여 동일 숫자임을 확인함으로써 패턴매칭에 효과적임을 보인다. 또한 화상을 이치화하는 전처리 과정을 거치지 않고도 다른 숫자화상에 대해 98%의 식별성능을 나타내므로 농담화상에 대한 성능도 우수하고 잡음에도 강함을 보여 준다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.568-570
• /
• 2002

최근, 분류기 쪽에서는 모듈라 학습을 이용한 방법들에 대해서 상당한 관심이 모아지고 있다. 모듈라 학습 방법은 divide and conquer 개념에 바탕을 두고 있기 때문에 복잡한 문제에 대해서 학습 질 측면이나 학습 속도 면에서 단일 분류기에 비해 좋은 결과들을 나타내고 있다. 인공신경망을 이용한 분류 방법 쪽에서도 이러한 연구들이 이루어지고 있다. 본 논문에서는 번호판 인식을 위한 간단한 형태의 모듈라 신경망을 제안하고 이의 성능을 평가하였다. 실험 결과, 일반적인 차량 번호판의 영상에서 성공적인 결과를 보였으며, 잡음에 의한 훼손된 번호판도 좋은 인식 결과를 보였다. 또한 인식률 측면 뿐만 아니라 학습 속도 면에서도 상당한 이득이 있었다.