• 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.

• 한국정보전자통신기술학회논문지
• /
• 제6권2호
• /
• pp.113-118
• /
• 2013

본 논문에서는 효율적인 번호판 인식을 위하여 번호판 영역 식별과 문자 분리, 문자 인식에 적합한 번호판 인식 시스템을 위한 방법들을 제안하고자한다. 번호판 영역 식별에는 실시간 처리가 가능하도록 속도가 빠르고, 번호판 영역의 누락이 없는 방법이 필요하다. 제안된 알고리즘은 효율성을 입증하기 위하여 역전파 알고리즘만을 이용한 인식시스템과 SVM만을 이용한 인식시스템 그리고 제안한 인식 시스템을 각각 실험하였다. 그 결과 역전파 알고리즘을 이용한 경우 87.9%, SVM의 경우91.4%의 번호판 인식을 한 반면 제안된 알고리즘은 98.6%의 인식률을 나타내어 최소 7.9%에서 최대 12.2%의 인식률이 향상되었다.

• 한국컴퓨터정보학회논문지
• /
• 제12권5호
• /
• pp.313-319
• /
• 2007

본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드는 퍼지 신경망 알고리즘을 이용하여 인식한다. 차량 번호판 영역을 검출하기 위해 프리윗 마스크에 의해 수직 에지를 찾고, 차량 번호판에 관한 특성 정보를 이용하여 잡음을 제거한 추에 차량 번호판 영역과 개별 코드를 추출한다 추출된 개별 코드를 인식하기 위해 퍼지 신경망 알고리즘을 제안하고 인식에 적용한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고, 중간층과 출력층간의 학습 구조에는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 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.

• 한국통신학회논문지
• /
• 제38C권12호
• /
• pp.1114-1125
• /
• 2013

License Plate Detection (LPD) is a key component in automatic license plate recognition system. Despite the success of License Plate Recognition (LPR) methods in the past decades, the problem is quite a challenge due to the diversity of plate formats and multiform outdoor illumination conditions during image acquisition. This paper aims at automatical detection of car license plates via image processing techniques. In this paper, we proposed a real-time and robust method for license plate detection using Heuristic Energy Map(HEM). In the vehicle image, the region of license plate contains many components or edges. We obtain the edge energy values of an image by using the box filter and search for the license plate region with high energy values. Using this energy value information or Heuristic Energy Map(HEM), we can easily detect the license plate region from vehicle image with a very high possibilities. The proposed method consists two main steps: Region of Interest (ROI) Detection and License Plate Detection. This method has better performance in speed and accuracy than the most of existing methods used for license plate detection. The proposed method can detect a license plate within 130 milliseconds and its detection rate is 99.2% on a 3.10-GHz Intel Core i3-2100(with 4.00 GB of RAM) personal computer.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2277-2282
• /
• 2009

본 논문에서는 형태학적 특징 및 차 연산과 ART2 알고리즘을 이용한 차량 번호판 인식 방법을 제안하였다. 무인 카메라에서 획득된 차량 번호판 영상에서 차 연산을 이용하여 에지를 추출한 후에 블록 이진화한다. 이진화된 차량 영상에서 신 구 차량 번호판의 형태학적 특성을 8방향 윤곽선 추적 알고리즘에 적용하여 잡음 영역을 제거하고, 차량의 번호판 영역을 추출한다. 추출된 번호판 영역에 대하여 평균 이진화와 최대 최소 이진화를 적용하여 번호판의 개별 영역에 대한 형태학적 특성을 고려하여 잡음을 제거하고, Labeling 알고리즘을 적용하여 개별 문자를 추출한 후에 결합한다. 이렇게 추출되어 결합된 개별 문자 및 숫자 코드들은 ART2 알고리즘에 적용하여 학습 및 인식된다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 녹색 번호판과 흰색 번호판 이미지 각각 100장을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식기법이 효율적임을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1449-1461
• /
• 2005

본 논문에서는 차량의 식별마크 분류 및 차량번호판 인식을 통한 차량인식 알고리즘을 제안하였다. 제안한 알고리즘에서는 먼저 입력 차량영상으로 부터 잡음제거, 세선화 과정 등 전처리 과정들을 수행하고 명암값 변화 빈도 분포를 사용하여 차량식별마크와 번호판 영역을 추출하였다. 또한 추출된 후보 영역으로부터 차량 식별마크와 번호판 영역의 구조적 특성 정보를 사용하여 차량 식별마크, 번호판의 문자 및 숫자를 분류하였으며, 하이브리드 패턴벡터 및 수직수평 패턴벡터를 사용하여 식별마크, 문자 및 숫자를 인식하여 차량 정보 인식율을 개선하였다. 제안한 알고리즘에서는 차량의 식별마크가 차량의 종류에 따라 독립적인 특성, 식별마크와 번호판 영역에서는 문자와 배경이 뚜렷하게 구별되는 특성 및 수평 및 수직빈도수 분포가 식별마크 및 번호판 이외의 영역과 뚜렷이 구별된다는 특성들을 이용하였다. 제안한 방법의 성능을 확인하기 위하여 다양한 환경에서 촬영된 350여개의 영상에 대하여 차량인식 실험을 수행하였고 제안한 방법이 차량번호판의 크기와 위치에 무관하고 잡음의 영향에 덜 민감하였을 뿐만 아니라 불규칙적인 외부환경에서도 인식율이 개선되었다. 또한 식별마크와 번호판 인식의 실시간 처리가 가능하여 실제 주차장이나 도시화도로등에 적용이 가능하다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.126.1-126
• /
• 2001

Navigation in unknown environments, where the robot has no exact geometric information in advance, requires the robot to obtain the destination positions without a map. The utilization of model-based object recognition would be a solution, where the robot can estimate the destination positions from geometric relationships between the recognized objects and the robot. This paper presents a robot System for this kind of navigation, in Which the robot navigates itself to the room designated by room number. Object recognition technique is used to find a door and character recognition is utilized to interpret the room number on the number plate near the door and to determine whether it is the destination or not. The robot has ...

• 한국전자통신학회논문지
• /
• 제10권1호
• /
• pp.139-148
• /
• 2015

본 논문에서는 여러 장의 후판이 포함된 영상에서 제품번호 문자열을 추출하고 문자를 분리하는 알고리즘을 제안한다. 일반적으로 후판 영상은 여러 개의 후판을 포함하고 있다. 후판의 제품번호를 추출하기 위해서는 먼저 개별 후판을 분리하여야 하며, 이를 위해 후판의 직선 에지를 검출하고 군집화를 수행한다. 다음으로 분리된 개별 후판을 대상으로 배경 정보를 제거하여 후판의 제품번호 문자열을 검출한다. 후판의 배경은 철판의 어두운 부분과 제품번호를 출력하기 위한 흰색 페인트 부분으로 구성되며, 제안하는 방법에서는 두 부분을 구분하여 두 단계로 배경을 제거한다. 배경을 제거한 영상에 대해서 후판의 제품번호 문자열의 특성을 고려하여 개별 문자열을 추출한다. 다양한 후판 영상에 대해서 실험을 수행한 결과는 제안하는 알고리즘이 전체 영상에서 각각의 후판을 효과적으로 검출하고 개별 후판 영상에서 제품번호를 정확하게 추출함을 보여준다.

• 한국지능시스템학회논문지
• /
• 제13권4호
• /
• pp.409-415
• /
• 2003

Recently, the modular learning are very popular and receive much attention for pattern classification. The modular learning method based on the "divide and conquer" strategy can not only solve the complex problems, but also reach a better result than a single classifier′s on the learning quality and speed. In the neural network area, some researches that take the modular learning approach also have been made to improve classification performance. In this paper, we propose a simple modular neural network for characters recognition of vehicle number plate and evaluate its performance on the clustering methods of feature vectors used in constructing subnetworks. We implement two clustering method, one is grouping similar feature vectors by K-means clustering algorithm, the other grouping unsimilar feature vectors by our proposed algorithm. The experiment result shows that our algorithm achieves much better performance.