• 제어로봇시스템학회논문지
• /
• 제3권5호
• /
• pp.511-519
• /
• 1997

This paper presents the automatic recognition algorithm of the license number in on vehicle image. The proposed algorithm uses the correlation coefficient and Hough transform to detect license plate. The m/n ratio reduction is performed to save time and memory. By the correlation coefficient between the standard pattern and the target pattern, licence plate area is roughly extracted. On the extracted local area, preprocessing and binarization is performed. The Hough transform is applied to find the extract outline of the plate. If the detection fails, a smaller or a larger standard pattern is used to compute the correlation coefficient. Through this process, the license plate of different size can be extracted. Two algorithms to each separate number are proposed. One segments each number with projection-histogram, and the other segments each number with the label. After each character is separated, it is recognized by the neural network. This research overlomes the problems in conventional methods, such as the time requirement or failure in extraction of outlines which are due to the processing of the entire image, and by processing in real time, the practical application is possible.

• International Journal of Computer Science & Network Security
• /
• 제22권11호
• /
• pp.121-126
• /
• 2022

The number of vehicles has increased exponentially over the past 20 years due to technological advancements. It is becoming almost impossible to manually control and manage the traffic in a city like Karachi. Without license plate recognition, traffic management is impossible. The Framework for License Plate Detection & Recognition to overcome these issues is proposed. License Plate Detection & Recognition is primarily performed in two steps. The first step is to accurately detect the license plate in the given image, and the second step is to successfully read and recognize each character of that license plate. Some of the most common algorithms used in the past are based on colour, texture, edge-detection and template matching. Nowadays, many researchers are proposing methods based on deep learning. This research proposes a framework for License Plate Detection & Recognition using a custom YOLOv5 Object Detector, image segmentation techniques, and Tesseract's optical character recognition OCR. The accuracy of this framework is 0.89.

• 대한토목학회논문집
• /
• 제26권3D호
• /
• pp.349-352
• /
• 2006

자동차 수의 급증으로 야기되는 교통혼잡, 교통사고, 주차난 등의 많은 문제에 효율적으로 대응하기 위해서는 제한된 인력과 비용을 사용하는 자동차 관리가 필수적인데 이를 위한 많은 연구들이 국내외적으로 현재 진행되고 있다. 현재 진행되고 있는 여러 연구 분야 중에서 특히 자동차의 차량번호판인식 기술은 법규위반 차량 식별, 통행료 징수, 자동차세 징수, 도난 도주 차량 확인 및 주차 관리 등의 많은 분야에 응용되고 있다. 자동차의 차량번호판 문자 인식 문제와 같이 훈련예제 수집 비용이 많이 드는 경우에 제한된 수의 훈련예제를 최대한 활용하여 분류성능을 향상시키기 위한 방안의 하나로, 수집된 훈련예제들로부터 가상의 예제를 생성하고, 생성된 가상예제를 훈련예제로 추가하여 학습하는 여러 연구가 수행된 바 있다. 본 논문에서는 차량번호판 문자 인식의 성능 향상을 위해 수집된 예제들을 적절히 병합하여 가상의 예제를 생성하는 방안에 관해 기술하고, 문자인식 분야에서 일반적으로 많이 사용되는 여러 알고리즘에 대하여 다양한 가상예제 생성방안 및 다양한 생성비율에 따른 실험을 통해 그 효용성을 확인한다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.15-23
• /
• 2016

본 논문은 한국의 차량 번호판 인식에 효과적인 방법을 제안한다. 획득한 자동차 이미지로부터 Haar-Like Feature를 이용해 대략적인 번호판 후보 영역을 찾아낸 후, 랭크 필터를 사용하여 전처리를 하고 캐니 에지 추출 (Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 알고리즘을 사용하여 학습된 신경망을 이용하여 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 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.

• 한국산업융합학회 논문집
• /
• 제24권5호
• /
• pp.555-562
• /
• 2021

In this paper, we propose a sorting method for extracting accurate license plate information, which is currently used in Korea, after detecting objects using YOLO. We propose sorting methods for the five types of vehicle license plates managed by the Ministry of Land, Infrastructure and Transport by classifying the plates with the number of lines, Korean characters, and numbers. The results of experiments with 5 license plates show that the proposed algorithm identifies all license plate types and information by focusing on the object with high reliability score in the result label file presented by YOLO and deleting unnecessary object information. The proposed method will be applicable to all systems that recognize license plates.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.705-711
• /
• 2011

본 논문은 산업응용을 목표로 효과적인 차량 번호판 인식 알고리즘을 제안한다. 자동차 이미지를 얻은뒤 캐니 에지 추출(Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 신경망으로 미리 학습된 가중치 값과 비교되며, 최종 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 확인하였다.

• 전기전자학회논문지
• /
• 제15권4호
• /
• pp.274-280
• /
• 2011

본 연구에서는 SoC를 이용한 임베디드 시스템에 리눅스 OS 환경을 구축하고 번호판 인식 시스템을 구현하여 그 성능을 측정하였다. 자동차 번호판을 인식하기 위해서는 번호판을 검출하고 검출된 번호판을 보정 한 뒤 각 문자들에 대해 인식을 한다. 번호판 검출 방법으로는 레이블링 기법과 숫자의 특징을 이용하여 검출하였다. 검출된 번호판의 표기되어 있는 숫자들은 각각의 좌표가 있다. 이러한 숫자들의 좌표를 비교하여 영상을 보정하고 템플릿 매칭을 통해 인식을 한다. 그 결과로 번호판의 검출율은 96%, 문자 인식률은 73%, 숫자 인식률은 97%로 나타났다. 인식 시스템은 기존의 PC기반이 아닌 임베디드 보드에서 측정 되었으며 총 인식시간은 약 0.66초가 소요되었다.

• 전기학회논문지
• /
• 제65권1호
• /
• pp.142-149
• /
• 2016

This paper proposes a method to detect LP(License Plate) of vehicles in indoor and outdoor parking lots. In restricted environment, there are many conventional methods for detecting LP. But, it is difficult to detect LP in natural and complex scenes with background clutters because several patterns similar with text or LP always exist in complicated backgrounds. To verify the performance of LP text detection in natural images, we apply MB-LGP feature by combining with ensemble machine learning algorithm in purpose of selecting optimal features of small number in huge pool. The feature selection is performed by adaptive boosting algorithm that shows great performance in minimum false positive detection ratio and in computing time when combined with cascade approach. MSER is used to provide initial text regions of vehicle LP. Throughout the experiment using real images, the proposed method functions robustly extracting LP in natural scene as well as the controlled environment.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.713-725
• /
• 2019

번호판 자동인식(ALPR: Automatic License Plate Recognition)은 지능형 교통시스템 및 비디오 감시 시스템 등 많은 응용 분야에서 필요한 기술이다. 대부분의 연구는 자동차를 대상으로 번호판 감지 및 인식을 연구하였고, 오토바이를 대상으로 번호판 감지 및 인식은 매우 적은 편이다. 자동차의 경우 번호판이 차량의 전방 또는 후방 중앙에 위치하며 번호판의 뒷배경은 주로 단색으로 덜 복잡한 편이다. 그러나 오토바이의 경우 킥 스탠드를 이용하여 세우기 때문에 주차할 때 오토바이는 다양한 각도로 기울어져 있으므로 번호판의 글자 및 숫자 인식하는 과정이 훨씬 더 복잡하다. 본 논문에서는 다양한 각도로 주차된 오토바이 데이터세트에 대하여 번호판의 문자 인식 정확도를 높이기 위하여 2-스테이지 YOLOv2 알고리즘을 사용하여 오토바이 영역을 선 검출 후 번호판 영역을 검지한다. 인식률을 높이기 위해 앵커박스의 사이즈와 개수를 오토바이 특성에 맞추어 조절하였다. 그 후 기울어진 번호판을 검출한 후 영상 워핑 알고리즘을 적용하였다. 모의실험 결과, 기존 방식의 인식률이 47.74%에 비해 제안된 방식은 80.23%의 번호판의 인식률을 얻었다. 제안된 방법은 전체적으로 오토바이 번호판 특성에 맞는 앵커박스와 이미지 워핑을 통해서 다양한 기울기의 오토바이 번호판 문자 인식을 높일 수 있었다.