• Journal of Intelligence and Information Systems
• /
• v.28 no.2
• /
• pp.57-74
• /
• 2022

Recently, artificial intelligence parking control systems have increased the recognition rate of vehicle license plates using deep learning, but there is a problem that they cannot determine vehicles with fake license plates. Despite these security problems, several institutions have been using the existing system so far. For example, in an experiment using a counterfeit license plate, there are cases of successful entry into major government agencies. This paper proposes an improved system over the existing artificial intelligence parking control system to prevent vehicles with such fake license plates from entering. The proposed method is to use the degree of matching of the front feature points of the vehicle as a passing criterion using the ORB algorithm that extracts information on feature points characterized by an image, just as the existing system uses the matching of vehicle license plates as a passing criterion. In addition, a procedure for checking whether a vehicle exists inside was included in the proposed system to prevent the entry of the same type of vehicle with a fake license plate. As a result of the experiment, it showed the improved performance in identifying vehicles with fake license plates compared to the existing system. These results confirmed that the methods proposed in this paper could be applied to the existing parking control system while taking the flow of the original artificial intelligence parking control system to prevent vehicles with fake license plates from entering.

• Journal of Korea Multimedia Society
• /
• v.2 no.4
• /
• pp.490-495
• /
• 1999

In this paper, a method of improving the learning time and convergence rate is proposed to exploit the advantages of artificial neural networks and fuzzy theory to neuron structure. This method is applied to the XOR Problem, n bit parity problem which is used as the benchmark in neural network structure, and recognition of digit image in the vehicle plate image for practical image application. As a result of the experiments, it does not always guarantee the convergence. However, the network showed improved the teaming time and has the high convergence rate. The proposed network can be extended to an arbitrary layer Though a single layer structure Is considered, the proposed method has a capability of high speed 3earning even on large images.

• The Journal of the Korea Contents Association
• /
• v.9 no.8
• /
• pp.9-17
• /
• 2009

License plate recognition is an active research area. but few comparative studies on license plate binarization have been conducted. Many related researchers have experienced similar trial and error for finding an effective binarization method. To reduce this trial and error, this study implemented some binarization methods and quantitatively compared the performance of the methods. The performance evaluation consists of a low level measure and a high level measure, so it can evaluate not only the quality of binarized image itself but also the usefulness of the result. The performance evaluation was separately performed with three groups of images so as to understand the properties of the binarization methods. Experimental results show that the quality of binarization is more dependent on the evenness of illumination than the intensity of illumination. The Otsu's method has acquired the most effective performance in the group of even illumination images and the Niblack's method with parameter correction has shown the best quality in the group of uneven illumination images.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.459-462
• /
• 2001

본 논문에서는 하이브리드 패턴벡터를 이용하여 자동차의 고유 마크와 차량 번호를 실시간으로 인식하는 알고리즘을 제안하였다. 제안한 알고리즘에서는 차량 입력 영상에서 차량의 마크와 번호판의 수평 및 수직 명암값 빈도수 변화를 이용해 마크와 번호판 영역을 추출한다. 또한, 추출된 알고리즘으로부터 수평 수직 패턴을 적용해 자동차의 마크를 인식하고 하이브리드 패턴벡터를 이용하여 번호판의 문자 및 숫자를 인식하도록 하였다. 제안한 자동차 마크 및 번호판 추출 과정에서는 마크와 번호판 영역의 문자와 배경이 뚜렷하게 구별되는 상대적인 크기의 특성과 수평 및 수직 빈도수와 패턴 벡터를 사용하여 마크 및 번호판 영역을 추출, 인식하도록하였다. 제안한 방법들을 적용한 결과, 차량 번호판의 크기에 관계없이 잡음에 영향을 받지 않고 차량의 종류와 번호를 실시간으로 처리할 수 있으며 차량번호판 추출 및 인식뿐 아니라 차량의 마크 추출 가능성을 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.313-315
• /
• 2003

분할 및 합병 개념에 바탕을 둔 모듈라 신경망이 자동차 번호판 문자 인식에서 단일 신경망 사용 보다 학습 질 측면이나 학습 속도 면에서 좋은 결과를 보였다. 본 논문에서는 번호판 인식을 위한 모듈라 신경망 구성 시, 특징 벡터 클러스터링 방법에 따른 모듈라 신경망의 성능을 평가하였다. K-means Clustering 알고리즘을 이용하여 유사한 특징 벡터를 그룹핑하는 방법과 본 논문에서 제안한 알고리즘을 사용하여 유사하지 않는 특징 벡터들을 그룹핑하는 방법 각각을 구현하여 실험하였다. 실험결과, 유사하지 않는 특징 벡터들로 모듈라 신경망을 구성할 경우가 그렇지 않은 경우보다 좋은 인식 결과를 보였다.

• 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 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.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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.775-778
• /
• 2002

본 논문에서는 도로를 주행하는 차량영상으로부터 번호판의 인식에 대한 연구이다. 차량을 검출하기 위해 두 프레임의 차를 이용하여 도로상에서 차량을 분리하였고, 번호판 영역을 추출하기 위해 명암도 변화의 파형 곡선 결과에 임계값을 적용하여 번호판을 추출하였다. 번호판 영역 검출은 96.05%의 검출결과를 얻었으며, 차량의 번호판 문자인식은 신경망을 통하여 학습 시켰 그 성능은 잭나이프 기법을 통해 측정하였다. 학습데이터에 대해서는 99.85 비학습데이터에 대해서는 88.15%의 인식율을 보였다.