• 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.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2002년도 춘계학술대회
• /
• pp.111-112
• /
• 2002

• 한국콘텐츠학회논문지
• /
• 제13권10호
• /
• pp.19-26
• /
• 2013

말레이시아 차량 번호판에는 플라스틱으로 제작된 영문 및 숫자들이 엠보싱 형태로 부착되어있으며 수평 수직방향 문자들 사이 간격이 조밀하게 배치된 경우가 많다. 따라서 조도가 낮은 차량 영상에서는 번호판 문자 획 정보 추출이 어려워질 수 있다. 본 논문에서는 저 조도에서 촬영된 말레이시아 차량 영상에서 번호판을 인식하는 알고리즘을 제안하였다. 저 조도에서 촬영된 차량 영상에서도 문자 획 연결 요소를 정확하게 추출하기 위해 DoG 필터링 기반 문자 획 생성 기법을 도입하였다. 문자 획 연결요소 해석을 통한 번호판 후보 영역을 추정한 다음 문자 영역을 분할하고 인식을 하였다. 쿠알라룸푸르 도로상에서 조명이 부착되지 않은 IR 카메라를 사용하여 주야로 촬영한 6,046장의 차량 영상을 대상으로 번호판 인식 실험을 수행하였다. 제안된 알고리즘을 이용하여 실험해 본 결과 번호판 인식 성능이 96.1%로 나타났다.

• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.259-261
• /
• 2003

차량 번호판 인식 시스템의 번호판 인식과정은 영상획득 및 번호판 영역 추출, 개별문자 추출, 문자 인식의 3가지 핵심부분으로 구성된다. 이 중에서도 번호판 추출의 정확성은 시스템 전체의 결과에 영향을 줄 수 있는 부분이며 다양한 주변 환경에도 정확한 추출과 빠른 수행 시간을 요구한다. 본 논문에서는 검출 시간의 단축을 위하여 명암값의 차이와 사전정보를 이용하여 먼저 인식대상의 주목표인 등록번호의 위치를 추출 및 검증하고 등록번호에 대한 지역명의 상대적인 위치 정보를 이용하여 문자의 대략적인 위치를 선정, 각 요소들의 외곽 근접 선들의 투영(protection)과 이동을 통하여 번호판의 모든 문자 요소의 위치를 추출한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.550-554
• /
• 2005

본 논문에서는 블럽을 사용해서 다수의 자동차 후면의 번호판을 추출하는 방법을 제안한다. 입력 영상에서 번호판의 문자와 배경사이의 명암도 차이를 이용하여, 입력 영상의 모든 블럽을 찾고, 찾아낸 블럽을 둘러싸는 최소의 사각형들을 구한다. 이 사각형들 중에서 일련의 경향성을 갖는 블럽 그룹을 찾는다. 찾아난 블럽 그룹이 자동차 번호판인지 아닌지를 SVM을 이용하여 확인한다. 적응적 이진화를 제외한 전처리작업을 하지 않았음에도 불구하고 번호판 검출률은 매우 높았으며, 번호판을 검출하는데 걸리는 시간도 길지 않았다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 추계종합학술대회
• /
• pp.797-800
• /
• 2003

본 논문은 차량 번호판 중앙부 위치값을 기반으로한 신경망을 이용하여 차량의 번호판 영역을 추출하는 방법을 제안하고자 한다. 임의의 숫자들로 정의된 표시영역에 대한 학습패턴과 넓은 범위를 수용할 수 있도록 한 신경망의 학습패턴을 이용하여 보다 효율적인 방법을 제시하였다. 학습패턴으로 차량 번호판 인식의 최적화을 이루었고 차량번호 및 헤드라이트 부분의 은닉효과와, 학습패턴의 확대 및 감소에 대하여 연구하였단. 위의 과정을 통하여 지하주차장에서 595여대의 자동차에 대하여 번호판 영역을 추출한 결과 98.5%의 인식율을 보여주었다.

• 한국정보전자통신기술학회논문지
• /
• 제1권3호
• /
• pp.105-109
• /
• 2008

본 논문은 차량 번호판 중앙부 위치값을 기반으로한 신경망을 이용하여 차량의 번호판 영역을 추출하는 방법을 제안하고자 한다. 임의의 숫자들로 정의된 표시영역에 대한 학습패턴과 넓은 범위를 수용할 수 있도록 한 신경망의 학습패턴을 이용하여 보다 효율적인 방법을 제시하였다. 학습패턴으로 차량 번호판 인식의 최적화을 이루었고 차량번호 및 헤드라이트 부분의 은닉효과와, 학습패턴의 확대 및 감소에 대하여 연구하였다. 위의 과정을 통하여 지하주차장에서 595여대의 자동차에 대하여 번호판 영역을 추출한 결과 98.5%의 인식율을 보여주었다.

• 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.

• 한국통신학회논문지
• /
• 제37A권9호
• /
• pp.780-785
• /
• 2012

본 논문은 차량 번호판 중앙부 위치값을 기반으로 한 신경망을 이용하여 차량의 번호판 영역을 추출하는 방법을 제안하고자 한다. 임의의 숫자들로 정의된 번호판영역에 대한 학습패턴과 넓은 범위를 수용할 수 있도록 한 신경망의 학습패턴을 이용하여 보다 효율적인 방법을 제시하였다. 학습패턴으로 차량 번호판 인식의 최적화을 이루었고 차량번호 및 헤드라이트 부분의 은닉효과와, 학습패턴의 확대 및 감소에 대하여 연구하였다. 위의 과정을 통하여 지하주차장에서 595여대의 자동차에 대하여 번호판 영역을 추출한 결과 98.5%의 인식율을 보여주었다.