• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.234-238
• /
• 2004

본 논문에서는 명암도 정보와 제안된 퍼지 이진화을 이용하여 차량 번호판 영역과 개별 코드를 추출하는 방법을 제안한다. 제안된 방법은 비영업용 차량 영상을 대상으로 차량 번호판 영역을 추출하기 위해 명암도 변화 특성을 이용하여 차량 번호판을 추출한다. 추출된 차량 번호판 영역에서는 제안된 퍼지 이진화 방법을 적용하석 차량 번호판의 영역을 이진화하고 이진화된 차량 영역판에 대해서 히스토그램 방법을 적용하여 개별 코드를 추출한다. 제안된 방법의 성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 차량 번호판의 추출 방법보다 번호판 영역의 추출률이 개선되었고 제안된 퍼지 이진화 방법을 적용하여 개별 코드를 추출하는 것이 효율적인 것을 확인하였다.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.350-353
• /
• 2009

본 논문에서는 국토모니터링 기술의 한 부분으로서 도로 지역에 대한 효율적인 실시간 교통모니터링을 위해 도로상의 차량 정보를 LiDAR 데이터로부터 취득하는 과정을 실험하였다. 도로영역의 데이터를 추출하기 위해서 좌표 변환된 수치지도와 LiDAR 데이터를 이용하였고, 국지적 임계치 필터링을 사용하여 추출된 도로영역의 데이터를 차량과 도로의 자료로 분리시키는 작업을 수행하였으며, 추출된 차량의 포인트들을 이용하여 차량을 표현할 수 있는 기본 속성값을 추출하였다. 마지막으로, 분리된 차량의 포인트에 대해서 MDC(Minimum Distance Classification) 클러스터링를 이용하여 차량의 종류를 분류하였다. 결과적으로 본 연구를 통하여 차량인식과 차량의 종류에 대한 분류를 수행할 수 있음을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.337-342
• /
• 2008

최근 들어 기존의 녹색 바탕 차량 번호판에서, 흰색 바탕의 신 차량 번호판으로 교체되고 있다. 하지만 아직 기존 차량 번호판이 신 차량 번호판으로 전면 교체되지 않아 두 번호판 모두 사용되고 있다. 따라서 주차관리 시스템, 속도위반, 신호 위반 등 무인 카메라를 이용한 시스템에서, 기존 차량 번호판과 신 차량 번호판의 특징에 맞는 인식 시스템이 요구된다. 본 논문에서는 이러한 문제를 해결하기 위해 기존 차량 번호판과 신 차량 번호판을 통합한, 지능형 차량 번호판 인식 시스템을 제안한다. 무인 카메라에서 획득된 차량 영상에서 번호판의 색상 정보를 이용하여 기존 차량 번호판과 신 차량 번호판을 구분한다. 기존 차량 번호판인 경우에는 HSI 컬러 공간을 이용하여 이진화를 적용하며, 신 차량 번호판인 경우에는 블록 이진화를 적용한다. 이진화된 영상을 대상으로 차량의 형태학적 특징을 이용하여 잡음을 제거한 후, 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역에 대해 Labeling 알고리즘을 적용하여 개별 문자를 추출한다. 추출된 개별 문자는 FCM 알고리즘을 적용하여 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 160장의 기존 차량 영상과 100장의 신 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.370-376
• /
• 2005

본 논문에서는 HSI 정보와 신경망의 비지도 학습 방법인 ART2 알고리즘을 이용하여 신 차량 번호판을 인식하는 방법을 제안한다. 제안된 방법은 차량의 영상에서 번호판 영역을 추출하는 부분과 추출된 번호판 영역의 문자를 인식하는 부분으로 구성된다. 본 논문에서는 차량 번호판 영역을 추출하기 위해 HSI 컬러 모형의 Hue 정보를 이용하여 차량 번호판 영역을 추출하고 개선된 퍼지 이진화 방법을 적용하여 추출된 차량 번호판 영역으로부터 문자를 포함한 특징 영역을 이치화 한 후에 4방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출한다. 추출된 개별 코드를 인식하기 위해 잡음과 훼손에 비교적 강한 ART2 알고리즘을 적용한다. 제안된 방법의 차량 번호판 추출 및 인식 성능을 평가하기 위하여 실제 비영업용 차량 번호판에 적용한 결과, 기존의 차량 번호판의 추출 방법보다 번호판 영역의 추출률이 개선되었다. 또한 ART2 알고리즘을 적용하여 신 차량 번호판을 인식하는 것이 효율적임을 확인하였다.

• 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 Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.346-351
• /
• 2002

본 연구에서는 차량 번호판에서 추출된 문자영역의 DCT(Digital Cosine Transform) 계수와 LVQ (Learning Vector Quantization) 신경회로망을 이용하여 차량 번호판 인식 시스템을 구성하였다. 입력된 차량영상의 RGB 칼라정보를 이용하여 번호판 영역을 추출하고 추출된 번호판의 히스토그램과 문자의 상대적 위치정보를 병합하여 문자영역을 추출하였다. 이렇게 추출된 문자영역의 명암도 영상에 DCT를 적용하여 얻은 특징 벡터는 LVQ 신경회로망의 입력으로 사용되어 인식 과정을 수행한다. 제안된 시스템의 검증을 위하여 다양한 환경에서 촬영된 109대의 자가용 차량영상에 대하여 실험하여 상대적으로 높은 번호판 영역 추출율과 인식률을 보였다.

• 한국ITS학회:학술대회논문집
• /
• 2002.11a
• /
• pp.169-172
• /
• 2002

차량검출에 관한 연구는 교통량 관측을 위해서 가장 기본적이고 필수적인 요소이다. 영상을 기반으로 한 교통 정보 시스템은 다른 방식을 이용하는 시스템들과 비교했을 때 여러가지 두드러진 장점을 가지고 있다. 하지만 일반적인 영상기반 시스템에서는 기상상태에 관해서 민감하게 반응하지 못하는 단점이 있다. 악천후가 발생하는 환경에서 영상의 노이즈는 차량의 교통정보 추출에 있어서 심각한 성능의 저하를 야기할 수 있다. 본 논문에서는 차량검출과 함께 기상 상태에 대해 영향을 덜 받는 향상된 차량정보 추출 방식을 제안 하였다. 제안된 방법은 에지를 기반으로 추출된 차량영상으로부터 비나 눈으로 인한 악천후 때문에 생긴 영상 잡음을 제거 하는 방식으로 기존의 방식에 비해 차량검출 정확도의 오류가 감소되었다. 본 논문에서 제안한 robust 한 차량검출 방법을 기반으로 하여 차량추적, 차량계수, 차종분류, 그리고 속도측정을 수행하여 각 도로의 부하르 나타내는 데 사용되는 차량 흐름과 관련되 여러 가지 교통 정보들을 추출하는데 응용될 수 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.5
• /
• pp.1004-1012
• /
• 2007

In this paper, we proposed a new car license plate recognition method using an unsupervised ART2 algorithm with HSI color model. The proposed method consists of two main modules; extracting plate area from a vehicle image and recognizing the characters in the plate after that. To extract plate area, hue(H) component of HSI color model is used, and the sub-area containing characters is acquired using modified fuzzy binarization method. Each character is further divided by a 4-directional edge tracking algorithm. To recognize the separated characters, noise-robust ART2 algorithm is employed. When the proposed algorithm is applied to recognize license plate characters, the extraction rate is better than that of existing RGB model and the overall recognition rate is about 97.4%.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.457-462
• /
• 2000

교통 법규 위반 단속이나 주차 관리를 위한 차량 번호판 인식 시스템을 구현하기 위해서는 크게 차량 번호판 추출, 문자 분할, 문자 인식의 세부분으로 이루어진다. 본 논문에서는 차량 번호판 인식 시스템의 구현을 위해 번호판 영역의 색상정보를 이용하여 차량 번호판을 추출하는 방법을 제안하고, 번호판 영역 문자들의 사전 정보와 색상성분을 사용하여 정확하게 번호판 문자 분할을 하는 방법을 제안한다. 자가용과 영업용 차량 영상을 주간/dirks 및 정면/후면으로 나누어 다양하게 취득하여 실험한 결과, 94.6%의 번호판 추출률과 86.8%의 문자분할률을 얻었다.