• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.108-110
• /
• 2004

Automatic license plate recognition (LPR) is one of the critical techniques of the intelligent transportation system (ITS), in which license plate location plays an important role. In this paper, through surveying the international existing techniques, a new method for locating license plate is proposed: utilize row scan method to locate up and down boundary of the plate; and based on the location of up and down boundary, take advantage of the feature of plate area to locate left and right boundary of the plate. The tests of using the proposed algorithms have been conducted. The experimental results show that the proposed approaches are reasonable and accurate.

• 반도체디스플레이기술학회지
• /
• 제13권2호
• /
• pp.7-12
• /
• 2014

A vehicle license plate includes the most important information for recognition and classification of the vehicle. In this paper, we propose a vehicle license plate recognition system using image binarization and template matching. In the proposed system, an image of the vehicle license plate is converted into a gray scale image and the gray image undergoes the binarization process. Finally, the numbers on the plate are extracted from the binary image using the template matching algorithm.

• 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.

• 전기학회논문지
• /
• 제65권9호
• /
• pp.1531-1540
• /
• 2016

In this paper, we propose vehicle license plate recognition system based on Radial Basis Function Neural Networks (RBFNNs) with the use of local binarization functions and canny edge algorithm. In order to detect the area of license plate and also recognize license plate numbers, binary images are generated by using local binarization methods, which consider local brightness, and canny edge detection. The generated binary images provide information related to the size and the position of license plate. Additionally, image warping is used to compensate the distortion of images obtained from the side. After extracting license plate numbers, the dimensionality of number images is reduced through Principal Component Analysis (PCA) and is used as input variables to RBFNNs. Particle Swarm Optimization (PSO) algorithm is used to optimize a number of essential parameters needed to improve the accuracy of RBFNNs. Those optimized parameters include the number of clusters and the fuzzification coefficient used in the FCM algorithm, and the orders of polynomial of networks. Image data sets are obtained by changing the distance between stationary vehicle and camera and then used to evaluate the performance of the proposed system.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.5990-6008
• /
• 2019

Recognizing license plate from its traffic camera captured images is one of the most important aspects in many traffic management systems. Despite many sophisticated license plate recognition related algorithms available online, license plate recognition is still a hot research issue because license plates in each country all round the world lack of uniform format and their camera captured images are often affected by multiple adverse factors, such as low resolution, poor illumination effects, installation problem etc. A novel method is proposed in this paper to solve the inclination problem of license plates in their camera captured images through four parts: Firstly, special edge pixels of license plate are chosen to represent main information of license plates. Secondly, least square methods are used to compute the inclined angle of license plates. Then, coordinate rotation methods are used to rotate the license plate. At last, bilinear interpolation methods are used to improve the performance of license plate rotation. Several experimental results demonstrated that our proposed method can solve the inclination problem about license plate in visual aspect and can improve the recognition rate when used as the image preprocessing method.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 추계종합학술대회
• /
• pp.596-599
• /
• 2001

자동차의 번호판을 인식하는 것은 차량을 식별하는데 있어서 매우 중요하다. 어두운 조명에서나 날씨가 나쁠 경우 차량의 형상이 왜곡 될 수 있고, 번호판을 식별하는데 어려움이 있다. 본 논문은 차량의 규격을 이용하여 효율적으로 번호판을 추출하는 방법을 제안한다. 이 방법에서 색상이나 형태처럼 차량의 규격을 따르는 자동차 번호판의 특징들은 번호판의 후보영역으로 결정되고, 신경망에 의해 숫자나 문자의 패턴 갖는 영역이 번호판 영역으로 인식된다. 또한 특징패턴인식의 결과로서 번호판을 확정하였다. 70개 차량영상을 실험해 본 결과 번호판 추출률에서는 84.29 %, 인식률에서는 80.81 %의 결과를 나타내었다.

• 한국지능시스템학회논문지
• /
• 제20권2호
• /
• pp.262-266
• /
• 2010

Recognizing a license plate of a vehicle has widely been issued. In this thesis, firstly, mean shift algorithm is used to filter and segment a color vehicle image in order to get candidate regions. These candidate regions are then analyzed and classified in order to decide whether a candidate region contains a license plate. We then present an approach to recognize a vehicle's license plate using the Fuzzy ARTMAP neural network, a relatively new architecture of the neural network family. We show that the proposed system is well to recognize the license plate and shows some compute simulations.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.40-48
• /
• 2018

본 논문은 차량과 함께 카메라의 위치가 이동하는 블랙박스 영상을 위한 차량 번호판 인식 알고리즘을 제안한다. 카메라의 흔들림이나 빛의 변화가 많은 블랙박스 영상에서 다단계 신경 회로망을 사용하여 한글 문자의 인식률을 높여 전체적인 차량 번호판의 인식률을 높이고자 한다. 제안한 알고리즘은 차량 번호판의 한글 문자의 모음과 자음을 분리하여 인식한다. 먼저, 1차 신경 회로망으로 모음을 인식하고, 종모음('ㅏ','ㅓ')과 횡모음('ㅗ','ㅜ')로 구분한 뒤 각각의 모음군에 2차 신경 신경회로망을 이용하여 자음을 구분한다. 실제 블랙박스 영상을 획득하여 차량 번호판 인식 시뮬레이션을 수행하였으며, 그 결과 제안한 인식 시스템이 기존의 신경 회로망 기법을 사용한 차량 번호판 인식 시스템보다 높은 인식률을 보임을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권10호
• /
• pp.3490-3507
• /
• 2014

License plate detection (LPD) is one of the most important aspects of an automatic license plate recognition system. Although there have been some successful license plate recognition (LPR) methods in past decades, it is still a challenging problem because of the diversity of plate formats and outdoor illumination conditions in image acquisition. Because the accurate detection of license plates under different conditions directly affects overall recognition system accuracy, different methods have been developed for LPD systems. In this paper, we propose a license plate detection method that is rapid and robust against variation, especially variations in illumination conditions. Taking the aspects of accuracy and speed into consideration, the proposed system consists of two stages. For each stage, Haar-like features are used to compute and select features from license plate images and a cascade classifier based on the concatenation of classifiers where each classifier is trained by an AdaBoost algorithm is used to classify parts of an image within a search window as either license plate or non-license plate. And it is followed by connected component analysis (CCA) for eliminating false positives. The two stages use different image preprocessing blocks: image preprocessing without adaptive thresholding for the first stage and image preprocessing with adaptive thresholding for the second stage. The method is faster and more accurate than most existing methods used in LPD. Experimental results demonstrate that the LPD rate is 98.38% and the average computational time is 54.64 ms.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.134-143
• /
• 2020

자동차 번호판 인식 기술은 도로의 교통상황 통제, 과속차량 단속, 도주 차량의 추적 등 현대 교통 시설 및 교통 안전망을 책임지고 있는 핵심 기술 중 하나이다. 이 기법은 과거에도 연구되었던 분야였으나 최근 딥러닝 기술의 발전으로 다양한 기법들을 적용하여 향상된 성능을 보이는 분야이며, 크게 자동차 번호판 검출과 번호판 인식으로 나뉜다. 본 연구에서는 다양한 객체 검출 모델과 WPOD-Net(Warped Planar Object Detection Network) 모델을 활용하여 자동차 번호판 검출 성능을 향상시키기 위한 실험을 진행하였으며, 객체 검출 모델을 활용하여 번호판을 검출하는 기존 방식들 대신 차량을 검출한 다음 번호판을 검출하는 방식을 택하여 정확도를 높였다. 특히 Super-Resolution 기법 중 하나인 Fast-SRGAN 모델을 활용하여 이미지 내에 존재하는 노이즈를 제거하는 처리를 통해 최종 성능을 향상시켰다. 결과적으로 92.38%에서 96.72%로 선행 연구 대비 평균 4.34% 향상된 성능이 실험을 통해 확인되었다.