• 전자공학회논문지CI
• /
• 제40권6호
• /
• pp.47-55
• /
• 2003

본 논문에서는 다양한 시간과 장소에서 차량 정면이나 후면 주변의 다양한 위치에서 촬영되고 주변 배경이 충분히 포함되는 주차 단속용 영상에서 차량 번호판을 추출하기 위해, 명암 벡터와 복합 색상을 이용하여 차량 번호판의 고유한 특성을 감지하는 방법을 제안한다. 기본적으로 번호판 영역에서 문자와 배경의 명암도 차이가 뚜렷하여 명암값의 증감이 빈번히 발생하고, 번호판 영역이 차종에 따라 일정한 색상을 갖는다는 특성을 함께 이용한다. 먼저, 번호판 영상의 하단부터 시작하여 일정 간격의 행마다 탐색해가면서, 명암 벡터의 부호가 충분히 자주 변화하고 번호판 색상이 충분히 검출되는 구간을 번호판 후보로 간주하여 대략 영역을 지정한다. 그런 다음, 수직 에지 성분을 수평ㆍ수직으로 프로젝션하여 번호판의 정교 영역을 추출한다. 이때, 추출된 번호판의 색상에 의해 차종도 쉽게 판별된다. 제안한 방법의 성능을 평가하기 위해 다양한 시간과 장소에서 촬영된 실제 단속 영상 200장을 사용하였다. 실험 결과, 제안한 방법이 명암 벡터만을 사용한 방법보다 약 9% 향상된 96%의 번호판 추출률을 보였다.

• 지능정보연구
• /
• 제8권1호
• /
• pp.15-25
• /
• 2002

본 논문에서는 차량 번호판에서 추출된 문자영역의 DCT(Digital Cosine Transform) 계수와 LVQ(Learning Vector quantization) 신경회로망을 이용하여 상대적으로 간결한 구조로 잡음의 영향을 적게 받는 차량 번호판 인식 시스템을 제안하였다. 입력된 차량영상의 RGB칼라정보를 이용하여 번호판 영역을 추출하고 추출된 번호판의 히스토그램과 문자의 상대적 위치정보를 병합하여 문자영역을 추출하였다. 이렇게 추출된 문자영역의 명암도 영상에 DCT를 적용하여 얻은 특징 벡터를 LVQ신경회로망의 입력으로 사용하여 인식 과정을 수행한다. 본 논문의 실험과정에서는 다양한 환경에서 촬영된 109대의 자가용 차량영상에 대하여 제안된 시스템을 실험하였으며 상대적으로 높은 번호판 영역 추출율과 인식률을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제23권10호
• /
• pp.87-94
• /
• 2018

This paper proposes a method of detecting the license plates of vehicles. The proposed technology applicable to different formats of license plates detects the numbers by standardizing the images at edge points. Specifically, in accordance with the format of each license plate, the technology captures the image in the character segment, and compares it against the sample model to derive their similarity and identify the numbers. Characters with high similarities are used to form a group of candidates and to extract the final characters. Analyzing the experimental results found the similarity of the extracted characters exceeded 90%, whereas that of less identifiable numbers was markedly lower. Still, the accuracy of the extracted characters with the highest similarity was over 80%. The proposed technology is applicable to extracting the character patterns of certain formats in diverse and useful ways.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.507-509
• /
• 1997

One of the most difficult tasks in the process of car license plate is the extraction of each character from within license plate region. This paper presents a real-time recognition of car licence number using neural network in parking lot. The feature parameters of letters and numbers of license plate are extracted by thinning algorithm. Both feature parameters are used to train neural networks for the image recognition.

• 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.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권12호
• /
• pp.1016-1023
• /
• 2009

자동차 번호판 인식 시스템은 문자 추출, 특징 추출 등의 영상처리와 추출된 문자를 인식하는 인식기로 구성된다. 특징 추출은 문자 영역의 데이터 감소뿐만 아니라 인식 성능을 결정한다. 따라서 본 논문에서는 번호판 인식의 결과에 영향이 큰 숫자 인식, 특히 숫자의 특징 추출에 초점을 두었으며, 데이터의 군집성을 재배치하여 데이터 간의 최적의 산란도를 확보할 수 있는 통계적 특징의 혼합 모델을 제안하고, 이를 다층 퍼셉트론과 LVQ 신경망을 이용하여 유효성을 검증하였다. 제안된 통계적 특징 추출 방법은 번호판 영상이 갖는 정보를 가장 잘 유지하고, 잡음과 외부 환경에 강건하며 효과적인 방법임을 보여준다.

• 한국융합학회논문지
• /
• 제9권9호
• /
• pp.31-39
• /
• 2018

본 논문에서는 차량 주변 환경의 변화에서도 번호판 영역을 검출하는 연구를 하였다. 그래서 주변 환경 변화에 적응하는 윤곽선 추출 기반의 자동차 번호판 검출 방법을 제안하였다 제안하는 방법은 윤곽선 추출 과정에서 불필요한 잡음 부분을 제거하기 위해 DoG(Difference of Gaussian)을 이용하여 윤곽선을 추출 하였다. 추출한 윤곽선 영상를 이진화하여 Mophology operation을 사용하여 문자부분 윤곽선을 강조시켰다. 그리고 문자의 종횡비를 판별하여 번호판의 문자와 유사한 비율의 윤곽선을 추출하였다. 그리고 윤곽이 가장 길게 이어진 경우를 차량 번호판으로 추정하여 검출 하였다. 본 연구에서는 차량 정면 뿐 아니라 기울어져 있는 차량의 번호판, 차량 주변 환경의 변화를 가지는 차량 번호판 등 다양한 130개의 차량 영상 데이터를 사용하였다. 그리고 번호판의 패턴이 다른 오토바이 영상에서도 실험 하였다. 실험 결과 기울어져 있는 영상은 93%, 다양한 배경 환경에서는 90% 오토바이영상에서는 70%의 검출률을 나타냈으나 정면의 영상에서 98%의 검출률을 나타내었다.

• 정보처리학회논문지B
• /
• 제14B권2호
• /
• pp.81-88
• /
• 2007

도난차량 추적과 주차 관리 시스템 및 과속 차량 탐지 등에 광범위하게 사용되는 차량 번호판 인식 시스템을 구현하였다. 인식 시스템은 번호판을 추출하는 부분과 추출된 번호판을 인식하는 단계로 나뉘어진다. 번호판 추출 단계에서는 영상의 기울기를 측정하기 위해 수평 성분만을 추출하는 필터를 사용하여 차창과 번호판을 포함한 차량 전면부의 수평 성분만을 검출한 후 이것의 기울기를 측정하는 방법으로 번호판의 기울기를 구한다. 세그먼트 추출 과정에서는 신경화소 또는 배경화소가 연속하여 나타나는 블록의 계수의 변화를 감지하여 각 문자 또는 숫자를 추출한다. 각 문자 또는 숫자의 인식 단계에서는 잡음의 영향을 덜 받으며 높은 정확도를 보이는 비교템플렛 방법을 제안한다. 기존의 원형정합 방법과 히스토그램 방법과의 비교 실험을 통하여 제안한 방법의 인식 성능이 우수함을 보인다.

• 전자공학회논문지C
• /
• 제36C권1호
• /
• pp.73-81
• /
• 1999

본 논문에서는 1-D DCT를 이용한 차량 영상의 번호판 영역 및 번호판의 문자 영역을 효과적으로 분할하는 방법을 제안한다. 차량 영상에서 번호판 영역과 번호판의 문자영역은 일정 크기의 고주파 성분에 의하여 구별될 수 있다. 본 방법은 이러한 고주파 성분을 DCT로써 추출하고, 추출된 고주파 성분에 의하여 번호판 영역과 문자영역을 분리하는 방법을 보인다. 또한 제안된 방법에 대한 타당성을 보이기 위하여, 다양한 영상에 대해 실험하였다. 그 결과, 간단한 전처리 만으로 비교적 정확한 번호판 영역 추출이 가능하였으며, 보다 효과적으로 문자영역을 분리할 수 있음을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제25권5호
• /
• pp.776-788
• /
• 2020

본 논문에서는 딥러닝을 이용한 차종 인식과 자동차 번호판 문자 인식 시스템을 제안한다. 기존 시스템에서는 영상처리를 통한 번호판 영역 추출과 DNN을 이용한 문자 인식 방법을 사용하였다. 이러한 시스템은 환경이 변화되면 인식률이 하락되는 문제가 있다. 따라서, 제안하는 시스템은 실시간 검출과 환경 변화에 따른 정확도 하락에 초점을 맞춰 1-stage 객체 검출 방법인 YOLO v3를 사용하였으며, RGB 카메라 한 대로 실시간 차종 및 번호판 문자 인식이 가능하다. 학습데이터는 차종 인식과 자동차 번호판 영역 검출의 경우 실제 데이터를 사용하며, 자동차 번호판 문자 인식의 경우 가상 데이터만을 사용하였다. 각 모듈별 정확도는 차종 검출은 96.39%, 번호판 검출은 99.94%, 번호판 검출은 79.06%를 기록하였다. 이외에도 YOLO v3의 경량화 네트워크인 YOLO v3 tiny를 이용하여 정확도를 측정하였다.