• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권9호
• /
• pp.361-368
• /
• 2014

차량 번호판 인식 시스템은 복잡한 교통환경의 효율적 관리를 위해 발전되어 현재 많은 곳에 사용되고 있다. 그러나 조명, 잡음, 배경변화, 번호판 훼손 등 환경변화에 큰 영향을 받기 때문에 제한된 환경에서만 동작하며, 실시간으로 사용하기 어렵다. 본 논문에서는 조명변화와 잡음에 강건하며 빠른 번호판 인식을 위한 휴리스틱 분할 알고리즘 및 이를 이용한 실시간 번호판 인식 시스템을 제안한다. 첫 번째 단계는 Haar-like 특징과 Adaboost를 이용하여 번호판을 검출한다. 이 방법은 적분영상을 이용하며 케스케이드 구조로 구성되어 있어 빠른 검출이 가능하다. 두 번째 단계에서 적응 히스토그램 평활화 방법과 노이즈를 경감시키는 바이레터럴 필터를 이용하여 번호판의 종류를 결정한 후, 번호판 종류에 따라 적분영상을 이용한 적응 이진화, 픽셀 프로젝션, 사전지식 등을 기반으로 빠르고 정확한 문자 분할을 한다. 세번째 단계에서는 HOG와 신경망 알고리즘을 이용하여 숫자를 인식하고, SVM을 이용해 한글을 인식한다. 실험결과는 번호판검출에 94.29%의 검출률, 2.94%의 오경보율을 보이며, 문자분할에서는 검출률 97.23%, 2.94%의 오경보율을 보였다. 문자인식에서 평균 인식률은 98.38%이다. 평균 운용시간은 140ms으로 빠르고 강인한 실시간 시스템을 만들 수 있다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.699-706
• /
• 2021

Existing license plate recognition system is used as an optical character recognition method, but a method of using deep learning has been proposed in recent studies because it has problems with image quality and Korean misrecognition. This requires a lot of data collection, but the collection of license plates is not easy to collect due to the problem of the Personal Information Protection Act, and labeling work to designate the location of individual license plates is required, but it also requires a lot of time. Therefore, in this paper, to solve this problem, five types of license plates were created using a virtual Korean license plate generation program according to the notice of the Ministry of Land, Infrastructure and Transport. And the generated license plate is synthesized in the license plate part of collectable vehicle images to construct 10,147 learning data to be used in deep learning. The learning data classifies license plates, Korean, and numbers into individual classes and learn using YOLOv5. Since the proposed method recognizes letters and numbers individually, if the font does not change, it can be recognized even if the license plate standard changes or the number of characters increases. As a result of the experiment, an accuracy of 96.82% was obtained, and it can be applied not only to the learned license plate but also to new types of license plates such as new license plates and eco-friendly license plates.

• 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.

• 한국항만학회지
• /
• 제13권2호
• /
• pp.303-312
• /
• 1999

The automated gate operating system is developed in this paper that controls the information of container at gate in the ACT. This system can be divided into three parts and consists of container identifier recognition car plate recognition container deformation perception. We linked each system and organized efficient gate operating system. To recognize container identifier the preprocess using LSPRD(Line Scan Proper Region Detection)is performed and the identifier is recognized by using neural network MBP When car plate is recognized only car image is extracted by using color information of car and hough transform. In the port of container deformation perception firstly background is removed by using moving window. Secondly edge is detected from the image removed characters on the surface of container deformation perception firstly background is removed by using moving window. Secondly edge is detected from the image removed characters on the surface of container. Thirdly edge is fitted into line segment so that container deformation is perceived. As a results of the experiment with this algorithm superior rate of identifier recognition is shown and the car plate recognition system and container deformation perception that are applied in real-time are developed.

• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.31-37
• /
• 2001

버스 전용차선 번호판 인식 시스템은 차량 검출 및 영상 획득 , 번호판 영역 추출 개별문자 추출, 문자인식 및 데이터 전송의 5가지 핵심부분으로 구성된다. 이 중에서도 번호판 추출의 정확성은 전체 시스템 인식률에 지대한 영향을 줄 수 있는 부분이며 다양한 날씨 및 주위 환경 변화에서도 정확한 추출을 요구한다. 본 논문에서는 검출 시간의 단축을 위해 획득된 영상을 피라미드 구조로 만든 후 번호판 템플릿의 영역을 이진화하고 번호판의 분포를 가지는 후보영역을 추출한다. 추출된 후보 영역 중 번호판 문자 분포의 특성을 이용한 검증과정을 통해 최종영역을 추출하는 방법을 제안한다. 제안된 방법을 버스 전용차선 도로에서 획득한 영상에 적용한 결과 다양한 날씨와 주위 환경변화에서도 번호판 영역이 정확이 추출됨을 확인하였다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제13권6호
• /
• pp.273-278
• /
• 2008

신 차량 번호판 차량이 꾸준히 증가함에 따라, 교통위반 단속, 무인 주차 관리 시스템, 범죄 및 도난 차량 검거를 위한 신 자동차 번호판의 특징에 맞는 인식 시스템이 요구되고 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 지능형 신 자동차 번호판 인식 방법을 제안하였다. 무인 카메라에서 획득된 신 차량 영상을 그레이 레벨로 변환한 후에 블록 이진화한다. 블록 이진화된차량 영상을 대상으로 차량의 형태학적 특징을 적용하여 잡음을 제거한 후, 번호판 영역을 추출한다. 추출된 번호판 영역에 대해 Grassfire 알고리즘을 적용하여 개별 코드를 추출한다. 차량 번호판을 인식하기 위하여 추출된 개별 코드를 퍼지 ART 알고리즘을 적용하여 학습 및 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 100장의 차량 영상을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식 방법이 실험을 통해서 효율적인 것을 확인하였다.

• 한국산학기술학회논문지
• /
• 제10권8호
• /
• pp.1947-1954
• /
• 2009

카메라에 의해 획득되는 주행 차량의 번호판 영상은 많은 변화와 잡음을 포함할 뿐만 아니라 번호판 영상내의 문자 영상은 매우 작은 크기를 가지게 된다. 이러한 열악한 조건으로 대표되는 번호판 영상의 인식 효율을 높이기 위해 번호판 영상의 인식에 적합한 영상 정제와 특징 추출 방법을 다양한 실험에 의해 결정하였으며, 서로 대비되는 특징을 사용하여 인식 성능을 상호 보완할 수 있는 인식기쌍을 설계하였다. 전체 번호판의 인식을 위해 다수의 인식기쌍으로 구성된 복합인식기를 구축하여 개별 인식 결과, 신뢰도, 상호 연관성, 저평가 요소의 처리 등을 분석하여 최종 인식하였다. 제안된 방법의 인식 효율을 도로 현장에서 취득된 번호판 영상을 대상으로 검증하였다.

• 한국정보처리학회논문지
• /
• 제6권12호
• /
• pp.3683-3693
• /
• 1999

차량 번호판 인식 시스템의 개발에 있어서, 빛의 양 변화 및 번호판 인쇄 상태가 다양한 자연 환경에서의 높은 인식성능과 시스템 안정성 확보가 문제이다. 본 논문에서는 명암도 변화와 칼라정보를 단계별로 사용하여 이러한 문제를 해결하는 시스템을 제안한다. 다양한 번호판 상태와 종류의 차량영상에 대하여 안정적으로 동작하게 하기 위하여, 먼저 명암도 변화 횟수를 이용하여 다수의 번호판 후보 밴드(띠)를 찾는다. 상당히 어둡거나 밝게 입력된 영상에 대하여도 동일한 인식 성능을 얻기 위하여 후보밴드에 대하여 칼라정보를 이용한 밝기 조정을 수행하고, 정확한 번호판 경계를 추출하기 위하여 번호판 배경색에 근거한 이진화 및 윤곽선 추적을 수행한다. 각 번호판 후보 영역에 대하여 문자추출 및 문자인식을 병행하여 번호판 영역을 확정함으로써 번호판 추출 및 인식률을 높인다. 제안된 방법의 성능을 확인하기 위하여 다양한 환경에서 촬영된 200장의 영상에 대하여 인식 실험을 수행한 결과, 제안된 방법이 차량 번호판의 자동인식에 우수한 성능을 보임을 확인하였다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제1권1호
• /
• pp.17-26
• /
• 2012

This paper presents an image processing-based validation method for unrecognizable numbers in severely distorted license plate images which have been degraded by various factors including low-resolution, low light-level, geometric distortion, and periodic noise. Existing vehicle license plate recognition (LPR) methods assume that most of the image degradation factors have been removed before performing the recognition of printed numbers and letters. If this is not the case, conventional LPR becomes impossible. The proposed method adopts a novel approach where a set of reference number images are intentionally degraded using the same factors estimated from the input image. After a series of image processing steps, including geometric transformation, super-resolution, and filtering, a comparison using cross-correlation between the intentionally degraded reference and the input images can provide a successful identification of the visually unrecognizable numbers. The proposed method makes it possible to validate numbers in a license plate image taken under low light-level conditions. In the experiment, using an extended set of test images that are unrecognizable to human vision, the proposed method provides a successful recognition rate of over 95%, whereas most existing LPR methods fail due to the severe distortion.