모폴로지 RoI(Region of Interest) 맵을 이용한 차량 번호판 검출 A vehicle license plate recognition system using morphological ROI (region of interest) map generated from morphology operation원문보기
매년 등록된 차량의 숫자는 2002년에 1,3950,000대에서 2015년은 2,0990,000대로 증가하고 있다. 2002년 이후로 지금까지 13년 동안 7,040,000대가 증가했다. 국토 교통부에 따르면 2020년경 차량 등록 대수는 25,000,000대에 도달할 것으로 예측하고 있다. 이러한 차량의 급격한 증가에 대해서 차량 관리에 관한 많은 관심이 필요로 한다. 차량 번호판 인식 시스템(LPRS:License Plate Recognition System)은 지능형 교통 시스템(ITS:Intelligent Transportation System)의 핵심적 기술이다. 번호판 인식 시스템은 차량을 포함한 이미지에서 차량의 번호판을 읽어내는 기술이며, ...
매년 등록된 차량의 숫자는 2002년에 1,3950,000대에서 2015년은 2,0990,000대로 증가하고 있다. 2002년 이후로 지금까지 13년 동안 7,040,000대가 증가했다. 국토 교통부에 따르면 2020년경 차량 등록 대수는 25,000,000대에 도달할 것으로 예측하고 있다. 이러한 차량의 급격한 증가에 대해서 차량 관리에 관한 많은 관심이 필요로 한다. 차량 번호판 인식 시스템(LPRS:License Plate Recognition System)은 지능형 교통 시스템(ITS:Intelligent Transportation System)의 핵심적 기술이다. 번호판 인식 시스템은 차량을 포함한 이미지에서 차량의 번호판을 읽어내는 기술이며, 무인 자동차 주차 시스템, 무인 불법 주차 감시 시스템, 고속도로의 요금 시스템과 같은 차량 관리를 위한 목적으로 활용되고 있다. 이 경우에 고정된 카메라와 고정된 배경에 제한을 갖는다. 하지만 점차적으로 배경이 달라지는 환경에서 차량 번호판을 인식을 위한 노력이 필요할 것이다. 기존의 추출 기법에서, 일반적으로 사람이 쉽게 인식 할 수 있도록 정해진 번호판의 모양, 색상, 크기, 위치 그리고 번호판의 문자영역의 정보 등을 활용한다. 자동차의 번호판 영역을 획득하는 방법에는 여러 가지 방법이 있다. 예를 들면, 직선 검출에 의한 추출방법이나 모폴로지에 의한 추출법, 투영 히스토그램에 의한 추출법등을 사용해왔다. 본 논문에서는 모폴로지 특성을 이용하여 차량의 번호판을 추출하는 기법을 제안한다. 모폴로지 특성을 이용하여 번호판 영역을 강조하고, 블록 프로세싱을 통해서 MROI(Morphological Region Of Interest)맵을 생성하여, 복잡한 배경에서 번호판 영상을 효율적으로 검출하는 방법을 제안한다. 기존의 모폴로지 기법과 다르게, 블록 프로세싱을 통하여 연산량을 줄이며, MROI 맵을 사용하여 이미지 전체를 스캔하는 효과를 얻는다. 또한, MROI 맵의 값의 분포를 분석하고 문턱치를 결정하여 이진화 이미지를 생성한다. 그리고 번호판의 특징인 종횡비와 에지 밀도를 이용하여 번호판 영역을 결정한다. 자동차 번호판 검출 실험을 위하여 2종류의 테스트 샘플이미지를 구했다. 먼저, 톨게이트의 설치된 카메라에서 촬영한 이미지 200장과 주차장이나 길가에서 촬영한 100장을 가지고 실험을 진행했다. 실험결과는 실제로 이미지에 존재하는 번호판의 개수와 검출된 개수의 비로 결과를 내었다. 실험 결과 기존 논문과 제안한 알고리즘은 톨게이트의 이미지에서 모두 100%의 검출율을 보였으나, 주차장 또는 길가에서 찍은 이미지에서 기존 논문의 검출율은 76%였고, 제안한 알고리즘은 92%의 검출율을 보였다. 주차장이나 길가의 이미지에서, 제안한 방법의 검출율은 기존 방법의 검출율보다 16% 개선하였다.
매년 등록된 차량의 숫자는 2002년에 1,3950,000대에서 2015년은 2,0990,000대로 증가하고 있다. 2002년 이후로 지금까지 13년 동안 7,040,000대가 증가했다. 국토 교통부에 따르면 2020년경 차량 등록 대수는 25,000,000대에 도달할 것으로 예측하고 있다. 이러한 차량의 급격한 증가에 대해서 차량 관리에 관한 많은 관심이 필요로 한다. 차량 번호판 인식 시스템(LPRS:License Plate Recognition System)은 지능형 교통 시스템(ITS:Intelligent Transportation System)의 핵심적 기술이다. 번호판 인식 시스템은 차량을 포함한 이미지에서 차량의 번호판을 읽어내는 기술이며, 무인 자동차 주차 시스템, 무인 불법 주차 감시 시스템, 고속도로의 요금 시스템과 같은 차량 관리를 위한 목적으로 활용되고 있다. 이 경우에 고정된 카메라와 고정된 배경에 제한을 갖는다. 하지만 점차적으로 배경이 달라지는 환경에서 차량 번호판을 인식을 위한 노력이 필요할 것이다. 기존의 추출 기법에서, 일반적으로 사람이 쉽게 인식 할 수 있도록 정해진 번호판의 모양, 색상, 크기, 위치 그리고 번호판의 문자영역의 정보 등을 활용한다. 자동차의 번호판 영역을 획득하는 방법에는 여러 가지 방법이 있다. 예를 들면, 직선 검출에 의한 추출방법이나 모폴로지에 의한 추출법, 투영 히스토그램에 의한 추출법등을 사용해왔다. 본 논문에서는 모폴로지 특성을 이용하여 차량의 번호판을 추출하는 기법을 제안한다. 모폴로지 특성을 이용하여 번호판 영역을 강조하고, 블록 프로세싱을 통해서 MROI(Morphological Region Of Interest)맵을 생성하여, 복잡한 배경에서 번호판 영상을 효율적으로 검출하는 방법을 제안한다. 기존의 모폴로지 기법과 다르게, 블록 프로세싱을 통하여 연산량을 줄이며, MROI 맵을 사용하여 이미지 전체를 스캔하는 효과를 얻는다. 또한, MROI 맵의 값의 분포를 분석하고 문턱치를 결정하여 이진화 이미지를 생성한다. 그리고 번호판의 특징인 종횡비와 에지 밀도를 이용하여 번호판 영역을 결정한다. 자동차 번호판 검출 실험을 위하여 2종류의 테스트 샘플이미지를 구했다. 먼저, 톨게이트의 설치된 카메라에서 촬영한 이미지 200장과 주차장이나 길가에서 촬영한 100장을 가지고 실험을 진행했다. 실험결과는 실제로 이미지에 존재하는 번호판의 개수와 검출된 개수의 비로 결과를 내었다. 실험 결과 기존 논문과 제안한 알고리즘은 톨게이트의 이미지에서 모두 100%의 검출율을 보였으나, 주차장 또는 길가에서 찍은 이미지에서 기존 논문의 검출율은 76%였고, 제안한 알고리즘은 92%의 검출율을 보였다. 주차장이나 길가의 이미지에서, 제안한 방법의 검출율은 기존 방법의 검출율보다 16% 개선하였다.
The number of registered vehicles per year is increasing from 1,3950,000 in 2002 to 20,990,000 in 2015. Since 2002, 7,040,000 units have increased over the past 13 years. According to the Ministry of Land, Transport and Traffic, the number of vehicles registered in 2020 is expected to reach 25,000,0...
The number of registered vehicles per year is increasing from 1,3950,000 in 2002 to 20,990,000 in 2015. Since 2002, 7,040,000 units have increased over the past 13 years. According to the Ministry of Land, Transport and Traffic, the number of vehicles registered in 2020 is expected to reach 25,000,000. Much attention needs to be paid to vehicle management for the rapid increase in such vehicles. License Plate Recognition System (LPRS) is an important technology of Intelligent Transportation System (ITS). The license plate recognition system is a techniques to recognize license plates from images including vehicles, and is used for vehicle management such as vehicle parking management system, illegal parking monitoring system, and highway tolling system. In this case, there is a limitation on the fixed camera and the fixed background. However, in an environment where the background gradually changes, efforts will need to be made to recognize the license plates. In the conventional feature extraction technique, informations such as the shape, color, size, position, and character of the license plate are used so that the license plate can be easily recognized. There are many ways to obtain vehicle license plate region. For example, There are extraction methods using features such as straight line, morphology, and projection of histogram. In this paper, morphology features are used to improve license plate region and Morphological ROI (MROI) map that consists of a standard deviation map of open and close images is proposed. Unlike conventional morphology techniques, MROI map is used to improve the detection of license plate in a complex background. Furthermore, distribution of the MROI map was analyzed to determine a threshold level, generate binary code images, and finally, determine the vehicle license plate region by using the features of the plate such as aspect ratio and vertical edge intensity, which are characteristics of the license plate. In the experimental result, Two kinds of test sample images were obtained for the license plate detection. First, 200 images taken from the tollgate camera are tested and 100 images taken from the parking lot or the road are tested. The license plate detection rate is the ratio between the number of actual license plates and the number of license plates detected. Experimental results show that the detection rate of the existing method as well as the proposed method is 100% in all the images of the tollgate. However, the detection rate of the existing method 76% in the parking lot or the road image, and the proposed method has the detection rate of 92%. The detection rate of the proposed method is improved by 16% than that of the existing method in the parking lot and road images.
The number of registered vehicles per year is increasing from 1,3950,000 in 2002 to 20,990,000 in 2015. Since 2002, 7,040,000 units have increased over the past 13 years. According to the Ministry of Land, Transport and Traffic, the number of vehicles registered in 2020 is expected to reach 25,000,000. Much attention needs to be paid to vehicle management for the rapid increase in such vehicles. License Plate Recognition System (LPRS) is an important technology of Intelligent Transportation System (ITS). The license plate recognition system is a techniques to recognize license plates from images including vehicles, and is used for vehicle management such as vehicle parking management system, illegal parking monitoring system, and highway tolling system. In this case, there is a limitation on the fixed camera and the fixed background. However, in an environment where the background gradually changes, efforts will need to be made to recognize the license plates. In the conventional feature extraction technique, informations such as the shape, color, size, position, and character of the license plate are used so that the license plate can be easily recognized. There are many ways to obtain vehicle license plate region. For example, There are extraction methods using features such as straight line, morphology, and projection of histogram. In this paper, morphology features are used to improve license plate region and Morphological ROI (MROI) map that consists of a standard deviation map of open and close images is proposed. Unlike conventional morphology techniques, MROI map is used to improve the detection of license plate in a complex background. Furthermore, distribution of the MROI map was analyzed to determine a threshold level, generate binary code images, and finally, determine the vehicle license plate region by using the features of the plate such as aspect ratio and vertical edge intensity, which are characteristics of the license plate. In the experimental result, Two kinds of test sample images were obtained for the license plate detection. First, 200 images taken from the tollgate camera are tested and 100 images taken from the parking lot or the road are tested. The license plate detection rate is the ratio between the number of actual license plates and the number of license plates detected. Experimental results show that the detection rate of the existing method as well as the proposed method is 100% in all the images of the tollgate. However, the detection rate of the existing method 76% in the parking lot or the road image, and the proposed method has the detection rate of 92%. The detection rate of the proposed method is improved by 16% than that of the existing method in the parking lot and road images.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.