선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그 이후에 번호판의 특성을 이용하여 차량 영상에서 번호판 영역을 추출한다. 본 논문에서는 수평 · 수직 에지 방식과 번호판 영역의 형태학적 특성을 이용하여 번호판 영역을 추출하는 방법을 제안한다. 차량 번호판의 특성에 따른 조건을 살펴보면 다음과 같이 표현된다.
가설 설정
- 조건 3 : 번호판 내의 문자와 숫자는 일정한 위치 정보를 가진다.
제안 방법
- ⑧ 지역 컴퓨터에서 차량 번호, 출고 시간 등의 정보를 주차 관리 서버로 보내어 출차처리를 한다.
- 그 이후에 번호판의 특성을 이용하여 차량 영상에서 번호판 영역을 추출한다. 본 논문에서는 수평 · 수직 에지 방식과 번호판 영역의 형태학적 특성을 이용하여 번호판 영역을 추출하는 방법을 제안한다.
- 차량 번호판 추출 방법은 입력된 차량 영상을 그레이 영상(gray image)으로 변환을 시킨다. 그레이 영상에서 1차 미분을 이용한 수평과 수직 에지를 추출하기 위해 마스크를 이용하여 수평 에지 영상과 수직 에지 영상으로 변환시킨다. 그리고 '번호판 영역은 직사각형의 모양을 가진다'는 번호판 영역의 형태학적 속성을 이용해서 영상에서 나타나는 형태학적 정보인 직사각형 모양을 에지를 이용해서 찾는다.
- 본 논문에서의 각 문자와 숫자를 추출하는 방법은 추출된 번호판 영역을 y좌표의 히스토그램으로 밀도비율을 계산하여 상 하위의 영역으로 나누어서 구분한다. 그리고 구분된 영역에 대해서 4방향 윤곽선 추적 방법으로 각 문자와 숫자들을 추출한다. 그림 2는 윤곽선 추적을 위한 2×2 마스크이다.
- 따라서 실험을 통하여 우수함을 보인 제안된 차량 번호판 인식 시스템을 이용하여 주차 정보 관리 시스템을 개발하였다. 주차정보 관리 시스템은 입출차 관리, 일반 주차관리, 정기 주차관리, 보고서 관리, 환경 설정, 그리고 수동 모드로 구성된다.
- 본 논문에서 다루는 주차정보 관리 시스템은 입출차 관리, 일반 주차 관리, 정기 주차 관리, 보고서 관리, 환경 설정, 그리고 수동 조절 기능으로 구성된다.
- 따라서 본 논문에서는 SOM 알고리즘 이용하여 차량 번호판을 인식한다. 본 논문에서 제안된 차량 번호판 추출 및 인식 기술을 이용하여 주차 관리 시스템을 개발한다.
- 번호판 영역에서 각 문자와 숫자를 추출하는 방법들은 앞의 조건 3을 이용하여 차량 번호판에서 나타나는 숫자나 문자의 위치 정보를 파악하고, 추출된 번호판 영역에서 그 비율에 따라 분리하는 방법, 숫자와 문자를 구분 짓는 윤곽선을 추출하는 방법, 임계 값을 그레이 레벨의 히스토그램에서 계산하여 추출하는 방법, 단순히 하나의 임계값을 주어 임계화 시키는 방법 둥이 있다[9-11]. 본 논문에서는 숫자와 문자를 구분하기 위해서 윤곽선을 추출하는 방법을 이용한다. 3×3 마스크를 이용하여 8방향으로 윤곽선을 추출하거나 2×2 마스크를 이용하여 4방향으로 추출하는 방법이 있다[12].
- 차량 번호판 인식 시스템은 획득된 차량 영상에서 번호판 영역을 추출하는 부분과 추출된 번호판 영역에서 각 문자 영역을 추출하여 인식하는 부분으로 이루어진다. 본 논문에서는 차량 영상을 수평 · 수직 에지 방식으로 차량 번호판 영역의 형태학적 속성을 이용하여 번호판 영역을 추출하였고, SOM 알고리즘을 이용하여 번호판의 문자와 숫자를 인식하였다.
- 3×3 마스크를 이용하여 8방향으로 윤곽선을 추출하거나 2×2 마스크를 이용하여 4방향으로 추출하는 방법이 있다[12]. 본 논문에서의 각 문자와 숫자를 추출하는 방법은 추출된 번호판 영역을 y좌표의 히스토그램으로 밀도비율을 계산하여 상 하위의 영역으로 나누어서 구분한다. 그리고 구분된 영역에 대해서 4방향 윤곽선 추적 방법으로 각 문자와 숫자들을 추출한다.
- 주차정보 관리 시스템은 입출차 관리, 일반 주차관리, 정기 주차관리, 보고서 관리, 환경 설정, 그리고 수동 모드로 구성된다. 본 시스템은 오라클 데이터베이스 시스템을 사용하였고 파워빌더 7.0으로 개발하였다. 주차 설비를 제어하는 모듈을 추가하면 상용화 가능하도록 개발하였다.
- 구성된다. 본 시스템은 윈도우즈 환경에서 오라클 데이터베이스 시스템을 사용하고 파워빌더 7.0으로 개발하였다. 본 절에서는 개발 결과에 대해서 주요 기능별로 구분하여 살펴보도록 한다.
- 본 연구에서 개발한 주차 관리 시스템은 차량 번호판 인식. 시스템과 주차정보 관리 시스템으로 구성된다.
- 본 연구에서 개발한 주차 관리 시스템은 차량번호판 인식 시스템과 주차정보 관리 시스템으로 구성된다. 주차 관리 시스템의 전체적인 구성은 그림 6과 같으며 차량이 주차장으로 진입하여 출차할 때까지 처리 과정을 정리하면 다음과 같다.
- 앞의 조건들에 의해서 수평 · 수직 에지 방식과 형태학적 정보를 이용하여 번호판 영역을 추출한다. 수평 · 수직 에지 방식은 1차 미분을 이용하여 수평과 수직 에지를 추출하는 마스크로 수평 · 수직 에지를 추출한다.
- 제안된 차량 인식 시스템을 이용한 주차정보 관리 시스템은 입출차 관리, 일반 주차관리, 정기 주차관리, 보고서 관리, 환경 설정, 그리고 수동 모드로 구성된다. 본 시스템은 윈도우즈 환경에서 오라클 데이터베이스 시스템을 사용하고 파워빌더 7.
- 주어진 차량 전면 영상에 대해 수평 · 수직 에지 방식에 따라 위의 조건을 이용하여 차량 영상의 번호판 영역을 추출한다.
- 0으로 개발하였다. 주차 설비를 제어하는 모듈을 추가하면 상용화 가능하도록 개발하였다.
대상 데이터
- 640×480 픽셀 크기의 256컬러 차량 영상 40개와 그레이 차량 영상 10개를 대상으로 실험하였다. 차량 번호판인식 시스템은 IBM 호환 기종의 펜티엄 상에서 C++ Builders.
- 본 논문에서는 50개의 차량영상에 대해서 50개의 번호판 영역을 모두 추출하였다. 실험 결과에서 알 수 있듯이 수평 · 수직 에지 방식으로 차량 번호판 영역의 형태학적 속성을 이용하여 번호판 영역을 추출하는 방법은 RGB 컬러 정보를 이용한 번호판 추출 방법과 HSI 컬러 정보를 이용한 번호판 추출 방법과 비교하여 추출 성능이 개선됨 을 알 수 있었다.
- 50개의 차량 영상을 실험한 결과, 수평 . 수직 에지를 이용한 번호판 추출방법으로 50개의 차량 번호판을 모두 추출하였다. 추출된 50개의 차량 번호판에서 윤곽선 추적 방법으로 개별 문자를 추출한 개수와 SOM 알고리즘으로 인식한 개수를 표 1로 나타내었다.
- 추출된 50개의 번호판 영역에서 윤곽선 추적 알고리즘으로 435개의 개별 문자 중에서 433개가 추출되었고 SOM 알고리즘으로 432개를 인식하였다. 따라서 실험을 통하여 우수함을 보인 제안된 차량 번호판 인식 시스템을 이용하여 주차 정보 관리 시스템을 개발하였다.
데이터처리
- 구현하였다. 50개의 차량 영상을 실험한 결과, 수평 . 수직 에지를 이용한 번호판 추출방법으로 50개의 차량 번호판을 모두 추출하였다.
- 표 2에서는 256컬러 차량 영상 10개를 추가하여 본 논문에서 제안한 번호판 추출 방법을 RGB 컬러 정보를 이용한 추출 방법과 HSI 컬러 정보를 이용한 추출 방법과 비교하였다. 본 논문에서 제안한 번호판 영역 추출 방법이 다른 추출 방법보다 추출율이 개선된 것을 확인할 수 있다.
이론/모형
- 기존 연구에서는 Hough 변환을 이용한 추출 방법과 그레이 명암도 변화, RGB(Red, Green, Blue) 컬러 모형, 그리고 HSI(Hue, Saturation, Intensity) 컬러 모형 등을 각각 이용하였다. Hough 변환은 차량 영상에서 에지를 검출한 후, Hough 변환을 이용하여 번호판 영역을 추출하였다[3]. 이 방법은 번호판의 테두리가 선명하지 못하거나 수직 · 수평 에지가 많이 검출되는 차량에 대해서는 번호판 영역 추출이 어렵고 처리 시간이 많이 소요되기 때문에 실제 적용하기가 어렵다.
- 지금까지 번호판 영역 추출 및 인식에 관한 많은 연구가 진행되어 왔으나 색상대비가 낮은 영상이나 번호판의 주위가 복잡한 영상에서는 번호판 영역을 추출할 수 없는 공통적인 문제점이 있다[2]. 기존 연구에서는 Hough 변환을 이용한 추출 방법과 그레이 명암도 변화, RGB(Red, Green, Blue) 컬러 모형, 그리고 HSI(Hue, Saturation, Intensity) 컬러 모형 등을 각각 이용하였다. Hough 변환은 차량 영상에서 에지를 검출한 후, Hough 변환을 이용하여 번호판 영역을 추출하였다[3].
- 가진다[7,8]. 따라서 본 논문에서는 SOM 알고리즘 이용하여 차량 번호판을 인식한다. 본 논문에서 제안된 차량 번호판 추출 및 인식 기술을 이용하여 주차 관리 시스템을 개발한다.
- HSI 컬러 모형을 이용한 추출은 이러한 문제점은 해결 할 수 있으나, RGB 정보를 HSI 정보로 변환하는데 많은 시간이 걸리는 단점이 있다[6]. 위의 문제점들을 해결하기 위해, 본 논문에서는 수평 · 수직 에지 방식을 이용한다. 수평 · 수직 에지 방식을 이용한 차량 번호판 추출 방법은 차량 영상에서 수평 및 수직 에지 영상을 검지하고 에지로 나타나는 직사각형을 후보 영역으로 설정하여 번호판 영역을 추출하는 방식이다.
성능/효과
- 이용한 추출 방법과 비교하였다. 본 논문에서 제안한 번호판 영역 추출 방법이 다른 추출 방법보다 추출율이 개선된 것을 확인할 수 있다.
- 번호판 영역을 모두 추출하였다. 실험 결과에서 알 수 있듯이 수평 · 수직 에지 방식으로 차량 번호판 영역의 형태학적 속성을 이용하여 번호판 영역을 추출하는 방법은 RGB 컬러 정보를 이용한 번호판 추출 방법과 HSI 컬러 정보를 이용한 번호판 추출 방법과 비교하여 추출 성능이 개선됨 을 알 수 있었다. 그리고 이 방식은 컬러영상과 그레이 영상에 상관없이 번호판 영역을 추출할 수 있을 뿐 아니라, 영업용 차량과 자가용 차량의 구분 없이도 추출이 가능한 장점을 가진다.
- 조건 2 : 번호판 영역은 숫자와 문자의 표현으로 다른 영역에 비해서 밀집비율이 높다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.