본 논문에서는 문자가 가지고 있는 특성을 이용하여 에지 투영을 기반으로 자동차 번호판 영역을 추출하는 기법을 제안하였다. 차량의 번호판 영역을 추출하기 위하여, 바탕과 문자부분의 명암비가 매우 크다는 점을 이용한다. 또한, 에지영상을 바탕으로 투영기법을 적용하여 문자 영역을 추출한다. 특히, 새로운 번호판 규격은 가로방향으로 많은 수의 숫자를 가지기 때문에 가로 방향으로 투영된 데이터는 일정한 폭의 누적 값을 가지며, 이러한 점을 이용하여 번호판 영역을 추출한다. 또한 세로방향의 경우 형태 정합에 의해 번호판을 추출하는 방법을 제안한다. 제안된 기법은 특히, 새로운 번호판 규격에 더욱 효과적이다. 본 알고리즘에 대한 모의실험 결과에서, 여러 가지 번호판에 대해 90% 성공률을 나타냄을 보여준다.
본 논문에서는 문자가 가지고 있는 특성을 이용하여 에지 투영을 기반으로 자동차 번호판 영역을 추출하는 기법을 제안하였다. 차량의 번호판 영역을 추출하기 위하여, 바탕과 문자부분의 명암비가 매우 크다는 점을 이용한다. 또한, 에지영상을 바탕으로 투영기법을 적용하여 문자 영역을 추출한다. 특히, 새로운 번호판 규격은 가로방향으로 많은 수의 숫자를 가지기 때문에 가로 방향으로 투영된 데이터는 일정한 폭의 누적 값을 가지며, 이러한 점을 이용하여 번호판 영역을 추출한다. 또한 세로방향의 경우 형태 정합에 의해 번호판을 추출하는 방법을 제안한다. 제안된 기법은 특히, 새로운 번호판 규격에 더욱 효과적이다. 본 알고리즘에 대한 모의실험 결과에서, 여러 가지 번호판에 대해 90% 성공률을 나타냄을 보여준다.
In this paper, We propose a new technique extract efficiently a car number plate based on edge projection. In order to obtain the region of car number plate, we use a motive that the luminance differences between the number plate background and characters. And, we introduce a projection technique to...
In this paper, We propose a new technique extract efficiently a car number plate based on edge projection. In order to obtain the region of car number plate, we use a motive that the luminance differences between the number plate background and characters. And, we introduce a projection technique to obtain character parts based on edge image. In vertical direction. we propose a shape matching method. Specially the new number plate standard has more characters than the old one in horizontal direction and, it is efficiently used to extract the number plate. Therefore, the proposed technique is useful to the new number plate standard. In simulation results. We have illustrated that our algorithm can recognize different number plates with a success ration of 90%.
In this paper, We propose a new technique extract efficiently a car number plate based on edge projection. In order to obtain the region of car number plate, we use a motive that the luminance differences between the number plate background and characters. And, we introduce a projection technique to obtain character parts based on edge image. In vertical direction. we propose a shape matching method. Specially the new number plate standard has more characters than the old one in horizontal direction and, it is efficiently used to extract the number plate. Therefore, the proposed technique is useful to the new number plate standard. In simulation results. We have illustrated that our algorithm can recognize different number plates with a success ration of 90%.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 이러한 문제점을 해결하기 위하여 본 논문에서는 번호판의 에지가 가지고 있는 특성을 이용하기 위해 에지를 투영 시켜 번호판 영역을 추출하는 알고리듬을 제안하고자 한다. 추출 순서로는 번호판의 상하를 구한다음, 이를 바탕으로 좌우 끝선을 구하게 된다.
새로 개정되어 시행되고 있는 번호판 규격은 이전의 번호판에 비해 수평방향 구간 폭에 비해 수직 방향 구간폭이 적기 때문에 단순히 수직방향의 에지만을 기반으로 번호판 좌우 끝을 찾아내는 것은 힘들다. 따라서, 본 논문에서는 이러한 문제점을 해결하기 위하여 투영에지 영상의 형태 매칭에 의해 좌우 구간을 결정하는 방법을 도입한다.
본 논문에서는 이러한 문제점을 해결하기 위해 번호판에 사용되는 표준 숫자 및 한글문자를 대상으로 외곽선을 구하고, 가로 방향으로 투영된 실측치를 구하고, 얻어진 값을 바탕으로 번호판 구간에 해당되는 여부에 적용하기로 한다. 그림 4는 표 1에서 제시된 번호판 패턴에 대해 가로 방향으로 투영시키고 그 때 얻어지는 누적 값을 그래프로 표현한 것이다.
본 논문에서는 차량의 영상을 입력 받아서 문자의 에지 특징을 이용해 번호판 영역을 찾는 방법을 제안하였다. 제안한 방법은 자동차 번호판 문자가 갖는 에지 특징을 이용하여에지 투영을 시켜 누적분포로부터 영역을 검출하고, 특히, 정확도를 높이기 위해 오류구간 제거 알고리듬을 제시하였다.
이러한, 에지투영 기법은 에지의 누적치가 일정크기만큼을 유지하는 곳을 검출하기 위해서는 번호판 영역을 제외한 나머지 부분에서 추출되는 누적 구간을 제거해야 정확도를 높일 수 있기 때문에, 이에 대한 새로운 알고리듬을 제시하고자 한다.
가설 설정
여기서, 최소 구간이란, 입력 영상에서 번호판의 최소 세로 방향 높이를 의미한다. 즉, 입력영상의 번호판은 세로 방향 높이가 이 최소 구간이상의 크기를 갖는다고 가정한다.
제안 방법
또한, 좌우 구간 결정시 적용되는 기준값은 세로폭의 §로 하였다. 또한, 전체 이미지 256x256(Pixel) 크기의 영상 중 번호판의 크기가 50x10(Pixel) 크기보다 큰 경우에 한정해서 처리하였다.
먼저, 입력 영상에 대해 저주파 필터링을 행한다. 이는 미세 변화부분을 제거하기 위함이다.
이는 미세 변화부분을 제거하기 위함이다. 본 논문에서는 저주파 필터링의 방법으로서 3X3 마스크를 이용하여 중심화소와 인접한 8화소의 평균을 취하였다. 다음으로, 에지를 구한다.
본 연구에서 제안한 알고리듬을 토대로 Pentium IV 3.0GHz 하드웨어 상에서 Windows XP기반의 Visual C++ 6.0을 이용하여 구현되었다. 실험에는 여러 크기로 찍힌 신형 번호판 자동차 영상 256X256 크기 30장이 사용되었다.
얻어진 에지 영상에 대해 국부적인 잡음을 제거하기 위하여 본 논문에서는 형태학적 필터링 기법의 한가지인 개방 (opening) 연산을 이용한다〔8〕. 개방연산 처리는 먼저 침식 (erosion) 을 행한 후, 팽창(closing) 연산을 행하는 것으로 작은 크기의 잡음 제거용으로 유용하게 적용될 수 있다.
이를 구현하기 위해서 먼저, 가로방향 투영 결과로부터 얻어진 상하구간 영역을 바탕으로 세로방향으로 투영시키고, 투영 결과를 모델 표준 번호판 크기 (건교부 고시 기준은 가로길이 520mm이나 본 실험에서는 260mm 으로 줄여서 사용하고 있음)로 축소 또는 확대시킨다.
입력된 영상에 대해 전처리 과정에서 저주파 필터링을 통하여 잡음을 제거한다. 전처리 과정을 거친 영상으로 에지를 검출하고, 에지 투영을 시켜 에지의 누적값을 바탕으로 번호판 영역 추출을 시도한다.
제안한 방법은 자동차 번호판 문자가 갖는 에지 특징을 이용하여에지 투영을 시켜 누적분포로부터 영역을 검출하고, 특히, 정확도를 높이기 위해 오류구간 제거 알고리듬을 제시하였다. 또한.
대상 데이터
개방연산 처리는 먼저 침식 (erosion) 을 행한 후, 팽창(closing) 연산을 행하는 것으로 작은 크기의 잡음 제거용으로 유용하게 적용될 수 있다. 본 논문에서 사용된 구성소는 3X3 마스크를 사용한다.
0을 이용하여 구현되었다. 실험에는 여러 크기로 찍힌 신형 번호판 자동차 영상 256X256 크기 30장이 사용되었다.
다음으로, 에지를 구한다. 에지는 일반적으로 널리 사용되는 sobel 연산자를 이용하였다. sobel 연산자는 다음과 같다.
성능/효과
그림 9는 흰색 차량을 대상으로 동일한 실험을 행한 결과이다. 실험결과에서 알 수 있듯이, 본 알고리듬을 적용할 경우 흰색 차량에 횐색 번호판일 경우에도 번호판을 성공적으로 추출함을 알 수 있다.
표 2는 번호판 추출 알고리듬 적용 결과, 성공한 경우와 실패한 경우의 수를 나타낸 것이다. 실험에서 약 90% 성공률을 얻을 수 있었다.
또한. 좌우구간을 결정하기 위해 형태 매칭법을 도입하였는데, 이 방법을 적용할 경우 기존의 방법에 비해 오류율을 크게 줄일 수 있음을 확인할 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.