[논문]중국 자동차 번호판 인식

안영준; 위규범; 홍만표

doi:10.3745/kipstb.2007.14-b.2.081

[국내논문] 중국 자동차 번호판 인식
Recognition of Chinese Automobile License Plates 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.14B no.2, 2007년, pp.81 - 88

안영준 (국방과학연구소) , 위규범 (아주대학교 정보 및 컴퓨터공학부) , 홍만표 (아주대학교 정보 및 컴퓨터공학부)

초록
AI-Helper

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.

Abstract ▼ AI-Helper

We implement automobile license plates recognition system. These days automobile license plate recognition systems are widely used for tracing stolen cars. managing parking facilities, ticketing speeding cars, and so on. Recognition systems largely consist of three parts plates extraction, segments extraction, and segment recognition. For plates extraction, we measure the degree of inclination of plate. We use filters that extract only the horizontal components of the front of an automobile to measure the degree of inclination. For segment extraction, we trace the change of the number of blocks that consist solely of foreground pixels or background pixels as the horizontal scanning line moves along upward. For recognition of each individual letter or digit, we devise a variant of template matching method, called comparative template matching. Through experiments, we show that comparative template matching is less prone misled by noises and exhibits higher performance compared to the traditional method of template matching or histogram based recognition.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 위와 같은 문제점을 고려하여 CCTV에서 촬영된 중국 자동차 번호판을 대상으로 잡음에 강하면서도 빠른 인식 방법을 제안한다. 이 방법은 잡음의 영향을 최소로 줄이기 위해 가로선의 특징을 나타내는 run length를 이용하여 문자 세그먼트를 추출한 후, 표준 패턴간의 차이를 통해 만든 비교 템플렛을 사용해 인식을 한다.
때문에 시간이 많이 걸리는 단점이 있다. 본 논문에서는 잡음에 강하면서도 빠르게 기울기를 알아내기 위해 영상의 가로선 만을 추출하는 필터를 사용하여 그 기울기를 측정하였다.

가설 설정

3. 작은 잡음을 제거한다.
1) 첫 번째 세그먼트는 항상 한자이다.
3) 일련번호 부분에서 숫자 세그먼트 이후에는 계속해서 숫자 만 나온다.
2. 한 라인의 연속되는 전경 화소 및 배경 화소의 길이를 각각의 run 이라고 부를 때, 다음과 같은 경우가 발생하는 경우에 멈준다.

제안 방법

그러나 이 방법은 방대한 계산량에 의해 시간이 많이 걸리며 큰 저장 공간이 필요하다는 단점이 있다. 이를 개선하기 위해 제안된 시스템에서는 차량 영상의 가로 경계 성분 만을 추출한 후 이들 가로 선의 기울기로 번호판이 어느 방향으로 얼마만큼 기울어져 있는지를 추정한다[1].
입력으로 받는 CCTV영상은 컬러 이미지이다. 이를 윤곽선 추출 및 명암 히스토그램과 같은 영상처리를 위해 그레이스케일 이미지로 변환한다. 한 화소의 RGB 값에 대해 Red 성분을 30%, Green 성분을 59%, 그리고 Blue 성분을 11%씩 반영하여 색상 정보가 제거된 흑백 화소로 대치하는 방식을 사용한다[12].
로버트 연산자는 잡음에 강하며 대각선 방향의 경계를 잘 추출해 낼 수 있지만 다른 방식에 비해 윤곽선이 흐리다. 본 시스템에서는 윤곽 추출을 위해 소 벨 연산자를 사용한다.
취득한 번호판 영상의 이진화 과정을 거친 후 인식을 위해 개별 문자별로 세그먼트를 추출한다. 중국 번호판의 경우 (그림 2)와 같이 총 7개의 세그먼트가 일렬로 나열돼 있기 때문에 이 정보를 이용해 수평 라인 당 run length 만을 고려하여 가로 성분을 추출할 수 있다.
이제 이 비교 템플렛과 세그먼트를 비교한다. 비교 템플렛의 화소 당 세그먼트와의 유사도를 계산하여 두 표준 패턴 중 어느 패턴이 세그먼트와 비슷한지를 판단하여 비슷하지 않은 후보를 삭제한다.
이제 이 비교 템플렛과 세그먼트를 비교한다. 비교 템플렛의 화소 당 세그먼트와의 유사도를 계산하여 두 표준 패턴 중 어느 패턴이 세그먼트와 비슷한지를 판단하여 비슷하지 않은 후보를 삭제한다. 유사도를 계산하는 방식은 다음과 같다.
시스템을 구현하였다. 번호판의 기울어진 각도는 시간이 많이 걸리는 허프 변환 대신에 영상의 지배적인 수평 라인을 검출한 후 그 라인의 평균 기울기로 번호판의 기울기를 추정하는 방법을 사용하였다. 또한 소벨 에지 영상의 지배적인 수직선을 검출하여 차량의 좌우 경계를 찾은 후 전체 영상에서 번호판의 후보가 되는 영역을 제한 조건을 통해 조금씩 축소하는 방법으로 번호판을 찾을 수 있었다.
번호판의 기울어진 각도는 시간이 많이 걸리는 허프 변환 대신에 영상의 지배적인 수평 라인을 검출한 후 그 라인의 평균 기울기로 번호판의 기울기를 추정하는 방법을 사용하였다. 또한 소벨 에지 영상의 지배적인 수직선을 검출하여 차량의 좌우 경계를 찾은 후 전체 영상에서 번호판의 후보가 되는 영역을 제한 조건을 통해 조금씩 축소하는 방법으로 번호판을 찾을 수 있었다. 두 과정 모두 계산량을 줄이는 동시에 비교적 정확하면서 빠르게 번호판을 추출할 수 있었다.
찾는다. 먼저 수평 라인의 run length를 이용해 세그먼트의 가로 성분을 검출하고, 다시 수직 누적 명암 값의 세로 성분을 검출하는 방식으로 잡음의 영향을 최소한으로 줄이면서도 번호판의 크기에 상관없이 7개의 세그먼트를 추출할 수 있었다. 각 세그먼트를 인식하기 위해 비교 템플렛법을 제안하였다.
먼저 수평 라인의 run length를 이용해 세그먼트의 가로 성분을 검출하고, 다시 수직 누적 명암 값의 세로 성분을 검출하는 방식으로 잡음의 영향을 최소한으로 줄이면서도 번호판의 크기에 상관없이 7개의 세그먼트를 추출할 수 있었다. 각 세그먼트를 인식하기 위해 비교 템플렛법을 제안하였다. 상용 시스템에서 많이 사용되는 신경망 방법이 인식률은 높지만 한정된 입력 데이터에 대해 학습을 시키기에는 무리가 있어서 학습이 필요 없고 인식 속도가 빠른 방법을 제안하였다.
각 세그먼트를 인식하기 위해 비교 템플렛법을 제안하였다. 상용 시스템에서 많이 사용되는 신경망 방법이 인식률은 높지만 한정된 입력 데이터에 대해 학습을 시키기에는 무리가 있어서 학습이 필요 없고 인식 속도가 빠른 방법을 제안하였다. 끝으로 제안된 비교템플렛 방법과 기존의 원형정합법 및 히스토그램법과 인식 실험을 해 보았다.
상용 시스템에서 많이 사용되는 신경망 방법이 인식률은 높지만 한정된 입력 데이터에 대해 학습을 시키기에는 무리가 있어서 학습이 필요 없고 인식 속도가 빠른 방법을 제안하였다. 끝으로 제안된 비교템플렛 방법과 기존의 원형정합법 및 히스토그램법과 인식 실험을 해 보았다. 그 결과 제안한 비교 템플렛을 이용한 인식 방법이 간단하면서도 기존의 원형정합 방법보다 높은 인식률을 보였다.

대상 데이터

입력으로 받는 CCTV영상은 컬러 이미지이다. 이를 윤곽선 추출 및 명암 히스토그램과 같은 영상처리를 위해 그레이스케일 이미지로 변환한다.
CCTV 영상에서 추출한 총 200개의 중국 번호판을 입력으로 하여 원형정합법, 히스토그램법, 비교템플렛법을 사용하여 실험하였다. 입력 영상의 크기는 1028 X 960 이다.
CCTV에서 촬영한 중국 차량을 대상으로 번호판을 인식하는 시스템을 구현하였다. 번호판의 기울어진 각도는 시간이 많이 걸리는 허프 변환 대신에 영상의 지배적인 수평 라인을 검출한 후 그 라인의 평균 기울기로 번호판의 기울기를 추정하는 방법을 사용하였다.

이론/모형

이들 세그먼트를 인식에 사용될 표준 패턴과 크기가 같도록 정규화를 수행한다. 이렇게 크기를 맞춘 세그먼트를 비교 템플렛법의 인식 방법을 사용하여 인식을 한다.
그 후 번호판 너비의 30% 되는 위치를 기준으로 하여, 왼쪽에는 한자와 영문자가 오른쪽에는 5 개의 영문 혹은 숫자가 있게 된다. 세로 경계를 추출하기 위해 투영법 (projection)을 사용하여 각 세로 라인을 추줄한다.

성능/효과

제안된 방법으로 대부분의 영상에서 번호판을 효과적으로 추출할 수 있었다. 그러나 (그림 8)의 경우와 같이 차량의 전면부 하단에 번호판 외에 잡음이 많이 들어가는 경우 잡음과 번호판을 구분하기 어려웠다.
본 논문에서는 인식률의 비교 실험을 위해 기존에 사용되던 원형정합법, 히스토그램법과 새롭게 제안하는 비교 템플렛법과의 비교 실험을 통해 제안된 방법이 잡음에 강하면서 효과적으로 인식할 수 있음을 보인다.
비교 템플렛을 통한 인식을 원형정합 방법과 비교하면 하나의 세그먼트에 대해 표준패턴과 비교 횟수는 동일 하면서도 96.50% 라는 비교적 높은 인식 결과를 보인다. 이는 비교 템플렛을 통해 두 표준 패턴의 차이점만을 고려하여 인식하기 때문이다.
끝으로 제안된 비교템플렛 방법과 기존의 원형정합법 및 히스토그램법과 인식 실험을 해 보았다. 그 결과 제안한 비교 템플렛을 이용한 인식 방법이 간단하면서도 기존의 원형정합 방법보다 높은 인식률을 보였다.

후속연구

적어서 잘못 인식하는 경우가 있다. 이러한 문제점을 개선하는 향후 연구가 필요하다.

참고문헌 (12)

김도현, 강민경, 차의영. '기울기 보정과 블록 분할 합병을 통한 문자 추출', 한국정보과학회 가을학술발표논문집. 제 28 권 제 2 호, pp.424-426, 2001
T. Naito, 'License plate recognition method for inclined plates outdoors', Proceedings of the International Conference on Information Intelligence and Systems, pp.304-312, 1999
M.J. Ahmed, M. Sarfraz, A. Zidouri, W.G. Al-Khatib, 'License plate recognition system', Proceedings of the 10th IEEE International Conference on Electronics, Circuits and Systems, pp.898 - 901, 2003
C.A. Rahman, W. Badawy, A. Radmanesh, 'A Real Time Vehicle's License Plate Recognition System', IEEE Conference on Advanced Video and Signal Based Surveillance, pp.163-166, 2003
J. Barroso, E.L. Dagless. 'Number plate reading using computer vision', IEEE International Symposium on Industrial Electronics. 1997
M. Maged, M. Fahmy, 'Automatic number plate recognition: neural network approach', Proceedings of Vehicle Navigation and Information Systems Conference, pp.88-101, 1994
이평원, '차량 종류와 자동차 번호판 인식을 위한 영상처리 알고리즘 개발', 석사학위논문, 서울시립대학교, 2000
V. Seetharaman, A. Sathyakhala, N.L.S. Vidhya, P. Sunder,'License plate recognition system using hybrid neural networks', Proceedings of NAFIPS, pp.363-366, 2004
김광백, 전지애, 차의영, '신경 시스템에 의한 오류 역전파 학습의 학습 속도 및 지역최소화 해결 방안', 대한전자공학회 종합학술대회 논문집, pp.592-601, 1992
김영주, 김광백 '동적인 임계화 방법과 개선된 학습 알고리즘의 신경망을 이용한 차량 번호판 인식', 정보처리학회 논문지, 제 9-B 권 제 1 호, pp.119-128, 2002

원문보기 상세보기
http://www.wordiq.com/definition/License_plate_of_China
J.R. Parker, Algorithms for image processing and computer vision, Wiley Computer Publications, 1997

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증