* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 , 이와 같은 문제를 해결하기 위해서 본 논문에 시는 불법 주정차를 보다 정확하게 판단하기 위해서 신경망 알고리즘을 사용하고자 한다.
효과적인 단속을 할 수 없다. 따라서, 본 논문에서는 RHD 기술을 이용하여 보다 정확하게 처리하여 단속 시스템의 효율성을 향상시키는 것이 본 논문의 목적이다.
특히, 일부 운전자가 차량 번호판의 1자 이상을 고의로 훼손하거나, 종이로 가리게 되면 불법주정차 단속 카메라는 무용지물이 된다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 자동차에 운전자의 신원정보 및 혈액형, 연락처 차량번호를 입력한 did tag를 장착한다고 가정하면, 불법 주정차 단속 카메라가 번호판을 인식할 수 없는 경우에 , 차량정보가 입력된 rfid tag를 불법 주정차카메라가 설치된 正ader기에서 차량번호판을 인식하는 이중 번호판 인식장치를 제안하였다. 만약, rfid tag를 법적으로 자동차에 의무적으로 장착을 하는 법 이 국가에서 제정되면 불법 주정차 단속에 가장 큰 문제점으로 지적 되고 있는 문제를 해결할 수 있을 것이다.
본 논문에서는 이러한 문제점을 해결하기위해서, 자동차에 운전자의 신원정보 및 혈액형, 연락처 차량번호를 입력한 rfid tag를 장착한다고 가정하면, 불법 주정차단속 카메라가 번호판을 인식할 수 없는 경우에 , 차량 정보가 입력된 rfid tag를 불법주정차카메라가 설치된 reader기 에서 차량번호판을 인식하는 이 중 번호판 인식 장치를 제안하고자한다. 본 논문에서는 Kiss Com에서 제작한 900 Mhz RFID TAG를 이용하여, 자동차 번호판인식을 하였다.
가설 설정
)이며 人는 평균 주차 시간의 역수(%)를 나타낸다. 또한 刊는 시각 t에 의존하지 않는다고 가정한다. 이상의 가정 하에서 주차 시간 분포의 확률밀도 함수处«)의 파라메타인 人만이 미지이며, 【의 추정을 통하여 주차현상의 특성을 파악하는 수법이 많이 이용되어 지고 있다.
현재 개발되고 있는 라벨헝 태그의 안테나는 보통 얇은 종이나 PET 필름 등에 인쇄된 다이폴 형태의 안테나가 주류를 이룬다. 본 논문에서는 차량 내부에 차량의 고유한 정보를 갖고 있는 RFID가 있다는 가정이 전체가 된다. 왜냐하면 차량이 주차 혹은 정차할 때마다 태그를 출력해서 차량에 부착한다면 기존에 주차 요원이 직접 차량의 주정차를 단속하는 것과 차별화가 없기 때문이다.
영상처리 시스템을 보여주고 있다. 불법 주정차 감시카메라에 의해 검출되는 주정차 구간을 B-E 구간이라고 설정한 후 A선을 불법 주정차 판단 기준선으로 가정한다. '가' 또는 나 차량이 불법 주정차 영역으로 C및 D 와 같이 진입을 하게 되면, 일단 감시 카메라는 차량 번호판 영역을 추출하여 데이터베이스에 저장하게 돤斗.
제안 방법
첫째, 차량번호판 영상에서 숫자 영역에 대한 명암벡터를 추출하여 개략적인 번호판의 숫자 위치를 검출한다. 둘째, 검출된 숫자위치의 수평성분을 중심으로 일정영역 내의 에지를 추출하여 수평 방향으로 합산한 값으로 번호판의 세로높이를 결정하고, 결정된 세로 높이를 이용하여 번호판 영역을 추출해내고, 추출된 영역에 대하여 번호판인지 아닌지를 검증하는 신경망을 구현하였다.그림 불법주정차 자동검지 알고리즘
도로에 주차한 차량 간격이 좁을 때에는 영상을 이용하여 자동으로 인식하는 것에는 한계가 있다. 따라서 차량 진입시에 획득된 영상에서 번호판을 검출하고 차량 번호를언새한 후;. 일정 시간이 지난 후에 진출 차량의 번호판과 비교하여 불법 주정차인지를 확인하는 것이 필요하다.
제안하고자한다. 본 논문에서는 Kiss Com에서 제작한 900 Mhz RFID TAG를 이용하여, 자동차 번호판인식을 하였다. (그림 5)(그림 6)의 RFID를 이용한 불법 주정차량을 감시하기 위한 방법은 다음과 같다.
그러나 지역이 너무 넓기 때문에 효율적인 주차 단속이 어렵다. 이를 위해서 자동주차 감시를 위해서 많은 수의 카메라를 골목에 설치하였고 그 결과 좋은 성과를 거두었다. 불법 주차 무인 단속기의 가장 큰 문제점으로 지적되고 있는 일부 운전자가 주차를 할 경우에 앞차와 뒤차의 간격이 10cm 미만이면 불법 주정차단속 카메라가 자동차 번호판을 인식할 수가 없다.
'가' 또는 나 차량이 불법 주정차 영역으로 C및 D 와 같이 진입을 하게 되면, 일단 감시 카메라는 차량 번호판 영역을 추출하여 데이터베이스에 저장하게 돤斗. 이후 불법 주정차 영역을 진출하는 차량이 발생할 경우, 차량 번호판 영역을 추출한 후 데이터베이스에 저장된 차량 번호판 영역에서의 유사 번호판 번호의 영상을 디스플레이 한다. 이때, 유사도에 따라 하나의 영상이 아니라 임계값 이상의 유사도를 보여주는 후보 영상들을 순위별로 보여주어 관리자가 선택하도록 해준다.
일정 시간이 지난 후에 진출 차량의 번호판과 비교하여 불법 주정차인지를 확인하는 것이 필요하다. 즉, 해당 후보 영역으로의 진입 차량에 대한 번호판 영상을 데이터베이스료확보하여 죄출 차량의 차량 번호와奇찰한번호를 가진 진입 차량 번호판 영역을 데이터볘이스로부터 유사한 순서대로 몇 대의 차량 영상을 불리내어 수동으로 정확한 불법 주정차 차량을 검출하게 한다. 이는 오인식된 불법 주정차 과태료 고지서를 발급하는 위험을 줄일 뿐 아니라, 유사도가 높은 순서대로 데이터베이스로부터 진입차량을 보여주어 정확하게 불법 주정차차량을 검출하여 과태료 고지서가 올바르게 고지되기 위함이다.
본 논문에서는 차량번호판 인식의 전체 영역 중 영역추출만을 연구의 대상으로 한다. 차량번호판 추출을 하는 데 있어서 가장 큰 변수라고 할 수 있는 번호판의 위치 및 크기, 번호판의 훼손과 흙, 먼지 등의 노이즈에 영향을 받지 않으면서, 또한 처리속도도 실시간으로 처리가 가능하게 함으로써 실제 현장에 적용할 수 있는 알고리즘을 제안하였다. 여기서 실시간이란 영상 1대당 1 초 이내 처리를 기준으로 한다[7L
제안한 알고리즘을 구분하면 크게 두 단계로 나눌 수가 있다. 첫째, 차량번호판 영상에서 숫자 영역에 대한 명암벡터를 추출하여 개략적인 번호판의 숫자 위치를 검출한다. 둘째, 검출된 숫자위치의 수평성분을 중심으로 일정영역 내의 에지를 추출하여 수평 방향으로 합산한 값으로 번호판의 세로높이를 결정하고, 결정된 세로 높이를 이용하여 번호판 영역을 추출해내고, 추출된 영역에 대하여 번호판인지 아닌지를 검증하는 신경망을 구현하였다.
차량이 주정차 지역에서 정차하는 경우에 트리거가 발생하고 카메라가 촬영을 한다. 촬영한 차량에서 자동차 전체와 번호판을 정확하게 촬영하여 번호판을 추출한 후 차량정보를 단속기관에 전송한다. 제안한 알고리즘을 구분하면 크게 두 단계로 나눌 수가 있다.
대상 데이터
본 논문에서는 차량번호판 인식의 전체 영역 중 영역추출만을 연구의 대상으로 한다. 차량번호판 추출을 하는 데 있어서 가장 큰 변수라고 할 수 있는 번호판의 위치 및 크기, 번호판의 훼손과 흙, 먼지 등의 노이즈에 영향을 받지 않으면서, 또한 처리속도도 실시간으로 처리가 가능하게 함으로써 실제 현장에 적용할 수 있는 알고리즘을 제안하였다.
성능/효과
표 2의 분석 결과 기존 방식에 비해서 지능을 이용한 불법 주정차 판단이 더 정확함을 알 수 있었다. 따라서, 지능을 이용한 불법 주정차 방법이 현장에 도입되면 보다 정확한 판단 기능을 갖게 될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.