$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

컬러 정보와 오류역전파 신경망 알고리즘을 이용한 신차량 번호판 인식
Recognition of a New Car Plate using Color Information and Error Back-propagation Neural Network Algorithms 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.5 no.5, 2010년, pp.471 - 476  

이종희 (신라대학교 컴퓨터정보공학부) ,  김진환 (영산대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 RGB 컬러 정보와 오류 역전파 신경망 알고리즘을 이용한 신 차량 번호판 인식 방법을 제안한다. 먼저, 차량 영상에서 평균 Blue값을 이용하여 차량 영상을 보정하고 픽셀값의 차를 이용하여 Red 후보 영역과 Green 후보 영역으로 구분한 후 오류 역전파 알고리즘에 적용하여 최종 Green 영역을 찾는다. 둘째, 수평 및 수직 히스토그램의 빈도수를 이용하여 번호판 영역을 추출한다. 마지막으로, 윤곽선 추적 알고리즘을 적용하여 개별 코드들을 추출하고, 오류 역전파 알고리즘을 적용하여 개별 코드들을 인식한다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위하여 실제 비영업용 신 차량 번호판에 적용한 결과, 제안된 번호판 추출 방법이 기존의 HSI(Hue Saturation Intensity) 정보를 이용한 번호판 추출 방법보다 추출률이 개선되었고 제안된 차량 번호판 인식 방법이 효율적인 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose an effective method that recognizes the vehicle license plate using RGB color information and back-propagation neural network algorithm. First, the image of the vehicle license plate is adjusted by the Mean of Blue values in the vehicle plate and two candidate areas of Red ...

주제어

#color information   #error back-propagation   #edge detection   #new car plate  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • RGB 컬러 정보를 이용한 번호판 추출 방법은 RGB 컬러 값이 주위의 밝기 변화에 따라 많은 영향을 받은 경우에는 번호판의 추출에 실패하는 경우가 발생한다[6]. 따라서 이런 문제점을 해결하기 위해본 논문에서는 컬러정보에 의해 후보영역을 구분하고 윤곽선 추적알고리즘으로 개별코드를 추출 후 개별코드를 인식하는 방법을 나타내고자 한다.
  • 본 논문에서는 비영업용 신 차량 번호판 영상에서 컬러 정보와 오류 역전파 신경망 알고리즘을 이용한 신 차량 번호판 인식 방법을 제안하였다.

가설 설정

  • ① 번호판 영역은 녹색의 분포율이 높다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
오류 역전파 신경망 알고리즘은 무엇을 위해 널리 사용되고 있는가? 인공 신경망에서 문자 인식을 위한 다층 신경망을 학습시키기 위해 오류 역전파 신경망 알고리즘이 널리 사용되고 있다. 다층 퍼셉트론은 단층 퍼셉트론과 유사한 구조를 가지고 있지만 은닉층과 각 입력 노드의 입출력 특성을 비선형으로 함으로써 네트워크의 능력을 향상시킬 수 있다[8].
HSI 컬러 모형이란 무엇인가? HSI 컬러 모형은 순수한 색상을 나타내는 색상 (Hue), 흰색이 가미된 정도를 나타내는 채도(Saturation) 그리고 빛의 밝기 정도를 나타내는 명도 (Intensity)라는 세가지 특성으로 구성된 컬러 모형이다[2]. 그레이 레벨 영상을 사용할 경우에는 주위의 밝기 변화에 대하여 상당히 의존적이며 RGB 컬러를 사용할 경우에는 RGB 각 성분이 명암도와 밀접한 관련을 가지므로 주위 밝기 변화에 대해서 같은 컬러라도 RGB 각 성분이 모두 변환하게 되는 문제점을 가진다[3].
비영업용 차량의 번호판의 구성 요소 및 번호판 특징은 무엇인가? ① 번호판 영역은 녹색의 분포율이 높다. ② 번호판 영역에는 녹색과 흰색계통의 컬러로 구성되어 있다. ③ 번호판 영역의 각 코드들은 상대적인 위치 정보를 가진다. ④ 차량 번호판의 가로 및 세로비가 약 2:1이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. 시스템 공학 연구소, "차량 자동인식 시스템의 개발에 관한 연구", '90특정연구개발사업 첨단 연구과제의 세부과제보고서, 1990. 

  2. K. N. Plataniotis, A. N. Venetsanopoulos, Color Imgae Processing and Application, Springer, 2000. 

  3. 이응주, "명암도 변화값과 기하학적 패턴벡터를 이용한 차량번호판 인식", 정보처리학회논문지, 9-B권, 3호, pp.369-374, 2002. 

  4. 이화진, "HSI와 YIQ의 복합 색상정보를 이용한 차량 번호판 영역 추출", 정보처리학회논문지, 7 권, 12호, pp.3995-4003, 2000. 

  5. 김광백, "SOM 알고리즘을 이용한 차량 번호판 인식과 주차 관리 시스템 개발", 한국해양정보통신학회논문지, 제7권 5호, pp.1052-1061, 2003. 

    원문보기 상세보기

  6. 김광백, 김문환, 노영욱, " RGB 컬러 정보와 퍼지 이진화를 이용한 차량 번호판의 개별 문자 추출", 한국해양정보통신학회논문지, 제9권 1호, pp.80-87, 2004. 

  7. 김광백, "개선된 이진화와 윤곽선 추적 알고리즘을 이용한 운송 컨테이너 식별자 추출", 한국해양정보통신학회논문지, 9권, 2호, pp.462-466, 2005. 

    원문보기 상세보기

  8. Dayhoff and Judith E., Neural Network Architectures : An Introduction, V. N. Reinhold, N. Y. 1990. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로