본 논문에서는 자동차 번호판을 검출하는 새로운 방법을 제시한다. 자동차 번호판은 사각형 모양이므로 우리의 방법은 기본적으로 입력 영상에서 사각형을 추출하는 방법이 된다. 번호판을 검출하기 위해, 먼저 입력영상의 콘트라스트를 향상시키고, 그 후 LSD(Line segment detector) 기법을 사용하여 영상내의 선을 검출하고, 이 선 정보로 부터 사각형들을 추출 한다. 이 사각형들은 번호판 후보들이 되고, 이로부터 번호판이 검출된다. 이중에서 본 연구가 제안하는 부분은 사각형 추출방법으로서, 이 방법은 3단계로 구성된다: (1) 먼저, LSD에 의해 얻어진 선으로부터 꼭짓점들을 추출한다; (2) 구해진 꼭짓점들을 사용하여 사각형의 대각선을 검출한다; (3) 그 후, 대각선 정보를 이용하여 사각형을 추출해 낸다. 최종적으로 번호판 특성과 사각형 내부 정보를 이용하여 이 사각형들로부터 번호판이 선택된다. 100장의 자동차 영상을 촬영하여 실험한 결과 94%의 검출율을 달성하였다.
본 논문에서는 자동차 번호판을 검출하는 새로운 방법을 제시한다. 자동차 번호판은 사각형 모양이므로 우리의 방법은 기본적으로 입력 영상에서 사각형을 추출하는 방법이 된다. 번호판을 검출하기 위해, 먼저 입력영상의 콘트라스트를 향상시키고, 그 후 LSD(Line segment detector) 기법을 사용하여 영상내의 선을 검출하고, 이 선 정보로 부터 사각형들을 추출 한다. 이 사각형들은 번호판 후보들이 되고, 이로부터 번호판이 검출된다. 이중에서 본 연구가 제안하는 부분은 사각형 추출방법으로서, 이 방법은 3단계로 구성된다: (1) 먼저, LSD에 의해 얻어진 선으로부터 꼭짓점들을 추출한다; (2) 구해진 꼭짓점들을 사용하여 사각형의 대각선을 검출한다; (3) 그 후, 대각선 정보를 이용하여 사각형을 추출해 낸다. 최종적으로 번호판 특성과 사각형 내부 정보를 이용하여 이 사각형들로부터 번호판이 선택된다. 100장의 자동차 영상을 촬영하여 실험한 결과 94%의 검출율을 달성하였다.
In this paper, we presents a new method for vehicle number plate detection. Our method is basically the method extracting a rectangles from a car image because the shape of a vehicle number plate is a rectangle. For detecting the vehicle number plate, firstly, the contrast of the input image is enha...
In this paper, we presents a new method for vehicle number plate detection. Our method is basically the method extracting a rectangles from a car image because the shape of a vehicle number plate is a rectangle. For detecting the vehicle number plate, firstly, the contrast of the input image is enhanced. Then, the lines in the image are obtained by using LSD(line segment detector), and rectangles in the image are detected from the line data. These rectangles are the candidates of the car plate, from which the car plate is selected. In this procedure, the method of detecting rectangles is our proposed method, which consists of three stages: (1) extracting corners from the line segments by LSD; (2) extracting diagonal lines from the corner data; and (3) detecting rectangles from diagonal line information. And finally the vehicle number plate is selected from these rectangles by using the feature of the vehicle number plate and the inside information of rectangles. In the experiments with the 100 images captured by our digital camera, we have achieved a detection rate of 94%.
In this paper, we presents a new method for vehicle number plate detection. Our method is basically the method extracting a rectangles from a car image because the shape of a vehicle number plate is a rectangle. For detecting the vehicle number plate, firstly, the contrast of the input image is enhanced. Then, the lines in the image are obtained by using LSD(line segment detector), and rectangles in the image are detected from the line data. These rectangles are the candidates of the car plate, from which the car plate is selected. In this procedure, the method of detecting rectangles is our proposed method, which consists of three stages: (1) extracting corners from the line segments by LSD; (2) extracting diagonal lines from the corner data; and (3) detecting rectangles from diagonal line information. And finally the vehicle number plate is selected from these rectangles by using the feature of the vehicle number plate and the inside information of rectangles. In the experiments with the 100 images captured by our digital camera, we have achieved a detection rate of 94%.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 선 영상으로부터 사각형의 루성을 파악하여 사각형을 추춤해 내고 그로부터 번호판을 검출하는 방법을 제시한다. 이 방법은 다음의 순서로 시행된다.
본 연구에서는 자동차 번호판 검츨은 위한 새로운 사각형 추출 기법을 재시하였다. 언저 입력 영상의 콘트라스트를향상시키고, 그 후 LSD름 적용하여 영상내의 직선 선분을 검출하였다.
본 절에서는 콘트라스트가 향상된 자동차 정면 영상에 LSD 기법을 적용하여 구해진 직선 선분들로부터 사각형을 검출하고 이로부터 자동차 번호판을 찾아내는 방법을 기술한다.
가설 설정
(조건 2) 두 대각선은 교차해야 한다.
제안 방법
정면 사진이 아닌 경우, 약간 왜곡된 사각형이 검출되는데, 투시변환(perspective transform)[18]을 이용하여 왜곡을 보정한다. 그 후 Otsu 기법[19]을 이용하여 계조치 영상을 이치 영상으로 변환하고, 사각형 내부의 글자들을 추출하여 이로부터 번호판 여부를 판정한다. 그림 8은 투시변환에 의한 영상보성의 예를 보인다.
검출된 직선 선분들은 두 끝점의 위치와 각도로 그 정보가 보존되며, 이를 영상으로 표현한다면 이치영상이 될 것이다. 그 후 검출된 직선 선분들로부터 사각형의 꼭짓점을 이루는 부분을 검출하고 대각선을 검출하며 이로부터 사각형을 추출해 낸다. 이렇게 구해진 사각형들은 번호판의 후보들이 되며, 이 사각형들의 위치에 대해 계조치 원영상으로 부터 사각형내부 정보률 조사하여 최종적으로 자동차 번호판을 찾아낸다.
이 방법은 다음의 순서로 시행된다. 먼저 입력 계조치 영상의 콘트라스트를 향상시키고[13], 그 결과인 계조치 영상에 LSD(Line Segment DeGecter)[14]를 적용하여 직선 선분들을 검출한다. 검출된 직선 선분들은 두 끝점의 위치와 각도로 그 정보가 보존되며, 이를 영상으로 표현한다면 이치영상이 될 것이다.
본 연구에서 제시된 기법의 성능 테스트를 위해 인텔 i7 2.93GHz PC상에서, 콘트라스트 향상, LSD에 의한 선 검출, Otsu 이진화, 사각형 검줄, projection 알고리즘 둥 모든 처리를 C 언어로 프로그래밍하여 실험하였다. 실험에 사용된 영상은 800 X 600 크기의 자동차 정면 영상으로서, 총 100장을 촬영하여 사용하였다.
추출 기법을 재시하였다. 언저 입력 영상의 콘트라스트를향상시키고, 그 후 LSD름 적용하여 영상내의 직선 선분을 검출하였다. 이렁개 구해진 선들로부터 사각형을 이루는 꼭짓점들을 찾아내고, 이 꼭짓점들로 부터 대각선들을 찾아내며, 그 후 이 대각선들 정보로부터 사각형을 찾아낸다.
위에서 찾아진 꼭짓점들을 사용하여 사각형의 대각이 될 수 있는 다음의 조건을 가진 꼭짓점 쌍들을 찾아내고, 그로무터 사각형의 대각선 정보를 구한다.
위에서 찾아진 대각선들을 사용하여 사각형이 될 수 있을 다음의 조건을 가진 대각선 쌍들을 찾아내고, 그로부터 사각형을 검출한다.
대상 데이터
93GHz PC상에서, 콘트라스트 향상, LSD에 의한 선 검출, Otsu 이진화, 사각형 검줄, projection 알고리즘 둥 모든 처리를 C 언어로 프로그래밍하여 실험하였다. 실험에 사용된 영상은 800 X 600 크기의 자동차 정면 영상으로서, 총 100장을 촬영하여 사용하였다.
이론/모형
숫자가 두 줄로 되어 있는 335mmx170mm의 번호판에서는 4글자, 숫자가 한 줄로 되어 있는 520mmx110mm의 번호판은 6글자 또는 7글자가 추출된다. Projection 기법을 이용하여 이치영상으로부터 문자들의 배치 및 개수 정보를 찾아내고 이를 이용하여 번호판 여부를 판정한다. 사각형이 번호판으로 판정이 되면 번호관의 가로 세로 비율에 맞게 영상을 변환시켜 실제의 형태를 얻을 수도 있다.
성능/효과
(조건 3) 두 대각선에 관련된 꼭짓점을 구성하는 직선 선분의 방향 가도는 사각형의 외곽선 방향 각도와 일정 범위 이내로 일치해야 한다. 그림 7 은 이 조건의 예를 보인다.
실험에 따르면, LSD에 의한 직선 선분 검츌은 입력 영상의 콘트라스트 상태에 의해 많은 영향을 받는 것으로 나타났다. 따라서 향후 콘트라스트 향상 기법의 추가 연구륻 동해 LSD에 의한 선 검출 성능은 향상시킬 필요가 있으며, 제시된 기법의 세부적인 개선을 통해 보다 향상된 사각형검출 기법을 연구할 계회이다.
보인다. 이 결과에 따르면, LSD에 의한 직선 선분 검출에서, 자동차 번호판의 네 변이 올바르게 선으로 검춤된 경우는 98% 로 나타났으며. 이로부터 구해진 사각형들로 부터 최종적으로 번호판이 성공적으로 검출된 경우는 94%로 얻어졌다.
이 결과에 따르면, LSD에 의한 직선 선분 검출에서, 자동차 번호판의 네 변이 올바르게 선으로 검춤된 경우는 98% 로 나타났으며. 이로부터 구해진 사각형들로 부터 최종적으로 번호판이 성공적으로 검출된 경우는 94%로 얻어졌다.
제시된 기법의 성눙 테스트들 위해 100장외 자동차 영상을 사용하였으며, 실험 결과 94%의 번호판 검출율울 얻올수 있었다.
후속연구
따라서 향후 콘트라스트 향상 기법의 추가 연구륻 동해 LSD에 의한 선 검출 성능은 향상시킬 필요가 있으며, 제시된 기법의 세부적인 개선을 통해 보다 향상된 사각형검출 기법을 연구할 계회이다.
참고문헌 (19)
E. R. Lee, P. K. Kim and H. J. Kim. "Automatic Recognition of a Car License Plate Using CoIor Image Processing", Proceeding of IEEE International Conference on Image Processing (ICIP'94), VOL.2, pp. 301-305, 1994.
Thanongsak Sirithinaphong and Kosin Chamnongthai "The Recognition of Car License Plate for Automatic Parking System", Processing of the Fifth International Symposium on Signal Processing and Its Applications (lSSPA '99), pp. 455-457, 1999.
Jian-Feng Xu, Shao-Fa Li and Mian- Shui Yu, "Car License Plate Extraction using CoIor and Edge Information", Proceedings of the Third International Conference on Machine Learmng and Cybemetics, pp.3904-3907, Shanghai, 26-29 August 2004
W. Jia, H. Zhang, X. He and M. Piccardi, "Mean Shift for Accurate License Plate Localization", Proceedings of International Conference on Intelligent Transportation Systems, Vienna, Austria, pp.566-571, 2005.
Kaushik Deb, Hyun-Uk Chae and Kang-Hyun Jo, "Vehicle License Plate Detection Method Based on Sliding Concentric Windows and Histogram", Journal of Computers, Vol. 4, No. 8, pp. 771-777. August 2009
S. H. Park, K. I. Kim, K. Jung and H. J. Kim, "Locating Car License Plates using Neural Network", IEE Electronics Letters, vol.35, no. 17, pp. 1475-1477, 1999.
J. Matas and K. Zimmermann, "Unconstrained Licence Plate and Text Localization and Recognition", Proceedings of 2005 IEEE Intelligent Transportation Systems, pp. 225-230, 2005.
S. H. Kim, D. C. Kim, Y. B. Ryu and G. H. Kim. "A Robust License plate Extraction Method under Complex Image Conditions", Proceedings of 16th International Conference on Pattern Recognition, pp. 216-219 vol.3, 2002.
P. V. Suryanarayana, Suman K. Mitra and Asim Baneree and Anil K. Roy, "A Morphology Based Approach for Car License Plate Extraction", IEEE lndicon 2005 Conference, pp.24-27, India, 2005.
Serkan Ozbay, and Ergun Ercelebi, "Automatic Vehicle Identification by Plate Recognition", World Academy of Science, Engineering and Technology 9, pp,222-225, 2005.
Vahid Abolghasemi and Alireza Ahmadyfard, "Local Enhancement of Car Image for License Plate Detection", 15th European Signal Processing Conference (EUSIPCO 2007), Poznan, Poland, pp.2179-2183, September 3-7, 2007
Chirag N. Paunwala, Suprava, and Manoj Chaudhary, "Multiple License Plate Extraction Based on Mathematical Morphology and Component Filtering in Indian Traffic Condition". 2010 International Conference on Advances in Recent Technologies in Communication and Computing, pp.249-242. 2010.
A. Beghdadi and A. Le Negrate, "Contrast enhancement technique based on local detection of edges", Computer Vision, Graphics, and Image Processing, Vol. 46, pp. 162-174, 1989.
R. Grompone von Gioi, J. Jakubowicz, J.M. Morel, and G. Randall, "LSD: A Fast Line Segment Detector with a False Detection Control", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 32, No. 4, pp. 722-732, April 2010.
Yasuharu Yabanyra, Masahiro Goto, Diasuke Nishiyama. "Extraction and Tracking of the License Plate Using Hough Transform and Voted Block Matching", IEEE Intelligent Vehicles Symposium Conference, pp. 243-246, 2003.
Claudio Rosito Jung and Rodrigo Schramm, "Rectangle Detection based on a Windowed Hough Transform", Proceedings of Computer Graphics and Image Processing. 17th Brazilian Symposium, pp. 113-120, Oct. 2004
Zi-qiang Li, "Generalized Hough Transform: Fast Detection for Hybrid Multi-Circle and Multi-Rectangle", Intelligent Ccntrol and Automation, WCICA 2006, pp. 10130-10134. 2006
R. C. Gonzalez and R. E. Woods, Digital image processing, Addison-Wesley, 1992.
N. Otsu, "A Threshold Selection Method from Gray-Level Histogram", IEEE Transactions on System, Man, Cybernetics, Vol. SMC-9, No.1, pp 62-66, January 1979.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.