블랙박스 영상용 자동차 번호판 인식을 위한 최소 자승법 기반의 번호판 영상 이진화 알고리즘 A License-Plate Image Binarization Algorithm Based on Least Squares Method for License-Plate Recognition of Automobile Black-Box Image원문보기
자동차 블랙박스 영상용 자동차 번호판 인식 시스템에서는 수시로 변하는 도로 주변의 외부 환경에 의해 자동차 번호판에 그림자가 존재하는 경우가 많이 발생한다. 이러한 그림자는 번호판의 문자와 숫자의 개별 문자 분할 과정에서 예상하지 않은 오류를 발생시키게 되고, 그 결과 전체적인 자동차 번호판 인식률을 저하시킨다. 본 논문에서는 이러한 환경에서 번호판 인식률을 높이고자, 번호판의 그림자를 효과적으로 제거하는 번호판 영상 이진화알고리즘을 제안한다. 제안한 방법에서는 그림자의 경계를 기준으로 그림자가 드리운 영역과 드리우지 않은 영역으로 분할하는데, 그림자의 경계를 찾기 위해 최소 자승법을 사용하여 그림자 경계선에 대한 곡선을 추정한다. 그림자가 존재하는 자동차 번호판의 영상에 대해 시뮬레이션을 수행하였으며, 그 결과 기존 알고리즘 보다 훨씬 높은 인식률을 보임을 확인하였다.
자동차 블랙박스 영상용 자동차 번호판 인식 시스템에서는 수시로 변하는 도로 주변의 외부 환경에 의해 자동차 번호판에 그림자가 존재하는 경우가 많이 발생한다. 이러한 그림자는 번호판의 문자와 숫자의 개별 문자 분할 과정에서 예상하지 않은 오류를 발생시키게 되고, 그 결과 전체적인 자동차 번호판 인식률을 저하시킨다. 본 논문에서는 이러한 환경에서 번호판 인식률을 높이고자, 번호판의 그림자를 효과적으로 제거하는 번호판 영상 이진화 알고리즘을 제안한다. 제안한 방법에서는 그림자의 경계를 기준으로 그림자가 드리운 영역과 드리우지 않은 영역으로 분할하는데, 그림자의 경계를 찾기 위해 최소 자승법을 사용하여 그림자 경계선에 대한 곡선을 추정한다. 그림자가 존재하는 자동차 번호판의 영상에 대해 시뮬레이션을 수행하였으며, 그 결과 기존 알고리즘 보다 훨씬 높은 인식률을 보임을 확인하였다.
In the license-plate recognition systems for automobile black Image, the license-plate image frequently has a shadow due to outdoor environments which are frequently changing. Such a shadow makes unpredictable errors in the segmentation process of individual characters and numbers of the license pla...
In the license-plate recognition systems for automobile black Image, the license-plate image frequently has a shadow due to outdoor environments which are frequently changing. Such a shadow makes unpredictable errors in the segmentation process of individual characters and numbers of the license plate image, and reduces the overall recognition rate. In this paper, to improve the recognition rate in these circumstance, a license-plate image binarization algorithm is proposed removing the shadow effectively. The propose algorithm splits the license-plate image into the regions with the shadow and without. To find out the boundary of two regions, the algorithm estimates the curve for shadow boundary using the least-squares method. The simulation is performed for the license-plate image having its shadow, and the results show much higher recognition rate than the previous algorithm.
In the license-plate recognition systems for automobile black Image, the license-plate image frequently has a shadow due to outdoor environments which are frequently changing. Such a shadow makes unpredictable errors in the segmentation process of individual characters and numbers of the license plate image, and reduces the overall recognition rate. In this paper, to improve the recognition rate in these circumstance, a license-plate image binarization algorithm is proposed removing the shadow effectively. The propose algorithm splits the license-plate image into the regions with the shadow and without. To find out the boundary of two regions, the algorithm estimates the curve for shadow boundary using the least-squares method. The simulation is performed for the license-plate image having its shadow, and the results show much higher recognition rate than the previous algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 실험에서는 번호판 내부 글자가 정확히 분할이 되는 것이 목표이기 때문에 그림자가 드리워질 때 이진화한 후 레이블링을 진행하여 분할까지 되는 것을 기준으로 성능을 측정하여 분석하였다. 명확히 글자 모양을 유지하면서 분할이 되었는가를 보고 판단하였다. 물론, 그 과정에서 실제 글자와 픽셀 단위로 비교할 시 차이가 있을 수 있으나 그 정도는 무시하였는데, 그 이유는 글자 분류기가 미세한 차이정도는 영향을 미치지 않고 인식이 가능할 것으로 판단하였기 때문이다.
본 논문에서 기존 차량 번호판 이진화 성공률을 높이기 위한 새로운 그림자 제거 알고리즘을 제안한다. 그림자의 경계선을 곡선으로 근사하여 경계선과 매우 흡사한 곡선을 얻은 후 그 곡선을 기준으로 영역을 달리 이진화하거나 혹은 밝은 영역의 픽셀 값을 낮추어 전체적으로 비슷한 밝기를 갖도록 한 후 이진화를 진행한다.
본 논문에서는 이진화 성능을 높이기 위해 그림자 경계를 찾아 경계를 기준으로 각각 다른 이진화를 적용하는 알고리즘을 제안한다. 제안한 알고리즘에서는 차량 번호판 영상이 입력으로 들어오면 먼저 영상의 수직 방향으로 미분한다.
본 논문에서는 차량 번호판 인식 알고리즘에서 차량 번호판에 그림자가 드리울 시 인식에 실패하는 경우가 생기기에 그 점을 해결하고자 그림자를 제거하는 알고리즘을 제안하였다. 차량 도로와 같은 환경은 빛에 의해 영상이 다양하게 변화하는데, 그 중 그림자가 드리워지면 필요 정보를 이진화하여 얻을 수 없는 문제가 발생한다.
본 연구에서는 차량 번호판 인식 시스템의 성능을 높이기 위해서 자동차 번호판의 그림자를 효과적으로 제거하여 자동차 번호판 글자를 쉽게 분할할 수 있는 자동차 번호판 영역의 이진화 알고리즘을 제안하고자 한다.
제안 방법
본 논문에서 기존 차량 번호판 이진화 성공률을 높이기 위한 새로운 그림자 제거 알고리즘을 제안한다. 그림자의 경계선을 곡선으로 근사하여 경계선과 매우 흡사한 곡선을 얻은 후 그 곡선을 기준으로 영역을 달리 이진화하거나 혹은 밝은 영역의 픽셀 값을 낮추어 전체적으로 비슷한 밝기를 갖도록 한 후 이진화를 진행한다.
제안하는 시스템에서는 영상을 수직방향으로 미분하여 그림자의 경계를 찾아내고 그림자의 경계선에 해당하지 않은 글자 영역이나 다른 잡음들을 제거한 후 최소 자승법을 활용하여 곡선으로 근사한다. 근사한 곡선을 기준으로 이진화를 달리하여 성공률을 높였다.
6%의 성공률을 보였다. 기존 알고리즘으로는 단순 Otsu 이진화 알고리즘에 적응적 이진화 알고리즘을 적용한 방법을 택하여 실험하였다.
본 실험에서는 번호판 내부 글자가 정확히 분할이 되는 것이 목표이기 때문에 그림자가 드리워질 때 이진화한 후 레이블링을 진행하여 분할까지 되는 것을 기준으로 성능을 측정하여 분석하였다. 명확히 글자 모양을 유지하면서 분할이 되었는가를 보고 판단하였다.
차량 도로와 같은 환경은 빛에 의해 영상이 다양하게 변화하는데, 그 중 그림자가 드리워지면 필요 정보를 이진화하여 얻을 수 없는 문제가 발생한다. 제안하는 시스템에서는 영상을 수직방향으로 미분하여 그림자의 경계를 찾아내고 그림자의 경계선에 해당하지 않은 글자 영역이나 다른 잡음들을 제거한 후 최소 자승법을 활용하여 곡선으로 근사한다. 근사한 곡선을 기준으로 이진화를 달리하여 성공률을 높였다.
제안하는 알고리즘은 기존 알고리즘인 영상을 수직으로 미분하여 그림자의 경계선을 찾는 알고리즘을 사용하나, 글자 영역을 제외하는 알고리즘과 최소 자승법을 이용해 곡선을 근사하는 알고리즘을 추가하여 성능을 높인 것이 특징이다.
본 논문에서는 이진화 성능을 높이기 위해 그림자 경계를 찾아 경계를 기준으로 각각 다른 이진화를 적용하는 알고리즘을 제안한다. 제안한 알고리즘에서는 차량 번호판 영상이 입력으로 들어오면 먼저 영상의 수직 방향으로 미분한다. 그림자가 드리운 경우 수직 방향으로 픽셀 값이 급격히 변하는 영역이 많은 것을 알 수 있다.
최소 자승법을 활용하여 그림자의 곡선을 추정한 후 곡선을 기준으로 밝은 부분의 픽셀 값을 임의적으로 감소시켜 상단부분과 밝기가 비슷하도록 보정한다. 이후 이진화를 수행하여 글자만을 분할한다.
대상 데이터
제안하는 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였다. 150장의 영상 데이터를 사용하여 이진화 실험을 수행하였다. 그림 8은 실험에 사용한 영상의 예시를 나타내었다.
본 실험에서는 인텔 i7 CPU 2600k 3.4Ghz와 8GB RAM로 구성된 PC를 사용하였다. Visual Studio Pro 2010 환경에서 C/C++로 구현하여 시뮬레이션을 수행하였다.
데이터처리
제안하는 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였다. 150장의 영상 데이터를 사용하여 이진화 실험을 수행하였다.
성능/효과
그림자가 존재하는 자동차 번호판의 영상에 대해 시뮬레이션을 수행하였으며, 시뮬레이션 한 결과 번호판 인식률이 훨씬 높아진 것을 확인하였다.
모의실험 결과, 기존 알고리즘은 48%의 인식률로 저조한 성공률을 보이나 제안한 알고리즘은 84.6%의 성공률을 보였다. 기존 알고리즘으로는 단순 Otsu 이진화 알고리즘에 적응적 이진화 알고리즘을 적용한 방법을 택하여 실험하였다.
제안한 시스템의 검증을 위해 150장의 영상을 바탕으로 모의실험을 한 결과 기존의 알고리즘을 사용하였을 때 보다 높은 84.6%의 성공률을 보였다.
그림 9는 기존 알고리즘에서 이진화하지 못한 영상을 제안한 알고리즘에서 이진화에 성공한 결과를 보인 예시이다. 제안한 알고리즘을 통해 찾아낸 그림자의 경계선은 실제 그림자 경계선과 매우 비슷한 것을 알 수 있다. 그러나 그림자가 번호판의 일부분만 드리워져 그림자의 정보가 적어지는 경우에서는 제안한 알고리즘에서도 그림자를 찾아내지 못하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 개별 문자 분할 기술에는 무엇이 있는가?
이 때, 그림자가 드리운 번호판 영상을 차량 번호판 인식 시스템의 입력으로 넣으면 이진화 과정에서 문제가 발생한다. 기존의 개별 문자 분할 기술에는 이진화 영상에서 레이블(Label)을 매겨 분할하는 방법[6], 주변 전경 픽셀 전파 알고리즘을 이용한 분할 방법[7], 이진화 영상을 투영(Projection)하여 히스토그램을 보고 구분하는 방법 등이 있는데, 이 기술들 모두 이진화를 기반으로 진행되기에 이진화 결과가 좋지 못하면 개별 문자를 분할하는 과정이 어려울 뿐만 아니라 글자를 분할하였더라도 차량 번호판 인식시스템의 마지막 단계인 개별 문자 인식 과정의 성능이 떨어진다.
Otsu 방법이란 무엇인가?
Otsu 방법은 이진화 방법 중 가장 널리 사용되고 있는 방법으로서 영상 전체에서 하나의 문턱치를 설정하는 대표적인 방법이다[7]. 배경과 글자의 경우 픽셀 값이 극단적으로 구분되어 있기 때문에 이진화가 잘 이루어진다고 볼 수 있다.
다단계 신경 회로망을 이용한 차량 번호판 인식의 문제점은 무엇인가?
그렇기에 한글 글자에 잡음이 많더라도 인식이 가능하다. 그러나 번호판에서 글자를 분할해내지 못하면 적용할 수 없는 문제점이 있다.
참고문헌 (9)
S. M. Park and J. Kwak, "The current state of domestic and foreign countries and major security standardization trend of Cooperative Intelligent Transport Systems(C-ITS)," Journal of the Korea Institute of Information Security and Cryptology, vol. 25, no. 5, pp. 53-59, October 2015.
S. G. Jin, "The Next Generation ITS based on IOT," Proceeding of the 2016 Korea Institute of Intelligent Transport Systems Conference, pp.334-335, April 2016.
H. N. Oh and E. G. Rhee, "Enhancement of Car License Plate Recognition Rate and Security with Rotation Algorithm," Journal of Security Engineering, vol.13, no.2, pp. 83-90, April 2016.
J. Y. Kim, S. W. Heo and J. Lim, "A License Plate Recognition Algorithm using Multi-Stage Neural Network for Automobile Black-Box Image," Journal of the Korea Institute of Information and Communication Engineering, vol. 22, no. 1, January 2018.
K. I. Kim, "Binary Connected-component Labelling with Block-based Labels and a Pixel-based Scan Mask," Journal of the Institute of Electronics Engineers of Korea, vol. 50, no. 5, pp. 287-294, May 2013.
S. H. Park and S. W. Cho, "A Vehicle License Plate Recognition Using the Haar-like Feature and CLNF Algorithm," Smart Media Journal, vol. 5, no. 1, pp. 15-23, March 2016.
N. Otsu, "A Threshold Selection Method from Gray-Level Histograms," IEEE Journals & Magazines, vol. 9, no. 1, pp. 62-66, January 1979.
J. H. Kim and G. B. Kim, "A Binarization Technique using Histogram Matching for License Plate with a Shadow," Journal of Broadcast Engineering, vol. 19, no. 1, pp. 56-63, January 2014.
B. H. Seo, B. M. Kim, C. B. Moon and Y. S. Shin, "Binarization of Number Plate Image with a Shadow," Journal of the Korea Industrial Information Systems Society, vol. 13, no. 4, pp. 1-13, December 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.