선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 차량 주변 환경의 변화에서도 번호판 영역을 검출하는 연구를 하였다. DoG와 모폴로지 연산을 이용하여 잡음을 제거하고, 윤곽선 추출을 통해 번호판의 문자부분을 추출 하여 번호판 영역을 검출하였다.
- 본 연구에는 차량 인식의 전처리 과정인 차량 번호판 인식 과정을 윤곽선에 기반한 방법으로 번호판 부분을 추출 해내는 방법이다.
제안 방법
- 차량 이미지영상에 DoG(Difference of Gaussian)[6]를 통해 잡음에 강한 윤곽선을 추출하였고 모폴로지 연산을 통해 작은 잡음제거와 숫자부분을 강조하였다. 강조된 여러개의 윤곽선을 추출하고 추출된 윤곽선을 가로방향으로 이어주고, 가장 길게 선택된 윤곽선을 번호판의 번호부분으로 인식하여 번호판을 검출 하는 방법이다.
- 본 논문에서 제안하는 번호판 검출 방법은 DoG를 통해 잡음이 제거된 윤곽선들을 추출하고 이진화를 통하여 흑백영상을 획득한다. 그 후 모폴로지 연산인 침식연산을 사용하여 이진 영상의 잡음을 한번 더 제거해주면서 문자부분을 강조시켜주는 전처리 과정을 먼저 수행하였다.
- 본 논문에서 제안하는 번호판 검출 방법은 DoG를 통해 잡음이 제거된 윤곽선들을 추출하고 이진화를 통하여 흑백영상을 획득한다. 그 후 모폴로지 연산인 침식연산을 사용하여 이진 영상의 잡음을 한번 더 제거해주면서 문자부분을 강조시켜주는 전처리 과정을 먼저 수행하였다. 윤곽선이 강조된 이미지에서 폭과 넓이의 비율을 통해 문자영역이라고 판단되는 윤곽선들을 추출하고 문자 부분의 윤곽들을 포함한 영상을 획득하고 이 윤곽들을 많이 포함한 지역을 번호판 영역이라고 판단하고 검출하는 방법이다.
- 4는 각 흰색 번호판에 흑색 문자인 번호판과 초록색 번호판에 흰색 문자인 번호판의 이진화 영상과 침식, 팽창이 적용된 이미지를 나타냈다. 침식, 팽창 연산을 통해 문자 부분을 강조하여 윤곽선 추출을 하였다.
- 문자 개개 윤곽을 배열로 접근을 하여 각 윤곽마다 사각형을 씌우게 된다. 발견된 윤곽의 가로세로 비율, 크기의 상하한을 통해 불필요한 윤곽들을 예외처리 하는 과정을 거쳐 자동차 번호판의 숫자인지 판단한다. Fig.
- 5는 가로세로 비율과 크기의 상하한을 정하여 여러개의 윤곽선을 추출해낸 결과이다. 그리고 번호판과 유사한 크기의 윤곽선들만 추출하였다.
- 본 논문에서는 일반적인 번호판 영역에서의 문자 크기의 종횡비를 판단하여 rmin을 0.5, rmax를 2.5로 정하고 실험을 진행 하였다. 선별된 윤곽들의 좌측 상단을 기준점으로 잡고 우측 방향으로 탐지를 했다.
- 5로 정하고 실험을 진행 하였다. 선별된 윤곽들의 좌측 상단을 기준점으로 잡고 우측 방향으로 탐지를 했다. 탐지하는 과정에서 동일선상에 존재하는 윤곽간의 거리와 기울기를 판단하여 불필요한 윤곽은 제외하고 서로 연결시켜 가장 길게 연결된 윤곽을 자동차 번호판 영역으로 결정했다.
- 7(a)처럼 윤관간의 기울기가 너무 크면 번호판 영역이라고 판단하기 어렵기 때문에 번호판 후보 윤곽에서 제외시킨다. 또한 X좌표의 차이가 너무 멀면 이 윤곽 또한 번호판이라고 판단하기 어렵기에 제외를 시켜주면 번호판 영역을 검출 하였다. 식(5)와, 식(6)을 통하여 사각형의 윤곽의 왼쪽 위(tl)를 기준으로 다음 윤곽과의 기울기를 계산하여 기울기가 0.
- 본 논문에서는 Google 이미지에서 제공하는 이미지와 거리에 주차 되어있는 차량 이미지들로 실험을 하였다. 각각의 이미지는 번호판이 정면에 존재하는 이미지와, 번호판 영역이 기울어져 있는 이미지, 주변 배경이나 차량이 복잡하게 형성되어 있는 이미지를 가지고 실험을 하였다. 일반적인 번호판이 정면에 위치하는 이미지뿐만 아니라 번호판이 기울어져있는 이미지와 다양한 배경의 이미지에서도 번호판 검출이 가능하다는 것을 확인 되었다.
- 13이미지는 번호판이 정면이 아닌 기울어져 있는 영상과 번호판 부분이 아닌 곳에 문자가 존재하는 이미지들이다. 번호판부분 윤곽들이 일직선이 아니지만 기울기 보정을 통해 번호판을 추출해 낼 수 있고 다른 문자들이 존재해도 종횡비와 문자간의 거리를 판단해 번호판 영역을 검출 하였다.
- 본 논문에서는 차량 주변 환경의 변화에서도 번호판 영역을 검출하는 연구를 하였다. DoG와 모폴로지 연산을 이용하여 잡음을 제거하고, 윤곽선 추출을 통해 번호판의 문자부분을 추출 하여 번호판 영역을 검출하였다. DoG와 침식, 팽창을 이용해 잡음 제거와 문자 강조를 하여 다른 방법들 보다 높은 확률로 번호판의 문자 영역의 윤곽선을 추출하고 기울기 보정과 번호판 문자의 위치정보를 이용하여 번호판 영역을 검출하였다.
- DoG와 모폴로지 연산을 이용하여 잡음을 제거하고, 윤곽선 추출을 통해 번호판의 문자부분을 추출 하여 번호판 영역을 검출하였다. DoG와 침식, 팽창을 이용해 잡음 제거와 문자 강조를 하여 다른 방법들 보다 높은 확률로 번호판의 문자 영역의 윤곽선을 추출하고 기울기 보정과 번호판 문자의 위치정보를 이용하여 번호판 영역을 검출하였다.
대상 데이터
- 2006년 11월 1일부터 새 번호판을 교부하였으며, 새 번호판은 규격, 글자 모양, 색상 등이 교체 되었으며,기존보다 가로는20cm 길어진 반면 세로는 5cm 줄어든 유럽형 번호판 (520 x 110 mm)으로 흰색 바탕에 검정색 글씨를 사용한다.
- 본 논문에서는 Google 이미지에서 제공하는 이미지와 거리에 주차 되어있는 차량 이미지들로 실험을 하였다. 각각의 이미지는 번호판이 정면에 존재하는 이미지와, 번호판 영역이 기울어져 있는 이미지, 주변 배경이나 차량이 복잡하게 형성되어 있는 이미지를 가지고 실험을 하였다.
- 실험은 번호판이 정면에 보이는 이미지 60개 기울어져 있는 이미지 30개 주변 환경이 복잡한 이미지 30개 오토바이 이미지 10개 총130개의 이미지를 가지고 실험하였다. Fig.
성능/효과
- 각각의 이미지는 번호판이 정면에 존재하는 이미지와, 번호판 영역이 기울어져 있는 이미지, 주변 배경이나 차량이 복잡하게 형성되어 있는 이미지를 가지고 실험을 하였다. 일반적인 번호판이 정면에 위치하는 이미지뿐만 아니라 번호판이 기울어져있는 이미지와 다양한 배경의 이미지에서도 번호판 검출이 가능하다는 것을 확인 되었다.
- 번호판이 정면으로 보이는 이미지에서는 Canny edge와 HSI color 방법은 각각 83%와 86%의 검출 하였고 제안하는 방법은 98%의 높은 검출률을 보였다.
- 정면의 이미지뿐만 아니라 기울어져있는 이미지와 다양한 배경을 가지는 이미지에서도 제안하는 방법은 다른 방법들보다 높은 검출률을 보여줬다.
- 본 논문에서 실험으로는 번호판의 정면 이미지뿐만 아니라 기울어져있는 번호판과 다양한 배경 상황에서도 높은 검출률을 보여주었고 승용차뿐만 아니라 버스, 트럭, 오토바이 등 다양한 차량이미지에도 번호판 영역이 검출 가능하였다.
후속연구
- 향후 연구에서는 기울기가 심한 번호판 이미지나 잡음이 심한 이미지에서의 번호판 영역 검출과 검출된 번호판에서 문자 부분을 인식하는 연구가 필요하다고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.