$\require{mediawiki-texvc}$

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.

딥러닝을 이용한 번호판 검출과 인식 알고리즘
License Plate Detection and Recognition Algorithm using Deep Learning 원문보기

전기전자학회논문지 = Journal of IKEEE, v.23 no.2, 2019년, pp.642 - 651  

김정환 (Dept. of Electronic Engineering, Hanyang University) ,  임준홍 (Dept. of Electronic Engineering, Hanyang University)

초록
AI-Helper 아이콘AI-Helper

최근 지능형 교통관제 시스템에 관한 다양한 연구가 진행되고 있는 가운데 번호판 검출과 인식 알고리즘은 가장 중요한 요소 중에 하나로 대두되고 있다. 번호판은 차량의 고유 식별값을 가지고 있기 때문이다. 기존의 차량 통행 관제 시스템은 정차를 기반으로 하고 있으며 차량의 입출입 인식 방법으로 루프 코일을 사용하고 있다. 이러한 방법은 교통 정체를 유발하고 유지보수 비용이 상승하는 단점을 가지고 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서 차량의 입출입 인식 방법으로 카메라 영상을 사용한다. 차량 통행 관제 시스템의 특성상 카메라가 고정되어 있다. 이에 차량이 접근하면 카메라의 배경화면이 달라진다. 이 특징을 이용하여 배경화면의 차분영상을 구하면 차량의 입출입을 인식할 수 있다. 입출입 인식 후 한국 번호판의 형태학적 특성을 이용하여 후보 이미지를 추정한다. 그리고 선형 SVM(Support Vector Machine)을 이용해서 최종 번호판을 검출한다. 검출한 번호판의 글자와 숫자 인식 방법으로는 CNN(Convolutional Neural Network) 알고리즘을 사용한다. 제안한 알고리즘은 기존의 시스템과 달리 검출 위치를 기준으로 글자와 숫자를 인식하기 때문에 번호판의 규격이 변해도 인식할 수 있다. 실험한 결과 기존의 번호판 인식 알고리즘들 보다 제안한 알고리즘이 더 높은 인식률을 가진다.

Abstract ▼ AI-Helper 아이콘AI-Helper

One of the most important research topics on intelligent transportation systems in recent years is detecting and recognizing a license plate. The license plate has a unique identification data on vehicle information. The existing vehicle traffic control system is based on a stop and uses a loop coil...

주제어

#License Plate   #SVM   #Machine Learning   #Deep Learning   #Intelligent Transportation System  

표/그림 (17)

질의응답

핵심어 질문 논문에서 추출한 답변
적응형 이진화가 Otsu방법과 비교하여 어떤 특징이 있는가? 본 논문에서는 외부환경에 강인하기 위해서 일반적인 Otsu 방법의 이진화가 아닌 적응형 이진화 알고리즘을 사용한다. 입력된 영상 전체에 대해서 임계값을 설정하는Otsu 방법과 달리 적응형 이진화는 주변의 이웃 화소값에 따라서 임계값이 결정된다. 이에 그림 6과같이 그림자가 드리워진 번호판 이미지에 강인하다.
에지 검출에서 거짓 긍정은 무엇인가? 이후 두 개의 임계값 Tlow와 Thigh를 사용하는 이력 임계값을 적용하여 거짓 긍정을 제거한다. 여기서 거짓 긍정이란 노이즈로 인하여 실제로 에지가 아닌데 에지로 판정되는 경우를 말한다.
본 논문에서 제안한 번호판의 글자와 숫자 인식 방법을 통해 어떤 결과를 얻을 수 있는가? 차량 번호판은 고유 식별값을 가지므로 지능형 교통관제 시스템에서 번호판 인식은 가장 중요한 알고리즘 중에 하나이다. 본 논문은 고전적인 영상처리 기법과 CNN을 융합하여 기존 알고리즘보다 번호판의 인식률을 높였다. 제안한 알고리즘은 기존과 달리 차량 인식에 루프 방식을 사용하지 않기 때문에 유지보수에 용이하다. 번호판 인식의 경우에는 히스토그램을 이용해서 객체의 영역을 분할하고 검출하기 때문에 번호판 규격이 신형으로 변경되어도 인식할 수가 있다. 제안한 알고리즘의 정확도가 97.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. S. Sheik Mohammed Ali, Boby George, Lelitha Vanajakshi, "An Efficient Multiple-Loop Sensor Configuration Applicable for Undisciplined Traffic," IEEE Transactions on Intelligent Transportation Systems, vol.14, no.3, pp.1151-1161, 2013. DOI: 10.1109/TITS.2013.2255038 

    상세보기 crossref

  2. Jung-Hwan Kim, Sun-Kyu Kim, Sanghyuk Lee, Tae-Min Lee, Joonhong Lim, "License plate detection and recognition algorithm for vehicle black box," 2017 International Automatic Control Conference, 2017. DOI: 10.1109/CACS.2017.8284273 

  3. Zied Selmi, Mohamed Ben Halima, Adel M. Alimi, "Deep Learning System for Automatic License Plate Detection and Recognition," 14th IAPR International Conference on Document Analysis and Recognition, pp.2379-2140, 2017. DOI: 10.1109/ICDAR.2017.187 

  4. SeungHyun Park, Seongwon Cho, "A Car Plate Area Detection System Using Deep Convolution Neural Network," Smart Media Journal, vol.5, no.1, pp.15-23, 2016. DOI: 10.9717/kmms.2017.20.8.1166 

  5. Byeong-jun Kim, Dong-hoon Kim, Joonwhoan Lee, "An Improved License Plate Recognition Technique in Outdoor Imaeg," Jurnal of Korea Multimedia Society, vol.26, no.5, pp.423-431, 2016. DOI: 10.5391/JKIIS.2016.26.5.423 

  6. Yun Yang, Donghai Li, Zongtao Duan, "Chinese vehicle license plate recognition using kernel-based extreme learning machine with deep convolutional features," IET Intelligent Transport Systems, vol.12, no.3, pp.213-219, 2018. DOI: 10.1049/iet-its.2017.0136 

    상세보기 crossref

  7. Yunju Jeong, Israfil Ansari, Jaechang Shim, Jeonghwan Lee, "A Car Plate Area Detection System Using Deep Convolution Neural Network," Jurnal of Korea Multimedia Society, vol.20, no.8, pp.1166-1174, 2017. 

  8. Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning-Adaptive Computation and Machine Learning, MIT Press, 2016. 

  9. Rahul R. Palekar, Sushant U. Parab, Dhrumil P. Parikh, Vijaya N. Kamble, "Real time license plate detection using openCV and tesseract," 2017 International Conference on Communication and Signal Processing, pp.2111-2115, 2017. DOI: 10.1109/ICCSP.2017.8286778 

  10. Kuan Zheng, Yuanxing Zhao, Jing Gu, Qingmao Hu, "License plate detection using Haar-like features and histogram of oriented gradients," 2012 IEEE International Symposium on Industrial Electronics, pp.1502-1505, 2012. DOI: 10.1109/ISIE.2012.6237313 

  11. Jingjing Zhang, Yuanyuan Li, Teng Li, Lina Xun, Caifeng Shan, "License Plate Localization in Unconstrained Scenes Using a Two-Stage CNN-RNN," IEEE Sensors Journal, vol.19, no.13, pp.5256-5265, 2019. DOI: 10.1109/JSEN.2019.2900257 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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