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.
제안 방법
- 있다. 그러므로 보급형 PDA를 이용하여 자동차 번호판 영상을 획득하여 현재까지 도입된 세 가지 종류의 자동차 번호판을 자동 분류하여 인식하는 방법과 자동차번호판 인식률을 높이면서 처리속도를 줄이기 위한 방법을 제안한다.
- 한다. 먼저, 수평 투영 히스토그램을 이용하여 상단과 하단의 구분선을 찾는다. 전체 영상의 히스토그램을 이용할 경우, 처리시간이 오래 걸리기 때문에 그림 3과 같이 추출된 영상의 일부분만을 사용하여 수평 투영 히스토그램을 구하여 상단과 하단을 구분한다.
- 획득한 영상을 HSI 컬러모델로 분리하여 PDA에 저장된 자동차번호판 색상 분포정보를 불러와 자동차 번호판 영역을 추출한 후, 직선검출을 이용해 기울기 보정을 한다. 보정된 영상의 각 영역을 분할한 후, 자동차 번호판의 특징을 이용하여 종류를 구분한다. 분할된 영역별로 학습 시켜 PDA에 저장해 둔 학습결과를 이용하여 자동차 번호판을 인식 결과를 획득한다.
- 보정된 영상의 각 영역을 분할한 후, 자동차 번호판의 특징을 이용하여 종류를 구분한다. 분할된 영역별로 학습 시켜 PDA에 저장해 둔 학습결과를 이용하여 자동차 번호판을 인식 결과를 획득한다.
- 그로 인해, 불법 주정차 단속의 경우 주차단속요원이 투입되어 자동차 번호판 입력을 수작업으로 수행하고 있으며, 불법 주정차 차량의 증거 영상을 따로 저장해야 하는 등 주차단속에 많은 불편함이 발생하고 있다. 이러한 문제점을 해결하기 위해 보급형 PDA를 이용하였다.
- X를 c개의 출력층으로 클러스터링 하는 네트워크로 지도학습 유형의 군집화 방법이다. 즉, 각각의 참조 패턴이 어떤 클래스인지 미리 결정되어 있으므로 학습 방법에 있어서 입력패턴과 참조패턴에 대하여 군집의 유사성 여부를 결정하여 그에 맞게 참조패턴을 갱신한다. LVQ 알고리즘을 요약하면 다음 표 1과 같다.
- 먼저, PDA의 내장 카메라를 이용하여 자동차번호판 영상을 획득한다. 획득한 영상을 HSI 컬러모델로 분리하여 PDA에 저장된 자동차번호판 색상 분포정보를 불러와 자동차 번호판 영역을 추출한 후, 직선검출을 이용해 기울기 보정을 한다. 보정된 영상의 각 영역을 분할한 후, 자동차 번호판의 특징을 이용하여 종류를 구분한다.
대상 데이터
- 먼저, PDA의 내장 카메라를 이용하여 자동차번호판 영상을 획득한다. 획득한 영상을 HSI 컬러모델로 분리하여 PDA에 저장된 자동차번호판 색상 분포정보를 불러와 자동차 번호판 영역을 추출한 후, 직선검출을 이용해 기울기 보정을 한다.
- 본 논문에서 제안된 방법은 시 PXA270 520Mhz, 64MB SDRAM 의 모바일 환경에서, Microsoft Pocket PC 2002 SDK 기반에서 eMbedded Visual C ++3.0으로 구현하였으며, PDA 에 탑재된 110만 화소의 내장 카메라를 통해 300 장의 자동차 번호판 영상을 획득하여 실험에 사용하였다.
이론/모형
- 1 절에서 추출된 자동차번호판 영상은 비틀림 현상이 발생할 수 있다.' 이를 보정하기 위하여 Hough 변환을 이용하여 직선을 검출하였다.
- 이한 점을 나타내는 P, 。를 구하고, 식 (5)를 이용하여 xy평면 위의 직선을 구할 수 있다. Hough 변환을 이용하여 직선을 추출한 후 회전보정을 수행하였다.
- 일반적인 RGB 컬러모델은 빛에 의한 색상 범위의 변화가 심하므로 색상 구간을 결정하기가 쉽지 않다. 반면, 색상 (Hue), 채도(Saturation), 명도(Intensity)로 구성되어있는 HSI 컬러모델은 밝기에 민감한 I를 제외한 H와 S 성분으로 변환이 가능하므로, HSI 컬러모델을 사용하였다. 다음 식(1), (2), (3)과 같은 변환 식을 이용하여 HSI 컬러모델로 변환하였다.
- 자동차번호판의 문자를 인식하기 위해 LVQ 학습 알고리즘을 사용하였다. LVQ는 입력패턴.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.