[논문]형태학적 특징과 퍼지 ART 알고리즘을 이용한 신 차량 번호판 인식

강효주; 김미정; 강혜민; 박충식; 이종희; 김광백

문제 정의

요구된다. 따라서 본 논문에서는 신 차량번호판 인식 방법을 제안한다.
본 논문에서는 신 차량 번호판 추출 및 인식하는 방법을 제안하였다. 신 차량 번호판 영역추출은 차량 영상을 획득하여 그레이 레벨로 변환한 후, 블록 이진화 방법을 적용하여 영상을 이잔화 하였다.

가설 설정

① 라벨링 한 영역의 넓이가 3, 000보다 크거나 30, 000보다 작다.
② 가로의 길이가 세로의 길이 보다 길다.

제안 방법

이진화 한 영상에 Grassfire 알고리즘을 적용하여 라벨링 한 후, 번호판의 형태학적 특징을 이용하여 잡음을 제거하고 신 차량 번호판을 추출하였다. 개별 문자를 추출하기 위해 추출한 번호판 영역을 그레이 레벨로 변환한 후, 반복 이진화을 적용하여 차량 번호판 영역을 이진화 하였다. 이진화된 차량 번호판 영역에서 Grassfire 알고리즘을 적용하여 차량 번호판 영역의 객체들을 추출하였다.
개별 코드 인식을 위해 적용된 퍼지 ART 알고리즘의 학습 및 인식 성능을 평가하기 위하여 100개의 신 차량 영상에서 추출한 개별숫자 코드 100개와 문자 코드 310개를 학습 패턴으로 적용하였다. 퍼지 ART 알고리즘에서 경계 변수는 실험을 통하여 0.
추출된 객체들에 대해 신 차량 번호판의 형태학적 특징을 이용하여 고정핀 등의 잡음을 제거하였으며 4 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다. 개별 코드 중 한글 부분은 자음과 모음 부분이 분리 되어 있기 때문에 한 개의 코드로 인식하기 위하여, 4 방향 윤곽선 추적 알고리즘을 통해 추적한 윤곽선의 최외곽만을 적용하여 자음과 모음을 결합하여 한 개의 문자 코드로 추출하였다. 추출된 개별코드들은 퍼지 ART 알고리즘을 적용하여 개별코드들을 인식하였다.
달라지는 경우가 발생한다. 따라서 본 논문에서는 차량 영상을 그레이 레벨로 변환한 후, 블록 이진화 기법을 적용하여 영상을 이진화한다. 이진화 된 영상에서 번호판 영역을 추출하기 위해 Grassfire 알고리즘을 이용하여 번호판 영역을 추출한다.
본 논문에서는 그림 1과 같이 블록 이진화와 Grassfire 알고리즘을 이용하여 잡음을 제거한 후, 번호판 영역을 추출한다.
방법을 제안하였다. 신 차량 번호판 영역추출은 차량 영상을 획득하여 그레이 레벨로 변환한 후, 블록 이진화 방법을 적용하여 영상을 이잔화 하였다. 이진화 한 영상에 Grassfire 알고리즘을 적용하여 라벨링 한 후, 번호판의 형태학적 특징을 이용하여 잡음을 제거하고 신 차량 번호판을 추출하였다.
신 차량 번호판 영역추출은 차량 영상을 획득하여 그레이 레벨로 변환한 후, 블록 이진화 방법을 적용하여 영상을 이잔화 하였다. 이진화 한 영상에 Grassfire 알고리즘을 적용하여 라벨링 한 후, 번호판의 형태학적 특징을 이용하여 잡음을 제거하고 신 차량 번호판을 추출하였다. 개별 문자를 추출하기 위해 추출한 번호판 영역을 그레이 레벨로 변환한 후, 반복 이진화을 적용하여 차량 번호판 영역을 이진화 하였다.
이진화된 차량 번호판 영역에서 Grassfire 알고리즘을 적용하여 차량 번호판 영역의 객체들을 추출하였다. 추출된 객체들에 대해 신 차량 번호판의 형태학적 특징을 이용하여 고정핀 등의 잡음을 제거하였으며 4 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다. 개별 코드 중 한글 부분은 자음과 모음 부분이 분리 되어 있기 때문에 한 개의 코드로 인식하기 위하여, 4 방향 윤곽선 추적 알고리즘을 통해 추적한 윤곽선의 최외곽만을 적용하여 자음과 모음을 결합하여 한 개의 문자 코드로 추출하였다.
이진화 된 영상에서 번호판 영역을 추출하기 위해 Grassfire 알고리즘을 이용하여 번호판 영역을 추출한다. 추출된 번호판 영역의 그레이 레벨에 반복 이진화 기법을 적용한 후, 4 방향 윤곽선 추적 알고리즘을 적용 개별 코드를 추출한다. 추출된 개별 코드는 퍼지 ART 알고리즘을 적용하여 인식한다.

대상 데이터

0으로 구현하였다. 640 X 480 크기의 비영업용 차량의 전면부 영상 100장을 대상으로 성능 평가에 적용하였다.
3으로 설정하였다. 그리고 테스트 패턴은 숫자 코드 600개와 문자 코드 100개를 적용하였다. 그리고 퍼지 ART 알고리즘으로 인식한 결과를 표 2로 나타내었다.

이론/모형

본 논문에서는 추출된 개별 코드를 인식하기 위하여 퍼지 ART 알고리즘을 적용한다. 퍼지 ART는 자율학습 방법으로 실시간 관련 다양한 분야에 적용되고 있다.
신 차량 번호판 영역에 반복 이진화를 수행한 후, Grassfire 알고리즘을 수행하여 개별 코드의 후보 영역을 찾는다. Grassfire 알고리즘을 적용하여 라발링된 객체 중에서 라벨링된 객체의 가로 길이가 번호판 영역의 가로 길이의 0.
이진화 기법을 적용하여 영상을 이진화한다. 이진화 된 영상에서 번호판 영역을 추출하기 위해 Grassfire 알고리즘을 이용하여 번호판 영역을 추출한다.
이진화 된 영상에 그림 4와 같이 Grassfire 알고리즘(2)으로 라벨링 한다. Grassfire 알고리즘은 마른잔디에서 불이 번져나가는 모양과 비슷하게 화소를 라벨링 하며, 이 알고리즘은 자기 호출을 이용하여 모든 인접 요소가 라벨링 될 때까지 현재 관심 화소의 주변 인접 화소를 차례로 검사하면서 라벨링 하는 방법이다.
따라서 본 논문에서는 차량 영상을 그레이 레벨로 변환한 후, 블록 이진화 기법을 적용하여 영상을 이진화한다. 이진화 된 영상에서 번호판 영역을 추출하기 위해 Grassfire 알고리즘을 이용하여 번호판 영역을 추출한다. 추출된 번호판 영역의 그레이 레벨에 반복 이진화 기법을 적용한 후, 4 방향 윤곽선 추적 알고리즘을 적용 개별 코드를 추출한다.
개별 문자를 추출하기 위해 추출한 번호판 영역을 그레이 레벨로 변환한 후, 반복 이진화을 적용하여 차량 번호판 영역을 이진화 하였다. 이진화된 차량 번호판 영역에서 Grassfire 알고리즘을 적용하여 차량 번호판 영역의 객체들을 추출하였다. 추출된 객체들에 대해 신 차량 번호판의 형태학적 특징을 이용하여 고정핀 등의 잡음을 제거하였으며 4 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출하였다.
잡음이 제거된 차량 번호판 영상에서 4 방향 윤곽선 추적 알고리즘[4]을 적용하여 개별 코드를 추출한다. 잡음을 제거한 후에 개별 코드를 추출하는 과정은 그림 6과 같다.
차량 영상에 대해 신 번호판의 ①부터 ④까지의 형태학적 특징을 이용하여 잡음을 제거한 후에 그림 4와 같이 Grassfire 알고리즘을 적용하여 그림 5와 같이 신 차량 번호판 영역을 추출한다.
추출된 번호판 영역의 그레이 레벨에 반복 이진화 기법을 적용한 후, 4 방향 윤곽선 추적 알고리즘을 적용 개별 코드를 추출한다. 추출된 개별 코드는 퍼지 ART 알고리즘을 적용하여 인식한다.
개별 코드 중 한글 부분은 자음과 모음 부분이 분리 되어 있기 때문에 한 개의 코드로 인식하기 위하여, 4 방향 윤곽선 추적 알고리즘을 통해 추적한 윤곽선의 최외곽만을 적용하여 자음과 모음을 결합하여 한 개의 문자 코드로 추출하였다. 추출된 개별코드들은 퍼지 ART 알고리즘을 적용하여 개별코드들을 인식하였다.

성능/효과

본 논문에서 제안한 차량 번호판 추출 및 인식 방법을 적용한 결과, 표 1과 같이 100장의 차량 영상에서 번호판 영역과 개별 코드가 모두 추출되었다.
제안된 신 차량 번호판 추출 및 인식 방법을 실제 비영업용 차량을 대상으로 전면부 영상 100장에 적용한 결과, 100장의 차량 영상에 대해 번호판 영역과 개별 코드가 모두 추출되었다. 추출된 개별 코드를 퍼지 ART 알고리즘을 적용하여 인식한 결과, 99.
추출된 개별 코드를 퍼지 ART 알고리즘을 적용하여 인식한 결과, 99.8%의 인식률을 보였다.

후속연구

향후 연구 과제는 신 차량 번호판뿐만 아니라 기존의 차량 번호판도 함께 추출 및 인식할 수 있는 방법으로 개선할 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

형태학적 특징과 퍼지 ART 알고리즘을 이용한 신 차량 번호판 인식
A New Car License Plate Recognition Using Morphological Characteristic and Fuzzy ART Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

형태학적 특징과 퍼지 ART 알고리즘을 이용한 신 차량 번호판 인식 A New Car License Plate Recognition Using Morphological Characteristic and Fuzzy ART Algorithm 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

형태학적 특징과 퍼지 ART 알고리즘을 이용한 신 차량 번호판 인식
A New Car License Plate Recognition Using Morphological Characteristic and Fuzzy ART Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper