[논문]형태학적 특징과 명암 변화를 이용한 신 차량 번호판 추출

한건영; 한수환; 장경식

문제 정의

그리고 2006년 11월 이후 유럽형 신 차량 번호판 등장 이후, 이 번호판 특징에 맞는 차량 번호판 인식시스템이 요구되고 있다. 따라서 본 논문에서는 신 차량 번호판 추출 방법을 제안한다. 신 차량 번호판 영상에서 번호판 영역은 흰색 바탕에 검은색 코드로 구성되어 있기 때문에 주위 환경의 영향에 따라 번호판의 명암도가 달라지는 경우가 발생한다.

가설 설정

번호판 세로 영역은 아래에서 위로 60픽셀 단위로 번호판 특징을 가지는 영역의 위치를 번호판 세로 영역의 시작점으로 선택하고, 번호판이 일정한 크기를 가지고 있고, 번호판에서 명암 값들이 빈번하게 변하기 때문에 명암값 변화가 급격히 변화하는 부분까지 번호판 영역이라 가정하고, 세로 영역의 마지막 점으로 선택하였다. 이 단계에서 발생하는 오차 즉, 실제 번호판 영역 이외의 헤드라이트 부분과 라지에타그릴 부분에서 많은 명암 값 변화가 검출되고, 햇빛 반사에 의중H 차량 보넷(bonnet) 부분에서도 많은 명암 값 변화가 검출되는 경우도 있다.

제안 방법

신 차량 번호판 영상에서 번호판 영역은 흰색 바탕에 검은색 코드로 구성되어 있기 때문에 주위 환경의 영향에 따라 번호판의 명암도가 달라지는 경우가 발생한다. 따라서 본 논문에서는 차량의 입력 영상을 그대로 이진화 하지 않고, local normalization을 수행한 후, Otsu 판별식을 이용한 이진화 기법을 적용하여, 영상을 이진화한다. 이후, 번호판의 형태학적 특징과 명암 변화를 이용하여 번호판 영역을 추출한다.
따라서 본 논문에서는 차량의 입력 영상을 그대로 이진화 하지 않고, local normalization을 수행한 후, Otsu 판별식을 이용한 이진화 기법을 적용하여, 영상을 이진화한다. 이후, 번호판의 형태학적 특징과 명암 변화를 이용하여 번호판 영역을 추출한다.
본 논문에서 제안하는 방법은 번호판이 가지고 있는 형태학적 특징과 명암 정보를 기반으로 자동차 번호판을 추출한다. 제안한 자동차 번호판 추출 과정을 개략적으로 요약해보면 그림 1과 같다.
본 논문에서는 입력된 자동차 영상이 빛에 의한 영향을 줄이기 위해 전처리 과정으로 영상을 그레이 레벨로 변환 후, 식 (1) 을 적용하여 local normalization을 수행한다. local normalizatione 이미지 영상에서 국부적인 상관관계를 구해서 국부적으로 영상의 평균과 공분산을 균일화하는 알고리즘이다.
먼저, 입력 영상 了(3)为)에 가우시안 필터를 적용하여 국부 평균 추정 영상 ⑺”靄点)을 생성하고, 입력 영상과 국부 평균 추정 영상에 대한 차연산을 수행하여 차 영상을 생성한 후, 다음 연산에 입력으로 받아들인다. 국부 표준 편차 추정 영 상气5_{을 구하기 위해서 차 영상을 제곱한}후, 가우시안 필터를 마스크로 국부 표준 편차 영상을 생성한다.
입력으로 받아들인다. 국부 표준 편차 추정 영 상气5_{을 구하기 위해서 차 영상을 제곱한}후, 가우시안 필터를 마스크로 국부 표준 편차 영상을 생성한다. 마지막으로 차 영상에서 국부 표준 편차 영상을 나눔으로써 local normalization된 영상을 구한다.
따라서 번호판 특징[5] 외에는 노이즈로 간주하고 제거시킨다. 본 논문에서는 라인 구조요소로 수평축, 수직축을 기준으로 각각 한 번씩 침식시킨다. 그리고 번호판과 배경을 구분하기 위해 닫힘(close) 연산을 수행한다.
본 논문에서는 수평, 수직 투영을 이용하여 번호판의 세로 후보영역 및 가로 후보영역을 찾는다. 번호판 세로 영역은 아래에서 위로 60픽셀 단위로 번호판 특징을 가지는 영역의 위치를 번호판 세로 영역의 시작점으로 선택하고, 번호판이 일정한 크기를 가지고 있고, 번호판에서 명암 값들이 빈번하게 변하기 때문에 명암값 변화가 급격히 변화하는 부분까지 번호판 영역이라 가정하고, 세로 영역의 마지막 점으로 선택하였다.
본 실험에서는 14:00부터 18:00경까지 디지털 카메라로 촬영한 주행 중인 승용 및 승합용 차량 120대의 영상을 대상으로 Matlab 7.0을 이용하여 펜티엄4 상에서 번호판 추출 과정을 수행하였다. 입력 차량 영상은 640x480 RGB 컬러 영상으로 120대중 117대의 차량 영상에서 번호판을 성공적으로 추출할 수 있었다.
본 논문에서는 입력 영상의 형태학적 특징과 명암 정보를 가지고 번호판을 추출하였다. 먼저 입력 영상으로부터 입력 영상을 그레이 레벨로 변환 후, local normalization을 수행하고, 이진화한다' 이진화된 영상에서 형태학적 특징올 이용하여 번호판의 특징과 관계없는 선들은 잡음으로 간주하고 모폴로 지 연산을 수행한다.
먼저 입력 영상으로부터 입력 영상을 그레이 레벨로 변환 후, local normalization을 수행하고, 이진화한다' 이진화된 영상에서 형태학적 특징올 이용하여 번호판의 특징과 관계없는 선들은 잡음으로 간주하고 모폴로 지 연산을 수행한다. 이후, 명암 변화를 이용하여 번호판 후보 영역을 제시하고' 흰색 픽셀을 가장 많이 포함하는 영역의 최소 사각형에서 왼쪽 상단 좌표와 오른쪽 하단 좌표률 구해서 번호판을 추출한다.
먼저 입력 영상으로부터 입력 영상을 그레이 레벨로 변환 후, local normalization을 수행하고, 이진화한다' 이진화된 영상에서 형태학적 특징올 이용하여 번호판의 특징과 관계없는 선들은 잡음으로 간주하고 모폴로 지 연산을 수행한다. 이후, 명암 변화를 이용하여 번호판 후보 영역을 제시하고' 흰색 픽셀을 가장 많이 포함하는 영역의 최소 사각형에서 왼쪽 상단 좌표와 오른쪽 하단 좌표률 구해서 번호판을 추출한다. 본 논문에서 제안하는 방법은 입력 영상에서 local normalizatione- 통해 밝기 보정을 함으로써 어둡거나 밝게 입력된 영상에서도 좋은 추출 성능을 보였고 크기가 일정치 않은 번호판에 대해서도 좋은 추출률을 보였다.

대상 데이터

국부적인 평균과 표준 편차의 추정은 공간적 평활화 즉, NxN 가우시안 필터링에 의해 구해진다. 본 논문에서는 15x15 크기의 필터 마스크를 사용한다. 식 (1)에 의한 local normalizatiori 의 블록다이어그램은 그림 3과 같다.
0을 이용하여 펜티엄4 상에서 번호판 추출 과정을 수행하였다. 입력 차량 영상은 640x480 RGB 컬러 영상으로 120대중 117대의 차량 영상에서 번호판을 성공적으로 추출할 수 있었다. 표 1은 흰색 번호판 중 긴 번호판과 짧은 번호판의 추출률을 보여준다.

이론/모형

방법들이 고안되고 있다[4]. 본 논문에서는 현재까지 알려진 여러 가지 이진화 방법 중에서 Otsu 이진화가 좋은 결과를 나타내므로, Otsu 이진화 알고리즘을 사용한다. Otsu 이진화는 명도 히스토그램에 있어 전체 분산이 임계 값 T를 경계로 하여 생기는 클래스 내 분산과 클래스 간 분산을 고려하여 이진화하는 방법이다.

성능/효과

첫째, 실제 번호판의 색상은 차량 용도에 따라 다양하지만, 본 논문에서는 횐색 번호판만 다루기 때문에, 번호판의 특징은 흰색 바탕에 검은색 글자로 대조적인 명암값을 갖는다.
둘째, 레이블링 된 한 영역의 넓이가 3, 000보다 크거나 30, 000보다 작다.
이후, 명암 변화를 이용하여 번호판 후보 영역을 제시하고' 흰색 픽셀을 가장 많이 포함하는 영역의 최소 사각형에서 왼쪽 상단 좌표와 오른쪽 하단 좌표률 구해서 번호판을 추출한다. 본 논문에서 제안하는 방법은 입력 영상에서 local normalizatione- 통해 밝기 보정을 함으로써 어둡거나 밝게 입력된 영상에서도 좋은 추출 성능을 보였고 크기가 일정치 않은 번호판에 대해서도 좋은 추출률을 보였다. 앞으로 제안된 방법의 추출 실험에서 실패한 경우에 대해 분석하고 전처리 과정에서의 보완졈등을 분석하여 개선할 예정이다.

후속연구

본 논문에서 제안하는 방법은 입력 영상에서 local normalizatione- 통해 밝기 보정을 함으로써 어둡거나 밝게 입력된 영상에서도 좋은 추출 성능을 보였고 크기가 일정치 않은 번호판에 대해서도 좋은 추출률을 보였다. 앞으로 제안된 방법의 추출 실험에서 실패한 경우에 대해 분석하고 전처리 과정에서의 보완졈등을 분석하여 개선할 예정이다.

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

[국내논문] 형태학적 특징과 명암 변화를 이용한 신 차량 번호판 추출
New Vehicle License Plates Extraction Using Morphological Characteristics and Intensity Variation 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

[국내논문] 형태학적 특징과 명암 변화를 이용한 신 차량 번호판 추출 New Vehicle License Plates Extraction Using Morphological Characteristics and Intensity Variation 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

[국내논문] 형태학적 특징과 명암 변화를 이용한 신 차량 번호판 추출
New Vehicle License Plates Extraction Using Morphological Characteristics and Intensity Variation 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper