JPH04205284A - ナンバープレート認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概　　　要〕 高速道路その他の有料道路の入口、出口において料金車
種判別をするためのナンバープレート認識装置に関し、 ナンバープレートの大きさ、車種番号および色を自動的
に識別可能とすることを目的とし、車両前面の少なくと
もナンバープレートを含む部分を撮像しディジタルの入
力画像を得る撮像手段と、入力画像に対して所定の画像
前処理を施す画像処理手段と、画像前処理が施された入
力画像に対して所定の大きさの第１のウィンドウを設定
し、ウィンドウ内の各構成画素の輝度データを切り出す
第１のウィンドウ設定手段と、切り出された輝度データ
に対応する値を少なくとも３層以上で構成され予め学習
された第１のニューラルネットワークの入力層の各ニュ
ーロンへ入力し、その出力層の各ニューロンの出力値に
基づいて入力画像の切り出された領域が少なくとも３種
類のナンバープレートのいずれであるか又はナンバープ
レートであるか否かを判定するナンバープレート種類判
定手段と、判定手段により入力画像の切り出された領域
がナンバープレートでないと判定された場合に、第１の
ウィンドウ設定手段に対して第１のウィンドウを所定の
画素数だけ平行移動させて切り出し動作を行わせ、続い
て、ナンバープレート種類判定手段に対して判定動作を
行わせる動作を繰り返すウィンドウ移動制御手段と、ナ
ンバープレート種類判定手段により入力画像の切り出さ
れた領域がいずれかの種類のナンバープレートであると
判定された場合に、現在の第１のウィンドウ内の、ナン
バープレートの種類によって固有な位置にある所定の文
字領域に第２のウィンドウを設定し、該ウィンドウ内の
各構成画素の輝度データを切り出す第２のウィンドウ設
定手段と、切り出された輝度データに対応する値を少な
くとも３層以上で構成され予め学習された第２のニュー
ラルネットワークの入力層の各ニューコンペ入力し、そ
の出力層の１０個のニューロンの出力値に基づいて切り
出された領域が１０種類の文字のいずれであるかを判定
する文字判定手段と、ナンバープレート種類判定手段に
より入力画像の切り出された領域がいずれかの種類のナ
ンバープレートであると判定された場合に、現在の第１
のウィンドウ内の一部の領域の各画素につき、ＲＧＢの
輝度レベルの組合せを比較することにより所定の色を検
出する色検出手段とを有するように構成する。

〔産業上の利用分野〕

本発明は、高速道路その他の有料道路の入口、出口にお
いて料金車種判別をするためのナンバープレート認識装
置に関する。

〔従来の技術〕

従来、ナンバープレートの認識は、ナンバープレートの
検出から文字の認識まで専ら画像処理で行っていた。そ
の代表的な手順を以下に示す。

■車両下部にカメラの焦点を合わせておき、車両が通過
すると画面上部より下に向ってバンパー及びナンバープ
レート像が移動するようにする。

■画像を水平方向に微分し、微分ピークが多い、すなわ
ちナンバープレートの文字領域が差し掛かった時にナン
バープレートと判定する。

■濃度むらを補正する適当なフィルタによって文字を抽
出する。

■この抽出結果画像からラベリング処理によって順次数
字を取り出し、面積、周囲長、周辺分布などの特徴量を
求め数字を判定する。

〔発明が解決しようとする課題〕

料金車種判定のためには、少なくとも３つの要素、すな
わちナンバープレートの大きさ、車種番号、および色を
識別できなければならない。ところが、上述の従来例で
は、文字認識に主眼がおかれているため、車種番号しか
識別できないという問題点を有している。

また、ナンバープレートによっては、業務用プレートな
どのように、文字と下地の色が反転しているものもあり
、上述の従来例では、これらの識別は困難であるという
問題点を有している。

本発明は、ナンバープレートの大きさ、車種番号および
色を自動的に識別可能とすることを目的とする。

〔課題を解決するための手段〕

第１図は、本発明のブロック図である。

撮像手段１０１は、車両前面の少なくともナンバープレ
ートを含む部分を撮像しディジタルの入力画像を得る。

画像処理手段１０２は、入力画像に対して所定の画像前
処理を施す。同手段は、例えば、入力画像に対して少な
くともエツジ抽出処理及び画像圧縮処理を行う。

第１のウィンドウ設定手段１０３は、画像前処理が施さ
れた入力画像に対して所定の大きさの第１のウィンドウ
を設定し、該ウィンドウ内の各構成画素の輝度データを
切り出す。

ナンバープレート種類判定手段１０４は、上述の第１の
ウィンドウに基づい切り出された輝度データに対応する
値を、少なくとも３層以上で構成され予め学習された第
１のニューラルネットワークの入力層の各ニューロンへ
入力し、その出力層の各ニューロンの出力値に基づいて
入力画像の切り出された領域が少なくとも３種類のナン
バープレートのいずれであるか又はナンバープレートで
あるか否かを判定する。

ウィンドウ移動制御手段１０５は、上記判定手段１０６
により入力画像の切り出された領域がナンバープレート
でないと判定された場合に、第１のウィンドウ設定手段
１０３に対して第１のウィンドウを所定の画素数だけ平
行移動させて前述の切り出し動作を行わせ、続いて、ナ
ンバープレート種類判定手段１０４に対して前述の判定
動作を行わせる動作を繰り返す。

第２のウィンドウ設定手段１０６は、ナンバープレート
種類判定手段１０４により入力画像の切り出された領域
がいずれかの種類のナンバープレートであると判定され
た場合に、現在の第１のウィンドウ内の、ナンバープレ
ートの種類によって固有な位置にある所定の文字領域に
第２のウィンドウを設定し、該ウィンドウ内、の各構成
画素の輝度データを切り出す。

文字判定手段１０７は、切り出された輝度データに対応
する値を少なくとも３層以上で構成され予め学習された
第２のニューラルネットワークの入力層の各ニューロン
へ入力し、その出力層の１０個のニューロンの出力値に
基づいて切り出された領域が１０種類の文字のいずれで
あるかを判定する。

色検出手段１０Ｂは、ナンバープレート種類判定手段１
０４により入力画像の切り出された領域がいずれかの種
類のナンバープレートであると判定された場合に、現在
の第１のウィンドウ内の一部の領域の各画素について、
ＲＧＢの輝度レベルの組合せを比較することにより所定
の色を検出する。

ここで、上述の第１又は第２のニューラルネットワーク
の学習は、例えばハックプロパゲーション法により行わ
れる。

〔作　　　用〕

本発明では、ウィンドウ移動制御手段１０５の制御に基
づいて第１のウィンドウ設定手段１０３で設定される第
１のウィンドウ領域のそれぞれについて、ナンバープレ
ート種類の判定を第１のニューラルネットワークを使用
してナンバープレート種類判定手段１０４が行う。

そして、ナンバープレートの種類が特定された第１のウ
ィンドウ領域について、更に、第２のウィンドウ設定手
段１０６によって、ナンバープレートの種類により固有
な位置にある所定の文字領域に第２のウィンドウを設定
し、その文字の判定を第２のニューラルネットワークを
使用して文字判定手段１０７によって行う。

このように、ナンバープレート種類の判定とそれに続く
文字判定をニューラルネットワークによって行うことに
より、ナンバープレートの大きさ、車種番号を高速に行
うことが可能となる。

特に、バックプロパゲーション法が適用可能なニューラ
ルネットワークを使用することにより、本システムが使
用される状況に応して柔軟かつ高い認識率でナンバープ
レートの認識を行うことができる。

また、本発明では、同じナンバープレートの種類が特定
された第１のウィンドウ領域の一部について、色検出手
段１０Ｂにおいて、ＲＧＢの輝度レベルの組合せを比較
することにより所定の色を検出する。これにより、ナン
バープレートの色についても安定して抽出することが可
能となる。

〔実　　施　　例〕

以下、図面を参照しながら本発明の実施例につき詳細に
説明する。

本発明では、車両のナンバープレートの認識装置を、画
像処理とバックプロパゲーション法に基づくニューラル
ネットワークを組合せて実現する点に最大の特徴がある
。

第１図は、本発明の実施例の構成図である。

光電管２０２ａ及び２０２ｂは、車両２０１の通過を検
知する。

ＣＣＤカラーカメラ２０３は、車両２０１の前面を撮像
する。

画像処理装置２０４は、ＣＣＤカラーカメラ２０３で撮
像されたＲＧＢの３枚の色画像からなるカラー画像を内
部の特には図示しない画像メモリに記憶する。

ＣＲＴ表示装置２１２は、画像処理装置２０４に記憶さ
れているカラー画像を表示する。

バス２１４には、画像処理装置２０４、ＣＰＵ２０５、
第１のニューラルネットワーク２０６、第２のニューラ
ルネットワーク２０７、ＣＲＴ表示装置２０８、プリン
タ２０９、ハードディスク装置２１０、キーボード２１
３及びフロッピィディスク装置２１１等が接続される。

また、バス２１４は、特には図示しないインタフェース
装置を介して、本システムによるナンバープレートの認
識結果に基づいて他の処理を行うホストコンピュータに
接続される。

ＣＰＵ２０５は、プログラムＲＯＭ及びワーク用ＲＡＭ
を内蔵し、同ＲＡＭを使用しながらプログラムＲＯＭに
記憶されたプログラムに従って後述する制御動作を行う
。

ニューラルネットワーク２０６は、ナンバープレート種
類の認識処理を行い、４個のコプロセッサを用いたリン
グ結合並列アーキテクチャを有するエミュレータである
。

ニューラルネットワーク２０７は、ナンバープレート内
の文字認識処理を行い、２０６と同様のエミュレータで
ある。

上記第２図の構成の実施例の動作について、以下に順次
説明する。以下の一連の処理は、ＣＰＵ２０５が内蔵の
プログラムを実行することにより、ＣＰＵ２０５自身が
実行する処理として、或いは他の各装置がＣＰＵ２０５
からの指示に基づいて実行する処理として実現される。

ステップ１：画像処理装置２０４は、車両２０１の前面
の特にナンバープレート位置近傍を、光電管２０２ａ、
２０２ｂを横切るタイミングで３板式ＣＣＤカラーカメ
ラ３で撮像し、得られたＲＧＢの３画面からなるディジ
タル画像を、内部の特には図示しない画像メモリに記憶
する。

ステップ２：続いて、画像処理装置２０４は、ＲＧＢの
いずれかのディジタル画像に対して、エツジ抽出処理を
施し、エツジ抽出画像を再び画像メモリに記憶する。以
後、このエツジ抽出画像を原画像と呼ぶ。なお、エツジ
抽出処理のアルゴリズムとしては、例えばソーベル法を
用いる。

ステップ３：続いて、画像処理装置２０４は、大板ナン
バープレートの縦横の画素数がそれぞれ１１と２２にな
るように画像メモリの原画像全体を縮小（画像圧縮）し
、その結果得られる圧縮されたエツジ抽出画像を、原画
像とは別に画像メモリに記憶する。以後、これを圧縮画
像と呼ぶ。

ステップ４：続いて、ＣＰＵ２０５は、ナンバープレー
ト認識用の第１のウィンドウを上記画像メモリに記憶さ
れている圧縮画像上に設定する。

二の場合、ウィンドウの大きさは１１（縮）Ｘ２２（横
）である。

ステップ５：続いて、ＣＰＵ２０５は、画像処理装置２
０４より出力された上記ウィンドウ内の各圧縮画像の画
素値を、次式に従って、“０パ〜１１１１＋の範囲の実
数値１’ｉｊに変換し、得られた各実数値をナンバープ
レート認識用の第１のニューラルネットワーク２０６に
入力する。

１　”　ｉｊ＝　（Ｉｉｊ−Ｔｗｉｎ）　／　（Ｉｍａ
ｘ　−１ｍ１ｎ）上式において、“Ｉｉｊ”′は圧縮画
像の各画素の価（明度値）、’Ｎｍａｘ”は最大画素値
、”ｒＩＩｌｉｎ”は最小画素値である。

ステップ６：続いて、ＣＰＵ２０５は、ナンバープレー
ト種類（大板、普通板、小板）及びナンバープレート以
外に対応するニューラルネットワーク２０６の４個の出
力層ニューロン（後述する）の出力値を比較し、最大の
ものを現在の第１のウィンドウの判定結果とする。

ステップ７：ＣＰＵ２０５は、ステップ６で、現在の第
１のウィンドウについてナンバープレート以外という判
定をした場合は、ステップ４の処理に戻り、前述の画像
メモリ内の圧縮画像上で第１のウィンドウを１画素分だ
け平行移動させる。

以後、ＣＰＵ２０５は、ステップ６でいずれかの種類の
ナンバープレートの判定がでるまで、ステップ４→５→
６の処理を繰り返す。

ステップ８：ＣＰＵ２０５は、ステップ６で、現在の第
１のウィンドウについてナンバープレートであるという
判定をした場合は、現在の第１のウィンドウを画像上で
固定し、同ウィンドウ内の、ナンバープレートの種類毎
に固有の車種番号上工桁の位置に、新たな文字認識用の
第２のウィンドウを設定する。詳細な設定動作について
は後述する。

ステップ９：続いて、ＣＰＵ２０５は、文字認識用の第
２のウィンドウ内の各画素値をステップ５と同様にして
正規化し、文字認識用の第２のニューラルネットワーク
２０７に入力する。

ステップ１０：続いて、ＣＰＵ２０５は、文字認識用の
第２のニューラルネットワーク２０７の出力層ニューロ
ン（後述する）１０個の出力値を比較して、パ０”〜パ
９”の整数を認識する。

ステップ１１：続いて、ＣＰＵ２０５は、ステップ６で
ナンバープレートが普通板であると判定した場合のみ、
前述の第１のウィンドウ内の普通板に相当する領域につ
いて色抽出を行い、黄色か否かの判定をする。この処理
については後に詳述する。

ステップ１２：続いて、ＣＰＵ２０５は、以上のように
して認識された３種類の判定結果（大きさの種類、車種
番号、黄色か否か）を総合的に判断して、料金車種をＣ
ＲＴ２０　Ｂに表示すると共に、ハードディスク装置２
１０、フロッピィディスク装置２１１及び特には図示し
ないホストコンピュータに出力する。

以上のステップ１〜ステツプ１２の処理動作で示される
ナンバープレート認識処理で使用されるニューラルネッ
トワーク２０６及び２０７の基本構造を第３図に示す。

本実施例で使用されるニューラルネットワークは、第３
図のように、入力層、中間層及び出力層からなる３層構
造を有し、各層のニューロン数はナンバープレート認識
用と文字認識用とで異なり、第４図の表に示される通り
である。

入力層のニューロン数は、前述の第１及び第２のウィン
ドウの構成画素数に等しい数、中間層のニューロン数は
それぞれの入力層のニューロン数のほぼ１／３に設定さ
れる。また、出力層については、前述したように認識し
ようとする種類の数に等しい。

第３図の構成を有する第２図のニューラルネットワーク
２０６及び２０７においてナンバープレート種類及び文
字の認識を実現するためには、入力されるパターンにつ
いて予め学習を行っておく必要がある。この学習方式と
しては、バックプロパゲーション法を使用している。こ
の手法はニューラルネットワークにおける代表的な学習
手法であるため、その詳細なアルゴリズムは省略する。

なお、ナンバープレート種類を認識するためのニューラ
ルネットワーク２０６では、それぞれの認識結果の種類
について１０個ずつの画像を学習用として入力し、それ
ぞれの出力を“工”とする教師パターンを与えて初期学
習とする。更に、実際の認識パターンで誤った認識をし
たものについては、逐次追加学習を行い認識率を向上さ
せる。文字認識用のニューラルネットワーク２０７でも
同様の初期学習を行う。実際に学習を行った結果では、
いずれの学習においてもほぼ数百回の学習で収束し、誤
差は０．００１以下であった。

次に、前述のステップ８の処理について詳しく説明する
。

ナンバープレート認識用の前述の第１のウィンドウの大
きさはナンバープレートを認識できる必要最小限の画素
数となるように、ステップ３でエツジ抽出画像の圧縮を
行っている。これは、ニューラルネットワーク２０６の
入力数をできる限り少なくして認識速度を上げ、また、
画像上のウィンドウ走査回数を少なくするためである。

ところが、このような圧縮率では、車種番号の認識を行
う場合には画素分解能が低すぎて正確な車種番号上１桁
領域へのウィンドウ設定が困難であるばかりでなく、ニ
ューラルネットワークによる文字認識が困難となってし
ま−う。

そこで、本実施例では、文字認識用に使用される第２の
ウィンドウは、前述した原画像上で位置設定を行った後
、設定された第２のウィンドウ内で圧縮処理を施す。

上述の処理を行うための位置設定の仕方を第５図及び第
６図で説明する。

第５図は、前述のステップ６でナンバープレートである
と判定された時点のナンバープレート認識用の第１のウ
ィンドウの左上隅画素（以後、基点画素と呼ぶ）の近傍
を模式的に示した図である。

線ＢＢ′は、原画像上におけるナンバープレートの境界
線である。また、線ＣＣ゛及び線ＤＤ”は、圧縮処理後
のナンバープレート認識用の第１のウィンドウの境界線
である。基点画素４０１の中で取り得るナンバープレー
トの境界線の基点位置のばらつきによって、車種番号は
領域Ｆの中で第５図のようにばらつくことになり、ニュ
ーラルネットワーク２０７による文字認識が困難となる
。

そこで、ナンバープレート認識用の第１のウィンドウの
基点画素から原画像におけるナンバープレートの境界線
（輪郭）の基点を求める操作が必要となる。その手法を
第６図に示す。まず、ナンバープレート認識の第１のウ
ィンドウの基点画素間域４０１を新たに画像処理装置２
０４の画像メモリ内の原画像上に設定する。この領域に
は、第６図（ａ）のように、必ずナンバープレートの真
の輪郭ＢＢ’と基点Ａが含まれているはずであり、基点
Ａを境に、水平方向と垂直方向に輪郭が伸びている。従
って、水平方向微分と垂直方向微分を順次施せば、第６
図（ｂ）　、（Ｃ）のように、最終的に基点Ａのみが残
ることになる。なお、多分に含まれるノイズ画素に対処
するため、基点Ａは最大輝度もしくは最大画素数を占め
るものとする。

このようにして基点Ａの原画像上での座標（ａｌ、ａ２
）が決定され、車種番号上１桁領域への文字認識用の第
２のウィンドウの基点座標Ｂ（ｂｌ、ｂ２）が次式に従
って決定される。

ｂｌ＝ａｌ　＋α ｂ２＝ａ２＋β 但し、α、βは、ナンバープレート種類によって定まる
定数である。

このようにして文字認識用の第２のウィンドウの位置が
決定された後、前述したようにこの第２のウィンドウ内
で、圧縮後の第２のウィンドウの大きさが縦５画素、横
４画素の計２０画素となるように、圧縮処理を施す。

以上説明したステップ８の詳細な処理動作がＣＰＵ２０
５によって実行される。

次に、前述のステップ１１における普通板と判定された
ナンバープレートが黄色か否かを抽出・判定する処理動
作について説明する。

第７図は、大板、普通板、小板のナンバープレートを基
点を重ねて示したものであり、縦横の寸法と共に、括弧
内にナンバープレート認識用の第１のウィンドウの画素
数を記しである。黄色を検出しなければならないのは、
ナンバープレート認識用のニューラルネットワーク２０
６によってナンバープレートが普通板であると認識され
た場合のみであるから、普通板のナンバープレートの領
域の文字と下地の両方おん一部のみに対してＲＧＢＯ色
抽出をすればよい。本実施例では、第８図に示されるよ
うに、車種番号を横切る１本の走査線上の画素について
のみ色抽出を行い、これにより黄色を検出する。

色抽出の原理について簡単に説明する。カラー画像の色
の表現は、各画素のＲＧＢそれぞれの輝度レベルの組み
合わせを合成して行っている。従って、各画素のＲＯＢ
の輝度レベルの組み合わせを調べれば、光学的な手段を
使わずに数値的な処理で所望の色の検出ができることに
なる。本実施例においては、この手法を用いて、予め設
定しておいた黄色と判定すべきＲＧＢの輝度の組み合わ
せと逐次比較することにより黄色検出を行う。

以上説明した実施例により、最終的にナンバープレート
に関する３つの要素、すなわち、大きさの種類、車種番
号、色について認識した結果が出力される。全ての処理
に要する時間は、画像上のどこにナンバープレートがあ
るがで異なるが、概ね２〜３秒程度であり、高速道路又
はその他の有料道路の入口、出口における車種判別装置
として十分に実用に供することができる。　本実施例の
システムの認識率（正答率）は、初期学習では７０％、
数回の追加学習で９０％以上に向上した。

このように、本実施例では、バックプロパゲーション法
を使用した学習を施したニューラルネットワーク２０６
．２０７により認識を行っているため、容易に認識率を
向上させることができる。

上述の実施例のナンバープレート認識要のニューラルネ
ットワーク２０６では、出力層のニューロンとして、ナ
ンバープレートの３種類の大きさ及びナンバープレート
以外の４個を設定したが、これを３種類の大きさに対応
するニューロンのみとして、判定方式を工夫することに
より、同様の認識結果を達成することができる。その判
定方式として、第１の方式及び第２の方式の２方式を以
下に示す。

第１の方式：出力層のニューロンの最大値が所定の基準
値以下の場合はナンバープレート以外と判定する。

第２の方式：出力層のニューロンの出力値に対して、以
下の変換を施す。

そして、Ｐｉに対して上記第１の方式と同様の判断を行
う。

〔発明の効果〕

本発明によれば、ナンバープレート種類の判定とそれに
続く文字判定をニューラルネ・ントワークによって行う
ことにより、ナンバープレートの大きさ、車種番号を高
速に行うことが可能となる。

特に、バックプロパゲーション法が適用可能なニューラ
ルネットワークを使用することにより、本システムが使
用される状況に応じて現場で適宜な追加学習を行わせる
ことにより、柔軟かつ高い認識率でナンバープレートの
認識を行うことが可能となる。

また、ＲＧＢの輝度レベルの組合せを比較して所定の色
を検出することにより、ナンバープレートの色について
も安定して抽出することが可能となる。

以上の効果により、現在１車線に１人の監視員を必要と
している高速道路の料金所等において、大幅な省力化を
図ることが可能となる。

【図面の簡単な説明】

第１図は、本発明のブロック図、 第２図は、本発明の実施例の構成図、 第３図は、ニューラルネットワークの構成図、第４図は
、ニューラルネットワークの構造を示した図表、 第５図は、ナンバープレート認識用ウィンドウの基点近
傍を原画像と重ね合せた図、 第６図は、ナンバープレート基点位置を画像処理によっ
て求める手順の説明図、 第７図は、ナンバープレートの３種類の基点を一致させ
て重ね合せた図、 第８図は、普通板ナンバープレートにおいて色抽出をす
る位置を示した図である。 １０１・・・撮像手段、 １０２・・・画像処理手段、 １０３・・・第１のウィンドウ設定手段、１０４・・・
ナンバープレート種類判定手段、１０５・・・ウィンド
ウ移動制御手段、１０６・・・第２のウィンドウ設定手
段、１０７・・・文字判定手段、 １０８・・・色検出手段。 特許出願人　　　富士電機株式会社 ；Ｆ発Ｂ月の隻）←例の伊じ浅凹 第２図 Ｂ＋　　　　　　　　　　　　８２ ニユ一ラル守／トワークｎ講戒図 ＠３図 ニューラルネッ）ワークの構造を示した図表第４図

Claims (1)

1. 【特許請求の範囲】 １）車両前面の少なくともナンバープレートを含む部分
   を撮像しディジタルの入力画像を得る撮像手段（１０１
   ）と、 該入力画像に対して所定の画像前処理を施す画像処理手
   段（１０２）と、 該画像前処理が施された入力画像に対して所定の大きさ
   の第１のウィンドウを設定し、該ウィンドウ内の各構成
   画素の輝度データを切り出す第１のウィンドウ設定手段
   （１０３）と、 該切り出された輝度データに対応する値を少なくとも３
   層以上で構成され予め学習された第１のニューラルネッ
   トワークの入力層の各ニューロンへ入力し、その出力層
   の各ニューロンの出力値に基づいて前記入力画像の切り
   出された領域が少なくとも３種類のナンバープレートの
   いずれであるか又はナンバープレートであるか否かを判
   定するナンバープレート種類判定手段（１０４）と、該
   判定手段により前記入力画像の切り出された領域がナン
   バープレートでないと判定された場合に、前記第１のウ
   ィンドウ設定手段（１０３）に対して前記第１のウィン
   ドウを所定の画素数だけ平行移動させて前記切り出し動
   作を行わせ、続いて、前記ナンバープレート種類判定手
   段（１０４）に対して前記判定動作を行わせる動作を繰
   り返すウィンドウ移動制御手段（１０５）と、 前記ナンバープレート種類判定手段（１０４）により前
   記入力画像の切り出された領域がいずれかの種類のナン
   バープレートであると判定された場合に、現在の前記第
   １のウィンドウ内の、ナンバープレートの種類によって
   固有な位置にある所定の文字領域に第２のウィンドウを
   設定し、該ウィンドウ内の各構成画素の輝度データを切
   り出す第２のウィンドウ設定手段（１０６）と、 該切り出された輝度データに対応する値を少なくとも３
   層以上で構成され予め学習された第２のニューラルネッ
   トワークの入力層の各ニューロンへ入力し、その出力層
   の１０個のニューロンの出力値に基づいて前記切り出さ
   れた領域が１０種類の文字のいずれであるかを判定する
   文字判定手段（１０７）と、 前記ナンバープレート種類判定手段（１０４）により前
   記入力画像の切り出された領域がいずれかの種類のナン
   バープレートであると判定された場合に、現在の前記第
   １のウィンドウ内の一部の領域の各画素について、ＲＧ
   Ｂの輝度レベルの組合せを比較することにより所定の色
   を検出する色検出手段（１０８）と、 を有することを特徴とするナンバープレート認識装置。 ２）前記第１又は第２のニューラルネットワークの学習
   は、バックプロパゲーション法により行われることを特
   徴とする請求項１記載のナンバープレート認識装置。 ３）前記画像処理手段は、前記入力画像に対して少なく
   ともエッジ抽出処理及び画像圧縮処理を行うことを特徴
   とする請求項１又は２のいずれか１項に記載のナンバー
   プレート認識装置。