KR101719549B1 - 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치 - Google Patents

차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치 Download PDF

Info

Publication number
KR101719549B1
KR101719549B1 KR1020160001931A KR20160001931A KR101719549B1 KR 101719549 B1 KR101719549 B1 KR 101719549B1 KR 1020160001931 A KR1020160001931 A KR 1020160001931A KR 20160001931 A KR20160001931 A KR 20160001931A KR 101719549 B1 KR101719549 B1 KR 101719549B1
Authority
KR
South Korea
Prior art keywords
image
license plate
color
unit
pixel
Prior art date
Application number
KR1020160001931A
Other languages
English (en)
Inventor
이준환
김동훈
김병준
신광식
김춘열
최항훈
Original Assignee
(주)아이엠시티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)아이엠시티 filed Critical (주)아이엠시티
Priority to KR1020160001931A priority Critical patent/KR101719549B1/ko
Application granted granted Critical
Publication of KR101719549B1 publication Critical patent/KR101719549B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Abstract

차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치에 관한 것으로, 본 발명은 CCTV, 과속감지카메라, 스마트폰, 디지털카메라 중 적어도 하나의 영상 촬영 장치에서 촬영된 영상이 입력되는 영상 입력부, 입력된 영상을 수신하여 수신된 영상의 차량 번호판 영역을 확장하고, 확장된 영상에서 번호판의 외각을 직사각형 형태의 영상으로 재설정하며, 재설정된 직사각형 형태의 영상에서 번호판의 배경색과 세로 대비 가로 비율을 추출한 후 미리 저장된 번호판의 타입과 대비한 후, 번호판 타입을 설정하고, 설정된 번호판 타입의 영상을 회색조 영상으로 변환하여 정규화된 영상을 생성하는 영상 처리부 및 정규화된 영상에서 문자 및 숫자를 분리하여 이진화하고, 이진화된 영상에서 문자와 숫자를 인식하는 문자/숫자 인식부를 포함하는 차량 번호판 인식 장치에 관한 것이며, 차량 번호판 인식 장치에서 사용되는 영상처리방법에 관한 것이다.

Description

차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치{IMAGE PREPROCESSING METHOD FOR LICENSE PLATE RECOGNITION AND LICENSE PLATE RECOGNITION DEVICE USING THEREOF}
본 발명은 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치에 관한 것으로, 특히 정형화되지 않은 촬영환경에서 얻은 일반 영상에서 차량번호판의 인식률을 향상시킬 수 있는 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치에 관한 것이다.
최근, 주차, 방범, 신호위반, 속도위반 등의 다양한 분야에서 자동차 번호판 인식 시스템(License Plate Recognition system)이 폭넓게 사용되고 있다.
그러나 종래, 이러한 자동차 번호판 인식 시스템은, 일반적으로, 자연현상에 의한 명암 차이나 우천시 많은 노이즈 또는 야간에 차량 라이트 빛의 반사 등에 의해 자동차 번호판 추출에 있어 많은 어려움이 있다.
최근 한국공개특허 10-2014-0116266호(자동차 번호판 인식을 위한 영상 전처리방법 및 이를 이용한 자동차 번호판 인식시스템)는 차량의 윤곽선을 추출하여 윤곽선의 에지 정보로부터 번호판 영역을 검출하기 위해 윈도우 스캔(WindowScan) 알고리즘을 이용하여 입력단계에서 입력된 영상으로부터 윤곽선을 추출하고, 윤곽선이 추출된 영상에서 번호판 지역의 에지를 부각시키기 위해 상기 번호판 지역과 번호판 지역을 제외한 노이즈 부분의 특성을 비교 분석하여 상기 노이즈 부분을 제거한 후, 노이즈 부분이 제거된 영상에서 에지 히스토그램(Edge Histogram)을 추출하고, 에지 히스토그램이 추출된 영상으로부터 번호판 후보영역을 선정하여 후보영역에서 해당 번호판의 번호를 인식하는 자동차 번호판 인식시스템이 개시되어 있다.
그러나 한국공개특허 10-2014-0116266호(자동차 번호판 인식을 위한 영상 전처리방법 및 이를 이용한 자동차 번호판 인식시스템)는 영상에서 노이즈를 제거하는 기술만이 사용되어 유사한 문자 또는 숫자를 인식하는 데 어려움이 있으며, 다양한 종류의 번호판을 인식하는데 한계가 있다.
본 발명이 해결하고자 하는 과제는 정형화되지 않은 촬영환경에서 얻은 일반 영상에서 차량번호판의 인식률을 향상시킬 수 있는 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치에 관한 것이다.
상기 과제를 해결하기 위하여, 본 발명은 CCTV, 과속감지카메라, 스마트폰, 디지털카메라 중 적어도 하나의 영상 촬영 장치에서 촬영된 영상이 입력되는 영상 입력부; 상기 입력된 영상을 수신하여 수신된 영상의 차량 번호판 영역을 확장하고, 확장된 영상에서 번호판의 외각을 직사각형 형태의 영상으로 재설정하며, 재설정된 직사각형 형태의 영상에서 번호판의 배경색과 세로 대비 가로 비율을 추출한 후 미리 저장된 번호판의 타입과 대비한 후, 번호판 타입을 설정하고, 상기 설정된 번호판 타입의 영상을 회색조 영상으로 변환하여 정규화된 영상을 생성하는 영상 처리부; 및 정규화된 영상에서 문자 및 숫자를 분리하여 이진화하고, 상기 이진화된 영상에서 문자와 숫자를 인식하는 문자/숫자 인식부를 포함하는 차량 번호판 인식 장치를 제공할 수 있다.
상기 영상 처리부는 상기 영상 입력부에서 입력되는 영상에서 번호판 영역을 1 내지 2배 확장하는 영상 확장부; 상기 확장된 번호판 영상을 회색조로 변환하고, Sobel 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합을 얻은 후, 수직 에지 성분이 큰 화소 집합에서 호프변환을 이용하여 최우세 수평라인을 검출한 후, 상기 최우세 수평라인을 기준으로 시계방향 또는 반시계방향으로 상기 호프변환을 통해 화소를 검색하여 4개의 직선식을 도출하고, 상기 4개의 직선식의 직선들이 서로 만나는 4개의 꼭지점과, 기하변환될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 상기 직사각형 형태의 번호판 영역을 설정하는 번호판 영역 설정부; 상기 번호판 영역 설정부에서 제공된 직사각형 형태의 영상을 신경망 화소 색상 분류부를 통해 번호판의 색을 화소로 구분하고, 상기 신경망 화소 색상 분류부에서 구분된 화소들의 개수 중 가장 큰 개수를 가지는 색을 번호판 색으로 분류하며, 상기 직사각형 형태의 번호판 영역의 세로 대비 가로 비율을 계산하여, 상기 번호판 색과 상기 세로 대비 가로 비율에 상응하여 상기 번호판 타입을 판단하는 번호판 타입 판별부; 및 상기 번호판 타입이 확정된 영상을 상기 회색조 영상으로 변환하여 대조도를 증가시키는 정규화부를 포함할 수 있다.
상기 정규화부는 I=(R+G+B)/3, I = 255-(R+B)/2 또는 I = 255-(R+G)/2를 이용하여 상기 회색조 영상으로 변환할 수 있다. (여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
상기 문자/숫자 인식부는 상기 정규화된 영상에서 Soble 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 상기 에지맵을 가로 및 세로 방향으로 투영하고 결정된 번호판의 타입을 이용하여 문자와 숫자를 분리할 수 있다.
본 발명의 또 다른 과제를 해결하기 위하여, 본 발명은 차량 번호판 인식 장치 또는 컴퓨터에서 실행되는 차량 번호판 인식을 위한 영상처리방법으로서, (a) CCTV, 과속감지카메라, 스마트폰, 디지털카메라 중 적어도 하나의 영상 촬영 장치에서 촬영된 영상이 입력되는 단계; (b) 상기 입력된 영상 중 번호판 영역을 1 내지 2배 확장하는 단계; (c) 상기 확장된 영상을 회색조 영상으로 변환하고, 홉-얼롱 알고리즘을 적용하여 상기 확장된 영상 중 번호판 영역의 외각을 직사각형 형태의 영상으로 재설정하는 단계; (d) 상기 재설정된 직사각형 형상의 영상의 화소 개수 중 가장 큰 개수를 가지는 색상을 번호판의 바탕색으로 설정하고, 상기 재설정된 직사각형 형상의 세로 대비 가로 비율을 계산하며, 상기 바탕색과 상기 세로 대비 가로 비율을 미리 저장된 번호판 타입과 비교하여 번호판 타입을 설정하는 단계; (e) 상기 번호판 타입이 설정된 직사각형 형상의 영상의 대조도가 증가되도록 회색조로 변환하여 정규화하는 단계; (f) 상기 정규화된 영상의 문자 영역과 숫자 영역을 분리하는 단계; (g) 상기 분리된 문자 영역과 숫자 영역을 이진화하는 단계; 및 (h) 상기 이진화된 문자 영역과 숫자 영역의 문자와 숫자를 인식하는 단계를 포함하는 차량 번호판 인식을 위한 영상처리방법을 제공할 수 있다.
상기 단계 (c)는 Sobel 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합을 얻은 후, 수직 에지 성분이 큰 화소 집합에서 호프변환을 이용하여 최우세 수평라인을 검출한 후, 상기 최우세 수평라인을 기준으로 시계방향 또는 반시계방향으로 상기 호프변환을 통해 화소를 검색하여 4개의 직선식을 도출하고, 상기 4개의 직선식의 직선들이 서로 만나는 4개의 꼭지점과, 기하변환될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 상기 직사각형 형태의 번호판 영역을 설정할 수 있다.
상기 단계 (e)는 I=(R+G+B)/3, I = 255-(R+B)/2 또는 I = 255-(R+G)/2를 이용하여 상기 회색조 영상으로 변환할 수 있다. (여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
상기 단계 (f)는 상기 정규화된 영상에서 Sobel 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 이를 가로 및 세로 방향으로 투영하여 수평 프로파일과 수직 프로파일을 얻은 이후, 결정된 번호판 타입에 따른 기준위치를 참조하여 상기 수평 및 수직 프로파일의 계곡지점을 탐색하여 문자와 숫자의 경계를 검색하여 문자 영역과 숫자 영역을 분리할 수 있다.
본 발명의 실시 예에 따른 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치는 통제되지 않은 촬영환경에서 얻은 일반 영상에서 차량번호판의 인식률을 향상시킬 수 있다.
도 1은 본 발명의 실시 예에 따른 차량 번호판 인식 장치의 구성부를 도시한 블록도.
도 2는 도 1에 도시된 영상처리부의 구성을 도시한 블록도.
도 3은 번호판 영역이 확장된 것을 계략적으로 도시한 도면.
도 4은 도 2에 도시된 번호판 타입 판별부의 구성을 도시한 블록도.
도 5 및 도 6은 도 1에 도시된 문자/숫자 인식부에서 번호판의 문자와 숫자 분리를 위하여 탐색 기준지점 및 탐색결과를 각각 도시한 도면.
도 7은 도 1에 도시된 문자/숫자 인식부에서 Top-Hat 변환을 통해 이진화된 문자와 숫자를 도시한 도면.
도 8은 본 발명의 실시 예에 따른 차량 번호판 인식을 위한 영상처리방법을 순차적으로 도시한 흐름도.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명의 실시 예를 첨부한 도 1 내지 도 8을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 차량 번호판 인식 장치를 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 차량 번호판 인식 장치는 영상 입력부(100), 영상 처리부(200) 및 문자/숫자 인식부(300)를 포함할 수 있다.
구체적으로, 영상 입력부(100)는 CCTV, 과속감지카메라, 스마트폰, 디지털카메라 등의 영상을 촬영하는 촬영장치로부터 영상을 수신한다. 영상 입력부(100)는 동영상 또는 이미지 형식의 파일을 수신하여 디코딩한 후 영상 처리부(200)에 전달한다. 이때, 영상 입력부(100)는 동영상 파일이 수신될 경우 동영상 파일의 각 프레임 중 어느 하나의 프레임을 선택하여 이를 영상 처리부(200)에 전송할 수 있다.
영상 처리부(200)는 수신된 이미지에서 번호판의 문자와 숫자를 인식할 수 있도록 영상을 처리한다. 영상 처리부(200)는 수신된 이미지에서 번호판을 식별하기 위하여 번호판 전체 영역이 포함되도록 번호판 영역을 확장할 수 있다. 영상 처리부(200)는 왜곡된 영상 즉, 직사각형의 번호판이 일반적인 사변형의 형태로 나타나 숫자 및 문자 인식이 불가능할 수 있으므로, 왜곡을 보정한다.
영상 처리부(200)는 왜곡이 보정된 보정영상에서 번호판 영역의 주변 중 불필요한 영역을 제외한다. 영상 처리부(200)는 보정영상에서 주변 영역을 제거하고 직사각형의 번호판 영역의 영상만을 취득한다.
영상 처리부(200)는 번호판 영역의 영상에서 바탕색, 글자색 및 가로, 세로의 비율을 통해 번호판의 타입을 설정한다. 특히, 차량 번호판의 종류가 여러 가지일 경우 번호판의 타입별로 문자와 숫자 조합이 달라지며, 순서 및 위치가 달라진다. 따라서, 영상 처리부(200)는 번호판의 배경색과 글자색 및 가로, 세로의 비율에 따라 타입을 미리 설정하는 것이 바람직하다.
영상 처리부(200)는 번호판 영상을 회색조의 명암을 가지는 영상으로 변환하고, 가로와 세로 비율에 따라 적합한 크기로 변환한다. 영상 처리부(200)는 변환된 영상에서 번호판의 영상의 에지 특징과 글자부분의 기준위치를 이용하여 문자와 숫자 부분을 분리한다. 영상 처리부(200)는 분리된 각각의 문자와 숫자 영상을 이진화할 수 있다. 이때, 이진화는 배경에서 문자 또는 숫자의 경계를 탐색하며, 조명에 둔감한 Top-Hat 변환을 사용하는 것이 바람직하다.
문자/숫자 인식부(300)는 이진화된 개별 문자와 숫자를 인식하여 표시할 수 있다.
도 2는 도 1에 도시된 영상처리부의 구성을 도시한 블록도이고, 도 3은 번호판 영역이 확장된 것을 계략적으로 도시한 도면이며, 도 4는 도 2에 도시된 번호판 타입 판별부의 구성을 도시한 블록도이고, 도 5 및 도 6은 도 1에 도시된 문자/숫자 인식부에서 번호판의 문자와 숫자 분리를 위하여 탐색 기준지점 및 탐색결과를 각각 도시한 도면이며, 도 7은 도 1에 도시된 문자/숫자 인식부에서 Top-Hat 변환을 통해 이진화된 문자와 숫자를 도시한 도면이다.
도 2 내지 도 7을 참조하면, 영상 처리부(200)는 영상 확장부(210), 번호판 영역 설정부(220), 번호판 타입 판별부(230)및 정규화부(240)를 포함할 수 있다.
구체적으로, 영상 확장부(210)는 수신된 영상 파일을 일정 크기로 확장한다. 즉, 영상 파일에서 번호판 영역이 일부분만 선택할 경우 번호판의 모든 문자와 숫자를 인식하지 못하는 오류가 발생될 수 있다. 따라서, 도 3에 도시된 바와 같이, 영상 확장부(210)는 수신된 영상 파일을 영상의 중심에서 가로 및 세로를 각각 1.5배로 확장한다. 이때, 영상 확장부(210)에서 설정되는 가로 및 세로의 확장비는 1.5배로 한정되지 않으며, 1 내지 2배 사이일 수 있다.
번호판 영역 설정부(220)는 확장된 번호판 영상을 직사각형의 번호판 형태로 재설정한다. 즉, 번호판 영역 설정부(220)는 확장된 번호판 영상이 대부분 사다리꼴이나, 마름모 또는 일반 사각형의 형태를 띄는 것이 대부분이므로, 이러한 사각형을 직사각형 형태로 재설정한다. 번호판 영역 설정부(220)는 외각선 검출기법을 적용하여 직사각형으로 보정한다. 예를 들면, 번호판 영역 설정부(220)는 홉-얼롱(Hop-Along) 알고리즘을 이용한다.
번호판 영역 설정부(220)는 먼저 확장된 번호판 영상을 회색조로 변환한다. 이때, 수학식 1을 이용하여 전체적으로 영상을 회색조로 변환한다.
Figure 112016001606712-pat00001
(여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
번호판 영역 설정부(220)는 회색조 영상으로 변환된 영상을 Sobel 등의 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합인 SH와 SV를 얻는다.
번호판 영역 설정부(220)는 수직 에지 성분이 큰 화소집합 SV에서 호프변환(Hough Transform)을 이용하여 최우세 수평라인을 검출한다. 번호판 영역 설정부(220)에서 검출된 최우선 수평라인은 실제 번호판의 상부라인이거나, 하부라인일 수 있다. 이때, 번호판 영역 설정부(220)는 상부라인 또는 하부라인임을 인식하기 위하여, 수평라인에 가까운 x축 위치가 가장 작은 화소를 SV에서 찾고 x의 값을 x씩 증가시키면서 SV에서 화소들을 따라가며 더 이상 가까운 화소가 존재하지 않을 때까지 검색한다. 번호판 영역 설정부(220)는 상기 SV에서 검색된 마지막 화소로부터 가장 가까운 SH의 화소를 검색한다.
한편, 번호판 영역 설정부(220)는 SV에서 검색된 마지막 화소와 가까운 SH의 화소가 설정된 거리 D에 비해 클 경우, 이는 최외각 수평라인이 아닐 가능성이 크므로, SV에서 이전에 검색된 화소를 제외하고 호프변환을 다시 수행하여 번호판의 상부라인 또는 하부라인을 검출한다.
번호판 영역 설정부(220)는 상기 D보다 작은 SH내의 화소가 검출되면 상부라인 또는 하부라인으로 설정한다. 이때, 검색된 화소들 중 y좌표 값이 영상의 높이와 대비하여 1/2이상이면 상부라인이고, 1/2이하이면 하부라인이다.
번호판 영역 설정부(220)는 SH에서 가장 가까운 화소가 수직 외곽선의 시작이므로, y좌표 값을 영상의 높이 기준으로 1/2보다 크면 y씩 증가 또는 감소하여 SH에서 이전 검색 화소와 가까운 화소를 찾고 LMS(Least Mean Square)방법으로 직선의 방정식을 도출한다. 이때, 번호판 영역 설정부(220)는 직선의 방정식이 도출되면 이를 이용하여 y씩 증가 또는 감소하여 다음 가까운 화소들을 덧붙여 직선식을 도출한다.
번호판 영역 설정부(220)는 상기와 같은 방식으로 근사화 과정을 반복하여 수직라인이 검출되면, 다시 수평라인을 검출한 후 나머지 수직라인을 검출한다. 이때, 번호판 영역 설정부(220)는 처음 우세한 수평라인이 번호판의 상부라인일 경우 시계방향으로 화소를 검색하고, 하부라인일 경우 반시계방향으로 화소를 검색하여 4개의 직선식을 도출한다.
번호판 영역 설정부(220)는 4개의 직선들이 만나는 4개의 꼭지점을 검출한다. 이때, 번호판 영역 설정부(220)는 산출된 4개의 꼭지점들과 기하변환 될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 도 5에 도시된 직사각형 형태의 번호판 영역을 설정한다.
번호판 타입 판별부(230)는 번호판 영역 설정부(220)에서 입력되는 영상을 분석하여 번호판 타입을 결정한다. 이를 위하여, 번호판 타입 판별부(230)는 각 특징에 따른 번호판 타입을 미리 저장할 수 있다.
번호판 타입 판별부(230)는 색상, 크기, 가로 및 세로 비율 중 적어도 하나를 이용하여 미리 저장된 번호판 타입에 매치하여 번호판 타입을 설정하고 이를 정규화부(240)에 제공할 수 있다.
번호판 타입 판별부(230)는 도 4에 도시된 바와 같이, 신경망 화소 색상 분류부(232), 다수결 배경색 결정부(234) 및 번호판 타입 판정부(236)를 포함할 수 있다.
구체적으로, 신경망 화소 색상 분류부(232)는 녹색, 흰색, 노랑색, 검정색 등을 판단한다. 이때, 신경망 화소 색상 분류부(232)는 번호판의 색을 각 화소로부터 (r, g, b)를 통해 구분하며, 수학식 2를 통해 계산한다.
Figure 112016001606712-pat00002
(여기서, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
다수결 배경색 결정부(234)는 신경망 화소 색상 분류부(232)에서 입력되는 결과를 통해 녹색, 흰색, 노랑색, 검정색 등으로 분류된 화소 개수 중 가장 큰 개수를 가지는 번호판 색으로 분류할 수 있다. 예를 들면, 다수결 배경색 결정부(234)는 흰색 번호판을 찍은 영상의 경우 흰색의 화소 개수가 가장 많은 것으로 계산되며, 이에 따라 해당 영상의 번호판의 배경색을 흰색으로 결정한다.
번호판 타입 판정부(236)는 번호판 영역 설정부(220)에서 입력되는 영상의 번호판 영역의 세로 대비 가로 비율을 계산하고, 상기 배경색과 조합하여 번호판 타입을 판정한다. 예를 들면, 번호판 타입 판정부(236)는 번호판 영역 설정부(220)에서 입력되는 영상의 번호판 영역의 세로 대비 가로 비율을 계산한다. 계산 결과, 0.46, 0.5, 0.51, 0.21 등 4가지의 경우일 수 있다. 이때, 0.5와 0.51은 동일한 비율로 간주하여 실질적으로 3개의 경우로 한정한다.
즉, 흰색 번호판의 경우는 0.46과 0.21이 존재하며, 녹색 번호판의 경우 0.5 또는 0.51, 노랑색 번호판의 경우 0.5, 0.51, 0.21 등이 존재한다. 따라서, 흰색 번호판은 2가지 비율을 가지며, 녹색 번호판은 1가지 비율, 노랑색 번호판은 2가지 비율을 가지도록 미리 설정한다.
이때, 번호판 타입 판정부(236)는 다수결 배경색 결정부(234)에서 흰색으로 결정된 색상에 비율을 대비하여 미리 저장된 번호판의 타입을 결정한다. 여기서, 비율이 0.41 또는 0.21이 아닐 경우 오류로 판단하여 번호판 영역 설정부(220)에 번호판 영역을 다시 설정하도록 통지할 수 있다.
정규화부(240)는 타입이 결정된 번호판 영상을 회색조 영상으로 변환한다. 정규화부(240)는 수학식 1, 3 및 4를 이용하여 정규화할 수 있다. 즉, 정규화부(240)는 번호판의 색상을 구분한 상태에서 동적영역을 극대화하여 대조도를 높일 수 있도록 수학식 1, 3 또는 4를 이용하여 정규화한다.
Figure 112016001606712-pat00003
(여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, B는 청색화소의 색상값임.)
Figure 112016001606712-pat00004
(여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값임.)
여기서, 정규화부(240)는 녹색 바탕에 흰색 글씨인 경우에 수학식 3을 이용하여 정규화하고, 노랑색 바탕에 검정색 글씨의 경우 수학식 3를 이용하여 정규화한다. 또한, 정규화부(240)는 흰색 바탕에 검정색 글씨의 경우 수학식 1을 이용하여 정규화한다.
상기와 같이, 정규화부(240)에서 수학식 1, 3, 4를 이용하여 정규화할 경우 RGB 색공간에서 이상적인 배경색과 문자색을 잇는 직선 식으로 두 색의 군집중심 간의 거리를 최대로 하는 변환에 해당하며, 동적영역을 최대로 만들어 번호판 영상에서 글자의 대조도를 증가시킬 수 있다.
상기 정규화된 영상은 문자/숫자 인식부(300)에 제공될 수 있다.
문자/숫자 인식부(300)는 번호판에서 문자와 숫자를 분리하여 이를 각각 순서대로 인식할 수 있다. 문자/숫자 인식부(300)는 정규화부(240)에서 정규화된 영상에서 Sobel 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 이를 가로 및 세로 방향으로 투영하여 분리한다. 특히, 에지맵을 이용하면 조명에 비교적 영향을 받지 않는 장점이 있다.
문자/숫자 인식부(300)는 가로 및 세로의 에지 등을 투영하여 수평과 수직 프로파일을 얻을 수 있다.
수평 프로파일은 수학식 5를 이용하여 계산되며, 수직 프로파일은 수학식 6을 이용하여 계산된다.
Figure 112016001606712-pat00005
(여기서, H와 W는 번호판 영상의 높이와 폭을 각각 나타내며, e(x,y)는 에지맵의 화소일 경우 1, 그렇지 않을 경우는 0을 나타냄.)
Figure 112016001606712-pat00006
(여기서, H와 W는 번호판 영상의 높이와 폭을 각각 나타내며, e(x,y)는 에지맵의 화소일 경우 1, 그렇지 않을 경우는 0을 나타냄.)
문자/숫자 인식부(300)는 수학식 5 및 6을 통해 계산된 수평 및 수직 프로파일을 이용하여 문자와 숫자를 분리할 때, 번호판 타입을 이용한다. 즉, 번호판 타입에는 문자와 숫자의 기준 위치가 지정되므로, 문자/숫자 인식부(300)는 프로파일의 계곡지점들을 탐색하여 정확한 문자와 숫자의 경계를 정확하게 검색할 수 있다.
도 5 및 도 6은 번호판의 문자 및 숫자를 인식하기 위하여 수학식 5 및 수학식 6을 이용한 수평 및 수직 프로파일을 이용한 것을 예를 들어 도시한 도면들이다. 여기서, 도 5는 문자/숫자 인식부(300)에서 검색된 프로파일 결과를 도시한 도면이고, 도 6은 번호판 영역의 상부에 기재된 '경기94'의 문자 및 숫자 자리인식의 계곡점을 탐색한 결과와, 번호판 하부에 기재된 '배1170'의 계곡점 탐색 결과를 나타낸 도면이다.
문자/숫자 인식부(300)는 상기 영상에서 자리인식의 계곡점 탐색 결과를 반영하여 각각의 문자와 숫자를 분리한다. 문자/숫자 인식부(300)는 도 6에 도시된 바와 같이, 개별 문자와 숫자를 분리한다. 또한, 문자/숫자 인식부(300)는 분리된 문자 및 숫자 영상을 Top-Hat 변환을 통해 이진화한다. 이진화 결과는 도 7에 도시된 바와 같다. 이렇게 개별 문자와 숫자를 분리하고 이진화하면 전체 번호판 영상보다 영상처리의 영역이 국한되기 때문에 조명변화에 민감하지 않고 번호판의 문자/숫자의 획의 두께에 따라 가장 적합한 이진화가 가능하기 때문이다. 예로서 Top-Hat 변환 시 가는 획의 경우는 작은 크기의 커널, 굵은 획의 경우는 큰 크기의 커널을 사용하여 획의 두께를 보존하는 영상처리가 가능할 수 있다.
문자/숫자 인식부(300)는 이진화된 영상에서 경계를 추출하여 최종적으로 문자 및 숫자를 인식하여 표시할 수 있다.
도 8은 본 발명의 실시 예에 따른 차량 번호판 인식을 위한 영상처리방법을 순차적으로 도시한 흐름도이다. 이하의 설명에서는 도 1 내지 도 7에 도시된 구성요소를 참조하여 설명하기로 한다. 또한, 본 발명의 실시 예에 따른 차량 번호판 인식을 위한 영상처리 방법은 차량 번호판 인식 장치 또는 컴퓨터 등에서 수행된다.
도 8를 참조하면, 본 발명에 따른 차량 번호판 인식을 위한 영상처리 방법은 영상 입력 단계(S100), 영상 확장 단계(S200), 번호판 영역 설정 단계(S300), 번호판 타입 판별 단계(S400), 정규화 단계(S500), 문자/숫자 분리 단계(S600), 이진화 단계(S700) 및 번호판 인식 단계(S800)를 포함할 수 있다.
구체적으로, 영상 입력 단계(S100)는 CCTV, 과속감지카메라, 스마트폰, 디지털카메라 등의 영상을 촬영하는 촬영장치로부터 영상을 수신하는 단계이다.
영상 확장 단계(S200)는 수신된 영상에서 번호판의 문자와 숫자를 인식할 수 있도록 번호판 영역을 확대한다. 이때, 도 1의 영상 확장부(210)에서 수시된 영상의 중심에서 가로 및 세로를 각각 1 내지 2배 확장한다.
번호판 영역 설정 단계(S300)는 확장된 번호판 영상을 직사각형의 번호판 형태로 재설정한다. 번호판 영역 설정 단계(S300)는 외각선 검출기법을 이용하여 사각형의 번호판 영역을 직사각형 형태로 재설정 한다. 이때, 번호판 영역을 직사각형으로 재설정 하기 위하여 홉-얼롱 알고리즘을 사용하는 것이 바람직하다.
번호판 영역 설정 단계(S300)는 확장된 영상을 상기 수학식 1을 이용하여 회색조 영상으로 변환한다. 회색조 영상으로 변환된 영상을 Sobel등의 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합인 SH와 SV를 얻는다. 이후, 수직 에지 성분이 큰 화소집합 SV에서 호프변환을 이용하여 최우세 수평라인을 검출한다.
이때, 상부라인 또는 하부라인임을 인식하기 위하여, 수평라인에 가까운 x축 위치가 가장 작은 화소를 SV에서 찾고 x의 값을 x씩 증가시키면서 SV에서 화소들을 따라가며 더 이상 가까운 화소가 존재하지 않을 때까지 검색한 이후, SV에서 검색된 마지막 화소로부터 가장 가까운 SH의 화소를 검색한다.
다음으로, SV에서 검색된 마지막 화소와 가까운 SH의 화소가 설정된 거리보다 작은 SH내의 화소가 검출되면, 상부라인 또는 하부라인으로 설정한다. 이때, 검색된 화소들 중 y좌표 값이 영상의 높이와 대비하여 1/2이상이면 상부라인이고, 1/2이하이면 하부라인이다.
이후, y좌표 값을 영상의 높이 기준으로 1/2보다 크면 y씩 증가 또는 감소하여 SH에서 이전 검색 화소와 가까운 화소를 찾고 LMS(Least Mean Square)방법으로 직선의 방정식을 도출한다. 다음으로, 직선의 방정식이 도출되면 이를 이용하여 y씩 증가 또는 감소하여 다음 가까운 화소들을 덧붙여 직선식을 도출한다.
이어서, 상기와 같은 방식으로 근사화 과정을 반복하여 수직라인이 검출되면, 다시 수평라인을 검출한 후 나머지 수직라인을 검출한다. 이때, 처음 우세한 수평라인이 번호판의 상부라인일 경우 시계방향으로 화소를 검색하고, 하부라인일 경우 반시계방향으로 화소를 검색하여 4개의 직선식을 도출한다.
다음으로, 4개의 직선들이 만나는 4개의 꼭지점을 검출하고, 4개의 꼭지점들과 기하 변환될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 도 5에 도시된 직사각형 형태의 번호판 영역을 설정한다.
번호판 타입 판별 단계(S400)는 미리 설정된 번호판 타입을 저장하고 있으며, 번호판 영역이 설정된 영상을 이미지 처리하여 번호판 타입을 판별한다. 이때, 미리 저장된 번호판 타입에는 각 타입별로 문자 및 숫자의 위치가 설정될 수 있다.
번호판 타입 판별 단계(S400)는 직사각형 형태로 재설정된 번호판 영상을 상기 수학식 2를 통해 화소 개수 중 가장 큰 개수를 가지는 색상을 번호판의 바탕색으로 설정한다. 또한, 번호판의 세로 대비 가로의 비율을 도출한다.
상기 바탕색과 상기 세로 대비 가로의 비율이 검출되면, 미리 저장된 번호판 타입과 대조하여 번호판 타입을 설정한다.
정규화 단계(S500)는 재설정된 번호판 영상을 회색조로 변환한다. 이때, 상기 수학식 1, 3, 또는 4를 이용하여 회색조로 변환한다. 녹색 바탕에 흰색 글씨인 경우에 수학식 3을 이용하여 정규화하고, 노랑색 바탕에 검정색 글씨의 경우 수학식 4를 이용하여 정규화한다. 또한, 정규화부(240)는 흰색 바탕에 검정색 글씨의 경우 수학식 1을 이용하여 정규화한다. 상기와 같이, 수학식 1, 3, 4를 이용하여 정규화할 경우 RGB 색공간에서 이상적인 배경색과 문자색을 잇는 직선 식으로 두 색의 군집중심 간의 거리를 최대로 하는 변환에 해당하며, 동적영역을 최대로 만들어 글자의 대조도를 증가시켜 번호판 영상을 정규화할 수 있다.
문자/숫자 분리 단계(S600)는 정규화된 번호판 영상에서 문자와 숫자를 분리한다. 이때, 문자와 숫자를 분리하기 위하여 정규화된 영상에서 Sobel 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 이를 가로 및 세로 방향으로 투영하여 분리한다.
이때, 상기 수학식 5 및 수학식 6을 이용하여 수평 프로파일과 수직 프로파일을 도출한다. 이와 동시에, 미리 설정된 번호판 타입을 통해 번호판에서 배열된 문자와 숫자를 용이하게 도출할 수 있다. 즉, 번호판 타입이 설정된 상태에서 각 번호판 타입별로 문자와 숫자의 위치가 정해지므로, 수평 프로파일과 수직 프로파일을 통해 문자와 숫자를 분리한다.
다음으로, 이진화 단계(S700)는 분리된 문자 및 숫자의 영상을 Top-Hat 변환을 통해 이진화한다. 이전 단계들에서 대조도가 높은 영상이므로 Top-Hat 변환을 이용하여 배경과 문자, 숫자 영역을 구분지어 조명변화에 민감하지 않은 작은 영역에서 획의 두께에 맞게 이진화한다.
참고로, 작은 영역은 개별 글자만을 포함하는 전체 번호판의 부분영상을 의미한다.
번호판 인식 단계(S800)는 이진화된 영상에서 경계를 추출하여 최종적으로 문자 및 숫자를 표시한다.
상기와 같이 본 발명의 실시 예에 따른 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치는 정형화되지 않은 촬영환경에서 얻은 일반 영상에서 차량번호판의 인식률을 향상시킬 수 있다.
100: 영상 입력부
200: 영상 처리부
210: 영상 확장부
220: 번호판 영역 설정부
230: 번호판 타입 판별부
232: 신경망 화소 색상 분류부
234: 다수결 배경색 결정부
236: 번호판 타입 판정부
240: 정규화부
300: 문자/숫자 인식부

Claims (8)

  1. CCTV, 과속감지카메라, 스마트폰, 디지털카메라 중 적어도 하나의 영상 촬영 장치에서 촬영된 영상이 입력되는 영상 입력부;
    상기 입력된 영상을 수신하여 수신된 영상의 차량 번호판 영역을 확장하고, 확장된 영상에서 번호판의 외각을 직사각형 형태의 영상으로 재설정하며, 재설정된 직사각형 형태의 영상에서 번호판의 배경색과 세로 대비 가로 비율을 추출한 후 미리 저장된 번호판의 타입과 대비한 후, 번호판 타입을 설정하고, 상기 설정된 번호판 타입의 영상을 회색조 영상으로 변환하여 정규화된 영상을 생성하는 영상 처리부; 및
    정규화된 영상에서 문자 및 숫자를 분리하여 이진화하고, 상기 이진화된 영상에서 문자와 숫자를 인식하는 문자/숫자 인식부;를 포함하고,
    상기 이진화는 분리된 문자 및 숫자의 영상을 Top-Hat 변환을 통해 배경과 문자, 숫자영역을 구분지어 조명변화에 민감하지 않은 작은 영역인 개별 글자만을 포함하는 전체 번호판의 부분영상을 획의 두께에 맞게 이진화하는 과정을 포함하는 차량 번호판 인식 장치.
  2. 제 1 항에 있어서,
    상기 영상 처리부는
    상기 영상 입력부에서 입력되는 영상에서 번호판 영역을 1 내지 2배 확장하는 영상 확장부;
    상기 확장된 번호판 영상을 회색조로 변환하고, Sobel 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합을 얻은 후, 수직 에지 성분이 큰 화소 집합에서 호프변환을 이용하여 최우세 수평라인을 검출한 후, 상기 최우세 수평라인을 기준으로 시계방향 또는 반시계방향으로 상기 호프변환을 통해 화소를 검색하여 4개의 직선식을 도출하고, 상기 4개의 직선식의 직선들이 서로 만나는 4개의 꼭지점과, 기하변환될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 상기 직사각형 형태의 번호판 영역을 설정하는 번호판 영역 설정부;
    상기 번호판 영역 설정부에서 제공된 직사각형 형태의 영상을 신경망 화소 색상 분류부를 통해 번호판의 색을 화소로 구분하고, 상기 신경망 화소 색상 분류부에서 구분된 화소들의 개수 중 가장 큰 개수를 가지는 색을 번호판 색으로 분류하며, 상기 직사각형 형태의 번호판 영역의 세로 대비 가로 비율을 계산하여, 상기 번호판 색과 상기 세로 대비 가로 비율에 상응하여 상기 번호판 타입을 판단하는 번호판 타입 판별부; 및
    상기 번호판 타입이 확정된 영상을 상기 회색조 영상으로 변환하여 대조도를 증가시키는 정규화부를 포함하는 차량 번호판 인식 장치.
  3. 제 2 항에 있어서,
    상기 정규화부는
    I=(R+G+B)/3, I = 255-(R+B)/2 또는 I = 255-(R+G)/2를 이용하여 상기 회색조 영상으로 변환하는 것을 특징으로 하는 차량 번호판 인식 장치.
    (여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
  4. 제 1 항에 있어서,
    상기 문자/숫자 인식부는
    상기 정규화된 영상에서 Soble 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 상기 에지맵을 가로 및 세로 방향으로 투영하고 결정된 번호판의 타입을 이용하여 문자와 숫자를 분리하는 것을 특징으로 하는 차량 번호판 인식 장치.
  5. 차량 번호판 인식 장치 또는 컴퓨터에서 실행되는 차량 번호판 인식을 위한 영상처리방법으로서,
    (a) CCTV, 과속감지카메라, 스마트폰, 디지털카메라 중 적어도 하나의 영상 촬영 장치에서 촬영된 영상이 입력되는 단계;
    (b) 상기 입력된 영상 중 번호판 영역을 1 내지 2배 확장하는 단계;
    (c) 상기 확장된 영상을 회색조 영상으로 변환하고, 홉-얼롱 알고리즘을 적용하여 상기 확장된 영상 중 번호판 영역의 외각을 직사각형 형태의 영상으로 재설정하는 단계;
    (d) 상기 재설정된 직사각형 형태의 영상의 화소 개수 중 가장 큰 개수를 가지는 색상을 번호판의 바탕색으로 설정하고, 상기 재설정된 직사각형 형태의 세로 대비 가로 비율을 계산하며, 상기 바탕색과 상기 세로 대비 가로 비율을 미리 저장된 번호판 타입과 비교하여 번호판 타입을 설정하는 단계;
    (e) 상기 번호판 타입이 설정된 직사각형 형태의 영상의 대조도가 증가되도록 회색조로 변환하여 정규화하는 단계;
    (f) 상기 정규화된 영상의 문자 영역과 숫자 영역을 분리하는 단계;
    (g) 상기 분리된 문자 영역과 숫자 영역을 이진화하는 단계; 및
    (h) 상기 이진화된 문자 영역과 숫자 영역의 문자와 숫자를 인식하는 단계;를 포함하고,
    상기 단계 (e)는
    I=(R+G+B)/3, I = 255-(R+B)/2 또는 I = 255-(R+G)/2를 이용하여 상기 회색조 영상으로 변환하는 것을 특징으로 하는 차량 번호판 인식을 위한 영상처리방법.
    (여기서, I는 회색조값이고, R은 적색 화소의 색상값이고, G는 녹색화소의 색상값이며, B는 청색화소의 색상값임.)
  6. 제 5 항에 있어서,
    상기 단계 (c)는
    Sobel 연산자를 이용하여 수평과 수직 에지 성분이 큰 화소들의 집합을 얻은 후, 수직 에지 성분이 큰 화소 집합에서 호프변환을 이용하여 최우세 수평라인을 검출한 후, 상기 최우세 수평라인을 기준으로 시계방향 또는 반시계방향으로 상기 호프변환을 통해 화소를 검색하여 4개의 직선식을 도출하고, 상기 4개의 직선식의 직선들이 서로 만나는 4개의 꼭지점과, 기하변환될 직사각형의 4개의 꼭지점을 대응 쌍들로 하여 2차원 역 투영변환을 수행하여 상기 직사각형 형태의 번호판 영역을 설정하는 것을 특징으로 하는 차량 번호판 인식을 위한 영상처리방법.
  7. 삭제
  8. 제 5 항에 있어서,
    상기 단계 (f)는
    상기 정규화된 영상에서 Sobel 연산 또는 형태학 연산을 이용하여 에지맵을 구성하고, 이를 가로 및 세로 방향으로 투영하여 수평 프로파일과 수직 프로파일을 얻은 이후, 결정된 번호판 타입에 따른 기준위치를 참조하여 상기 수평 및 수직 프로파일의 계곡지점을 탐색하여 문자와 숫자의 경계를 검색하여 문자 영역과 숫자 영역을 분리하는 것을 특징으로 하는 차량 번호판 인식을 위한 영상처리방법.

KR1020160001931A 2016-01-07 2016-01-07 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치 KR101719549B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160001931A KR101719549B1 (ko) 2016-01-07 2016-01-07 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160001931A KR101719549B1 (ko) 2016-01-07 2016-01-07 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치

Publications (1)

Publication Number Publication Date
KR101719549B1 true KR101719549B1 (ko) 2017-03-24

Family

ID=58500349

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160001931A KR101719549B1 (ko) 2016-01-07 2016-01-07 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치

Country Status (1)

Country Link
KR (1) KR101719549B1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022427A (zh) * 2017-10-30 2018-05-11 深圳市赛亿科技开发有限公司 一种套牌车辆的识别方法及系统
CN108091141A (zh) * 2017-10-12 2018-05-29 西安天和防务技术股份有限公司 车牌识别系统
CN108986478A (zh) * 2018-09-17 2018-12-11 公安部交通管理科学研究所 一种定点甄别违法车辆的方法
CN109615719A (zh) * 2019-01-04 2019-04-12 天地协同科技有限公司 基于道路安全监控系统的货运车辆不停车收费系统及方法
KR20190049278A (ko) * 2017-11-01 2019-05-09 한국생산기술연구원 딥러닝의 활성화 함수 분석을 통한 물체 검출 장치 및 방법
KR101991461B1 (ko) 2017-12-13 2019-06-20 단국대학교 산학협력단 특징점의 벡터화를 이용한 문자인식 시스템 및 방법
CN112101349A (zh) * 2020-09-01 2020-12-18 北京智芯原动科技有限公司 一种车牌样本生成方法及装置
CN113335442A (zh) * 2021-07-22 2021-09-03 上海锐承通讯技术有限公司 用于自行车的上锁方法及自行车
KR102338912B1 (ko) 2021-08-11 2021-12-15 주식회사 아프로시스템즈 수퍼 레졸루션 기법을 이용한 차량 번호판 인식 방법
KR20220043316A (ko) * 2020-09-29 2022-04-05 한국공학대학교산학협력단 영상 워핑을 이용한 번호판 검출 장치 및 방법
KR20220076050A (ko) * 2020-11-30 2022-06-08 (주)이현 색상 판독을 이용한 전기차 인식 방법 및 그를 이용한 전기차 주차관리 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101514716B1 (ko) * 2013-11-12 2015-04-23 엘아이지넥스원 주식회사 차량 번호를 인식하기 위한 장치 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101514716B1 (ko) * 2013-11-12 2015-04-23 엘아이지넥스원 주식회사 차량 번호를 인식하기 위한 장치 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
영상 내 차량의 위치 및 촬영 각도에 강인한 차량 번호판 인식 시스템* *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108091141A (zh) * 2017-10-12 2018-05-29 西安天和防务技术股份有限公司 车牌识别系统
CN108091141B (zh) * 2017-10-12 2020-10-02 西安天和防务技术股份有限公司 车牌识别系统
CN108022427A (zh) * 2017-10-30 2018-05-11 深圳市赛亿科技开发有限公司 一种套牌车辆的识别方法及系统
KR20190049278A (ko) * 2017-11-01 2019-05-09 한국생산기술연구원 딥러닝의 활성화 함수 분석을 통한 물체 검출 장치 및 방법
KR102070828B1 (ko) * 2017-11-01 2020-01-30 한국생산기술연구원 딥러닝의 활성화 함수 분석을 통한 물체 검출 장치 및 방법
KR101991461B1 (ko) 2017-12-13 2019-06-20 단국대학교 산학협력단 특징점의 벡터화를 이용한 문자인식 시스템 및 방법
CN108986478B (zh) * 2018-09-17 2021-06-29 公安部交通管理科学研究所 一种定点甄别违法车辆的方法
CN108986478A (zh) * 2018-09-17 2018-12-11 公安部交通管理科学研究所 一种定点甄别违法车辆的方法
CN109615719A (zh) * 2019-01-04 2019-04-12 天地协同科技有限公司 基于道路安全监控系统的货运车辆不停车收费系统及方法
CN112101349A (zh) * 2020-09-01 2020-12-18 北京智芯原动科技有限公司 一种车牌样本生成方法及装置
KR20220043316A (ko) * 2020-09-29 2022-04-05 한국공학대학교산학협력단 영상 워핑을 이용한 번호판 검출 장치 및 방법
KR102492230B1 (ko) * 2020-09-29 2023-01-26 한국공학대학교산학협력단 영상 워핑을 이용한 번호판 검출 장치 및 방법
KR20220076050A (ko) * 2020-11-30 2022-06-08 (주)이현 색상 판독을 이용한 전기차 인식 방법 및 그를 이용한 전기차 주차관리 시스템
KR102505317B1 (ko) * 2020-11-30 2023-03-06 (주)이현 색상 판독을 이용한 전기차 인식 방법 및 그를 이용한 전기차 주차관리 시스템
CN113335442A (zh) * 2021-07-22 2021-09-03 上海锐承通讯技术有限公司 用于自行车的上锁方法及自行车
CN113335442B (zh) * 2021-07-22 2023-08-29 上海锐承通讯技术有限公司 用于自行车的上锁方法及自行车
KR102338912B1 (ko) 2021-08-11 2021-12-15 주식회사 아프로시스템즈 수퍼 레졸루션 기법을 이용한 차량 번호판 인식 방법

Similar Documents

Publication Publication Date Title
KR101719549B1 (ko) 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치
KR101403876B1 (ko) 차량 번호판 인식 방법과 그 장치
Wang et al. Character location in scene images from digital camera
US8059868B2 (en) License plate recognition apparatus, license plate recognition method, and computer-readable storage medium
CN103946866B (zh) 与直方图一起使用多层连接分量的文本检测
KR101392850B1 (ko) 영상인식 기반의 차선 이탈 감지 방법 및 시스템
KR101589814B1 (ko) 연안에서의 객체 인식 장치 및 그 방법
EP1271403A1 (en) Method and device for character location in images from digital camera
GB2417632A (en) Detecting changes in images
KR101176693B1 (ko) 거리센서를 이용한 차선인식 방법 및 그 시스템
KR101480220B1 (ko) 객체 인식 장치 및 그 방법
KR101738129B1 (ko) 단일 카메라를 이용한 원거리 영상에서의 차량 번호판 인식 장치 및 그 방법
CN105139011B (zh) 一种基于标识物图像的车辆识别方法及装置
US20120082372A1 (en) Automatic document image extraction and comparison
KR101375567B1 (ko) 부분 이미지 추출기 및 그 부분 이미지 추출 방법
Gilly et al. A survey on license plate recognition systems
KR101742115B1 (ko) 건물 인식을 위한 멀티뷰 영상에서의 인라이어 선택 및 잉여 제거 방법
CN108182691B (zh) 识别限速标志的方法、装置及车辆
EP3051461B1 (en) A computer implemented system and method for extracting and recognizing alphanumeric characters from traffic signs
Mitra et al. Automatic number plate recognition system: a histogram based approach
CN116324911A (zh) 用于从车辆牌照中提取字符的方法和用于执行方法的牌照字符提取装置
Rastegar et al. An intelligent control system using an efficient License Plate Location and Recognition Approach
JP6591257B2 (ja) 画像処理装置、画像処理方法及びプログラム
KR100606404B1 (ko) 컬러코드 이미지 검출 방법 및 장치
JPS63142478A (ja) 白線検出装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant