KR101971878B1 - 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법 - Google Patents

다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법 Download PDF

Info

Publication number
KR101971878B1
KR101971878B1 KR1020180149616A KR20180149616A KR101971878B1 KR 101971878 B1 KR101971878 B1 KR 101971878B1 KR 1020180149616 A KR1020180149616 A KR 1020180149616A KR 20180149616 A KR20180149616 A KR 20180149616A KR 101971878 B1 KR101971878 B1 KR 101971878B1
Authority
KR
South Korea
Prior art keywords
image
license plate
character
vehicle
car
Prior art date
Application number
KR1020180149616A
Other languages
English (en)
Inventor
강용혁
이세희
Original Assignee
극동대학교 산학협력단
주식회사 새움
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 극동대학교 산학협력단, 주식회사 새움 filed Critical 극동대학교 산학협력단
Priority to KR1020180149616A priority Critical patent/KR101971878B1/ko
Application granted granted Critical
Publication of KR101971878B1 publication Critical patent/KR101971878B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G06K9/3258—
    • G06K9/00456—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • G06K2209/15—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Abstract

다차로 환경에서 주행 중인 차량들의 차량번호를 실시간으로 인식하여 차량번호를 출력하는 딥러닝 기반 차량번호인식 기술을 활용한 영상감시시스템이 개시된다. 이를 위하여 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지가 저장되는 저장부와, 기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 번호판 영상 검출부와, 상기 번호판 영상 검출부를 통해 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 개별 글자 분리부, 및 상기 저장부에 저장된 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상에 포함된 글자정보를 인식하여 번호판의 차량번호를 결정하는 차량번호 인식부를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템을 제공한다. 본 발명에 의하면, 카메라의 RAW데이터를 필요로 하지 않으므로 언제든지 차량 번호판이 인식된 차량의 주행 영상을 모니터링 할 수 있으며, 다중차선을 통과하는 차량의 번호판을 모두 인식할 수 있다.

Description

다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법{VIDEO SURVEILLANCE SYSTEM AND METHOD USING DEEP-LEARNING BASED CAR NUMBER RECOGNITION TECHNOLOGY IN MULTI-LANE ENVIRONMENT}
본 발명은 차량의 번호판을 인식하는 영상감시시스템에 관한 것으로, 보다 상세하게는 다차로 환경에서 주행 중인 차량들의 차량번호를 실시간으로 인식하여 차량번호를 출력하는 딥러닝 기반 차량번호인식 기술을 활용한 영상감시시스템에 관한 것이다.
자동차의 급격한 증가와 함께 자동차를 구분할 수 있는 유일한 정보인 번호판을 인식하는 기술의 중요성이 커지고 있다. CCTV 등의 영상획득 장치로부터 획득된 자동차 영상에서 번호판을 인식하는 기술은 종래에도 많이 존재하고 있으며 실용화 단계에 까지 이르러 범죄 차량 단속, 무인 주차 시스템 및 무인 자동차 등 자동차와 관련된 많은 분야에 활용되고 있다.
일반적으로 주행 중인 차량의 번호판을 자동으로 인식하여 차량의 속성을 인식하는 시스템을 주행 차량 자동인식(AVI: Automatic Vehicle Identification) 시스템이라고 한다.
주행 차량 자동인식 시스템에 의해 인식된 차량의 영상 정보는 지능형 교통 시스템(ITS: Intelligent Transport System)의 기본 정보로 활용된다.
종래의 AVI 시스템들은 대부분 기능적으로 다수의 장치로 구성되는데, 차량의 진출입을 검지하는 검지 장치, 검지 장치로부터의 신호를 받아 사진을 촬영하는 촬영 장치, 촬영된 영상으로부터 차량의 번호판을 인식하는 인식장치, 인식된 차량의 정보를 교통 정보 센터로 전송하는 전송 장치 등으로 구성될 수 있다.
이와 같이 인식된 차량의 번호판 정보는 단거리 전용 통신망, 무선 통신망, 위성 통신망 등을 이용해 교통 정보센터로 전송되고, 교통 정보 센터에서는 저장된 자료를 분석하여 관련 기관에 분석 정보를 제공한다.
이러한 AVI 시스템은 검지 장치를 차로에 매설하는지의 여부에 따라 크게 검지식과 비검지식으로 구분된다.
루프 코일을 이용하는 종래의 검지식 시스템과 종래의 비검지식 시스템은 영상검지 방식으로서 카메라의 원본데이터(RAW데이터)를 사용하여 인식하기 때문에 데이터 용량이 커지므로, 프레임을 늘리는데 한계가 발생되어 단일차선이나 2차선의 경우에 적합하고, 이로 인하여 동영상을 실시간으로 관제실에서 모니터링하거나 저장장치에 영상을 저장할 수 없는 단점이 있었다.
또한, 검지식 시스템은 검지용 루프 코일을 매설해야 하는 작업이 필요하고, 루프 코일을 이동시킬 경우 재매설해야 하는 추가적인 도로공사를 요하는 등 시스템 설치 및 이전 작업이 복잡하다.
그리고 종래의 AVI 시스템은 루프 코일과 연결선, 레이저 빔 발생 장치, 검사 장치 등 고가의 장치가 요구되고 설치비가 많이 소요되며, 기존의 영상검지방식의 시스템으로는 다차로의 차량 번호판 인식을 위한 대상 차로의 확장이 어렵다는 문제점이 있었다.
아울러, 대상 차로를 확장하려는 경우 검지 장치와 촬영 장치를 매 차로마다 추가해야 하므로 설치비와 운영비가 증가하는 단점이 있었다.
대한민국 등록특허 제10-1735874호(2017.05.15 공고) 대한민국 등록특허 제10-1824446호(2010.05.25 공고) 대한민국 등록특허 제10-1888959호(2018.08.16 공고) 대한민국 등록특허 제10-1845943호(2018.04.05 공고)
따라서, 본 발명의 제1 목적은 다차로 환경에서 주행 중인 차량의 차량번호를 빠르고 정확하게 검출할 수 있도록 딥러닝 기반 차량번호인식 기술을 활용한 영상감시시스템을 제공하는데 있다.
또한, 본 발명의 제2 목적은 빛, 조명, 물리적 훼손 등으로 인해 다차로 환경에서 주행 중인 차량의 번호판이 일부 가려지거나 왜곡되는 경우에도 차량번호를 정확하게 검출할 수 있도록 딥러닝 기반 차량번호인식 기술을 활용한 영상감시방법을 제공하는데 있다.
상술한 본 발명의 제 1 목적을 달성하기 위하여, 본 발명의 일 실시예에서는 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지가 저장되는 저장부와, 기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 번호판 영상 검출부와, 상기 번호판 영상 검출부를 통해 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 개별 글자 분리부, 및 상기 저장부에 저장된 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상에 포함된 글자정보를 인식하여 번호판의 차량번호를 결정하는 차량번호 인식부를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템을 제공한다.
또한, 본 발명의 제2 목적을 달성하기 위하여, 본 발명의 일 실시예에서는 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지를 저장하고, 상기 샘플 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시키는 딥러닝 단계와, 기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 영상 검출단계와, 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 글자 영상 추출단계, 및 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상에 포함된 글자를 인식하여 번호판의 차량번호를 결정하는 차량번호 결정단계를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법을 제공한다.
본 발명에 의하면 카메라의 RAW데이터를 필요로 하지 않으므로 언제든지 차량 번호판이 인식된 차량의 주행 영상을 모니터링 할 수 있다.
또한, 본 발명은 최대 2차선에 맞게 상용화되어 있는 기존의 차량 번호판 인식 시스템의 문제점을 보완하기 위해서 넓은 화각의 식별이 가능한 동영상 카메라를 사용하므로, 다중차선을 통과하는 차량의 번호판을 모두 인식할 수 있다.
아울러, 본 발명은 번호판의 가로와 세로 비율을 분석하여 번호판의 유형을 판독할 수 있으므로, 번호판 유형에 따른 구조적 특성들을 이용하여 번호판에 포함된 글자 영상을 정확히 추출할 수 있으며, 주행 중인 차량뿐만 아니라 주정차 및 주차관제시스템 등 차량이 통행하는 모든 도로 및 생활도로에 적용이 가능하다.
게다가, 본 발명은 딥러닝 기반 차량번호인식 기술을 활용하고 있으므로, 사용기간이 경과됨에 따라 점차 차량번호의 오인식율이 감소된다.
도 1은 본 발명에 따른 영상감시 시스템을 설명하기 위한 구성도이다.
도 2는 본 발명의 번호판 인식 알고리즘을 설명하기 위한 개략도이다.
도 3은 본 발명의 형태학 필터링을 설명하기 위한 순서도이다.
도 4 및 도 5는 본 발명을 통해 인식된 차량번호가 오버랩된 감시영상을 나타내는 사진이다.
도 6은 본 발명의 영상감시 방법을 설명하기 위한 흐름도이다.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시예들에 의한 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템(이하, '차량번호 인식 시스템'이라 약칭함)을 상세하게 설명한다.
도 1은 본 발명에 따른 차량번호 인식 시스템을 설명하기 위한 구성도이다.
도 1을 참조하면, 본 발명에 따른 차량번호 인식 시스템은 감시영상을 분석하여 다차로를 통행하는 차량의 차량번호를 판독하는 운영서버(200)를 포함하며, 선택적으로 다차로의 감시영상을 생성하는 동영상 카메라와, 상기 동영상 카메라로부터 제공된 다차로의 감시영상을 압축하여 원격지에 위치한 운영서버(200)로 제공하는 제어기를 더 포함할 수 있다.
본 발명에 따른 차량번호 인식 시스템을 구성하는 동영상 카메라(100)는 미리 설정된 영역에서 다차로를 주행하는 차량을 촬영하여 다차로의 감시영상을 생성하는 것으로, 상기 감시영상을 제어기로 전송한다.
구체적으로, 동영상 카메라(100)는 다차로를 촬영하도록 설정되며, 차로의 개수는 차량번호 인식 시스템의 설치 목적, 구성의 특징에 따라 다를 수 있지만, 예를 들어 3차로 이상을 촬영하도록 설정될 수 있다.
또한, 상기 동영상 카메라(100)는 스냅 영상이 아닌 동영상을 생성한다. 예컨데, 상기 동영상 카메라(100)는 글로벌 셔터를 탑재한 CMOS 센서와 고해상도의 렌즈가 구비되고 6메가 픽셀 이상의 고해상도를 갖는 카메라로 구성될 수 있다.
이러한 동영상 카메라(100)는 미리 지정된 감시영역별로 1개씩 설치되며, 단일 또는 복수개의 동영상 카메라(100)가 단일의 제어기에 유선 또는 무선으로 연결된다.
본 발명에 따른 차량번호 인식 시스템을 구성하는 제어기는 유무선 통신네트워크(이하, '통신네트워크'라고 약칭함)를 통해 운영서버(200)에 연결되는 것으로, 동영상 카메라(100)로부터 제공된 감시영상을 자체 구비된 압축 프로그램을 통해 압축한 후 통신네트워크를 통해 운영서버(200)로 전송한다. 이러한 제어기는 가로등 등의 조명장치에 구비된 제어함에 설치될 수 있다.
필요에 따라, 본 발명에 따른 차량번호 인식 시스템은 조명장치(미도시)를 더 포함할 수 있다. 구체적으로, 상기 조명장치는 적외선 조명으로서 다수의 LED로 구성될 수 있다.
이러한 조명장치는 동영상 카메라(100)의 촬영을 보조하기 위해 감시영역에 조명을 제공하는 것으로, 조도센서 등이 구비된 제어함의 제어에 따라 조명의 세기가 제어될 수 있다.
본 발명에 따른 차량번호 인식 시스템을 구성하는 운영서버(200)는 저장부(210)와 번호판 영상 검출부(220)와 개별 글자 분리부(230) 및 차량번호 인식부(240)를 포함하며, 선택적으로 학습데이터 추가부(250)를 더 포함할 수 있다.
이하, 도면을 참조하여 운영서버(200)의 각 구성요소별로 보다 구체적으로 설명한다.
도 1을 참조하면, 본 발명에 따른 운영서버(200)는 저장부(210)를 포함한다.
상기 저장부(210)는 운영서버(200)에 설치되어 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지가 저장되는 것으로, 통신네트워크를 통해 외부로부터 전송된 샘플 이미지를 저장하거나, USB와 CD-ROM 등을 통해 관리자가 입력한 샘플 이미지를 저장한다. 여기서, 샘플 이미지는 주행, 정차, 주차와 같이 다양한 상황에서 차량을 촬영한 사진으로, 차량의 전방이나 후방 중 어느 하나의 방향을 촬영한 사진이다.
이와 같이, 저장부(210)는 하드 디스크 등에 미리 저장되어 있던 자동차의 사진을 다운로드 받아 샘플 이미지로 저장할 수 있다.
필요에 따라, 상기 저장부(210)는 외부로부터 입력된 다수의 샘플 이미지를 그대로 저장하는 대신 형태학 필터를 통해 형태학 필터링을 수행한 다음 저장할 수 있다. 다시 말해, 저장부(210)에 저장된 다수의 샘플 이미지는 형태학 필터를 통해 필터링 된 필터링 이미지이다. 이때, 형태학 필터링은 샘플 이미지에서 글자를 인식하는데 불필요한 이물 영역을 제거하는 기능을 제공한다.
이를 위해, 운영서버는 외부로부터 전송되거나 사용자 인터페이스를 통해 운영서버로 제공된 샘플 이미지에 대한 형태학 필터링을 수행하는 이미지 변환부, 및 상기 이미지 변환부를 통해 형태학 필터링이 진행된 샘플 이미지를 저장부(210)에 저장하는 제어부를 더 포함할 수 있다.
구체적으로, 상기 형태학 필터링에는 도 2에 도시된 바와 같이 침식(erosion)과 팽창(dilation) 및 이진화(binary) 등의 형태학 필터를 사용할 수 있다. 이때, 형태학 필터링은 침식 연산, 팽창 연산, 이진화 연산의 순서로 진행하는 것이 바람직하다.
상기 침식 연산은 자동차 번호판의 외곽선 외부에 존재하는 이물 영역의 크기를 외곽선 내부 영역과 관련하여 일정하게 줄여줄 필요가 있을 때 적용하며, 이를 통해서 외곽선 외부 영역의 크기는 줄어들고, 외곽선 내부 영역은 확대되는 효과를 얻을 수 있다.
상기 팽창 연산은 자동차 번호판의 외곽선 내부 영역의 크기를 외곽선 외부 영역과 관련하여 일정하게 확대해 줄 필요가 있을 때 적용한다. 이를 통해서 번호판의 글자를 인식하는 대상이 되는 외곽선 내부 영역의 크기를 확장하고, 그 주변 영역을 축소한다.
상기 이진화 연산은 샘플 이미지를 검은색 영역과 흰색 영역으로 나누어주는 것으로, 샘플 이미지에서 외곽선 내부의 영역에 존재하는 글자들을 흰색 영역으로 변환하고, 외곽선의 내부에서 글자를 제외한 다른 부분은 검은색 영역으로 변환한다.
한편, 저장부(210)는 동영상 카메라(100)가 운영서버(200)로 전송한 다차로의 감시영상을 저장할 수 있으며, 제어부의 제어에 따라 미리 지정된 시간이 경과된 이후 저장된 다차로의 감시영상을 삭제할 수 있다. 다시 말해, 저장부(210)는 과속 측정 장치 등을 통해 수집되는 자동차의 영상을 다차로의 감시영상으로 저장할 수 있다.
도 1을 참조하면, 본 발명에 따른 운영서버(200)는 번호판 영상 검출부(220)를 포함한다.
상기 번호판 영상 검출부(220)는 운영서버(200)에 설치된 것으로, 기 설정된 번호판의 기준에 따라 동영상 카메라(100)에 의해 생성된 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출한다.
구체적으로, 번호판 영상 검출부(220)는 감시영상을 미리 설정된 이미지 처리 기법으로 분석하여 감시영상 내 차량의 번호판 위치를 검출한다. 이때, 번호판 영상 검출부(220)는 미리 설정된 조건을 만족하는 대상 영역 또는 사전에 설정된 관심 영역을 분석하여 번호판의 위치를 검출할 수 있으며, 이러한 이미지 처리 기법의 종류 및 개수는 한정되지 않는다.
이러한 번호판 영상 검출부(220)는 동영상 카메라(100)로부터 전송된 감시영상이 저장부(210)에 저장되면 상기 저장부(210)로부터 감시영상을 제공받아 번호판 영상을 검출하며, 동영상 카메라(100)로부터 전송된 감시영상이 저장부(210)에 저장되지 않으면 동영상 카메라(100)로부터 감시영상을 제공받아 번호판 영상을 검출한다.
특정 양태로서, 본 발명에 따른 번호판 영상 검출부(220)는 다차로의 감시영상으로부터 식별된 외곽선의 가로와 세로의 길이 비율을 분석하여 번호판 유형을 판독할 수 있다. 예컨대, 롱 타입 번호판은 가로의 길이가 52cm이고 세로의 길이가 11cm이므로 외곽선의 가로와 세로의 길이 비율이 52 : 11이면, 번호판 영상 검출부(220)는 번호판의 유형을 롱 타입으로 판독한다. 그리고 숏 타입 번호판은 가로의 길이가 33.5cm이고 세로의 길이가 15.5cm이므로 외곽선의 가로와 세로의 길이 비율이 6.7 : 3.1이면, 번호판 영상 검출부(220)는 번호판의 유형을 숏 타입으로 판독한다.
이와 같이, 감시영상에 표시되는 자동차 번호판의 면적은 동영상 카메라(100)와 차량의 이격 거리에 따라 변경될 수 있지만, 번호판의 외곽선에 대한 가로와 세로의 길이 비율은 감시영상에서 표시된 번호판의 면적과 상관없이 일정하게 유지되므로, 번호판 영상 검출부(220)는 감시영상에서 나타난 번호판의 비율 분석을 통해 번호판의 유형을 판독한다.
도 1을 참조하면, 본 발명에 따른 운영서버(200)는 개별 글자 분리부(230)를 포함한다.
상기 개별 글자 분리부(230)는 운영서버(200)에 설치된 것으로, 상기 번호판 영상 검출부(220)를 통해 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출한다. 이를 위해, 개별 글자 분리부(230)는 번호판 영상 검출부(220)와 연결된다.
또한, 상기 개별 글자 분리부(230)는 상기 번호판 유형에 따라 번호판을 복수의 구역으로 분할하여 개별 글자의 영역을 식별하도록 구성될 수 있다.
구체적으로, 개별 글자 분리부(230)는 상기 번호판 영상 검출부(220)에 의해 판독된 번호판 유형이 롱 타입 번호판인 경우, 번호판 영상을 차량의 종류를 나타내는 제1 숫자영역 및 제2 숫자영역, 차량의 용도를 나타내는 문자영역, 일련번호를 나타내는 제3 숫자영역 내지 제6 숫자영역으로 분할하여 개별 글자의 영역을 식별한다.
또한, 개별 글자 분리부(230)는 상기 번호판 영상 검출부(220)에 의해 판독된 번호판 유형이 숏 타입 번호판인 경우, 도 3과 같이 번호판 영상을 지역을 종류를 나타내는 제1 문자영역 및 제2 문자영역, 차량의 종류를 나타내는 제1 숫자영역 및 제2 숫자영역, 차량의 용도를 나타내는 제3 문자영역, 일련번호를 나타내는 제3 숫자영역 내지 제6 숫자영역으로 분할하여 개별 글자의 영역을 식별한다.
도 1을 참조하면, 본 발명에 따른 운영서버(200)는 차량번호 인식부(240)를 포함한다.
상기 차량번호 인식부(240)는 운영서버(200)에 설치된 것으로, 상기 저장부(210)에 저장된 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상에 포함된 글자정보를 인식하여 번호판의 차량번호를 결정한다. 이때, 딥러닝 알고리즘은 개별 글자 영상의 화상 특징을 파악하고, 상기 화상 특징을 분석하여 글자정보를 인식할 수 있다. 이를 위해, 차량번호 인식부(240)는 저장부(210)와 개별 글자 분리부(230)에 연결된다.
보다 구체적으로, 상기 차량번호 인식부(240)는 딥러닝 알고리즘에 대한 모듈이 구축된 딥러닝 알고리즘 모듈이 구비된다. 이러한 딥러닝 알고리즘 모듈은 심층 신경망(deep neural network), 합성곱 신경망(convolutional neural network), 순환 신경망(recurrent neural network) 등과 같은 하나 이상의 딥러닝 알고리즘을 모듈화 하여 이를 적용한다. 이는, 개별 글자 영상의 특성에 따라 상기와 같은 딥러닝 알고리즘 중 최적화된 알고리즘을 적용하기 위함이다.
상기 딥러닝 알고리즘 모듈은 미리 설정한 기준에 따라 심층 신경망, 합성곱 신경망, 순환 신경망을 단독 또는 복합적으로 적용한다.
예를 들어, 딥러닝 알고리즘 모듈은 개별 글자 영상에 포함된 글자가 주요 대상일 경우 앞선 신경망 중 어느 하나의 신경망을 단독으로 적용하고, 개별 글자 영상에 글자뿐만 아니라 색상 및 음영 등의 부가적인 정보까지 주요 대상일 경우 신경망을 복합적으로 적용한다.
한편, 차량번호 인식부(240)는 개별 글자 영상에 포함된 글자정보가 딥러닝 알고리즘을 통해 인식되지 않는 경우, 개별 글자 영상에 포함된 글자정보를 "?"등의 특수기호로 인식한다.
특정 양태로서, 본 발명에 따른 차량번호 인식부(240)는 형태학 필터를 통해 개별 글자 영상을 필터링하고, 저장부(210)에 저장된 필터링 이미지로 학습된 딥러닝 알고리즘을 통해 필터링 된 개별 글자 영상에 포함된 글자정보를 인식하여 번호판의 차량번호를 결정한다. 이때, 형태학 필터링에 사용되는 형태학 연산자는 침식과 팽창 및 이진화이다. 이와 같이, 형태학 필터를 통해 필터링 된 이미지로 학습된 딥러닝 알고리즘을 통해 형태학 필터를 통해 필터링 된 개별 글자 영상에 포함된 글자정보를 판독하면, 색상 및 음영 등의 차량번호를 인식하는데 방해가 되는 부가적인 정보가 제거되기 때문에 차량번호의 오인식 확률이 낮아진다.
도 1을 참조하면, 본 발명에 따른 운영서버(200)는 학습데이터 추가부(250)를 더 포함할 수 있다.
상기 학습데이터 추가부(250)는 관리자가 지속적으로 저장부(210)에 새로운 샘플 이미지를 저장하지 않더라도 자체적으로 딥러닝 알고리즘이 학습할 자료를 마련하는 것으로, 이를 위해 차량번호 인식부(240)를 통해 인식된 글자정보와 이의 개별 글자 영상을 상기 저장부(210)에 샘플 이미지로 저장한다.
필요에 따라, 학습데이터 추가부(250)는 딥러닝 알고리즘이 학습할 자료를 더 많이 마련하기 위해 글자정보가 인식된 개별 글자 영상을 기준으로 하여 크기 및 구도가 변형된 개별 글자 보조영상을 생성하고, 상기 글자정보와 개별 글자 보조영상을 저장부(210)에 샘플 이미지로 저장하도록 구성될 수 있다.
도 4 및 도 5는 본 발명을 통해 인식된 차량번호가 오버랩된 감시영상을 나타내는 사진이다.
본 발명에 따른 운영서버(200)는 차량번호 출력부(미도시)를 더 포함할 수 있다.
상기 차량번호 출력부는 상기 차량번호 인식부(240)를 통해 결정된 차량번호를 출력하는 것으로, 관리자가 감시영상을 확인하는 모니터를 통해 상기 차량번호를 출력할 수 있다. 이를 위해, 차량번호 출력부는 차량번호 인식부(240)에 연결된다.
일 실시 양태로서, 본 발명에 따른 출력부는 도 4 및 도 5와 같이 영상 검출부에 의해 식별된 외곽선을 감시영상에 미리 지정된 색상으로 표시하고, 상기 외곽선의 상하좌우 중 어느 한 곳에 상기 차량번호 인식부(240)가 결정한 차량번호가 표시되도록 감시영상에 차량번호를 오버랩 시킨다.
다른 실시 양태로서, 본 발명에 따른 출력부는 관리자로부터 수배 차량번호가 입력된 경우, 차량번호 인식부(240)로부터 제공된 차량번호를 저장부(210)의 차량번호 데이터베이스에 저장하고, 수배 차량번호와 동일한 차량번호가 확인되면 운영서버(200)에 연결된 모니터를 통해 알림신호를 출력한다. 이를 위해, 차량번호 출력부는 저장부(210)에 연결된다.
도 6은 본 발명의 영상감시 방법을 설명하기 위한 흐름도이다.
도 6을 참조하면, 본 발명에 따른 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법(이하, '차량번호 인식 방법'이라 약칭함)은 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지를 저장하고, 상기 샘플 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시키는 딥러닝 단계(S100)와, 기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 영상 검출단계(S200)와, 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 글자 영상 추출단계(S300), 및 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상에 포함된 글자를 인식하여 번호판의 차량번호를 결정하는 차량번호 결정단계(S400)를 포함한다.
본 발명에 따른 차량번호 인식 방법을 구성하는 딥러닝 단계(S100)에서는 운영서버(200)의 제어부가 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지를 저장부(210)에 저장하고, 제어부가 딥러닝 알고리즘 모듈을 통해 샘플 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시킨다.
구체적으로, 딥러닝 단계(S100)는 샘플 필터링과정(S110) 및 학습과정(S120)으로 구성될 수 있다.
상기 샘플 필터링과정(S110)은 운영서버(200)가 번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지를 형태학 필터를 통해 필터링하여 다수의 필터링 이미지를 생성하고, 다수의 필터링 이미지를 저장부(210)에 저장하는 과정이다. 이때, 형태학 필터를 통한 필터링은 침식, 팽창, 이진화의 순서로 진행된다.
상기 학습과정(S120)은 딥러닝 알고리즘 모듈이 상기 필터링 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시키는 과정이다.
본 발명에 따른 차량번호 인식 방법을 구성하는 영상 검출단계(S200)에서는 번호판 영상 검출부(220)가 동영상 카메라(100)로부터 전송된 감시영상에서 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출한다.
본 발명에 따른 차량번호 인식 방법을 구성하는 글자 영상 추출단계(S300)에서는 개별 글자 분리부(230)가 상기 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출한다.
본 발명에 따른 차량번호 인식 방법을 구성하는 차량번호 결정단계(S400)에서는 차량번호 인식부(240)가 딥러닝 알고리즘을 통해 개별 글자 영상에 포함된 글자정보를 인식하고, 인식된 글자정보를 취합하여 차량번호를 결정한다.
구체적으로, 상기 차량번호 결정단계(S400)는 현장 필터링과정(S410)과, 글자 인식과정(S420), 및 차량번호 결정과정(S430)으로 구성된다.
상기 현장 필터링과정(S410)에서는 차량번호 인식부(240)가 이미지 변환부를 통해 번호판 영상으로부터 추출된 개별 글자 영상을 침식, 팽창, 이진화의 순서로 형태학 필터링을 수행하여 필터링 영상을 생성한다.
상기 글자 인식과정(S420)에서는 차량번호 인식부(240)가 상기 학습과정(S120)을 통해 학습된 딥러닝 알고리즘 모듈의 딥러닝 알고리즘을 통해 개별 필터링 영상에 포함된 글자정보를 인식한다.
상기 차량번호 결정과정(S430)에서는 차량번호 인식부(240)가 상기 글자 인식과정(S420)을 통해 인식된 글자정보를 취합하여 번호판의 차량번호를 결정한다.
필요에 따라, 본 발명에 따른 차량번호 인식 방법은 차량번호 결정단계(S400) 이후에 차량번호 출력단계(S500)나 학습데이터 추가단계(S600) 또는 이들 모두를 더 포함할 수 있다.
상기 차량번호 출력단계(S500)는 차량번호 결정단계(S400)를 통해 결정된 번호판의 차량번호가 다차로의 감시영상에 표시되도록 차량번호를 다차로의 감시영상에 오버랩시키는 단계이다.
이러한 차량번호 출력단계(S500)에서는 차량번호 출력부가 번호판 영상 검출부(220)에 의해 식별된 외곽선을 감시영상에 미리 지정된 색상으로 표시하고, 외곽선의 상하좌우 중 어느 한 곳에 차량번호 인식부(240)가 결정한 차량번호가 표시되도록 감시영상에 차량번호를 오버랩 시킨다.
상기 학습데이터 추가단계(S600)에서는 차량번호 결정단계(S400)에서 차량번호 인식부(240)를 통해 인식된 글자정보와 이의 개별 글자 영상을 학습데이터 추가부(250)가 저장부(210)에 샘플 이미지로 저장한다.
또한, 학습데이터 추가단계(S600)에서는 학습데이터 추가부(250)가 글자정보가 인식된 개별 글자 영상을 기준으로 하여 크기 및 구도가 변형된 개별 글자 보조영상을 생성한 후, 상기 글자정보와 개별 글자 보조영상을 저장부(210)에 샘플 이미지로 저장한다.
이상에서 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 동영상 카메라 200 : 운영서버
210 : 저장부 220 : 번호판 영상 검출부
230 : 개별 글자 분리부 240 : 차량번호 인식부
250 : 학습데이터 추가부

Claims (15)

  1. 동영상을 촬영하여 다차로의 감시영상을 생성하는 동영상 카메라;
    상기 동영상 카메라와 유선 또는 무선으로 연결되며, 상기 동영상 카메라로부터 제공된 다차로의 감시영상을 통신네트워크를 통해 원격지에 제공하는 제어기;
    기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 번호판 영상 검출부;
    상기 번호판 영상 검출부를 통해 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 개별 글자 분리부;
    주행, 정차, 및 주차의 상황에서 차량을 촬영한 사진으로 번호판의 차량번호를 구성하는 글자에 관련되며, 형태학 필터를 통해 필터링된 필터링 이미지인 다수의 샘플 이미지가 저장되는 저장부;
    상기 저장부에 저장된 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상의 화상 특징을 파악하고 상기 화상 특징을 분석하여 개별 글자 영상에 포함된 글자정보를 인식하며 번호판의 차량번호를 결정하되, 개별 글자 영상에 포함된 글자정보가 딥러닝 알고리즘을 통해 인식되지 않는 경우 개별 글자 영상에 포함된 글자정보를 특수기호로 인식하는 차량번호 인식부; 및
    글자정보가 인식된 개별 글자 영상을 기준으로 하여 크기 및 구도가 변형된 개별 글자 보조영상을 생성하고, 상기 글자정보와 개별 글자 보조영상을 상기 저장부에 샘플 이미지로 저장하는 학습데이터 추가부를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  2. 제1 항에 있어서, 상기 학습데이터 추가부는
    상기 차량번호 인식부를 통해 인식된 글자정보와 이의 개별 글자 영상을 상기 저장부에 샘플 이미지로 저장하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  3. 삭제
  4. 제1 항에 있어서,
    상기 차량번호 인식부를 통해 결정된 차량번호를 출력하는 차량번호 출력부를 더 포함하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  5. 제4 항에 있어서, 상기 차량번호 출력부는
    상기 영상 검출부에 의해 식별된 외곽선을 상기 감시영상에 미리 지정된 색상으로 표시하고, 상기 외곽선의 상하좌우 중 어느 한 곳에 상기 차량번호 인식부가 결정한 차량번호가 표시되도록 상기 감시영상에 차량번호를 오버랩 시키는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  6. 제1 항에 있어서, 상기 차량번호 인식부는
    형태학 필터링을 통해 개별 글자 영상을 필터링하고, 상기 저장부에 저장된 필터링 이미지로 학습된 딥러닝 알고리즘을 통해 필터링 된 개별 글자 영상에 포함된 글자를 인식하여 번호판의 차량번호를 결정하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  7. 제6 항에 있어서, 상기 형태학 필터링에 사용되는 형태학 연산자는
    침식과 팽창 및 이진화인 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  8. 제1 항에 있어서,
    상기 번호판 영상 검출부는 다차로의 감시영상으로부터 식별된 외곽선의 가로와 세로의 길이 비율을 분석하여 번호판 유형을 판독하고,
    상기 개별 글자 분리부는 상기 번호판 유형에 따라 번호판을 복수의 구역으로 분할하여 개별 글자의 영역을 식별하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  9. 제8 항에 있어서, 상기 개별 글자 분리부는
    상기 번호판 영상 검출부에 의해 판독된 번호판 유형이 롱 타입 번호판인 경우, 번호판 영상을 차량의 종류를 나타내는 제1 숫자영역 및 제2 숫자영역, 차량의 용도를 나타내는 문자영역, 일련번호를 나타내는 제3 숫자영역 내지 제6 숫자영역으로 분할하여 개별 글자의 영역을 식별하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템.
  10. 주행, 정차, 및 주차의 상황에서 차량을 촬영한 사진으로 번호판의 차량번호를 구성하는 글자에 관련되며, 형태학 필터를 통해 필터링된 필터링 이미지인 다수의 샘플 이미지를 저장하고, 상기 샘플 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시키는 딥러닝 단계;
    기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 영상 검출단계;
    검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 글자 영상 추출단계;
    샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상의 화상 특징을 파악하고 상기 화상 특징을 분석하여 개별 글자 영상에 포함된 글자를 인식하며, 번호판의 차량번호를 결정하되 개별 글자 영상에 포함된 글자정보가 딥러닝 알고리즘을 통해 인식되지 않는 경우 개별 글자 영상에 포함된 글자정보를 특수기호로 인식하는 차량번호 결정단계; 및
    차량번호의 결정에 사용된 글자정보가 인식된 개별 글자 영상을 기준으로 하여 크기 및 구도가 변형된 개별 글자 보조영상을 생성한 후, 상기 글자정보와 개별 글자 보조영상을 샘플 이미지로 저장하는 학습데이터 추가단계를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
  11. 제10 항에 있어서, 상기 학습데이터 추가단계는
    차량번호의 결정에 사용된 글자정보와 개별 글자 영상을 결합하여 샘플 이미지로 추가 저장하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
  12. 제10 항에 있어서, 상기 딥러닝 단계는
    번호판의 차량번호를 구성하는 글자에 관련된 다수의 샘플 이미지를 형태학 필터를 통해 필터링하여 다수의 필터링 이미지를 생성하고 저장하는 샘플 필터링과정, 및
    상기 필터링 이미지에 포함된 글자를 딥러닝 알고리즘으로 학습시키는 학습과정으로 구성된 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
  13. 제12 항에 있어서, 상기 형태학 필터링은
    침식, 팽창, 이진화의 순서로 진행되는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
  14. 제13 항에 있어서, 상기 차량번호 결정단계는
    번호판 영상으로부터 추출된 개별 글자 영상을 침식, 팽창, 이진화의 순서로 형태학 필터를 통해 필터링하여 개별 필터링 영상을 생성하는 현장 필터링과정,
    상기 학습과정을 통해 학습된 딥러닝 알고리즘을 통해 개별 필터링 영상에 포함된 글자정보를 인식하는 글자 인식과정, 및
    상기 글자 인식과정을 통해 인식된 글자정보를 취합하여 번호판의 차량번호를 결정하는 차량번호 결정과정으로 구성된 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
  15. 제10 항에 있어서, 상기 차량번호 결정단계 이후에
    상기 차량번호 결정단계를 통해 결정된 번호판의 차량번호가 상기 감시영상에 표시되도록 차량번호를 감시영상에 오버랩시키는 차량번호 출력단계를 더 포함하는 것을 특징으로 하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 방법.
KR1020180149616A 2018-11-28 2018-11-28 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법 KR101971878B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180149616A KR101971878B1 (ko) 2018-11-28 2018-11-28 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180149616A KR101971878B1 (ko) 2018-11-28 2018-11-28 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101971878B1 true KR101971878B1 (ko) 2019-04-26

Family

ID=66281270

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180149616A KR101971878B1 (ko) 2018-11-28 2018-11-28 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101971878B1 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070752A (zh) * 2019-05-29 2019-07-30 北京百度网讯科技有限公司 一种泊车评估方法、装置、电子设备及存储介质
KR102090907B1 (ko) * 2019-10-15 2020-03-19 주식회사 넥스파시스템 영상개선 및 딥러닝 기술을 접목한 차량검출 및 번호인식 방법과 이를 이용한 주차시스템
CN110991221A (zh) * 2019-10-16 2020-04-10 合肥湛达智能科技有限公司 一种基于深度学习的动态交通闯红灯识别方法
KR102160959B1 (ko) * 2020-04-29 2020-09-29 (주)진명아이앤씨 방범용 감시 카메라에서 차량번호 인식 장치 및 그 방법
KR20200131368A (ko) * 2019-05-13 2020-11-24 주식회사 핀그램 행정구역별 오브젝트 인식방법 및 그 시스템
CN112115939A (zh) * 2020-08-26 2020-12-22 深圳市金溢科技股份有限公司 车辆车牌的识别方法、装置
KR102200204B1 (ko) 2019-12-05 2021-01-11 (주)한국아이티에스 Cctv 영상을 활용한 3차원 영상분석 시스템
KR20210033193A (ko) 2019-09-18 2021-03-26 주식회사 모빌엑스 자동차 번호판의 은닉 처리를 수행하는 영상 재구성 장치 및 방법
KR20210035360A (ko) * 2019-09-23 2021-04-01 주식회사 딥비전 교행 다차로를 위한 차량번호 인식방법 및 장치
KR20210064492A (ko) * 2019-11-25 2021-06-03 주식회사 딥비전 교행 다차로에서의 이상차량 인식방법 및 장치
KR102379575B1 (ko) * 2021-12-27 2022-03-29 주식회사 에이아이리더 코드 인식장치, 코드의 인식방법 및 이를 활용한 차량번호의 추출시스템
KR20230164382A (ko) 2022-05-25 2023-12-04 주식회사 딥비전 교행 다차로에서의 주행차량 속성 인식방법 및 장치

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100801935B1 (ko) * 2006-05-12 2008-02-12 주식회사 라이크텍 차량 번호 인식을 이용한 주차관리시스템 및 그 방법
KR20160070379A (ko) * 2014-12-10 2016-06-20 삼성에스디에스 주식회사 객체 분류 방법 및 그 장치
KR101677972B1 (ko) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 촬영영역줌카메라모듈·다차선 촬영영역 생성모듈로 이루어진 스마트 다차선 차량 번호인식 장치 및 방법
KR101735874B1 (ko) 2013-10-21 2017-05-15 한국전자통신연구원 차량 번호판 검출 장치 및 방법
KR101824446B1 (ko) 2017-07-24 2018-02-01 한국기술교육대학교 산학협력단 강화 학습 기반 cctv용 차량 번호 인식 방법
KR101845943B1 (ko) 2017-07-26 2018-04-05 주식회사 한일에스티엠 단일카메라를 이용한 다차로상의 차량번호인식 시스템 및 방법
KR101888959B1 (ko) 2018-05-14 2018-08-16 이형각 다차선에서의 차량 번호판 인식 방법 및 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100801935B1 (ko) * 2006-05-12 2008-02-12 주식회사 라이크텍 차량 번호 인식을 이용한 주차관리시스템 및 그 방법
KR101735874B1 (ko) 2013-10-21 2017-05-15 한국전자통신연구원 차량 번호판 검출 장치 및 방법
KR20160070379A (ko) * 2014-12-10 2016-06-20 삼성에스디에스 주식회사 객체 분류 방법 및 그 장치
KR101677972B1 (ko) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 촬영영역줌카메라모듈·다차선 촬영영역 생성모듈로 이루어진 스마트 다차선 차량 번호인식 장치 및 방법
KR101824446B1 (ko) 2017-07-24 2018-02-01 한국기술교육대학교 산학협력단 강화 학습 기반 cctv용 차량 번호 인식 방법
KR101845943B1 (ko) 2017-07-26 2018-04-05 주식회사 한일에스티엠 단일카메라를 이용한 다차로상의 차량번호인식 시스템 및 방법
KR101888959B1 (ko) 2018-05-14 2018-08-16 이형각 다차선에서의 차량 번호판 인식 방법 및 시스템

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200131368A (ko) * 2019-05-13 2020-11-24 주식회사 핀그램 행정구역별 오브젝트 인식방법 및 그 시스템
KR102239564B1 (ko) * 2019-05-13 2021-04-14 주식회사 핀그램 행정구역별 오브젝트 인식방법 및 그 시스템
CN110070752A (zh) * 2019-05-29 2019-07-30 北京百度网讯科技有限公司 一种泊车评估方法、装置、电子设备及存储介质
KR20210033193A (ko) 2019-09-18 2021-03-26 주식회사 모빌엑스 자동차 번호판의 은닉 처리를 수행하는 영상 재구성 장치 및 방법
KR20210035360A (ko) * 2019-09-23 2021-04-01 주식회사 딥비전 교행 다차로를 위한 차량번호 인식방법 및 장치
KR102369824B1 (ko) * 2019-09-23 2022-03-07 주식회사 딥비전 교행 다차로를 위한 차량번호 인식방법 및 장치
KR102090907B1 (ko) * 2019-10-15 2020-03-19 주식회사 넥스파시스템 영상개선 및 딥러닝 기술을 접목한 차량검출 및 번호인식 방법과 이를 이용한 주차시스템
CN110991221A (zh) * 2019-10-16 2020-04-10 合肥湛达智能科技有限公司 一种基于深度学习的动态交通闯红灯识别方法
CN110991221B (zh) * 2019-10-16 2024-02-27 合肥湛达智能科技有限公司 一种基于深度学习的动态交通闯红灯识别方法
KR20210064492A (ko) * 2019-11-25 2021-06-03 주식회사 딥비전 교행 다차로에서의 이상차량 인식방법 및 장치
KR102306789B1 (ko) * 2019-11-25 2021-10-01 주식회사 딥비전 교행 다차로에서의 이상차량 인식방법 및 장치
KR102200204B1 (ko) 2019-12-05 2021-01-11 (주)한국아이티에스 Cctv 영상을 활용한 3차원 영상분석 시스템
KR102160959B1 (ko) * 2020-04-29 2020-09-29 (주)진명아이앤씨 방범용 감시 카메라에서 차량번호 인식 장치 및 그 방법
CN112115939A (zh) * 2020-08-26 2020-12-22 深圳市金溢科技股份有限公司 车辆车牌的识别方法、装置
KR102379575B1 (ko) * 2021-12-27 2022-03-29 주식회사 에이아이리더 코드 인식장치, 코드의 인식방법 및 이를 활용한 차량번호의 추출시스템
KR20230164382A (ko) 2022-05-25 2023-12-04 주식회사 딥비전 교행 다차로에서의 주행차량 속성 인식방법 및 장치

Similar Documents

Publication Publication Date Title
KR101971878B1 (ko) 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법
KR101935399B1 (ko) 심층 신경망 알고리즘 기반 광역 다중 객체 감시 시스템
US8233662B2 (en) Method and system for detecting signal color from a moving video platform
KR101995813B1 (ko) 영상 기반의 교통 정보 제공 시스템 및 그 방법
KR102167291B1 (ko) 도로 상태 정보 수집 시스템 및 방법
KR101742490B1 (ko) 끼어들기 위반차량 단속 시스템 및 그 방법
KR102008263B1 (ko) 융복합형 검지기 및 이를 이용한 교통 단속시스템
KR101688218B1 (ko) 객체 인지 기반의 실시간 영상 검지 기술을 이용한 교통 흐름 및 돌발 상황 관리 시스템 및 그 처리 방법
CN111800507A (zh) 一种交通监控方法及交通监控系统
KR102272279B1 (ko) 인공지능 알고리즘을 이용한 차량번호판 인식 방법
US20220270376A1 (en) Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program
CN101739809A (zh) 行人闯红灯自动报警监控系统
KR101626377B1 (ko) Cctv와 차량내 블랙박스를 활용한 빅데이터 기반의 불법 주정차 단속 시스템
KR20050114916A (ko) 교통정보수집과 부가기능을 갖는 네트워크 카메라 장치 및그 교통정보 처리방법
KR100983777B1 (ko) 객체 촬영시스템 및 그 제어방법
KR102282800B1 (ko) 라이다와 영상카메라를 이용한 멀티 표적 추적 방법
JP2018022220A (ja) 挙動データ解析システム及び挙動データ解析装置及び挙動データ解析方法
US20130128044A1 (en) Vision-based scene detection
US8229170B2 (en) Method and system for detecting a signal structure from a moving video platform
KR101911239B1 (ko) 불법 주정차 단속을 위한 채널 확대 운영 시스템
KR101073053B1 (ko) 자동 교통정보추출 시스템 및 그의 추출방법
KR101263894B1 (ko) 수배차량의 추적장치 및 그 방법
KR20190136515A (ko) 차량 인식 장치
KR101146585B1 (ko) 차량검지를 통한 증거사진 촬영방법 및 이를 이용한 차량방범 시스템
CN105206060A (zh) 一种基于sift特征的车型识别装置及其方法

Legal Events

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