KR102613037B1 - Vehicle license plate recognition and counterfeit determination method and system in which the method is performed - Google Patents
Vehicle license plate recognition and counterfeit determination method and system in which the method is performed Download PDFInfo
- Publication number
- KR102613037B1 KR102613037B1 KR1020210090182A KR20210090182A KR102613037B1 KR 102613037 B1 KR102613037 B1 KR 102613037B1 KR 1020210090182 A KR1020210090182 A KR 1020210090182A KR 20210090182 A KR20210090182 A KR 20210090182A KR 102613037 B1 KR102613037 B1 KR 102613037B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- license plate
- counterfeit
- forgery
- forgery determination
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 238000004049 embossing Methods 0.000 claims abstract description 10
- 238000012015 optical character recognition Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 238000012790 confirmation Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 11
- 238000005728 strengthening Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
-
- 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
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
본 발명은 차량 번호판 인식 및 위조 판단 방법과 그 방법이 수행되는 시스템에 관한 것으로서, 본 발명의 일 실시예인 차량 번호판 인식 및 위조 판단 방법에 따르면, 2차원 촬영 수단을 이용하여 주차장에 진입하는 입차 요청 차량의 2차원 이미지를 촬영하는 이미지 획득 단계, 상기 2차원 이미지로부터 상기 입차 요청 차량의 정보를 검출하여 데이터 베이스에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 차량 정보 비교 단계 및 상기 입차 요청 차량이 번호판을 위조한 위조 차량 인지 여부를 판단하는 번호판 위조 판단 단계를 포함하며, 상기 번호판 위조 판단 단계는, 상기 번호판의 양각을 기초로 상기 번호판의 위조를 판단할 수 있다.The present invention relates to a method for recognizing and determining forgery of a vehicle license plate and a system for performing the method. According to the method for recognizing and determining a forgery of a vehicle license plate, which is an embodiment of the present invention, a request for entering a parking lot is made using a two-dimensional imaging means. An image acquisition step of taking a two-dimensional image of the vehicle, a vehicle information comparison step of detecting information on the vehicle requesting entry from the two-dimensional image and determining whether it is a counterfeit vehicle that has not been previously registered in the database, and the vehicle requesting entry is It includes a license plate forgery determination step of determining whether the vehicle is a counterfeit vehicle with a forged license plate. The license plate forgery determination step may determine whether the license plate is forged based on the embossing of the license plate.
Description
본 발명은 차량 번호판 인식 및 위조 판단 방법과 그 방법이 수행되는 시스템에 관한 것으로서, 보다 구체적으로는, 번호판의 번호를 인식하는 것에서 더 나아가 차량의 외관을 통해 분석되는 다양한 정보를 기 등록된 정보와 비교하여 위조 차량을 판별할 수 있고 차량의 번호판이 위조되었는지 여부까지도 판별할 수 있는 방법 및 시스템에 관한 것이다.The present invention relates to a method for recognizing and determining forgery of a vehicle license plate and a system in which the method is performed. More specifically, the present invention relates to a method of recognizing a license plate number and combining various information analyzed through the exterior of the vehicle with pre-registered information. It relates to a method and system that can compare and identify counterfeit vehicles and even determine whether a vehicle's license plate is forged.
최근 자동차와 관련된 방범 및 방재 시스템, 주차장 입출차 관리 시스템, 속도 감시 시스템, 톨게이트 시스템 그리고 지능형 교통 시스템(intelligent transport system) 등이 활발하게 연구되고 있다. 위와 같은 시스템들에는 필수적으로 자동차 번호판을 인식할 수 있는 시스템이 포함되며, 이러한 번호판 인식 시스템은 카메라를 통해 촬영된 영상으로부터 자동차 번호판을 인식하도록 구성되어 있다.Recently, crime prevention and disaster prevention systems related to automobiles, parking lot entry and exit management systems, speed monitoring systems, toll gate systems, and intelligent transportation systems are being actively researched. The above systems essentially include a system that can recognize car license plates, and this license plate recognition system is configured to recognize car license plates from images captured through a camera.
주차장 입출차 관리 시스템을 예로 들자면, 주차장으로의 진입을 시도하는 차량의 번호를 카메라를 통해 인식하고 인식한 번호와 데이터 베이스에 미리 등록되어 있는 차량의 차량 번호와 일치하는지 검색하여 입차 허용 여부를 결정하도록 구성된다.For example, in a parking lot entry/exit management system, the number of a vehicle attempting to enter the parking lot is recognized through a camera, and whether the recognized number matches the vehicle number of a vehicle pre-registered in the database is searched to determine whether to allow entry. It is configured to do so.
하지만, 단순히 번호판의 번호만을 인식하는 경우 번호판만 바꿔 설치한 위조 차량, 정상 번호판이 아닌 위조 번호판을 설치한 위조 차량의 경우에도 입차가 허용되어 버리는 문제가 있다.However, if only the license plate number is recognized, there is a problem in that counterfeit vehicles with only changed license plates or counterfeit vehicles with counterfeit license plates installed instead of normal license plates are allowed to enter the vehicle.
본 발명은, 주차장에 진입하는 차량이 시스템에 미등록되어 있는 위조 차량인지 여부를 판단할 수 있는 방법 및 시스템을 제공하는 것을 그 목적으로 한다.The purpose of the present invention is to provide a method and system that can determine whether a vehicle entering a parking lot is a counterfeit vehicle that has not been registered in the system.
또한, 본 발명은, 주차장에 진입하는 차량의 번호판이 위조되었는지 여부를 판단할 수 있는 방법 및 시스템을 제공하는 것을 그 목적으로 한다.Additionally, the purpose of the present invention is to provide a method and system for determining whether the license plate of a vehicle entering a parking lot is forged.
본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법은, 2차원 촬영 수단을 이용하여 주차장에 진입하는 입차 요청 차량의 2차원 이미지를 촬영하는 이미지 획득 단계; 상기 2차원 이미지로부터 상기 입차 요청 차량의 정보를 검출하여 데이터 베이스에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 차량 정보 비교 단계; 및 상기 입차 요청 차량이 번호판을 위조한 위조 차량 인지 여부를 판단하는 번호판 위조 판단 단계;를 포함하며, 상기 번호판 위조 판단 단계는, 상기 번호판의 양각을 기초로 상기 번호판의 위조를 판단할 수 있다.A vehicle license plate recognition and forgery determination method according to an embodiment of the present invention includes an image acquisition step of photographing a two-dimensional image of a vehicle requesting entry into a parking lot using a two-dimensional photographing means; A vehicle information comparison step of detecting information about the vehicle requesting entry from the two-dimensional image and determining whether it is a counterfeit vehicle that has not been previously registered in a database; and a license plate forgery determination step of determining whether the vehicle requesting entry is a counterfeit vehicle with a forged license plate. The license plate forgery determination step may determine whether the license plate is forged based on the embossing of the license plate.
여기서, 상기 차량 정보 비교 단계는, 상기 번호판의 번호와 상기 데이터 베이스에 기 등록된 차량들의 번호를 비교하는 번호 비교 단계; 및 상기 입차 요청 차량의 외관에서 검출되는 정보와 상기 데이터 베이스에 기 등록된 등록 정보를 비교하는 등록 정보 비교 단계;를 포함할 수 있다.Here, the vehicle information comparison step includes a number comparison step of comparing the license plate number with the numbers of vehicles already registered in the database; and a registration information comparison step of comparing information detected from the exterior of the vehicle requesting entry with registration information previously registered in the database.
이때, 상기 번호 비교 단계는, 상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition)을 수행하여 상기 입차 요청 차량의 번호를 인식할 수 있다.At this time, in the number comparison step, the license plate object is detected by inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning, and then OCR (Optical character recognition) is performed on the license plate object to identify the number plate object. The number of the requested vehicle can be recognized.
또한, 상기 등록 정보 비교 단계는, 상기 기 등록된 차량들의 번호 중 상기 번호판의 번호와 일치하는 차량 번호가 확인된 경우, 상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출한 후, 상기 확인된 차량 번호에 대한 기 등록된 등록 정보들 중 적어도 하나가 상기 정보와 불일치하면 상기 입차 요청 차량을 위조 차량으로 판단할 수 있다.In addition, in the registration information comparison step, when a vehicle number matching the license plate number among the numbers of the pre-registered vehicles is confirmed, the two-dimensional image is input into an artificial neural network model previously learned based on deep learning. After detecting information from the exterior of the vehicle, if at least one of the pre-registered registration information for the confirmed vehicle number does not match the information, the vehicle requested to enter may be determined to be a counterfeit vehicle.
이때, 상기 기 등록된 등록 정보는, 차량 제조사, 차량 명칭, 연식, 색상, 차종 중 적어도 하나 이상일 수 있다.At this time, the pre-registered registration information may be at least one of vehicle manufacturer, vehicle name, model year, color, and vehicle model.
한편, 상기 번호판 위조 판단 단계는, 3차원 촬영 수단을 이용하여 상기 입차 요청 차량의 3차원 이미지를 촬영하는 3차원 이미지 촬영 단계; 및Meanwhile, the step of determining whether the license plate is forged includes a 3D image capturing step of capturing a 3D image of the vehicle requesting entry using a 3D photographing means; and
상기 입차 요청 차량의 번호판을, 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단하는 판단 단계;를 포함할 수 있다.It may include a determination step of distinguishing the license plate of the vehicle requesting entry into a normal license plate that has not been forged and a counterfeit license plate that has been forged.
이때, 상기 판단 단계는, 상기 3차원 촬영 수단을 통해 상기 3차원 촬영 수단으로부터 상기 번호판까지의 거리를 측정하며, 상기 번호판의 플레이트 영역까지의 거리인 제1 거리와 상기 번호판의 번호 영역까지의 거리인 제2 거리의 차이가 미리 정해진 임계값을 초과하는 경우에는 상기 번호판을 상기 정상 번호판으로 판단하고, 상기 차이가 상기 임계값 이하인 경우에는 상기 번호판을 상기 위조 번호판으로 판단할 수 있다.At this time, the determination step measures the distance from the 3D imaging means to the license plate through the 3D imaging means, and includes a first distance that is the distance to the plate area of the license plate and the distance to the number area of the license plate. If the difference between the second distances exceeds a predetermined threshold, the license plate may be determined to be the normal license plate, and if the difference is less than the threshold, the license plate may be judged to be a counterfeit license plate.
이때, 상기 3차원 촬영 수단은 라이다(LIDAR) 센서 또는 스테레오 카메라일 수 있다.At this time, the 3D photographing means may be a LIDAR sensor or a stereo camera.
또한, 상기 번호판 위조 판단 단계는, 상기 3차원 이미지와 상기 2차원 이미지를 합성하여 합성 이미지를 생성하고, 상기 합성 이미지를 OCR(Optical character recognition) 모델에 입력하여 상기 번호판의 번호를 추출한 후 상기 데이터 베이스에 기 등록된 차량들의 번호와 비교하는 번호 재확인 단계;를 더 포함할 수 있다.In addition, the license plate forgery determination step generates a composite image by combining the three-dimensional image and the two-dimensional image, inputs the composite image into an OCR (Optical character recognition) model, extracts the number of the license plate, and then extracts the data. It may further include a number re-confirmation step of comparing the number with the numbers of vehicles already registered in the base.
또한, 상기 판단 단계는, 상기 번호판을 상기 정상 번호판으로 판단시 상기 입차 요청 차량의 상기 주차장으로의 입차를 허용하고, 상기 번호판을 상기 위조 번호판으로 판단시 상기 입차 요청 차량을 위조 차량으로 판단한 후 상기 주차장으로의 입차를 허용할 수 있다.In addition, in the determination step, when the license plate is determined to be the normal license plate, the entry requesting vehicle is allowed to enter the parking lot, and when the license plate is judged to be the counterfeit license plate, the entry requesting vehicle is determined to be a counterfeit vehicle, and then the entry request vehicle is allowed to enter the parking lot. Entry into the parking lot may be permitted.
한편, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법은, 상기 입차 요청 차량을 상기 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성하는 알림 생성 단계;를 더 포함할 수 있다.Meanwhile, the vehicle license plate recognition and forgery determination method according to an embodiment of the present invention may further include a notification generation step of generating a notification requesting visual confirmation of the manager when the vehicle requesting entry is determined to be the counterfeit vehicle. there is.
본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은, 주차장에 진입하는 입차 요청 차량의 2차원 이미지를 촬영하는 2차원 촬영 수단; 기 등록된 다수의 차량에 대한 차량 번호와 등록 정보가 저장되는 데이터 베이스; 및 상기 2차원 이미지로부터 상기 입차 요청 차량의 정보를 검출하여 상기 데이터 베이스에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 위조 판단부;를 포함하며, 상기 위조 판단부는, 상기 입차 요청 차량의 번호판의 양각을 기초로 상기 번호판의 위조를 판단할 수 있다.A vehicle license plate recognition and forgery determination system according to an embodiment of the present invention includes a two-dimensional photographing means for photographing a two-dimensional image of a vehicle requesting entry into a parking lot; A database storing vehicle numbers and registration information for a number of already registered vehicles; And a forgery determination unit that detects information on the vehicle requesting entry from the two-dimensional image and determines whether or not it is a counterfeit vehicle that has not been previously registered in the database, wherein the forgery determination unit determines whether the license plate of the vehicle requesting entry is It is possible to determine if the license plate is counterfeit based on the embossing.
여기서, 상기 위조 판단부는, 상기 번호판의 번호와 상기 데이터 베이스에 기 등록된 차량들의 번호를 비교하고, 상기 입차 요청 차량의 외관에서 검출되는 정보와 상기 데이터 베이스에 기 등록된 등록 정보를 비교할 수 있다.Here, the forgery determination unit may compare the license plate number with the numbers of vehicles pre-registered in the database, and compare information detected from the exterior of the vehicle requesting entry with registration information pre-registered in the database. .
또한, 상기 위조 판단부는, 상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition)을 수행하여 상기 입차 요청 차량의 번호를 인식할 수 있다.In addition, the forgery determination unit detects a license plate object by inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning, and then performs OCR (optical character recognition) on the license plate object to request entry. The vehicle number can be recognized.
또한, 상기 위조 판단부는, 상기 기 등록된 차량들의 번호 중 상기 번호판의 번호와 일치하는 차량 번호가 확인된 경우, 상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출한 후, 상기 확인된 차량 번호에 대한 기 등록된 등록 정보들 중 적어도 하나가 상기 정보와 불일치하면 상기 입차 요청 차량을 위조 차량으로 판단할 수 있다.In addition, the forgery determination unit, when a vehicle number matching the number of the license plate among the numbers of the pre-registered vehicles is confirmed, inputs the two-dimensional image into an artificial neural network model previously learned based on deep learning to determine the number of the vehicle. After detecting information from the exterior, if at least one of the pre-registered registration information for the confirmed vehicle number does not match the information, the vehicle requested to enter may be determined to be a counterfeit vehicle.
한편, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은, 상기 입차 요청 차량의 3차원 이미지를 촬영하는 3차원 촬영 수단;을 더 포함하고, 상기 위조 판단부는, 상기 입차 요청 차량의 상기 번호판을, 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단할 수 있다.Meanwhile, the vehicle license plate recognition and forgery determination system according to an embodiment of the present invention further includes a 3D photographing means for taking a 3D image of the vehicle requesting entry, wherein the forgery determination unit is configured to detect the vehicle requesting entry into the vehicle. The license plate can be judged by dividing it into a normal license plate that has not been forged and a counterfeit license plate that has been forged.
이때, 상기 위조 판단부는, 상기 3차원 촬영 수단을 통해 상기 3차원 촬영 수단으로부터 상기 번호판까지 측정된 거리를 전달 받으며, 상기 번호판의 플레이트 영역까지의 거리인 제1 거리와 상기 번호판의 번호 영역까지의 거리인 제2 거리의 차이가 미리 정해진 임계값을 초과하는 경우에는 상기 번호판을 상기 정상 번호판으로 판단하고, 상기 차이가 상기 임계값 이하인 경우에는 상기 번호판을 상기 위조 번호판으로 판단할 수 있다.At this time, the forgery determination unit receives the distance measured from the 3D imaging means to the license plate through the 3D imaging means, and determines the distance between the first distance, which is the distance to the plate area of the license plate, and the number area of the license plate. If the difference between the second distances exceeds a predetermined threshold, the license plate may be determined to be the normal license plate, and if the difference is less than the threshold, the license plate may be judged to be a counterfeit license plate.
또한, 상기 위조 판단부는, 상기 3차원 이미지와 상기 2차원 이미지를 합성하여 합성 이미지를 생성하고, 상기 합성 이미지를 OCR(Optical character recognition) 모델에 입력하여 상기 번호판의 번호를 추출한 후 상기 데이터 베이스에 기 등록된 차량들의 번호와 비교할 수 있다.In addition, the forgery determination unit generates a composite image by combining the three-dimensional image and the two-dimensional image, inputs the composite image into an optical character recognition (OCR) model, extracts the number of the license plate, and then stores the number in the database. It can be compared with the numbers of already registered vehicles.
또한, 상기 위조 판단부는, 상기 번호판을 상기 정상 번호판으로 판단시 상기 입차 요청 차량의 상기 주차장으로의 입차를 허용하고, 상기 번호판을 상기 위조 번호판으로 판단시 상기 입차 요청 차량을 위조 차량으로 판단한 후 상기 주차장으로의 입차를 허용할 수 있다.In addition, when the forgery determination unit determines that the license plate is the normal license plate, it allows the entry-requested vehicle to enter the parking lot, and when it determines that the license plate is the counterfeit license plate, it determines the entry-requested vehicle as a counterfeit vehicle and then Entry into the parking lot may be permitted.
한편, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은, 상기 위조 판단부와 통신하는 관제 센터;를 더 포함하고, 상기 위조 판단부는, 상기 입차 요청 차량을 상기 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성하여 상기 관제 센터에 전송할 수 있다.Meanwhile, the vehicle license plate recognition and forgery determination system according to an embodiment of the present invention further includes a control center that communicates with the forgery determination unit, wherein the forgery determination unit determines that the vehicle requesting entry is the counterfeit vehicle. A notification requesting visual confirmation from the administrator can be created and transmitted to the control center.
본 발명에 따르면, 주차장에 진입하는 차량의 번호 뿐 아니라 상기 차량의 외관을 통해 분석되는 다양한 정보를 시스템에 기 등록된 정보와 비교하여 미등록된 위조 차량인지 여부를 판별할 수 있으므로 주차장의 보안을 강화할 수 있다.According to the present invention, not only the number of the vehicle entering the parking lot, but also various information analyzed through the exterior of the vehicle can be compared with the information already registered in the system to determine whether it is an unregistered counterfeit vehicle, thereby strengthening the security of the parking lot. You can.
또한, 본 발명에 따르면, 차량의 번호판에 대한 양각을 측정하여 번호판이 위조되었는지 여부를 판별할 수 있으므로 주차장의 보안을 강화할 수 있다.In addition, according to the present invention, it is possible to determine whether a license plate is counterfeit by measuring the embossing of a vehicle's license plate, thereby strengthening parking lot security.
도 1은 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템을 개략적으로 나타낸 블록도이다.
도 2는 입차 요청 차량의 번호판이 인식되는 과정을 도시한 것이다.
도 3은 입차 요청 차량의 등록 정보가 인식되는 과정을 도시한 것이다.
도 4는 3차원 촬영 수단을 이용하여 위조 번호판을 판단하는 방법에 대해 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법의 흐름을 나타낸 순서도이다.
도 6은 도 5의 순서도에 대해 세부 흐름을 포함하여 나타낸 순서도이다.Figure 1 is a block diagram schematically showing a vehicle license plate recognition and forgery determination system according to an embodiment of the present invention.
Figure 2 shows a process in which the license plate of a vehicle requesting entry is recognized.
Figure 3 shows a process in which registration information of a vehicle requesting entry is recognized.
Figure 4 is a diagram for explaining a method of determining a counterfeit license plate using a 3D imaging device.
Figure 5 is a flowchart showing the flow of a vehicle license plate recognition and forgery determination method according to an embodiment of the present invention.
FIG. 6 is a flowchart showing the flowchart of FIG. 5 including a detailed flow.
이하 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세히 설명하기로 한다.Hereinafter, an embodiment of the present invention will be described in detail with reference to the attached drawings.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 의도는 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 해석되어야 한다.Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. This is not intended to limit the present invention to specific embodiments, and should be interpreted as including all changes, equivalents, and substitutes included in the spirit and technical scope of the present invention.
본 발명을 설명함에 있어서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지 않을 수 있다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.In describing the present invention, terms such as first and second may be used to describe various components, but the components may not be limited by the terms. The above terms are solely for the purpose of distinguishing one component from another. For example, a first component may be named a second component, and similarly, the second component may also be named a first component without departing from the scope of the present invention.
"및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함할 수 있다.The term “and/or” may include any of a plurality of related stated items or a combination of a plurality of related stated items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급되는 경우는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해될 수 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해될 수 있다.When a component is said to be "connected" or "connected" to another component, it means that it may be directly connected to or connected to that other component, but that other components may also exist in between. It can be understood. On the other hand, when a component is referred to as being “directly connected” or “directly connected” to another component, it can be understood that there are no other components in between.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.The terms used in this application are only used to describe specific embodiments and are not intended to limit the invention. Singular expressions may include plural expressions, unless the context clearly indicates otherwise.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.In this application, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, and one or more other features It can be understood that it does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석될 수 있으며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않을 수 있다.Unless otherwise defined, all terms used herein, including technical or scientific terms, may have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms defined in commonly used dictionaries can be interpreted as having meanings consistent with the meanings they have in the context of related technologies, and unless clearly defined in this application, are interpreted as having an ideal or excessively formal meaning. It may not work.
아울러, 이하의 실시예는 당 업계에서 평균적인 지식을 가진 자에게 보다 완전하게 설명하기 위해서 제공되는 것으로서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.In addition, the following examples are provided to provide a more complete explanation to those with average knowledge in the art, and the shapes and sizes of elements in the drawings may be exaggerated for clearer explanation.
도 1은 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템을 개략적으로 나타낸 블록도이고, 도 2는 입차 요청 차량의 번호판이 인식되는 과정을 도시한 것이며, 도 3은 입차 요청 차량의 등록 정보가 인식되는 과정을 도시한 것이고, 도 4는 3차원 촬영 수단을 이용하여 위조 번호판을 판단하는 방법에 대해 설명하기 위한 도면이다.Figure 1 is a block diagram schematically showing a vehicle license plate recognition and forgery determination system according to an embodiment of the present invention, Figure 2 shows a process in which the license plate of a vehicle requesting entry is recognized, and Figure 3 is a system for recognizing a vehicle requesting entry. It shows the process by which registration information is recognized, and Figure 4 is a diagram to explain a method of determining a counterfeit license plate using a 3D imaging device.
먼저, 도 1을 참조하면, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은 2차원 촬영 수단(100), 데이터 베이스(200) 및 위조 판단부(300)를 포함할 수 있다.First, referring to FIG. 1, the vehicle license plate recognition and forgery determination system according to an embodiment of the present invention may include a two-dimensional imaging means 100, a
2차원 촬영 수단(100)은 주차장에 진입하는 입차 요청 차량의 2차원 이미지를 촬영할 수 있다. 이때, 2차원 촬영 수단(100)은 카메라일 수 있고 보다 구체적으로는 RGB 카메라일 수 있다. 2차원 촬영 수단(100)은 주차장에 진입하는 입차 요청 차량의 전면을 촬영하도록 구비될 수 있다.The two-dimensional photographing means 100 can capture a two-dimensional image of a vehicle entering a parking lot. At this time, the two-dimensional photographing means 100 may be a camera, or more specifically, an RGB camera. The two-dimensional photographing means 100 may be equipped to photograph the front of the vehicle requesting entry into the parking lot.
데이터 베이스(200)에는 다수의 차량에 대한 차량 번호와 등록 정보가 기 등록되어 저장될 수 있다. 보다 구체적으로, 상기 등록 정보로서 차량의 제조사, 차명, 연식, 색상, 차종 등이 차량 번호와 함께 저장될 수 있다.In the
위조 판단부(300)는 2차원 촬영 수단(100)이 촬영한 입차 요청 차량의 2차원 이미지로부터 입차 요청 차량의 정보를 검출하여 데이터 베이스(200)에 기 등록되지 않은 위조 차량 인지 여부를 판단할 수 있다.The
이때, 위조 판단부(300)는 입차 요청 차량의 번호판의 양각을 기초로 번호판의 위조를 판단할 수 있는데, 이에 대한 자세한 내용은 후술하도록 한다.At this time, the
위조 판단부(300)에는 딥러닝 기반으로 기 학습된 인공 신경망 모델이 포함될 수 있다. 상기 인공 신경망 모델로는 수백, 수천 개 또는 수백만 개의 차량 이미지를 이용하여 CNN(convolutional neural network) 학습이 완료된 모델이 사용될 수 있다. 아울러, 딥러닝 학습을 진행하기 전에 차량의 제조사, 차명, 연식, 색상, 차종 등을 추론할 수 있도록 차량 이미지가 라벨링(labeling)될 수 있다.The
위조 판단부(300)는, 입차 요청 차량의 번호판의 번호와 데이터 베이스(200)에 기 등록된 차량들의 번호를 비교할 수 있다.The
보다 구체적으로, 위조 판단부(300)는, 상기 2차원 이미지를, 상기 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition) 방식의 문자 인식을 수행하여 입차 요청 차량의 번호를 인식할 수 있다.More specifically, the
도 2를 참조하여 입차 요청 차량의 번호판의 번호가 인식되는 과정을 설명하자면 다음과 같다.Referring to FIG. 2, the process of recognizing the license plate number of the vehicle requesting entry will be described as follows.
먼저, 2차원 이미지를 인공 신경망 모델에 입력하여 번호판 객체를 검출한다. 이때, 인공 신경망 모델은 CNN 모델 기반으로 기 학습되어 있을 수 있다. CNN은 머신 러닝의 한 유형으로서 2차원 데이터의 학습에 적합한 구조를 가지고 있으며, 이미지 내의 객체를 검출하는 등 다양한 응용분야에 폭넓게 활용되는 심층 신경망의 대표적인 모델 중 하나이다. 잘 알려진 바와 같이, CNN 모델 기반으로 학습된 인공 신경망 모델은 입력되는 2차원 이미지에서 컨볼루션 특징 맵(convolution feature map)을 추출하여 이를 기초로 원하는 객체를 분류, 검출할 수 있다.First, a two-dimensional image is input into an artificial neural network model to detect license plate objects. At this time, the artificial neural network model may have been previously learned based on the CNN model. CNN is a type of machine learning and has a structure suitable for learning two-dimensional data, and is one of the representative models of deep neural networks that is widely used in various application fields, such as detecting objects in images. As is well known, an artificial neural network model learned based on a CNN model can extract a convolution feature map from an input two-dimensional image and classify and detect a desired object based on this.
번호판 객체가 검출되면 번호판의 영역을 정렬하는 단계, 영역 보정 단계, 영역 분할 단계 및 이미지 인식 단계를 거쳐 차량 번호판의 번호가 인식될 수 있다. 이때, 상술한 각 단계에서는 공지된 이미지 처리 알고리즘이 적용될 수 있다. 예를 들어, 영역 정렬 단계에서는 어파인 변환(Affine transform)이 이용될 수 있다. 예를 들어, 영역 보정 단계에서는 모폴로지(Morphology) 기법과 에지 검출 알고리즘(canny edge detection)이 적용될 수 있다. 이미지 인식 단계는 CNN을 기반으로 학습된 인공 신경망을 이용하여 번호를 최종 인식하도록 구성될 수 있다.When a license plate object is detected, the license plate number can be recognized through the steps of aligning the license plate area, correcting the area, dividing the area, and recognizing the image. At this time, a known image processing algorithm may be applied in each step described above. For example, an affine transform may be used in the region sorting step. For example, in the area correction step, morphology techniques and edge detection algorithms (canny edge detection) may be applied. The image recognition step may be configured to finally recognize the number using an artificial neural network learned based on CNN.
위조 판단부(300)는, 데이터 베이스(200)에 기 등록된 차량들의 번호 중에서 입차 요청 차량의 번호판의 번호와 일치하는 차량 번호가 존재하지 않는 경우에는 주차장으로의 입차를 불허할 수 있다.The
한편, 위조 판단부(300)는, 입차 요청 차량의 외관에서 검출되는 정보와 데이터 베이스(200)에 기 등록된 등록 정보를 비교할 수 있다.Meanwhile, the
보다 구체적으로, 위조 판단부(300)는, 기 등록된 차량들의 번호 중 입차 요청 차량의 번호판의 번호와 일치하는 차량 번호가 확인된 경우에, 2차원 촬영 수단(100)으로 촬영한 2차원 이미지를 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출할 수 있다. 이후, 위조 판단부(300)는 상기 확인된 차량 번호에 대해 데이터 베이스(200)에 기 등록된 등록 정보들과 상기 검출한 정보를 비교할 수 있다.More specifically, when the
2차원 이미지에서 검출되는 상기 정보는 차량 제조사, 차량 명칭, 연식, 색상, 차종 등이 포함될 수 있다.(도 3 참조) 상술한 바와 같이, 상기 인공 신경망은 미리 라벨링된 학습 데이터로 기 학습되는 바, 2차원 이미지를 입력하면 상기 정보들에 대한 추론 및 분석이 가능하다. 예를 들어, 인공 신경망은 차량의 엠블럼(emblem)이 라벨링된 학습 이미지를 이용하여 학습될 수 있고 이는 차량 제조사의 분석에 이용될 수 있다.The information detected in the two-dimensional image may include vehicle manufacturer, vehicle name, year, color, vehicle model, etc. (see Figure 3). As described above, the artificial neural network is already trained with pre-labeled learning data. , by inputting a two-dimensional image, inference and analysis of the above information is possible. For example, an artificial neural network can be trained using learning images labeled with vehicle emblems, which can be used to analyze vehicle manufacturers.
한편, 데이터 베이스(200)에 기 등록된 등록 정보 또한, 차량 제조사, 차량 명칭, 연식, 색상, 차종 중 적어도 하나 이상을 포함할 수 있으며 상기 기 등록된 등록 정보 중에서 어느 하나라도 검출된 입차 요청 차량의 정보와 불일치하는 경우 위조 판단부(300)가 입차 요청 차량을 위조 차량으로 판단할 수 있다.Meanwhile, the registration information previously registered in the
이를 통해, 등록된 번호와 일치하는 번호판을 어떠한 경로로 입수한 후(절도 등) 다른 차량에 부착하여 주차장에 진입하려는 시도를 막을 수 있으므로 주차장의 보안이 강화되는 효과가 있다.Through this, it is possible to prevent attempts to enter the parking lot by obtaining a license plate that matches the registered number through any means (such as theft) and attaching it to another vehicle, which has the effect of strengthening the security of the parking lot.
이때, 위조 판단부(300)는 위조 차량으로 판단된 입차 요청 차량에 대해서 관리자의 확인을 진행시키기 위해 주차장으로의 입차를 허용할 수도 있다.At this time, the
한편, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은 3차원 촬영 수단(400)을 더 포함할 수 있다.Meanwhile, the vehicle license plate recognition and forgery determination system according to an embodiment of the present invention may further include a 3D imaging means 400.
여기서, 3차원 촬영 수단(400)은 입차 요청 차량의 3차원 이미지를 촬영할 수 있다. 또한, 3차원 촬영 수단(400)은 자신으로부터 입차 요청 차량의 번호판 까지의 거리를 측정할 수 있는 구성으로 이루어질 수 있다. 예를 들어, 3차원 촬영 수단(400)은 라이다(LIDAR) 센서(410) 또는 스테레오 카메라(420)일 수 있다.Here, the 3D photographing means 400 can capture a 3D image of the vehicle requesting entry. Additionally, the 3D imaging means 400 may be configured to measure the distance from itself to the license plate of the vehicle requesting entry. For example, the 3D photographing means 400 may be a LIDAR sensor 410 or a stereo camera 420.
위조 판단부(300)는, 3차원 촬영 수단(400)을 이용하여 입차 요청 차량의 번호판을, 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단할 수 있다.The
위조 판단부(300)는 3차원 촬영 수단(400)이 측정한 번호판까지의 거리를 전달받아, 번호판의 플레이트 영역(R1)까지의 거리인 제1 거리와 번호판의 번호 영역(R2)까지의 거리인 제2 거리의 차이가 미리 정해진 임계값을 초과하는 경우에는 번호판을 정상 번호판으로 판단할 수 있다. 또한, 위조 판단부(300)는, 상기 차이가 상기 임계값 이하인 경우에는 번호판을 위조 번호판으로 판단할 수 있다. 상기 임계값은 번호판의 표준 규격에 따라 적절히 설정될 수 있다. 일 예로, 상기 임계값은 2mm 내지 4mm일 수 있다. 한편, 플레이트 영역(R1)이란 번호 영역이 아닌 부분으로서 번호판의 배경 부분을 의미할 수 있다.The
도 4를 참조하면, 라이다 센서(410) 또는 스테레오 카메라(420)로 측정한 제1 거리와 제2 거리의 차이가 임계값을 초과하는 경우 번호판의 번호 영역(R2)에 양각이 존재한다는 의미이면서 번호판이 표준 규격에도 부합한다는 의미이므로 번호판이 위조된 번호판이 아니라고 판단할 수 있다.Referring to FIG. 4, when the difference between the first distance and the second distance measured by the lidar sensor 410 or the stereo camera 420 exceeds the threshold, it means that an embossing exists in the number area (R2) of the license plate. Since this means that the license plate meets standard specifications, it can be determined that the license plate is not a counterfeit license plate.
이를 통해, 차량에 정상적인 번호판이 아닌 위조 번호판을 부착하여 주차장에 진입하려는 시도를 막을 수 있으므로 주차장의 보안이 강화되는 효과가 있다.This has the effect of strengthening the security of the parking lot by preventing attempts to enter the parking lot by attaching a counterfeit license plate rather than a normal license plate to the vehicle.
위조 판단부(300)는 번호판을 정상 번호판으로 판단시 입차 요청 차량의 주차장으로의 입차를 허용하고, 번호판을 위조 번호판으로 판단시 입차 요청 차량을 위조 차량으로 판단한 후 주차장으로의 입차를 허용할 수 있다. 이때, 위조 차량으로 판단한 후에도 주차장으로의 입차를 허용하는 것은 관리자의 육안 확인 작업을 거치기 위함이다.When the
한편, 위조 판단부(300)는, 라이다 또는 스테레오 카메라로 촬영한 3차원 이미지와 RGB 카메라로 촬영한 2차원 이미지의 두 종의 이미지를 획득한 이후 이를 합성하여 합성 이미지를 생성할 수 있다. 위조 판단부(300)는 이렇게 생성된 합성 이미지를 OCR 모델에 입력하여 번호판의 번호를 다시 한번 추출할 수 있으며 보안 강화를 위해 이렇게 추출된 번호와 데이터 베이스(200)에 기 등록된 차량들의 번호를 한번 더 비교하는 번호 재확인 작업을 수행할 수 있다. 위조 판단부(300)는, 입차 요청 차량의 번호를 재확인한 결과 기 등록되어 있는 차량 번호와 일치하지 않는 경우에는 입차 요청 차량을 위조 차량으로 판단한 후 주차장으로의 입차를 허용할 수 있다. 마찬가지로, 위조 차량으로 판단한 후에도 주차장으로의 입차를 허용하는 것은 관리자의 육안 확인 작업을 거치기 위함이다.Meanwhile, the
더 나아가, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 시스템은 위조 판단부(300)와 통신하는 관제 센터(500)를 더 포함할 수 있다.Furthermore, the vehicle license plate recognition and forgery determination system according to an embodiment of the present invention may further include a
이때, 위조 판단부(300)는 입차 요청 차량을 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성할 수 있고, 관제 센터(500)에 상기 알림을 전송할 수 있다.At this time, when the
이를 통해, 입차 요청 차량이 위조 차량이 아님에도 잘못된 판단을 내린 경우에 관리자의 육안 확인 작업을 거쳐 잘못된 판단이 수정될 수 있는 이점이 있다.Through this, if an incorrect judgment is made even though the vehicle requested to enter is not a counterfeit vehicle, there is an advantage that the incorrect judgment can be corrected through visual confirmation by the manager.
도 5는 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법의 흐름을 나타낸 순서도이고, 도 6은 도 5의 순서도의 세부 흐름을 포함하여 나타낸 순서도이다. 도 5 및 도 6에 도시된 차량 번호판 인식 및 위조 판단 방법의 각 단계는 상술한 차량 번호판 인식 및 위조 판단 시스템에 의해 수행될 수 있다.Figure 5 is a flowchart showing the flow of a method for recognizing and forging a vehicle license plate according to an embodiment of the present invention, and Figure 6 is a flowchart showing the detailed flow of the flowchart of Figure 5. Each step of the vehicle license plate recognition and forgery determination method shown in FIGS. 5 and 6 can be performed by the vehicle license plate recognition and forgery determination system described above.
도 5 및 도 6을 참조하면, 본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법은, 이미지 획득 단계(S100), 차량 정보 비교 단계(S200) 및 번호판 위조 판단 단계(S300)를 포함할 수 있다.5 and 6, the vehicle license plate recognition and forgery determination method according to an embodiment of the present invention includes an image acquisition step (S100), a vehicle information comparison step (S200), and a license plate forgery determination step (S300). can do.
먼저, 이미지 획득 단계(S100)는, 2차원 촬영 수단(100)을 이용하여 주차장에 진입하는 입차 요청 차량의 2차원 이미지를 촬영하는 단계이다. 이때, 2차원 촬영 수단(100)은 입차 요청 차량의 전면을 촬영하도록 구비되는 RGB 카메라일 수 있다.First, the image acquisition step (S100) is a step of photographing a two-dimensional image of the vehicle requesting entry into the parking lot using the two-dimensional photographing
다음으로 차량 정보 비교 단계(S200)는, 이미지 획득 단계(S100)에서 촬영된 2차원 이미지로부터 입차 요청 차량의 정보를 검출하여 데이터 베이스(200)에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 단계이다.Next, the vehicle information comparison step (S200) is a step of detecting information on the vehicle requesting entry from the two-dimensional image captured in the image acquisition step (S100) and determining whether it is a counterfeit vehicle that has not been previously registered in the
보다 구체적으로, 본 단계(S200)는, 번호판의 번호와 데이터 베이스(200)에 기 등록된 차량들의 번호를 비교하는 번호 비교 단계(S210) 및 입차 요청 차량의 외관에서 검출되는 정보와 데이터 베이스(200)에 기 등록된 등록 정보를 비교하는 등록 정보 비교 단계(S220)를 포함할 수 있다.More specifically, this step (S200) includes a number comparison step (S210) in which the number of the license plate is compared with the numbers of vehicles already registered in the
번호 비교 단계(S210)에서는 촬영된 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition)을 수행하여 입차 요청 차량의 번호를 인식할 수 있다.In the number comparison step (S210), the captured two-dimensional image is input into an artificial neural network model previously learned based on deep learning to detect a license plate object, and then OCR (Optical character recognition) is performed on the license plate object to request entry. The vehicle number can be recognized.
이때, 본 단계(S210)에서는 데이터 베이스(200)에 기 등록된 차량들의 번호 중에서 입차 요청 차량의 번호판의 번호와 일치하는 차량 번호가 존재하지 않는 경우에 입차 요청 차량이 주차장으로 입차하는 것을 불허할 수 있다.(S230)At this time, in this step (S210), if there is no vehicle number that matches the license plate number of the vehicle requesting entry among the vehicle numbers already registered in the
데이터 베이스(200)에 기 등록된 차량들의 번호 중에서 입차 요청 차량의 번호판의 번호와 일치하는 차량 번호가 존재하는 경우에는 다음 단계인 등록 정보 비교 단계(S220)가 수행된다.If there is a vehicle number that matches the license plate number of the vehicle requesting entry among the vehicle numbers already registered in the
등록 정보 비교 단계(S220)는, 데이터 베이스(200)에 기 등록된 차량들의 번호 중 입차 요청 차량의 번호판의 번호와 일치하는 차량 번호가 확인된 경우 수행된다. 본 단계(S220)에서는 입차 요청 차량의 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출한 후, 상기 검출된 정보들과 데이터 베이스(200)에서 확인된 차량 번호에 대한 기 등록된 등록 정보들 중 적어도 하나가 불일치하면 상기 입차 요청 차량을 위조 차량으로 판단할 수 있다.(S240)The registration information comparison step (S220) is performed when a vehicle number matching the license plate number of the vehicle requesting entry is confirmed among the vehicle numbers already registered in the
이때, 상기 기 등록된 등록 정보는, 차량 제조사, 차량 명칭, 연식, 색상, 차종 중 적어도 하나 이상이 포함될 수 있다. 이를 통해, 차량에 정상적인 번호판이 아닌 위조 번호판을 부착하여 주차장에 진입하려는 시도를 막을 수 있으므로 주차장의 보안이 강화되는 효과가 있다. 아울러, 본 단계(S240)에서는, 위조 차량으로 판단된 입차 요청 차량에 대해서 관리자의 확인을 진행시키기 위해 주차장으로의 입차를 허용할 수도 있다.At this time, the pre-registered registration information may include at least one of vehicle manufacturer, vehicle name, model year, color, and vehicle model. This has the effect of strengthening the security of the parking lot by preventing attempts to enter the parking lot by attaching a counterfeit license plate rather than a normal license plate to the vehicle. In addition, in this step (S240), the vehicle requested to enter, which is determined to be a counterfeit vehicle, may be allowed to enter the parking lot in order to proceed with the manager's confirmation.
다음으로 위조 판단 단계(S300)는, 입차 요청 차량이 번호판을 위조한 위조 차량 인지 여부를 판단하는 단계이다.Next, the forgery determination step (S300) is a step of determining whether the vehicle requested to enter is a counterfeit vehicle with a forged license plate.
보다 구체적으로, 본 단계(S300)는, 3차원 촬영 수단(400)을 이용하여 입차 요청 차량의 3차원 이미지를 촬영하는 3차원 이미지 촬영 단계(S310) 및 입차 요청 차량의 번호판을 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단하는 판단 단계(S320)를 포함할 수 있다.More specifically, this step (S300) includes a 3D image capturing step (S310) of photographing a 3D image of the vehicle requesting entry using the
여기서, 3차원 촬영 수단(400)은 대상 물체까지의 거리의 측정이 가능한 수단으로서 라이다(LIDAR) 센서(410) 또는 스테레오 카메라(420)일 수 있다.Here, the 3D imaging means 400 is a means capable of measuring the distance to a target object and may be a LIDAR sensor 410 or a stereo camera 420.
또한, 판단 단계(S320)에서는, 3차원 촬영 수단(400)이 측정한 번호판까지의 거리를 전달받아, 번호판의 플레이트 영역(R1)까지의 거리인 제1 거리와 번호판의 번호 영역(R2)까지의 거리인 제2 거리의 차이가 임계값을 초과하는 경우에는 번호판을 정상 번호판으로 판단할 수 있다. 또한, 본 단계(S320)에서는, 상기 차이가 상기 임계값 이하인 경우에는 번호판을 위조 번호판으로 판단할 수 있다.(S330) 본 단계에서 상기 임계값은 번호판의 표준 규격에 따라 적절히 설정될 수 있다.In addition, in the determination step (S320), the distance to the license plate measured by the 3D imaging means 400 is received, and the first distance, which is the distance to the plate area (R1) of the license plate, and the number area (R2) of the license plate are received. If the difference between the second distance, which is the distance of , exceeds the threshold, the license plate can be determined to be a normal license plate. Additionally, in this step (S320), if the difference is below the threshold, the license plate can be determined to be a counterfeit license plate. (S330) In this step, the threshold can be appropriately set according to the standard specifications of the license plate.
즉, 라이다 센서(410) 또는 스테레오 카메라(420)로 측정한 제1 거리와 제2 거리의 차이가 임계값을 초과하는 경우 번호판의 번호 영역(R2)에 양각이 존재한다는 의미이면서 번호판이 표준 규격에도 부합한다는 의미이므로 번호판이 위조된 번호판이 아니라고 판단할 수 있는 것이다.(도 4 참조) That is, if the difference between the first distance and the second distance measured by the lidar sensor 410 or the stereo camera 420 exceeds the threshold, it means that embossing exists in the number area (R2) of the license plate and the license plate is standard. Since it means that it meets the standards, it can be determined that the license plate is not a counterfeit license plate (see Figure 4).
판단 단계(S320)에서, 입차 요청 차량의 번호판을 정상 번호판으로 판단한 경우 입차 요청 차량의 주차장으로의 입차를 허용하고, 입차 요청 차량의 번호판을 위조 번호판으로 판단시 입차 요청 차량을 위조 차량으로 판단한 후 주차장으로의 입차를 허용할 수 있다.(S350) 마찬가지로, 위조 차량으로 판단한 후에도 주차장으로의 입차를 허용하는 것은 관리자의 육안 확인 작업을 거치기 위함이다.In the decision step (S320), if the license plate of the vehicle requesting entry is determined to be a normal license plate, the vehicle requesting entry is allowed to enter the parking lot, and if the license plate of the vehicle requesting entry is judged to be a counterfeit license plate, the vehicle requested to enter is judged to be a counterfeit vehicle. Entry into the parking lot can be permitted. (S350) Likewise, allowing entry into the parking lot even after it is determined to be a counterfeit vehicle is to undergo visual confirmation by the manager.
이를 통해, 차량에 정상적인 번호판이 아닌 위조 번호판을 부착하여 주차장에 진입하려는 시도를 막을 수 있으므로 주차장의 보안이 강화되는 효과가 있다.This has the effect of strengthening the security of the parking lot by preventing attempts to enter the parking lot by attaching a counterfeit license plate rather than a normal license plate to the vehicle.
한편, 번호판 위조 판단 단계(S300)는 번호 재확인 단계(S340)를 더 포함할 수 있다.Meanwhile, the license plate forgery determination step (S300) may further include a number recheck step (S340).
번호 재확인 단계(S340)는, 3차원 이미지와 2차원 이미지를 합성하여 합성 이미지를 생성(S341)하고, 생성된 상기 합성 이미지를 OCR 모델에 입력하여 입차 요청 차량의 번호판의 번호를 다시 추출한 후 데이터 베이스(200)에 기 등록된 차량들의 번호와 한번 더 비교(S342)하는 단계이다. 본 단계(S340)에서, 입차 요청 차량의 번호를 재확인한 결과 기 등록되어 있는 차량 번호와 일치하지 않는 경우에는 입차 요청 차량을 위조 차량으로 판단한 후 주차장으로의 입차를 허용할 수 있다.(S330) 이처럼 위조 차량으로 판단한 후에도 주차장으로의 입차를 허용하는 것은 상술하였듯이 관리자의 육안 확인 작업을 거치기 위함이다. 본 단계에서, 입차 요청 차량의 번호를 재확인한 결과 기 등록되어 있는 차량 번호와 일치하는 것으로 다시 판단된 경우에는 최종적으로 입차 요청 차량의 번호판이 정상 번호판이라고 판단하고 주차장으로의 입차를 허용할 수 있다.(S350)In the number re-verification step (S340), a composite image is created by combining a three-dimensional image and a two-dimensional image (S341), the generated composite image is input into the OCR model, the license plate number of the vehicle requesting entry is extracted again, and the data This is the step of comparing once again with the numbers of vehicles already registered in the base 200 (S342). In this step (S340), if the number of the vehicle requested to enter does not match the pre-registered vehicle number after re-checking the number of the vehicle requested to enter, the vehicle requested to enter may be determined to be a counterfeit vehicle and then allowed to enter the parking lot (S330). As mentioned above, the reason why a vehicle is allowed to enter the parking lot even after it is determined to be a counterfeit vehicle is to undergo visual verification by the manager. At this stage, as a result of rechecking the number of the vehicle requesting entry, if it is determined again that it matches the already registered vehicle number, it is finally determined that the license plate of the vehicle requesting entry is a normal license plate and entry into the parking lot is permitted. .(S350)
본 발명의 일 실시예에 따른 차량 번호판 인식 및 위조 판단 방법은 알림 생성 단계(S400)를 더 포함할 수 있다.The method for recognizing and determining forgery of a vehicle license plate according to an embodiment of the present invention may further include a notification generation step (S400).
알림 생성 단계(S400)는, 입차 요청 차량을 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성하는 단계이다. 이를 통해, 입차 요청 차량이 위조 차량이 아님에도 잘못된 판단을 내린 경우에 관리자의 육안 확인 작업을 거쳐 잘못된 판단이 수정될 수 있는 이점이 있다.The notification generation step (S400) is a step of generating a notification requesting visual confirmation from the manager when the vehicle requested to enter is determined to be a counterfeit vehicle. Through this, if an incorrect judgment is made even though the vehicle requested to enter is not a counterfeit vehicle, there is an advantage that the incorrect judgment can be corrected through visual confirmation by the manager.
한편, 도 5 및 도 6을 참조하여 설명한 차량 번호판 인식 및 위조 판단 방법에 대한 더욱 자세한 설명은 앞서 도 1의 차량 번호판 인식 및 위조 판단 시스템에 대한 설명으로 갈음할 수 있다.Meanwhile, a more detailed description of the vehicle license plate recognition and forgery determination method described with reference to FIGS. 5 and 6 can be replaced with the description of the vehicle license plate recognition and forgery determination system of FIG. 1.
이상에서 살펴본 바와 같이, 본 발명에 따르면, 주차장에 진입하는 차량의 번호 뿐 아니라 상기 차량의 외관을 통해 분석되는 다양한 정보를 시스템에 기 등록된 정보와 비교하여 미등록된 위조 차량인지 여부를 판별할 수 있으므로 주차장의 보안을 강화할 수 있다.As seen above, according to the present invention, it is possible to determine whether it is an unregistered counterfeit vehicle by comparing not only the number of the vehicle entering the parking lot but also various information analyzed through the exterior of the vehicle with information already registered in the system. Therefore, the security of the parking lot can be strengthened.
또한, 본 발명에 따르면, 차량의 번호판에 대한 양각을 측정하여 번호판이 위조되었는지 여부를 판별할 수 있으므로 주차장의 보안을 강화할 수 있다.In addition, according to the present invention, it is possible to determine whether a license plate is counterfeit by measuring the embossing of a vehicle's license plate, thereby strengthening parking lot security.
한편, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것이 아니라 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 기술적 사상은 청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명의 기술적 사상의 범주에 속한다고 할 것이다.Meanwhile, although the present invention has been described with limited embodiments and drawings, the present invention is not limited to the above embodiments, and various modifications and variations can be made by those skilled in the art from these descriptions. do. Therefore, the technical idea of the present invention should be understood only by the claims, and all equivalent or equivalent modifications thereof shall fall within the scope of the technical idea of the present invention.
100: 2차원 촬영 수단
200: 데이터 베이스
300: 위조 판단부
400: 3차원 촬영 수단
500: 관제 센터100: Two-dimensional imaging means
200: database
300: Forgery judgment unit
400: 3D imaging means
500: Control center
Claims (20)
위조 판단부가 상기 2차원 이미지로부터 상기 입차 요청 차량의 정보를 검출하여 데이터 베이스에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 차량 정보 비교 단계; 및
상기 위조 판단부가 상기 입차 요청 차량이 번호판을 위조한 위조 차량 인지 여부를 판단하는 번호판 위조 판단 단계;를 포함하며,
상기 번호판 위조 판단 단계는,
3차원 촬영 수단을 이용하여 상기 입차 요청 차량의 3차원 이미지를 촬영하는 3차원 이미지 촬영 단계; 및
상기 입차 요청 차량의 번호판을, 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단하는 판단 단계;를 포함하여 상기 번호판의 양각을 기초로 상기 번호판의 위조를 판단하고,
상기 판단 단계는,
상기 3차원 촬영 수단을 통해 상기 3차원 촬영 수단으로부터 상기 번호판까지의 거리를 측정하며,
상기 번호판의 플레이트 영역까지의 거리인 제1 거리와 상기 번호판의 번호 영역까지의 거리인 제2 거리의 차이가 미리 정해진 임계값을 초과하는 경우에는 상기 번호판을 상기 정상 번호판으로 판단하고, 상기 차이가 상기 임계값 이하인 경우에는 상기 번호판을 상기 위조 번호판으로 판단하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
An image acquisition step of photographing a two-dimensional image of a vehicle requesting entry into a parking lot using a two-dimensional photographing means;
A vehicle information comparison step in which a forgery determination unit detects information on the vehicle requesting entry from the two-dimensional image and determines whether it is a counterfeit vehicle that has not been previously registered in a database; and
It includes a license plate forgery determination step in which the forgery determination unit determines whether the vehicle requesting entry is a counterfeit vehicle with a forged license plate,
The license plate forgery determination step is,
A 3D image capturing step of capturing a 3D image of the vehicle requesting entry using a 3D capturing means; and
Determining whether the license plate is forged based on the embossing of the license plate, including a judgment step of distinguishing the license plate of the vehicle requesting entry into a normal license plate that is not forged and a counterfeit license plate,
The judgment step is,
Measure the distance from the 3D imaging means to the license plate through the 3D imaging means,
When the difference between the first distance, which is the distance to the plate area of the license plate, and the second distance, which is the distance to the number area of the license plate, exceeds a predetermined threshold, the license plate is determined to be the normal license plate, and the difference is If the value is below the threshold, the license plate is determined to be a counterfeit license plate.
상기 차량 정보 비교 단계는,
상기 번호판의 번호와 상기 데이터 베이스에 기 등록된 차량들의 번호를 비교하는 번호 비교 단계; 및
상기 입차 요청 차량의 외관에서 검출되는 정보와 상기 데이터 베이스에 기 등록된 등록 정보를 비교하는 등록 정보 비교 단계;를 포함하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 1,
The vehicle information comparison step is,
A number comparison step of comparing the license plate number with the numbers of vehicles already registered in the database; and
A registration information comparison step of comparing information detected from the exterior of the vehicle requesting admission with registration information previously registered in the database. A vehicle license plate recognition and forgery determination method comprising a.
상기 번호 비교 단계는,
상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition)을 수행하여 상기 입차 요청 차량의 번호를 인식하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 2,
The number comparison step is,
After inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning to detect a license plate object, performing OCR (Optical character recognition) on the license plate object to recognize the number of the vehicle requesting parking. Characterized by vehicle license plate recognition and forgery determination method.
상기 등록 정보 비교 단계는,
상기 기 등록된 차량들의 번호 중 상기 번호판의 번호와 일치하는 차량 번호가 확인된 경우,
상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출한 후, 상기 확인된 차량 번호에 대한 기 등록된 등록 정보들 중 적어도 하나가 상기 정보와 불일치하면 상기 입차 요청 차량을 위조 차량으로 판단하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 2,
The registration information comparison step is,
When a vehicle number matching the number of the license plate is confirmed among the numbers of the previously registered vehicles,
After inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning to detect information from the exterior of the vehicle, at least one of the pre-registered registration information for the confirmed vehicle number does not match the information. A vehicle license plate recognition and forgery determination method characterized in that the vehicle requesting entry is determined to be a counterfeit vehicle.
상기 기 등록된 등록 정보는, 차량 제조사, 차량 명칭, 연식, 색상, 차종 중 적어도 하나 이상인 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 4,
A vehicle license plate recognition and forgery determination method, characterized in that the pre-registered registration information is at least one of vehicle manufacturer, vehicle name, model year, color, and vehicle model.
A vehicle license plate recognition and forgery determination method, characterized in that.
상기 3차원 촬영 수단은 라이다(LIDAR) 센서 또는 스테레오 카메라인 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 1,
A vehicle license plate recognition and forgery determination method, wherein the 3D imaging means is a LIDAR sensor or a stereo camera.
상기 번호판 위조 판단 단계는,
상기 3차원 이미지와 상기 2차원 이미지를 합성하여 합성 이미지를 생성하고, 상기 합성 이미지를 OCR(Optical character recognition) 모델에 입력하여 상기 번호판의 번호를 추출한 후 상기 데이터 베이스에 기 등록된 차량들의 번호와 비교하는 번호 재확인 단계;를 더 포함하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 1,
The license plate forgery determination step is,
The three-dimensional image and the two-dimensional image are combined to create a composite image, and the composite image is input into an OCR (Optical character recognition) model to extract the number of the license plate, and then calculate the numbers of vehicles already registered in the database. A vehicle license plate recognition and forgery determination method further comprising a step of rechecking the number for comparison.
상기 판단 단계는,
상기 번호판을 상기 정상 번호판으로 판단시 상기 입차 요청 차량의 상기 주차장으로의 입차를 허용하고, 상기 번호판을 상기 위조 번호판으로 판단시 상기 입차 요청 차량을 위조 차량으로 판단한 후 상기 주차장으로의 입차를 허용하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 1,
The judgment step is,
When the license plate is judged to be the normal license plate, the vehicle requesting entry is permitted to enter the parking lot, and when the license plate is judged to be the counterfeit license plate, the vehicle requested for entry is judged to be a counterfeit vehicle and then allowed to enter the parking lot. A method for recognizing and determining forgery of a vehicle license plate, characterized in that:
상기 입차 요청 차량을 상기 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성하는 알림 생성 단계;를 더 포함하는 차량 번호판 인식 및 위조 판단 방법.
According to paragraph 1,
A method for recognizing and determining forgery of a vehicle license plate, further comprising: generating a notification requesting visual confirmation by a manager when determining that the vehicle requested to enter the vehicle is a counterfeit vehicle.
기 등록된 다수의 차량에 대한 차량 번호와 등록 정보가 저장되는 데이터 베이스;
상기 2차원 이미지로부터 상기 입차 요청 차량의 정보를 검출하여 상기 데이터 베이스에 기 등록되지 않은 위조 차량 인지 여부를 판단하는 위조 판단부; 및
상기 입차 요청 차량의 3차원 이미지를 촬영하는 3차원 촬영 수단;을 포함하며,
상기 위조 판단부는, 상기 입차 요청 차량의 번호판의 양각을 기초로 상기 번호판의 위조를 판단하고,
상기 위조 판단부는,
상기 3차원 촬영 수단을 통해 상기 3차원 촬영 수단으로부터 상기 번호판까지 측정된 거리를 전달 받아서, 상기 입차 요청 차량의 상기 번호판을, 위조되지 않은 정상 번호판과 위조된 위조 번호판으로 구분하여 판단하고,
상기 번호판의 플레이트 영역까지의 거리인 제1 거리와 상기 번호판의 번호 영역까지의 거리인 제2 거리의 차이가 미리 정해진 임계값을 초과하는 경우에는 상기 번호판을 상기 정상 번호판으로 판단하고, 상기 차이가 상기 임계값 이하인 경우에는 상기 번호판을 상기 위조 번호판으로 판단하는 것을 특징으로 하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
A two-dimensional photographing means for photographing a two-dimensional image of a vehicle entering a parking lot;
A database storing vehicle numbers and registration information for a number of already registered vehicles;
a forgery determination unit that detects information about the vehicle requesting entry from the two-dimensional image and determines whether it is a counterfeit vehicle that has not been previously registered in the database; and
It includes; 3D photographing means for photographing a 3D image of the vehicle requesting entry;
The forgery determination unit determines whether the license plate is forged based on the embossing of the license plate of the vehicle requesting entry,
The forgery judgment unit,
Receives the distance measured from the 3D imaging means to the license plate through the 3D imaging means, determines that the license plate of the vehicle requesting entry is divided into a normal license plate that has not been forged and a counterfeit license plate that has been forged,
When the difference between the first distance, which is the distance to the plate area of the license plate, and the second distance, which is the distance to the number area of the license plate, exceeds a predetermined threshold, the license plate is determined to be the normal license plate, and the difference is A vehicle license plate recognition and forgery determination system characterized in that, if the license plate is below the threshold, the license plate is judged to be a counterfeit license plate.
상기 위조 판단부는,
상기 번호판의 번호와 상기 데이터 베이스에 기 등록된 차량들의 번호를 비교하고, 상기 입차 요청 차량의 외관에서 검출되는 정보와 상기 데이터 베이스에 기 등록된 등록 정보를 비교하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
According to clause 12,
The forgery judgment unit,
Vehicle license plate recognition, characterized in that comparing the number of the license plate with the numbers of vehicles already registered in the database, and comparing information detected from the exterior of the vehicle requesting entry with registration information previously registered in the database. False judgment system.
상기 위조 판단부는,
상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 번호판 객체를 검출한 후, 상기 번호판 객체에 대해 OCR(Optical character recognition)을 수행하여 상기 입차 요청 차량의 번호를 인식하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
According to clause 12,
The forgery judgment unit,
After inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning to detect a license plate object, performing OCR (Optical character recognition) on the license plate object to recognize the number of the vehicle requesting parking. Features a vehicle license plate recognition and forgery judgment system.
상기 위조 판단부는,
상기 기 등록된 차량들의 번호 중 상기 번호판의 번호와 일치하는 차량 번호가 확인된 경우,
상기 2차원 이미지를, 딥러닝 기반으로 기 학습된 인공 신경망 모델에 입력하여 차량의 외관으로부터 정보를 검출한 후, 상기 확인된 차량 번호에 대한 기 등록된 등록 정보들 중 적어도 하나가 상기 정보와 불일치하면 상기 입차 요청 차량을 위조 차량으로 판단하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
According to clause 13,
The forgery judgment unit,
When a vehicle number matching the number of the license plate is confirmed among the numbers of the previously registered vehicles,
After inputting the two-dimensional image into an artificial neural network model previously learned based on deep learning to detect information from the exterior of the vehicle, at least one of the pre-registered registration information for the confirmed vehicle number does not match the information. A vehicle license plate recognition and forgery determination system characterized in that it determines that the vehicle requesting entry is a counterfeit vehicle.
상기 위조 판단부는,
상기 3차원 이미지와 상기 2차원 이미지를 합성하여 합성 이미지를 생성하고, 상기 합성 이미지를 OCR(Optical character recognition) 모델에 입력하여 상기 번호판의 번호를 추출한 후 상기 데이터 베이스에 기 등록된 차량들의 번호와 비교하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
According to clause 12,
The forgery judgment unit,
The three-dimensional image and the two-dimensional image are combined to create a composite image, and the composite image is input into an OCR (Optical character recognition) model to extract the number of the license plate, and then calculate the numbers of vehicles already registered in the database. A vehicle license plate recognition and forgery judgment system characterized by comparison.
상기 위조 판단부는,
상기 번호판을 상기 정상 번호판으로 판단시 상기 입차 요청 차량의 상기 주차장으로의 입차를 허용하고, 상기 번호판을 상기 위조 번호판으로 판단시 상기 입차 요청 차량을 위조 차량으로 판단한 후 상기 주차장으로의 입차를 허용하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.
According to clause 12,
The forgery judgment unit,
When the license plate is judged to be the normal license plate, the vehicle requesting entry is permitted to enter the parking lot, and when the license plate is judged to be the counterfeit license plate, the vehicle requested for entry is judged to be a counterfeit vehicle and then allowed to enter the parking lot. A vehicle license plate recognition and forgery determination system, characterized in that.
상기 위조 판단부와 통신하는 관제 센터;를 더 포함하고,
상기 위조 판단부는,
상기 입차 요청 차량을 상기 위조 차량으로 판단시 관리자의 육안 확인을 요청하는 알림을 생성하여 상기 관제 센터에 전송하는 것을 특징으로 하는 차량 번호판 인식 및 위조 판단 시스템.According to clause 12,
It further includes a control center that communicates with the forgery determination unit,
The forgery judgment unit,
A vehicle license plate recognition and forgery determination system, characterized in that when the vehicle requested to enter is determined to be the counterfeit vehicle, a notification requesting visual confirmation by a manager is generated and transmitted to the control center.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210090182A KR102613037B1 (en) | 2021-07-09 | 2021-07-09 | Vehicle license plate recognition and counterfeit determination method and system in which the method is performed |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210090182A KR102613037B1 (en) | 2021-07-09 | 2021-07-09 | Vehicle license plate recognition and counterfeit determination method and system in which the method is performed |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230009598A KR20230009598A (en) | 2023-01-17 |
| KR102613037B1 true KR102613037B1 (en) | 2023-12-11 |
Family
ID=85111576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210090182A KR102613037B1 (en) | 2021-07-09 | 2021-07-09 | Vehicle license plate recognition and counterfeit determination method and system in which the method is performed |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102613037B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117456481B (en) * | 2023-12-22 | 2024-05-14 | 华南师范大学 | Anti-fake license plate recognition method, system and terminal |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110148300A (en) * | 2019-06-24 | 2019-08-20 | 上海擎感智能科技有限公司 | A kind of counterfeit vehicle registration plate identification method, device and computer-readable medium |
| KR102272295B1 (en) * | 2021-03-30 | 2021-07-02 | 케이에스아이 주식회사 | Method for improving recognition ratio of vehicle license plate employing depth information of image |
| KR102355402B1 (en) | 2021-06-01 | 2022-02-08 | 이노뎁 주식회사 | Apparatus for determining forgery of vehicle license plate using relief of vehicle license plate |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990041478A (en) * | 1997-11-21 | 1999-06-15 | 전주범 | Forging tensile identification method |
| KR102030628B1 (en) | 2019-04-04 | 2019-10-10 | (주)아이엠시티 | Recognizing method and system of vehicle license plate based convolutional neural network |
| KR102274108B1 (en) * | 2019-11-28 | 2021-07-08 | 파킹클라우드 주식회사 | Method and computer readable storage medium to operate parking lot for monitoring designated vehicles |
-
2021
- 2021-07-09 KR KR1020210090182A patent/KR102613037B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110148300A (en) * | 2019-06-24 | 2019-08-20 | 上海擎感智能科技有限公司 | A kind of counterfeit vehicle registration plate identification method, device and computer-readable medium |
| KR102272295B1 (en) * | 2021-03-30 | 2021-07-02 | 케이에스아이 주식회사 | Method for improving recognition ratio of vehicle license plate employing depth information of image |
| KR102355402B1 (en) | 2021-06-01 | 2022-02-08 | 이노뎁 주식회사 | Apparatus for determining forgery of vehicle license plate using relief of vehicle license plate |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230009598A (en) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10227813B2 (en) | Device and method for opening trunk of vehicle, and recording medium for recording program for executing method | |
| TWI384408B (en) | Method and system for identifying image and outputting identification result | |
| JP6148064B2 (en) | Face recognition system | |
| US8422746B2 (en) | Face authentication system and authentication method thereof | |
| KR101615206B1 (en) | Apparatus for vehicle detection | |
| US9208172B2 (en) | Method and system for vehicle identification | |
| CN107909040B (en) | Car renting verification method and device | |
| KR101948817B1 (en) | Vehicle number plate recognition system for parking | |
| KR20170082024A (en) | Apparatus and Method for Recognizing Face | |
| KR102297169B1 (en) | Vehicel management system using vehicle license plate, vehicle model recognition and rfid sensor | |
| KR102613037B1 (en) | Vehicle license plate recognition and counterfeit determination method and system in which the method is performed | |
| CN110633642A (en) | Identity information verification method and device, terminal equipment and storage medium | |
| KR102352121B1 (en) | Authentic detection system for vehicle number | |
| Chang et al. | Real-time vehicle tracking mechanism with license plate recognition from road images | |
| CN114821695A (en) | Material spectrometry | |
| CN110598550B (en) | Vehicle networking identification system based on multilayer information intelligent analysis | |
| JP6602595B2 (en) | Vehicle type identification device and vehicle type identification method | |
| CN114821696A (en) | Material spectrometry | |
| JP2007206898A (en) | Face authentication device and access management device | |
| KR101240617B1 (en) | Licence plate recognition system and method using dualized recognition algorithm | |
| KR101285127B1 (en) | Apparatus for monitoring loading material of vehicle | |
| Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
| CN107315997A (en) | A kind of sight based on swift nature point location is towards determination methods and system | |
| KR102428930B1 (en) | Method and system for payment of car wash charge based on car identification | |
| KR102606039B1 (en) | Parking lot access control method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |