KR20100083966A - 차량 번호판 인식방법 - Google Patents

Abstract

본 발명은 차량 번호판을 인식하는 방법에 관한 것이다.

본 발명의 일실시 예에 따른 차량 번호판 인식방법은 설정 영역 내에 진입한 차량을 촬영하고 촬영된 영상을 입력하는 단계, 영상에서 수직 수평 성분을 추출하고, 추출된 수직 수평 성분을 통해 경계 정보를 검출하여 경계 영상을 형성하는 단계, 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역을 추출하고, 경계 영상의 수직 수평 방향으로 화소 밝기 값의 누적치를 감지하여 촬영된 차량 전체의 수직 수평 성분의 분포를 검출하는 단계, 차량 전체의 수직 수평 성분을 통해 형성되는 사각형 영역을 실제 차량 번호판의 크기와 가로 세로 비율에 맞는 것을 선택하는 단계, 사각형 영역에서 이진화와 레이블링을 통해 문자 추정 부분을 실제 번호판의 문자 크기 비율과 비교하여 1차 판단하는 단계 및 문자 추정 부분들의 위치에 대한 모멘트를 계산하여 번호판 영역임을 최종적으로 판단하는 단계를 포함한다.

번호판 검출, 번호판 인식, 차량 번호판

Description

차량 번호판 인식방법{Number Plate Extraction Method of a Car Image}

본 발명은 차량 번호판을 인식하는 방법에 관한 것이다.

일반적으로 차량 번호판 인식 기술은 과속 단속 및 교통법규위반 감시 시스템, 무인주차 관리시스템 등 여러 교통 분야에서 사용되고 있다. 그에 따라 국내외에서 번호판 인식에 관한 많은 연구가 행해졌으며 실용화 단계에 올라 여러 곳에서 개발된 번호판 인식 시스템이 도로에 설치되어 사용되고 있다.

국내에서 사용되고 있는 번호판은 2006년도를 기준으로 하여 그 전후로 번호판의 전체적인 크기와 가로 세로 비율, 번호판 내부의 문자 배열이 바뀌었다. 그로 인하여 2006년도 이후 번호판은 기존의 번호판 추출 방법으로 차량 사진으로부터 찾아내기에 어려움이 따르며, 프로그램의 보수를 통해 2006년도 이후의 번호판을 추출하게 만들었으나, 그 과정에서 원래 추출하는 데 문제가 없었던 2006년도 이전 번호판 영상에서 검출 실패하는 일이 때때로 발생하였다.

또한, 2006년도 이후 번호판 역시 보수 후에도 2006년도 이전 번호판의 문자 구조와 혼동하여 번호판 검출에 실패하는 경우가 다량 발생했다. 이뿐만 아니라 자동차 그릴 또는 복잡한 무늬가 있는 도로 영역을 검출하는데도 문제점이 있었다.

본 발명의 일실시 예에 따라 차량 번호판 위치를 효율적으로 추출하여 차량 번호판을 더욱 효율적으로 인식할 수 있는 차량 번호판 인식방법을 제공하는데 그 목적이 있다.

본 발명의 일실시 예에 따른 차량 번호판 인식방법은 설정 영역 내에 진입한 차량을 촬영하고 촬영된 영상을 입력하는 단계, 영상에서 수직 수평 성분을 추출하고, 추출된 수직 수평 성분을 통해 경계 정보를 검출하여 경계 영상을 형성하는 단계, 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역을 추출하고, 경계 영상의 수직 수평 방향으로 화소 밝기 값의 누적치를 감지하여 촬영된 차량 전체의 수직 수평 성분의 분포를 검출하는 단계, 차량 전체의 수직 수평 성분을 통해 형성되는 사각형 영역을 실제 차량 번호판의 크기와 가로 세로 비율에 맞는 것을 선택하는 단계, 사각형 영역에서 이진화와 레이블링을 통해 문자 추정 부분을 실제 번호판의 문자 크기 비율과 비교하여 1차 판단하는 단계 및 문자 추정 부분들의 위치에 대한 모멘트를 계산하여 번호판 영역임을 최종적으로 판단하는 단계를 포함한다.

본 발명의 일실시 예에 따른 차량 번호판 인식방법은 2006년도 이전 차량 번호판이나 2006년도 이후 차량 번호판에 관계없이 차량 번호판 영역을 효율적으로 추출하며, 그릴이나 배경을 잘못 선택하지 않도록 함으로써, 더욱 정확한 차량 번호판의 위치를 검출할 수 있는 효과가 있다.

이하, 본 발명의 바람직한 실시 예에 대하여 첨부도면을 참조하여 상세히 설명하기로 한다. 기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

도 1은 본 발명의 일실시 예에 따른 차량 번호판 인식방법을 설명하기 위한 것이다.

도 1을 살펴보면, 본 발명의 일실시 예에 따른 차량 번호판 인식방법은 영상을 입력하는 단계, 검출하는 단계, 선택하는 단계 및 판단하는 단계로 구성될 수 있다.

먼저, 설정 영역 내에 진입한 차량을 촬영하고 촬영된 영상을 입력하는 단계(S100)를 포함할 수 있다. 사용자가 설정한 설정 영역 내에 차량이 진입하면 영상을 촬영하고, 촬영된 영상을 입력할 수 있다.

이후, 촬영되어 입력된 영상에서 수직 수평 성분을 추출하고, 추출된 수직 수평 성분을 통해 경계 정보를 검출하여 경계 영상을 형성하는 단계(S200)를 포함할 수 있다. 입력받은 영상에 촬영된 차량 사진에서 수직 수평 성분을 추출할 수 있다. 즉, 차량을 촬영한 영상에는 차량 및 차량의 번호판에 나타난 형태적 특성으 로 수직과 수평 방향으로 직선들로 구성될 수 있다. 이러한 직선들은 영상이 가지는 경계(edge) 정보를 통해 검출할 수 있기 때문에 검출된 경계 정보를 통해 차량 영상의 경계 영상을 형성할 수 있다.

이때, 경계 영상을 형성할 때 노이즈 성분과 같은 미세 영역이 발생할 수 있다. 즉, 경계 영상을 형성하는 경우에 미세 영역이 일렬로 배열되어 있으면 선 성분처럼 인식될 수 있어 차량 번호판의 수직 수평 선 성분 검출에 방해가 될 수 있다. 이에 따라, 각각의 경계 화소들이 갖는 면적을 계산하여 미세영역은 경계 영상에서 제거해 줄 수 있다(S210). 이때 면적을 계산하는 방법은 레이블링 기법을 이용할 수 있다.

이후, 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역을 추출하고, 경계 영상의 수직 수평 방향으로 화소 밝기 값의 누적치를 감지하여 촬영된 차량 전체의 수직 수평 성분의 분포를 검출하는 단계(S300)를 포함할 수 있다. 즉, 경계(edge) 정보만을 이용해 검출 과정을 수행하지 않고, 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역을 추출하고, 여기서 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역은 차량 전체 사진의 수평 방향인 x축 방향 화소의 밝기 값으로 나타나는 단면을 분석하여 추출할 수 있다. 이와 같이, 추출된 변화가 자주 발생하는 영역에서 경계 영상의 수직 수평 방향으로 화소 밝기 값의 누적치를 감지하여 촬영된 차량 전체의 수직 수평 성분 분포를 검출할 수 있다. 이는 실제 차량 번호판의 경계 부분이 흐리더라도 전혀 경계 영상에 나타나지 않는 것이 아니라 약하게 나타나기에 이런 경우까지 포함한 수직 수평 성분을 얻기 위해서이다.

이후, 차량 전체의 수직 수평 성분을 통해 형성되는 사각형 영역을 실제 차량 번호판의 크기와 가로 세로 비율에 맞는 것을 선택하는 단계(S400)를 포함할 수 있다. 추출된 차량 전체의 수직 수평 성분을 통해 복수 개의 사각형 영역을 형성될 수 있다. 이러한 복수 개의 사각형 영역을 형성됨에 따라, 실제 차량 번호판과 실질적으로 동일한 사각형 영역을 선택할 수 있다. 즉, 수직 수평 성분을 통해 가능하면 많은 복수 개의 사각형 영역을 확보함으로써, 실제 차량 번호판과 실질적으로 동일한 영역을 더욱 효율적으로 선택할 수 있다. 이후, 사각형 영역에서 이진화와 레이블링을 통해 문자 추정 부분을 실제 번호판의 문자 크기 비율과 비교하여 1차 판단하는 단계(S500)를 포함할 수 있다. 선택된 사각형 영역을 이진화하여 문자 부분과 판 부분을 구분하고 문자 각각의 정보를 확인하기 위해 이진화한 사각형 영역 내에서 레이블링을 할 수 있다. 이와 같이, 이진화와 레이블링을 통해 얻어진 문자 추정 영역들의 크기와 실제 번호판의 문자 크기와 비교하여 1차 판단을 할 수 있다.

이후, 문자 추정 부분들의 위치에 대한 모멘트를 계산하여 차량 번호판 영역임을 최종적으로 판단하는 단계(S600)를 포함할 수 있다. 즉, 문자 추정 부분들에서 문자 크기가 유사한 것이 일정 이상 나타난 경우에는 각 문자가 가지는 중심 좌표들을 가지고 마지막 검증에 들어갈 수 있다. 여기서, 문자가 가지는 중심 좌표들을 검증은 적어도 한번 이상의 모멘트를 통해 번호판 영역임을 최종적으로 판단할 수 있다. 이때, 모멘트는 문자 추정 부분들의 위치에 대한 데이터의 분포에 대한 특징을 적어도 한번 이상 할 수 있다.

도 2는 본 발명의 일실시 예에 따른 차량 번호판 인식방법 중 모멘트를 설명하기 위한 것이다.

도 2를 살펴보면, 본 발명의 일실시 예에 따라 차량 번호판 영역임을 최종적으로 판단하는 단계(S600)에서 문자 추정 부분들의 위치에 대한 모멘트를 시간의 흐름에 따라 나타낸 것이다. 도 2에서는 도 1에서 이미 설명한 부분에 대해서는 생략하기로 한다.

모멘트는 문자 추정 부분들의 위치에 대한 데이터의 분포에 대한 특징을 가늠할 수 있다. 이러한 모멘트는 문자 중심 좌표의 1차, 2차, 3차 모멘트까지 이용할 수 있다.

1차 모멘트는 평균값으로, 문자로 추정되는 레이블 영역이 갖는 중심 좌표들의 평균이 사각형 영역의 중앙 부근에 위치하는지 판단할 수 있다. 2차 모멘트는 분산 값으로, 문자들이 너무 퍼져 있거나 가깝게 모여 있지 않은가 판단할 수 있다. 3차 모멘트는 왜도(skewness)값으로, 문자들이 사각형 영역 한쪽으로 쏠려서 분포하지 않은가 판단할 수 있다.

여기서 판단의 기준은 실제 차량 번호판 상에서 문자들이 배열해 있는 형태이며, 1차 모멘트 내지 3차 모멘트를 통해 실제 문자 배열과 비교하여 유사한 경우 선택한 사각형 영역을 번호판이 위치한 곳으로 판단할 수 있다. 이때, 1차 모멘트 내지 3차 모멘트를 통해 실제 문자 배열과 비교하여 유사하지 않다면 사각형 영역이 번호판이 아니라고 판단하고 새로운 사각형 영역을 선택하는 부분으로 돌아갈 수 있다.

도 3 내지 도 12는 본 발명의 일실시 예에 따라 차량 번호판 인식방법을 촬영된 차량 영상에 적용한 것을 설명하기 위한 것이다.

도 3을 살펴보면, 설정 영역 내에 진입한 차량을 촬영한 영상을 나타낸 것이고, 도 4는 촬영된 차량 영상을 소벨 방식으로 수평 수직 방향 경계를 구한 것을 나타낸 것이다.

촬영된 차량 영상의 경계 영상에는 노이즈 성분과 같은 미세영역이 발생할 수 있다. 이 경우 미세영역이 일렬로 배열되어 있으면 선 성분처럼 인식될 수 있어서, 실제로 중요하게 이용되어야 할 차량 번호판의 수직 수평 선 성분 검출에 방해가 될 수 있다. 이에 따라, 각각의 경계 화소들이 갖는 면적을 계산하여 미세영역을 경계 영상에서 제거해 줄 수 있다. 이와 같이, 미세영역이 경계 영상에서 제거됨에 따라 더욱 효율적으로 차량 번호판의 수직 수평 선 성분 검출할 수 있다. 여기서 경계 화소들이 갖는 면적을 계산은 레이블링 기법을 이용할 수 있다.

도 5는 미세영역까지 제거한 후의 경계 영상을 나타낸 것이다. 즉, 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역은 차량 전체 사진의 수평 방향인 x축 방향 화소의 밝기 값으로 나타나는 단면을 분석하여 추출하고, 경계 영상 추출 후에는 각각 수직 방향과 수평 방향으로 화소 밝기 값의 누적치를 구할 수 있다. 화소 밝기는 경계로 표시되어 있는 부분이 소정의 값을 가지며 나머지 부분은 0이다. 이에 따라, 수평 방향은 각각의 y좌표마다 x축 시작점부터 끝점까지, 수직 방향은 각각의 x좌표마다 y축 시작점부터 끝점까지의 경계 화소가 갖는 밝기 값을 쉽게 더해줄 수 있다.

도 6은 수평 방향으로 화소 밝기 값을 누적한 결과를 나타낸 것이고, 도 7은 수직 방향으로 화소 밝기 값을 누적한 결과를 나타낸 것이다.

누적치를 살펴보면, 밝기 값의 변화가 크게 증가하다 다시 감소하는 영역들이 형성될 수 있다. 이러한 영역을 선으로 만들어 주면 수평 방향 화소 밝기 값을 누적한 결과로부터는 영상의 수평 성분을 도출할 수 있고, 수직 방향 화소 밝기 값을 누적한 결과로부터는 영상의 수직 성분을 도출할 수 있다.

도 8은 누적치의 변화로 검출한 영상의 수직 수평 성분을 보여줄 수 있다. 이러한 수직 수평 성분의 교차점들로 여러 가지 사각형 영역들을 형성할 수 있다.

이와 같이, 수직 수평 성분의 교차점으로 구성되는 다수 개의 사각형 영역이 형성되면 다수 개의 사각형 영역 중 차량 번호판의 후보가 될 수 있는 지점을 찾을 수 있다.

여기서, 차량 번호판을 검출하는 과정에서 몇 가지 조건을 만족해야 한다. 먼저, 실제 차량 번호판 상에서는 화소 값의 변화가 자주 발생하며 다른 차체에 비해 구성이 복잡할 수 있기 때문에 화소 값의 변화가 자주 발생하는 영역을 검출한다.

이후, 현재 사용되고 있는 차량 번호판은 차량의 종류에 따라 차량 번호판들에 몇 가지 특정한 크기와 가로 세로 비율을 가질 수 있기 때문에 실질적으로 동일하면서 특정한 크기와 가로 세로 비율을 가질 수 있는 사각형 영역을 검출한다.

이후, 차량 번호판의 문자들은 차량 번호판의 종류에 따라 각각 차량 번호판에서 차지하는 비율과 배열 상태가 다르기 때문에 차량 번호판에서 차지하는 비율 과 배열 상태가 실질적으로 동일한 것을 검출한다.

이러한 몇 가지 조건에 만족하는지 비교하여 1차 판단을 할 수 있다.

이때, 수직 수평 성분으로 만들어지는 사각형 영역들이 실제 차량 번호판에 맞는지 검사하기 전, 먼저 수평 성분을 기준으로 한 x축에서 차량 영상의 단면을 관측할 수 있다.

도 9는 차량 영상의 단면 관측 결과를 나타낸 것이다. 차량 영상의 단면은 관측하는 x축 상의 화소 값들로 나타낸 것이며, 수평 성분 간 일정한 구간을 두고 단면을 관측하여 변화량이 일정 이상 나타난 부분을 붉은 점으로 표시한 것이다.

도 9에서 도시된 바와 같이, 차량 번호판이 위치한 영역에 붉은 점이 다수 형성될 수 있다. 차량 번호판의 문자 부분의 화소 값이 차량 번호판의 판 부분과 많이 다르기 때문에 이와 같은 붉은 점들이 차량 번호판이 위치한 영역에 형성될 수 있다.

이때 붉은 점들 간의 간격이 좁으며, 일정한 간격으로 다수 발생하는 경우는 차량 번호판이 아닌 차량의 그릴 영역으로 추정하고 차량 번호판 후보 영역에서 제외시킬 수 있다. 이에 따라, 차량 번호판 후보 검출은 붉은 점들이 많이 검출된 구간 상에서 행해질 수 있다.

여기서 차량 번호판의 후보는 현재 2006년도 전의 보통, 대형 번호판과 2006년도 이후의 보통, 대형 번호판으로 구분될 수 있으며 이러한 다수 개의 차량 번호판은 서로 다른 가로 세로 비율과 크기 정보를 가질 수 있다. 이에 따라, 수직 수평 성분으로 형성되는 사각형 영역 중 이 다수 개의 차량 번호판과 비교해 비율과 크기가 실질적으로 동일하거나 유사한 것을 선택할 수 있다. 이때, 선택되는 사각형 영역은 실제 차량 번호판의 비율 및 크기 수치에 대해 0%이상 10% 이하의 오차 범위를 허용할 수 있다. 이러한 오차 범위를 허용함으로써, 효율적으로 실제 차량 번호판과 실질적으로 동일한 사각형 영역을 선택할 수 있는 것이다.

이와 같이, 선택된 사각형 영역 내에서 문자 부분과 문자를 제외한 나머지인 판 부분을 구분하기 위해 이진화를 할 수 있다. 이때, 선택된 사각형 영역이 번호판 영역이라면, 사각형 내부 화소의 밝기 값을 히스토그램으로 나타내면 도 10과 같다. 도 10에 도시된 바와 같이, 두 개의 봉우리 중 하나는 문자 부분, 다른 하나는 판 부분이 될 수 있다. 이러한 두 봉우리 사이를 한계값(Threshold)으로 정해주면 효율적으로 문자 부분과 문자 부분을 제외한 나머지 부분을 분리할 수 있다. 이러한 히스토그램 분석 결과는 차량 사진에 따라 차이가 있으므로, 적어도 하나 이상의 한계값을 사용하는 것이 문자 부분을 더욱 용이하게 검출할 수 있다.

또한, 선택한 사각형을 이진화한 후에는, 그 사각형 영역이 번호판 후보로 적합한지 검증 절차를 거칠 필요가 있다. 검증하기 위해서는 번호판 내 문자들의 크기 및 배열 형태를 확인할 수 있다. 지금 사용되고 있는 번호판은 보통 자가용, 사업용, 대형 자가용, 사업용마다 문자 배열 상태와 크기 등이 다르기 때문에 사각형 영역 내에 있는 문자 각각의 크기와 위치 정보를 확인할 필요가 있다.

이러한 사각형 영역 내에 있는 문자 각각의 크기와 위치 정보를 확인하기 위해 이진화한 사각형 영역 내에서 레이블링을 수행할 수 있다. 레이블링된 문자들이 가지는 크기와 중심 좌표도 함께 계산할 수 있다.

도11은 선택한 사각형을 이진화한 후 내부의 문자들을 레이블링을 이용해 구분해 준 결과를 나타낸 것이다. 레이블링 결과에 따라 밝기가 조금씩 다르게 구분되어 있으며, 문자 중심에 있는 작은 정사각형들은 번호판 검증에 사용될 문자들의 중심 좌표를 표시해 줄 수 있다. 이때, 이진화를 마치고 레이블링 한 결과에서 문자 부분으로 추정되는 레이블들이 나타나지 않는다면, 그 사각형 영역은 차량 번호판 부분이 아니라고 판단할 수 있고, 사각형 영역 선택 부분으로 돌아가서 새로운 사각형 영역에서 이진화와 레이블링을 수행할 수 있다.

이진화 후 레이블링을 수행한 사각형의 크기 및 가로 세로 비율 정보에 따라 번호판 종류에 맞는 문자의 크기를 알 수 있으므로 레이블링된 문자 추정 영역들의 크기가 실제 차량 번호판의 문자 크기와 실질적으로 동일한지 비교할 수 있다. 여기서, 레이블링된 문자 추정 영역과 실제 차량 번호판의 비율에 맞는 문자 크기에 대해 크기의 수치에 대해 0%이상 10% 이하의 오차 범위를 허용할 수 있다. 이러한 오차 범위를 허용함으로써, 효율적으로 실제 차량 번호판과 실질적으로 동일한 사각형 영역을 선택할 수 있다.

이때, 레이블링된 문자 크기가 실제 차량 번호판의 문자 크기와 맞지 않는 경우 실제 차량 번호판의 문자가 아니라고 판단할 수 있다. 사각형 영역 내에서 문자 영역으로 추정되는 레이블의 수치가 실제 번호판과 맞지 않은 경우, 다시 사각형 영역 선택 부분으로 돌아갈 수 있다.

또한, 레이블링된 문자 크기가 실제 차량 번호판의 문자 크기와 일정 부분 이상 실질적으로 동일한 경우 각 레이블링된 문자가 가지는 중심 좌표들을 가지고 마지막 검증에 들어갈 수 있다. 이때 이용하는 것은 데이터의 분포에 대한 특징을 가늠할 수 있는 모멘트를 사용할 수 있고, 문자 중심 좌표의 1차, 2차, 3차 모멘트까지 이용할 수 있다. 이에 대한 자세한 설명은 도 2에서 자세히 설명하였기 때문에 이에 대한 설명은 생략하기로 한다.

모멘트를 통한 판단의 기준은 모두 실제 차량 번호판 상에서 문자들이 배열해 있는 형태이며, 실제 문자 배열과 비교하여 유사한 경우 선택한 사각형 영역을 번호판이 위치한 곳으로 판단할 수 있다. 실제 차량 번호판은 번호 위치의 평균이 거의 번호판 사각형의 중앙 부근 또는 살짝 우측으로 치우친 위치에 형성되며, 분산 값과 왜도 값도 크게 변화가 없는 일정한 범위의 값을 가질 수 있다.

이때, 선택한 사각형 영역이 실제 차량 번호판 외곽선과 실질적으로 동일하지 않으므로 실질적으로 동일함을 판단하는 정도는 완전히 같은 위치일 경우를 기준으로 하여 계산한 모멘트 값에 약 10% 정도의 오차가 있는 범위까지 허용할 수 있다.

도 12는 지금까지 설명한 본 발명의 일실시 예에 따라 차량 번호판 인식방법을 통해 검출된 사각형 영역을 붉은색으로 표시한 것이다.

이상, 본 발명을 본 발명의 원리를 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 그와 같이 도시되고 설명된 그대로의 구성 및 작용으로 한정되는 것이 아니다. 오히려, 첨부된 청구범위의 사상 및 범주를 일탈함이 없이 본 발명에 대한 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발 명의 범위에 속하는 것으로 간주되어야 할 것이다.

도 1은 본 발명의 일실시 예에 따른 차량 번호판 인식방법을 설명하기 위한 것이다.

도 2는 본 발명의 일실시 예에 따른 차량 번호판 인식방법 중 모멘트를 설명하기 위한 것이다.

도 3 내지 도 12는 본 발명의 일실시 예에 따라 차량 번호판 인식방법을 촬영된 차량 영상에 적용한 것을 설명하기 위한 것이다.

Claims (7)

1. 설정 영역 내에 진입한 차량을 촬영하고 촬영된 영상을 입력하는 단계;

   상기 영상에서 수직 수평 성분을 추출하고, 추출된 수직 수평 성분을 통해 경계 정보를 검출하여 경계 영상을 형성하는 단계;

   상기 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역을 추출하고, 상기 경계 영상의 수직 수평 방향으로 상기 화소 밝기 값의 누적치를 감지하여 촬영된 상기 차량 전체의 수직 수평 성분의 분포를 검출하는 단계;

   상기 차량 전체의 수직 수평 성분을 통해 형성되는 사각형 영역을 실제 차량 번호판의 크기와 가로 세로 비율에 맞는 것을 선택하는 단계;

   상기 사각형 영역에서 이진화와 레이블링을 통해 문자 추정 부분을 실제 번호판의 문자 크기 비율과 비교하여 1차 판단하는 단계; 및

   상기 문자 추정 부분들의 위치에 대한 모멘트를 계산하여 번호판 영역임을 최종적으로 판단하는 단계;

   를 포함하는 차량 번호판 인식방법.
2. 제1 항에 있어서,

   상기 경계 영상은 소벨 경계 검출 방식을 통해 상기 화소 밝기 값의 수직 수평 방향 누적치를 분석하여 변화량이 큰 부분을 수직 수평 성분으로 결정하는 것을 특징으로 하는 차량 번호판 인식방법.
3. 제1 항에 있어서,

   상기 경계 영상이 형성되는 과정에서 경계 화소들이 갖는 면적을 계산하여 노이즈 성분인 미세 영역을 제거하는 것을 특징으로 하는 차량 번호판 인식방법.
4. 제3 항에 있어서,

   상기 경계 화소들이 갖는 면적을 계산하는 방법은 레이블링 기법을 포함하는 것을 특징으로 하는 차량 번호판 인식방법.
5. 제1 항에 있어서,

   상기 경계 영상에서 화소 밝기 값의 변화가 자주 발생하는 영역은 상기 차량 전체 사진의 수평 방향인 x축 방향 화소의 밝기 값으로 나타나는 단면을 분석하여 추출하는 것을 특징으로 하는 차량 번호판 인식방법.
6. 제1 항에 있어서,

   상기 사각형 영역의 범위는 실제 번호판의 크기 및 가로 세로 비율과 0% 이상 10% 이내의 오차범위인 것을 특징으로 하는 차량 번호판 인식방법.
7. 제1 항에 있어서,

   상기 모멘트는 문자 중심 좌표의 1차, 2차, 3차 모멘트를 포함하고,

   상기 1차 모멘트는 평균 값을 기준으로 판단하고, 상기 제2 모멘트는 분산 값을 기준으로 판단하고, 상기 제3 모멘트는 왜도(skewness) 값을 기준으로 판단하는 것을 특징으로 하는 차량 번호판 인식방법.

Images