KR20160067631A - Method for recognizing vehicle plate - Google Patents
Method for recognizing vehicle plate Download PDFInfo
- Publication number
- KR20160067631A KR20160067631A KR1020140173258A KR20140173258A KR20160067631A KR 20160067631 A KR20160067631 A KR 20160067631A KR 1020140173258 A KR1020140173258 A KR 1020140173258A KR 20140173258 A KR20140173258 A KR 20140173258A KR 20160067631 A KR20160067631 A KR 20160067631A
- Authority
- KR
- South Korea
- Prior art keywords
- license plate
- vehicle
- detecting
- vanishing point
- recognizing
- Prior art date
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
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 차량번호판 인식방법에 관한 것으로 보다 상세하게는 블랙박스를 통해 차량번호판을 촬영한 뒤 번호판을 인식하는 차량번호판 인식방법에 관한 것이다.
The present invention relates to a vehicle license plate recognition method, and more particularly, to a vehicle license plate recognition method for recognizing a license plate after photographing a license plate through a black box.
최근 자동차의 안전사고에 많은 관심이 발생함에 따라서 세계의 많은 연구소와 기업들에서는 운전자의 부주의나 예기치 못한 충돌사고에 미리 대처할 수 있는 안전시스템에 대한 연구가 매우 활발히 이루어지고 있다.In recent years, many research institutes and companies around the world have been actively studying safety systems that can cope with driver carelessness or unexpected crashes.
특히 전방에서 주행하는 차량에 대한 검출을 통해 안전한 거리를 확보하고 위험한 거리에 존재하게 되면 운전자에게 경보를 주어 경각심을 유발시키도록 하는 운전자 도움 시스템은 막대한 경제적 손실뿐만 아니라 인명사고를 예방할 수 있기 때문에 그 연구가 매우 중요하다.In particular, since the driver assistance system, which secures a safe distance through the detection of the vehicle running in the front and alerts the driver to alertness when the vehicle is in a dangerous distance, can prevent not only great economic loss but also human accidents, Research is very important.
또한, 차량용 블랙박스를 이용하여 차량번호판을 인식하는 데 있어서, 블랙박스에 저장된 영상을 확인하기 위해서는, 블랙박스에 내장된 작은 디스플레이를 통해 확인을 하거나, 블랙박스에 삽입된 마이크로 SD 카드와 같은 저장장치를 분리하여 PC와 연결해 저장된 동영상을 PC로 확인하는 방법을 선택하게 된다. 전자의 경우에는 요즘에는 블랙박스에 일반적으로 2인치 디스플레이를 장착하는 경우가 많다. 더구나, 블랙박스가 점차 소형화되는 추세이기 때문에 더욱 작은 디스플레이가 장착되므로, 블랙박스에서 재생하는 영상은 화면 사이즈가 작을 수 밖에 없다. 따라서, 블랙박스의 메모리에 저장된 동영상을 블랙박스에 장착된 디스플레이를 통해 재생하게 되면, 아주 큰 번호판을 제외한 대부분의 차량 번호판은 사람의 눈으로 인식하기 어렵다는 문제점이 있다.Further, in order to recognize the license plate using the vehicle black box, in order to check the image stored in the black box, it is necessary to check through a small display built in the black box, The device will be disconnected and connected to the PC to select the way to view the stored video on the PC. In the former case, black boxes usually have a 2-inch display in many cases. In addition, since the black box gradually becomes smaller, a smaller display is mounted, so that the image to be played back in the black box has a small screen size. Accordingly, when the moving picture stored in the memory of the black box is reproduced through the display mounted on the black box, most of the license plates except for the very large license plates are difficult to recognize by the human eyes.
또한 블랙박스를 통해 실시간으로 차량번호판을 제공해 주는 기술은 현재 나와 있지 않는 바, 이를 실시간으로 통보하여 주며, 보다 빠르고 정확하게 운전자가 인식하게 하는 기술의 개발이 소망되었다.In addition, the technology to provide the license plate in real time through the black box is not disclosed at present, and it is desired to develop a technology that notifies it in real time and allows the driver to recognize it more quickly and accurately.
상기와 같은 문제점을 해결하기 위해 본 발명의 목적은 차량번호판을 인식할 때 직접 눈으로 보는 것보다 효과적으로 인식할 수 있는 방법을 제공하는 데 있다.In order to solve the above-described problems, it is an object of the present invention to provide a method of recognizing a license plate more effectively than a direct visual recognition.
또한, 본 발명에 다른 목적은 차량번호판을 인식하는 데 있어 보다 빠르고 정확하게 인식할 수 있는 방법을 제공하는 데 있다.Another object of the present invention is to provide a method for recognizing a license plate more quickly and accurately.
또한, 본 발명에 따른 차량번호판 인식방법은 범최 차량 또는 도난 차량을 인식하여 알려주는 효과가 있다.
Further, the vehicle license plate recognizing method according to the present invention has the effect of recognizing and informing a companion vehicle or a stolen vehicle.
상기와 같은 목적을 달성하기 위한 본 발명은 차량번호판을 인식하는 방법에 있어서, 차량용 블랙박스에 내장된 카메라를 이용하여 차량 외부를 촬영하는 촬영단계; 촬영된 카메라의 화면 중에서 소실점을 검출하는 소실점검출단계; 소실점 이하에서 차량을 추적 및 검출하는 추적 및 검출단계; 및 검출된 차량영상에서 차량 번호판 검출하고 번호를 인식하는 인식단계로 구성된 차량번호판 인식방법을 제공한다.According to another aspect of the present invention, there is provided a method of recognizing a license plate, comprising: photographing an outside of a vehicle using a camera built in a vehicle black box; A vanishing point detecting step of detecting a vanishing point in a screen of the photographed camera; A tracking and detecting step of tracking and detecting the vehicle at a vanishing point or less; And a recognition step of detecting a license plate from the detected vehicle image and recognizing the license plate number.
또한 본 발명의 상기 소실점검출단계에서는 에지 검출단계, 라인성분 결정단계, 라인의 교점 검출단계를 통해 소실점을 결정하는 것을 특징으로 하는 차량번호판 인식방법을 제공한다.Further, in the vanishing point detecting step of the present invention, the vanishing point is determined through the edge detecting step, the line component determining step, and the line intersection detecting step.
또한 본 발명의 검출 및 추적단계에서는 Haar-like 필터를 이용하여 차량을 추적 및 검출하는 것을 특징으로 하는 차량번호판 인식방법을 제공한다.In the detection and tracking step of the present invention, a vehicle license plate recognition method is provided in which a vehicle is tracked and detected using a Haar-like filter.
또한 본 발명의 상기 인식단계에서는 Adaboost 알고리즘을 통해 차량번호판의 위치를 검출하고, 신경망회로를 이용해 번호판의 문자와 숫자를 인식하는 것을 특징으로 하는 차량번호판 인식방법을 제공한다.In the recognition step of the present invention, the position of the license plate is detected through the Adaboost algorithm, and the letters and numbers of the license plate are recognized using the neural network circuit.
또한 본 발명은 차량번호판의 오인식을 줄이기 위해 차량번호판 인식을 연속적으로 실행하는 것을 특징으로 하는 차량번호판 인식방법을 제공한다.Further, the present invention provides a vehicle license plate recognition method, characterized in that vehicle license plate recognition is continuously executed to reduce false recognition of the license plate.
또한 본 발명은 차량번호판을 오인식 또는 미인식일 경우 추적 및 검출단계와 인식단계를 반복하는 것을 특징으로 하는 차량번호판 인식방법.
Further, the present invention repeats the tracking and detecting step and the recognizing step when the license plate is mistaken or unrecognized.
본 발명에 따른 차량번호판 인식방법은 차량용 블랙박스 영상을 통해 실시간으로 차량번호판을 인식함에 따라 차량사고 인한 뺑소니 사고시 차량번호를 눈으로 직접 확인하는 것보다 훨씬 효율적으로 차량번호를 인식할 수 있다.The vehicle license plate recognizing method according to the present invention recognizes the vehicle license plate in real time through the black box image of the vehicle, so that the vehicle number can be recognized more efficiently than when the vehicle number is visually confirmed in the hit-and-run accident caused by a vehicle accident.
또한, 본 발명에 따른 차량번호판 인식방법은 소실점 검출을 통해 훨씬 빠르고 정확하게 차량번호판을 인식할 수 있는 효과가 있다.In addition, the vehicle license plate recognition method according to the present invention is capable of recognizing a license plate much more quickly and accurately by detecting a vanishing point.
또한, 본 발명에 따른 차량번호판 인식방법은 범최 차량 또는 도난 차량을 인식하여 알려주는 효과가 있다.
Further, the vehicle license plate recognizing method according to the present invention has the effect of recognizing and informing a companion vehicle or a stolen vehicle.
도 1은 본 발명의 일실시예에 따른 차량번호판을 인식하는 프로세스를 나타낸 것이다.
도 2는 본 발명의 일실시예에 따른 차량번호판을 인식하는 프로세스를 사진으로 나타낸 것이다.
도 3은 본 발명의 일실시예에 따른 소실점 검출의 프로세스를 나타낸 것이다.
도 4는 Haar-like 필터에서 수직성분 및 수평성분을 검출하기 위한 특징을 나타낸 것이다.1 shows a process of recognizing license plates according to an embodiment of the present invention.
2 is a photograph showing a process of recognizing a license plate according to an embodiment of the present invention.
Figure 3 illustrates the process of vanishing point detection according to an embodiment of the present invention.
FIG. 4 shows a characteristic for detecting a vertical component and a horizontal component in a Haar-like filter.
이하, 본 발명에 첨부된 도면을 참조하여 본 발명의 바람직한 일실시예를 상세히 설명하기로 한다.Hereinafter, a preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings.
우선, 도면들 중, 동일한 구성요소 또는 부품들은 가능한 동일한 참조부호로 나타내고 있음에 유의하여야 한다. 본 발명을 설명함에 있어, 관련된 공지기능 혹은 구성에 대한 구체적인 설명은 본 발명의 요지를 모호하지 않기 위하여 생략한다.First, in the drawings, it is noted that the same components or parts are denoted by the same reference numerals as possible. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted so as to avoid obscuring the subject matter of the present invention.
본 명세서에서 사용되는 정도의 용어 " 약 ", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적이니 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다.The terms "about "," substantially ", etc. used to the extent that they are used herein are intended to be taken to mean an approximation of, or approximation to, the numerical values of manufacturing and material tolerances inherent in the meanings mentioned, It is used to prevent unauthorized exploitation by an unscrupulous infringer from disclosing the exact or absolute numerical value to help.
본 발명은 차량번호판을 인식하는 방법에 있어서, 차량용 블랙박스에 내장된 카메라를 이용하여 차량 외부를 촬영하는 촬영단계; 촬영된 카메라의 화면 중에서 소실점을 검출하는 소실점검출단계; 소실점 이하에서 차량을 추적 및 검출하는 추적 및 검출단계; 및 검출된 차량영상에서 차량 번호판 검출하고 번호를 인식하는 인식단계로 구성되는 것이 특징이다.The present invention relates to a method for recognizing a license plate, comprising the steps of: photographing the outside of a vehicle using a camera built in a vehicle black box; A vanishing point detecting step of detecting a vanishing point in a screen of the photographed camera; A tracking and detecting step of tracking and detecting the vehicle at a vanishing point or less; And a recognition step of detecting a license plate on the detected vehicle image and recognizing the number.
도 1은 본 발명의 일실시예에 따른 차량번호판을 인식하는 프로세스를 나타낸 것이고, 도 2는 본 발명의 일실시예에 따른 차량번호판을 인식하는 프로세스를 사진으로 나타낸 것이며, 도 3은 본 발명의 일실시예에 따른 소실점 검출의 프로세스를 나타낸 것이다.FIG. 1 shows a process of recognizing a license plate according to an embodiment of the present invention. FIG. 2 is a photograph showing a process of recognizing license plates according to an embodiment of the present invention. FIG. 2 illustrates a process of vanishing point detection according to an embodiment. FIG.
본 발명은 차량용 블랙박스를 이용한 촬영단계, 소실점검출단계, 추적 및 검출단계 및 인식단계로 구성된다.The present invention consists of a photographing step using a vehicle black box, a vanishing point detecting step, a tracking and detecting step, and a recognizing step.
상기 촬영단계에서는 차량용 블랙박스를 이용하여 촬영하는 것으로 일반 차량에 탑재된 차량용 블랙박스를 실시간으로 연속적으로 촬영할 수 있다.In the photographing step, a car black box mounted on a general vehicle can be photographed continuously in real time by photographing using a black box for a vehicle.
상기 소실점검출단계에서는 촬영된 화면 중에서 소실점을 검출하여 검출하려는 영역을 좁힐 수 있다.In the vanishing point detection step, the vanishing point can be detected from the photographed screen to narrow the area to be detected.
이와 같이 검출역역을 좁히는 이유는 넓은 영역을 포함하는 영상에서는 번호판 검출을 위해 계산시간이 오래 걸리게 된다. 따라서, 촬영된 화면 중에서 일부 영역을 줄여 검색하는 화면을 최소한을 줄인 뒤에 번호판을 검출하게 되면 보다 정확하면서 빠르게 번호판을 검출할 수 있게 된다.The reason for narrowing the detection range as described above is that the calculation time takes a long time to detect a license plate in an image including a large area. Accordingly, if a license plate is detected after reducing a part of the photographed screen by reducing a screen to be searched for a minimum, the license plate can be detected more accurately and quickly.
이를 위해 본 발명은 촬영된 전체화면 중에서 소실점을 검출하여 소실점 이하 영역에서만 차량번호판을 검출한다.To this end, the present invention detects a vanishing point in a photographed whole screen and detects a license plate only in a region below a vanishing point.
상기 소실점 검출은 3가지 단계를 거쳐서 소실점을 검출할 수 있게된다.The vanishing point detection can detect the vanishing point through three steps.
3가지 단계를 에지검출단계, 라인성분 결정단계 및 라인의 교점 검출단계를 거쳐 소실점을 검출하게 된다.
The three steps are detected through the edge detection step, the line component determination step and the line intersection detection step to detect the vanishing point.
상기 에지검출단계에서는 촬영화면상에서 도로의 경계 또는 차선 등과 같은 중요한 에지부분을 검출한다. 보다 구체적으로는 촬영 영상을 그레이 스케일로 변환한 뒤 도로의 경계 부분 또는 차선을 검색하여 에지를 검출한다.In the edge detection step, important edge portions such as road boundaries or lanes are detected on the photographing screen. More specifically, an edge is detected by converting a photographed image into a gray scale and searching a boundary portion or a lane of the road.
그레이 스케일로 변환한 화면은 도로 등이 반드시 직선성분으로 이루어진 것이 아니라 불연속적인 점 또는 선으로 되어 있다. 이러한 불연속적인 부분을 에지로 구분하여 검출하게 된다. 에지부분을 추출하게 되면 이후의 라인성분 결정단계에서 에지부분을 연결하여 직선으로 결정하게 된다.The screen converted into grayscale is a point or line that is not a straight line component but a discontinuous point. These discontinuous parts are detected by edge detection. When the edge part is extracted, the edge part is connected and determined as a straight line in the subsequent line component determination step.
상기 에지검출은 케니(Canny)연산 에지 검출방법을 이용하는 데, 상기 케니(Canny)연산 에지 검출방법은 화면중에서 X, Y축의 기울기(Gradients)를 계산하고, 계산한 기울기 중에서 강도를 계산하여 기울기의 강도를 계산하여 에지를 검출한다. 즉, 지정된 두 개의 임계값을 이용해 에지의 연결성을 판단해 서로 잇는 과정(Hysteresis 수행)으로 에지를 검출할 수 있다.The edge detection uses a Canny computed edge detection method. The Canny computed edge detection method calculates X and Y axis gradients on the screen, calculates strengths from the calculated slopes, The intensity is calculated to detect the edge. In other words, edges can be detected by judging the connectivity of the edges using the two thresholds and performing a process (hysteresis).
상기 라인성분 결정단계에서는 직선성분을 검출하기 위한 것으로, 검출된 에지들로부터 라인들을 결정할 수 있다. 즉, 허프(hough) 변환을 이용하여 직선 성분들을 검출할 수 있는 데, 상기 허프(hough) 변환은 x,y 축으로 이루어진 직교 좌표계를 극 좌표계로 변환해서 직선을 검출하는 방법이다.The line component determination step is for detecting a linear component, and the lines can be determined from the detected edges. In other words, linear components can be detected using a hough transformation. The hough transformation is a method of detecting a straight line by converting an orthogonal coordinate system composed of x and y axes into a polar coordinate system.
다음으로 라인의 교점 검출단계를 거치는 데, 라인성분 결정단계에서 결정된 각 라인들의 교점의 위치와 수를 누적(이를 "voting procedure"라 함)해서 최대 누적된 곳을 소실점으로 결정할 수 있다. Next, the number of positions and the number of intersections of the lines determined in the line component determination step are accumulated (referred to as a "voting procedure") to determine the maximum accumulation point as a vanishing point.
보다 구체적으로는 소실점 검출을 위한 voting procedure은 영상 사이즈와 똑 같은 사이즈의 배열의 모든 셀에 초기값을 '0'으로 (이론적으로 모두 '0'으로 셋팅 하지만 실질적으로 소실점이 영상의 상단에 위치하는 경우가 많으므로, 영상의 첫 프레임인 경우, 영상 상단 중앙에 가중치를 주며, 영상 첫 프레임이 아니라면, 이전 영상의 소실점 위치를 중심으로 10 × 10 위치에 속하는 셀에 임의의 가중치 (3~5 사이값)를 둔다. 라인성분 결정단계에서 검출된 직선이 지나가는 셀을 '1'씩 증가시키며, 모든 라인에 대해 진행했을 때 최대값을 갖는 셀의 위치를 소실점으로 결정한다.
More specifically, the voting procedure for detecting the vanishing point is In all cells of the same size as the image size, the initial value is set to '0' (theoretically, all of the cells are set to '0'. However, since the vanishing point is substantially located at the top of the image, , A weight is given to the center of the upper part of the image, and if not the first frame of the image, an arbitrary weight value (value between 3 and 5) is placed in a cell belonging to the 10 × 10 position centering on the vanishing point position of the previous image. The cell where the straight line passes is incremented by '1', and the position of the cell having the maximum value when proceeding with respect to all the lines is determined as the vanishing point.
또한, 도로의 경계 및 차선이 없어서 소실점 검출이 힘든 경우엔 에지검출단계, 라인성분 결정단계를 대신해서 가보필터(Gabor filter)를 사용할 수 있다. 상기 가보필터(Gabor filter)는 도로의 텍스쳐(무늬, 모양) 정보로부터 각도(도로의 방향성)을 구하고, 라인의 교점 검출단계의 voting procedure로 가장 많은 교점을 갖는 위치를 소실점으로 채택할 수 있다. 상기 가보필터를 사용하면 각 픽셀 위치에서의 방향성을 알아낼 수 있으며, 각 픽셀의 방향성들로부터 가장 지배적인(dominant) 방향들을 선택하여 각도를 구할 수 있다.Further, when there is no road boundary and lane and it is difficult to detect the vanishing point, a Gabor filter can be used instead of the edge detecting step and the line component determining step. The Gabor filter can obtain an angle (directionality of the road) from the texture (pattern and shape) information of the road and adopt a position having the greatest number of intersections as a vanishing procedure in the line intersection detection step. Using the Gabor filter, the directionality at each pixel position can be determined, and the angle can be determined by selecting the dominant directions from the directionality of each pixel.
위와 같은 방법으로도 소실점 검출이 되지 않으면 이전 영상의 소실점을 그대로 사용할 수 있다. 또한, 프레임의 첫 영상인 경우엔 기본값으로 영상의 중심점을 소실점으로 선택할 수 있다. 또한 라인의 교점 검출단계의 voting procedure에서 이전 영상의 소실점 위치에 가중치를 주어 소실점을 검출할 수 있다. 이는 연속된 프레임상에서 이전 영상과 다음 영상의 소실점 위치가 갑자기 크게 변하지 않기 때문에 이전 영상의 소실점 위치에 가중치를 주어도 무방하다.
If the vanishing point is not detected by the above method, the vanishing point of the previous image can be used as it is. In case of the first image of the frame, the center point of the image can be selected as the vanishing point by default. In the voting procedure of the line intersection detection step, the vanishing point can be detected by weighting the vanishing point position of the previous image. This is because the position of the vanishing point between the previous image and the next image does not change suddenly on the consecutive frame, so it is also possible to assign a weight to the vanishing point position of the previous image.
본 발명에 있어서, 상기 차량을 추적 및 검출하는 추적 및 검출단계에서는 소실점 이하 영역에서 Haar-like 필터를 이용하여 일정 크기 이상의 차량 추적 및 검출을 실시한다.In the tracking and detection step of tracking and detecting the vehicle, the vehicle is tracked and detected using a Haar-like filter at a region below the vanishing point.
도 4는 Haar-like 필터를 이용하여 수직성분 및 수평성분을 검출하기 위한 특징을 나타낸 것이다.FIG. 4 shows a characteristic for detecting a vertical component and a horizontal component using a Haar-like filter.
촬영된 차량의 후면의 외곽 성분 중에서 수직 특징을 검출하기 위해서 Haar-like 필터를 이용하도록 한다. Haar-like 특징(Feature)은 도 4와 같이 최소 두 개의 특징(Feature) 마스크를 사용할 수 있다. 도 4의 (a)는 수직 성분을 검출하기 위한 특징(Feature)이고 도 4의 (b)는 수평성분을 검출하기 위한 특징(Feature)이다.A Haar-like filter is used to detect the vertical feature among the outline components of the rear side of the photographed vehicle. The Haar-like feature can use at least two feature masks as shown in FIG. 4 (a) is a feature for detecting a vertical component, and FIG. 4 (b) is a feature for detecting a horizontal component.
촬영된 도로 영상에서 존재하는 성분들 중에서 차선과 같이 대각선 방향의 성분을 가지고 있는 요소들은 수직 성분과 수평 성분을 함께 가지고 있다. 이에 대하여 대각선 성분을 가지고 있는 요소들을 제거하는 과정을 통해 차량을 추적하여 검출할 수 있다.Among the elements existing in the photographed road image, the elements having diagonal elements like the lane have the vertical component and the horizontal component together. On the contrary, it is possible to trace and detect the vehicle through the process of removing elements having diagonal components.
본 발명의 Haar-like 검출은 수직 성분을 검출한 후 수평 성분에서 검출되는 요소들을 제거함으로서 이루어진다.The Haar-like detection of the present invention is performed by detecting the vertical component and then removing the elements detected in the horizontal component.
본 발명의 인식단계는 이전 단계에서 검출된 차량영상으로부터 차량 번호판의 위치를 검출하고 번호를 인식하는 단계로써, Adaboost 알고리즘을 통해 차량번호파의 위치를 검출한 후, 신경망 회로를 이용하여 번호를 인식할 수 있다.The recognition step of the present invention is a step of detecting the position of the license plate from the vehicle image detected in the previous step and recognizing the number. The position of the vehicle number wave is detected through the Adaboost algorithm, and the number is recognized using the neural network circuit can do.
상기 Adaboost 알고리즘은 번호판 인식 학습을 반복적으로 실시하여 최적의 분류기를 만드는 방법으로 약 2000여개 차량의 영상데이터를 선행 학습시켜 오인식을 줄일 수 있다. 본 발명에 따른 Adaboost 알고리즘은 Haar-like 특징, 적분영상, 계층(cascade) 구조를 도입하여 연산량을 감소시키고 높은 검출 성능을 보일 수 있다.The Adaboost algorithm is a method of creating an optimal classifier by repeatedly performing license plate recognition learning, thereby reducing false recognition by pre-learning image data of about 2000 vehicles. The Adaboost algorithm according to the present invention introduces a Haar-like feature, an integral image, and a cascade structure, thereby reducing the amount of computation and exhibiting high detection performance.
상기 신경망회로는 인간의 뇌가 패턴을 인식하는 방식과 유사하게 동작하는 방법이다. 본 발명에 따른 신경망회로는 차량번호판의 다양한 숫자 및 문자데이타를 선행 학습시켜 인식결과에 영향을 미치는 각 노드의 가중치를 결정하고 인간의 뇌가 숫자를 인식하는 것과 유사한 방식으로 동작해서 인식률을 최대한 높이는 결과를 보일 수 있다.The neural network circuit is a method that operates in a manner similar to the manner in which a human brain recognizes a pattern. The neural network circuit according to the present invention pre-learns various numbers and character data of a license plate to determine the weight of each node affecting the recognition result and operates in a manner similar to that of the human brain recognizing numbers to maximize the recognition rate Results can be shown.
또한, 본 발명은 차량번호판의 오인식을 줄이기 위해 차량번호판 인식을 연속적으로 실행하는 것이 특징이다. 즉, 차량번호판 인식을 연속적으로 실시함에 따라 이전화면에서 실시한 차량번호판 인식과 비교하여 통계적으로 많은 차량번호를 선택하도록 함으로써 오인식을 줄일 수 있다.Further, the present invention is characterized in that car license plate recognition is continuously executed to reduce the mistake of the license plate. That is, by recognizing the license plates continuously, it is possible to reduce the number of mistakes by selecting a statistically large number of cars compared to the license plate recognition performed on the previous screen.
또한, 본 발명은 차량번호판을 오인식 또는 미인식일 경우 추적 및 검출단계와 인식단계를 반복할 수 있다. 즉, 오인식이 이루어지거나 미인식된 차량에 대해서는 추적 및 검출단계와 인식단계를 반복함으로써 차량번호판 인식확률을 높였다. Further, the present invention can repeat the tracking and detecting step and the recognizing step when the license plate is mistaken or unrecognized. In other words, the probability of recognition of the license plate is increased by repeating the tracking and detection step and the recognition step for the vehicle in which the recognition mistake is made or not recognized.
또한 본 발명은 범죄 및 도난 차량 데이타 베이스가 추가적으로 형성되어 있어, 번호판 인식결과 범죄 및 도난 차량인 경우에는 경보를 통해 범죄 및 도난 차량을 파악할 수 있게 할 수 있다.
Further, the present invention is additionally formed with a database of crime and stolen vehicles, so that crime and stolen vehicles can be grasped through alarms in the case of a license plate recognition result.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어서 명백할 것이다.
It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the inventions. It will be clear to those who have knowledge of.
Claims (6)
차량용 블랙박스에 내장된 카메라를 이용하여 차량 외부를 촬영하는 촬영단계;
촬영된 카메라의 화면 중에서 소실점을 검출하는 소실점검출단계;
소실점 이하에서 차량을 추적 및 검출하는 추적 및 검출단계; 및
검출된 차량영상에서 차량 번호판 검출하고 번호를 인식하는 인식단계로 구성된 차량번호판 인식방법.
A method for recognizing a license plate,
A photographing step of photographing the outside of the vehicle using a camera built in a black box for a vehicle;
A vanishing point detecting step of detecting a vanishing point in a screen of the photographed camera;
A tracking and detecting step of tracking and detecting the vehicle at a vanishing point or less; And
And a recognition step of detecting the license plate and recognizing the number from the detected vehicle image.
상기 소실점검출단계에서는
에지 검출단계, 라인성분 결정단계, 라인의 교점 검출단계를 통해 소실점을 결정하는 것을 특징으로 하는 차량번호판 인식방법.
The method according to claim 1,
In the vanishing point detection step
Wherein the vanishing point is determined through an edge detecting step, a line component determining step, and an intersection detecting step of a line.
검출 및 추적단계에서는 Haar-like 필터를 이용하여 차량을 추적 및 검출하는 것을 특징으로 하는 차량번호판 인식방법.
The method according to claim 1,
And detecting and tracking the vehicle using a Haar-like filter in the detection and tracking step.
상기 인식단계에서는 Adaboost 알고리즘을 통해 차량번호판의 위치를 검출하고, 신경망회로를 이용해 번호판의 문자와 숫자를 인식하는 것을 특징으로 하는 차량번호판 인식방법.
The method according to claim 1,
Wherein the recognizing step detects the position of the license plate through the Adaboost algorithm and recognizes the letters and numbers of the license plate using the neural network circuit.
차량번호판의 오인식을 줄이기 위해 차량번호판 인식을 연속적으로 실행하는 것을 특징으로 하는 차량번호판 인식방법.
The method according to claim 1,
Wherein the recognition of the license plate is continuously executed to reduce the erroneous recognition of the license plate.
차량번호판을 오인식 또는 미인식일 경우 추적 및 검출단계와 인식단계를 반복하는 것을 특징으로 하는 차량번호판 인식방법.
The method according to claim 1,
Wherein the tracking and detection step and the recognition step are repeated when the license plate is misidentified or unrecognized.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140173258A KR20160067631A (en) | 2014-12-04 | 2014-12-04 | Method for recognizing vehicle plate |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140173258A KR20160067631A (en) | 2014-12-04 | 2014-12-04 | Method for recognizing vehicle plate |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20160067631A true KR20160067631A (en) | 2016-06-14 |
Family
ID=56191839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140173258A KR20160067631A (en) | 2014-12-04 | 2014-12-04 | Method for recognizing vehicle plate |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20160067631A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801498A (en) * | 2017-11-16 | 2019-05-24 | 北京筑梦园科技有限公司 | Licence plate recognition methods a kind of while using a variety of triggering modes |
| WO2019203489A1 (en) * | 2018-04-19 | 2019-10-24 | 넷마블 주식회사 | Image preprocessing apparatus and method for character recognition |
| KR20190122178A (en) * | 2018-04-19 | 2019-10-29 | 넷마블 주식회사 | Method and apparatus for preprocessing image for recognition of character |
| CN113255632A (en) * | 2021-07-16 | 2021-08-13 | 深圳市赛菲姆科技有限公司 | Camera parameter adjusting method, device, equipment and medium based on license plate recognition |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060073554A (en) | 2006-06-08 | 2006-06-28 | 이희찬 | System for automatic recognizing and searching licence number of vehicles for on-vehiclestype |
| KR101080066B1 (en) | 2009-07-16 | 2011-11-09 | 대한민국 | Method Making Out A Number Plate Of Vehicle |
-
2014
- 2014-12-04 KR KR1020140173258A patent/KR20160067631A/en not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060073554A (en) | 2006-06-08 | 2006-06-28 | 이희찬 | System for automatic recognizing and searching licence number of vehicles for on-vehiclestype |
| KR101080066B1 (en) | 2009-07-16 | 2011-11-09 | 대한민국 | Method Making Out A Number Plate Of Vehicle |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801498A (en) * | 2017-11-16 | 2019-05-24 | 北京筑梦园科技有限公司 | Licence plate recognition methods a kind of while using a variety of triggering modes |
| WO2019203489A1 (en) * | 2018-04-19 | 2019-10-24 | 넷마블 주식회사 | Image preprocessing apparatus and method for character recognition |
| KR20190122178A (en) * | 2018-04-19 | 2019-10-29 | 넷마블 주식회사 | Method and apparatus for preprocessing image for recognition of character |
| CN113255632A (en) * | 2021-07-16 | 2021-08-13 | 深圳市赛菲姆科技有限公司 | Camera parameter adjusting method, device, equipment and medium based on license plate recognition |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102441085B1 (en) | Apparatus and method for providing guidance information using crosswalk recognition result | |
| e Silva et al. | Helmet detection on motorcyclists using image descriptors and classifiers | |
| US10025998B1 (en) | Object detection using candidate object alignment | |
| Xu et al. | Detection of sudden pedestrian crossings for driving assistance systems | |
| Guo et al. | Pedestrian detection for intelligent transportation systems combining AdaBoost algorithm and support vector machine | |
| US20120300078A1 (en) | Environment recognizing device for vehicle | |
| KR101824446B1 (en) | A reinforcement learning based vehicle number recognition method for CCTV | |
| Takeuchi et al. | On-road vehicle tracking using deformable object model and particle filter with integrated likelihoods | |
| CN107392139B (en) | Lane line detection method based on Hough transform and terminal equipment | |
| TW201039248A (en) | Method and system for identifying image and outputting identification result | |
| US9087263B2 (en) | Vision based pedestrian and cyclist detection method | |
| Katyal et al. | Safe driving by detecting lane discipline and driver drowsiness | |
| KR101663574B1 (en) | Method and system for detection of sudden pedestrian crossing for safe driving during night time | |
| Hechri et al. | Robust road lanes and traffic signs recognition for driver assistance system | |
| Abedin et al. | Traffic sign recognition using surf: Speeded up robust feature descriptor and artificial neural network classifier | |
| Kim et al. | Autonomous vehicle detection system using visible and infrared camera | |
| CN112257541A (en) | License plate recognition method, electronic device and computer-readable storage medium | |
| KR20160067631A (en) | Method for recognizing vehicle plate | |
| Kovačić et al. | Computer vision systems in road vehicles: a review | |
| Vinuchandran et al. | A real-time lane departure warning and vehicle detection system using monoscopic camera | |
| Kamijo et al. | Pedestrian detection algorithm for on-board cameras of multi view angles | |
| KR101687094B1 (en) | Apparatus for recognizing traffic sign and method thereof | |
| KR20140104516A (en) | Lane detection method and apparatus | |
| Behera et al. | A novel method for day time pedestrian detection | |
| Ju et al. | Vision-based moving objects detection for intelligent automobiles and a robustness enhancing method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |