영상처리와 딥러닝 네트워크를 결합한 자동차 번호판 인식시스템Licence Plate Recognition System with Image Processing and Deep Learning
- Other Titles
- Licence Plate Recognition System with Image Processing and Deep Learning
- Authors
- 김운기; 조성원; Nguyen Tan Phuong; Nguyen Dac Dong; 이호경; 이기성
- Issue Date
- 2021
- Publisher
- 한국지능시스템학회
- Keywords
- License plate recognition; Deep learning; Image processing combination; Embedded; Lightening; 자동차 번호판 인식; 딥러닝; 영상처리 결합; 임베디드; 경량화
- Citation
- 한국지능시스템학회 논문지, v.31, no.5, pp.429 - 435
- Journal Title
- 한국지능시스템학회 논문지
- Volume
- 31
- Number
- 5
- Start Page
- 429
- End Page
- 435
- URI
- https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/18118
- ISSN
- 1976-9172
- Abstract
- 자동차 번호판인식 시스템은 기존에는 영상처리만을 이용한 방식으로 매우 빠른 실시간 처리가 가능하나 다양한 번호판에는 적용하기 어렵다는 한계가 있었고, 딥러닝을 이용하는 경우 다양성과 정확성이 좋아지나 고성능의 그래픽카드가 필요하고 처리하는 데 시간이 매우오래 걸리는 문제점이 있었다. 본 논문은 각 방식의 장점을 살려 그래픽카드가 없는 일반 사무용 PC에서도 실시간 처리가 가능하며 높은 정확성을 가진 자동차 번호판인식 시스템을제안하며 더 나아가 사무용 PC가 아닌 임베디드 환경에서도 사용할 수 있도록 경량화한 시스템을 제안한다. 제안하는 시스템은 기존의 번호판인식 시스템과 동일하게 [번호판검출]-[문자영역 분할]-[문자인식]의 3단계 과정을 거치며 각 과정에는 딥러닝 모델로서는 SSDMobileNet, ResNet 네트워크를 사용하였고, 영상처리 기법으로는 Edge를 검출한 후 수직, 수평으로 전파하면서 관심 영역을 찾는 CLNF 알고리즘을 사용하였다. 제안하는 시스템으로지하주차장 및 톨게이트 등의 장소에서 얻은 4,389장의 이미지로 테스트하였을 때 충분히레이어가 깊은 경우 98.2% 정확성을 보여 주었고, 레이어가 얕아질수록 영상처리 결합 여부에 따른 정확성 차이가 커짐을 확인할 수 있었다
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Engineering > School of Electronic & Electrical Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.