본문 바로가기
KERD
논문KCI 등재

자유 앵커 방식과 합성곱 신경망을 이용한 강인한 실시간 번호판 인식 시스템

A Robust Real-Time License Plate Recognition System Using Anchor-Free Method and Convolutional Neural Network

이동훈|김도현|김윤|김대훈
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2022.04|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제27권 제4호|pp. 19-26|DOI https://doi.org/10.9708/jksci.2022.27.04.019

1

조회

0

다운로드

2

인용

0

참고문헌

키워드

실시간딥러닝Deep LearningCNNReal-TimeLicense Plate Recognition번호판 인식자유 앵커 방식Anchor-Free Method
주제분류컴퓨터학

초록

최근 지능형 교통 체계의 발전에 따라 자동차 번호판 인식 시스템이 다양한 분야에서 활용되고 있다. 주행 중인 자동차의 번호판을 인식하기 위해서는 실시간성이 보장되어야 하며, 영상이 왜곡되어 뚜렷하지 않거나 번호판의 크기가 작은 저해상도 영상에서도 높은 인식률이 유지되어야 한다. 본 논문에서는자유 앵커 방식 기반의 객체 탐지 알고리즘과 합성곱 신경망(CNN) 기반의 문자 인식 알고리즘을 이용하여 처리 속도를 향상한 실시간 자동차 번호판 인식 시스템을 제안한다. 더불어 공간 변형 네트워크를이용하여 저해상도 및 왜곡된 영상에서의 인식률을 높였다. 제안하는 시스템의 인식률은 93.769%, 이미지 당 처리 속도는 약 0.006초로 기존 자동차 번호판 인식 시스템보다 빠른 속도로 자동차 번호판을인식하며, 다양한 환경 및 품질의 영상에 대해 높은 인식률을 유지하는 것을 확인할 수 있다.

Abstract

With the recent development of intelligent transportation systems, car license plate recognition systems are being used in various fields. Such systems need to guarantee real-time performance to recognize the license plate of a driving car. Also, they should keep a high recognition rate even in problematic situations such as small license plates in low-resolution and unclear image due to distortion. In this paper, we propose a real-time car license plate recognition system that improved processing speed using object detection algorithm based on anchor-free method and text recognition algorithm based on Convolutional Neural Network(CNN). In addition, we used Spatial Transformer Network to increase the recognition rate on the low resolution or distorted images. We confirm that the proposed system is faster than previously existing car license plate recognition systems and maintains a high recognition rate in a variety of environment and quality images because the proposed system’s recognition rate is 93.769% and the processing speed per image is about 0.006 seconds.

참고문헌 (23)

  1. 민동욱, "Fast Super-Resolution GAN 기반 자동차 번호판 검출 및 인식 성능 고도화 기법", 스마트미디어저널, 9(4), pp.134~143 (2020), (사)한국스마트미디어학회[DOI]
  2. 장일식, "인조 번호판을 이용한 자동차 번호인식 성능 향상 기법", 방송공학회 논문지, 26(4), pp.453~462 (2021), 한국방송∙미디어공학회[DOI]
  3. J. Redmon, "YOLO9000: Better, Faster, Stronger", IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.6517~6525 (2017)
  4. W. Liu, "SSD: Single Shot MultiBox Detector", European Conference on Computer Vision, pp.21~37 (2016)
  5. M. Jaderberg, "Spatial Transformer Networks", Advances in Neural Information Processing Systems, 2, pp.2017~2025 (2015)[DOI]
  6. S. Hochreiter, "Long Short-Term Memory", Neural Computation, 9(8), pp.1735~1780 (1997)[DOI]
  7. A. Graves, "Connectionist temporal classification: labelling unsegmented sequence data with recurrent neural networks", 23rd international conference on Machine learning, pp.369~376 (2006)
  8. 이상원, "실제도로 상황에서 탐지 정확도 개선을 위해 공간적 집중을 사용하는 차량 번호판 탐지 기법", 한국컴퓨터정보학회논문지, 26(1), pp.93~101 (2021), 한국컴퓨터정보학회[DOI]
  9. 김재정, "YOLO와 CNN을 이용한 강인한 차량 번호판 인식 시스템 구현", 한국정보기술학회논문지, 19(4), pp.1~9 (2021), 한국정보기술학회[DOI]
  10. H. Law, "Cornernet: Detecting Objects as Paired Keypoints", European Conference on Computer Vision, pp.734~750 (2018)
  11. K. Duan, "Centernet: Keypoint Triplets for Object Detection", IEEE International Conference on Computer Vision, pp.6569~6578 (2019)
  12. Jong-Woo Han, "Vehicle License Plate Recognition Using Neural Networks and Android Deviced", Journal of The Korea Society of Computer and Information, 23(2), pp.41~44 (2015)
  13. 김정환, "딥러닝을 이용한 번호판 검출과 인식 알고리즘", 전기전자학회논문지, 23(2), pp.642~651 (2019), 한국전기전자학회[DOI]
  14. 김진호, "왜곡 불변 차량 번호판 검출 및 인식 알고리즘", 한국콘텐츠학회 논문지, 11(3), pp.1~8 (2011), 한국콘텐츠학회
  15. 김병현, "불규칙 조명 환경에 강인한 번호판 문자 분리 기법", 한국컴퓨터정보학회논문지, 14(11), pp.61~71 (2009), 한국컴퓨터정보학회
  16. Y. Zou, "A Robust License Plate Recognition Model Based on Bi-LSTM", IEEE Access, 8, pp.211630~211641 (2020)[DOI]
  17. S. Usmankhujaev, "Korean License Plate Recognition System Using Combined Neural Networks", International Symposium on Distributed Computing and Artificial Intelligence, pp.10~17 (2019)
  18. Z. Ge, "Yolox: Exceeding yolo series in 2021", ~ (2021)
  19. S. Zherzdev, "LPRNet: License Plate Recognition via Deep Neural Networks", ~ (2018)
  20. "AI-Hub"[URL]
  21. B. Shi, "An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition", IEEE Transactions on Pattern Analysis and Machine Intelligence, 39(11), pp.2298~2304 (2017)[DOI]
  22. C. Wang, "You only learn one representation: Unified network for multiple tasks", ~ (2021)
  23. I. Goodfellow, "Generative Adversarial Nets", Advances in Neural Information Processing Systems, 2, pp.2672~2680 (2014)[DOI]

관련 논문AI추천

Faster R-CNN 기반의 실시간 번호판 검출윤숙, 박동선, 이동석, 이재환한국정보처리학회 · 정보처리학회 논문지2016 · 제5권 제11호CNN 기반 한국 번호판 인식김재민, 연승호, Tang Quang Hieu한국전기전자학회 · 전기전자학회논문지2019 · 제23권 제4호자율주행 차량의 자동차 번호 인식 시스템 설계강신한, 김예원, 안준현, 이기혜, 이영규, 장성국, 정정재공학기술연구원 · 공학기술논문지2022 · 제15권 제4호딥러닝을 이용한 번호판 검출과 인식 알고리즘김정환, 임준홍한국전기전자학회 · 전기전자학회논문지2019 · 제23권 제2호YOLOv4 알고리즘을 이용한 저품질 자동차 번호판 영상의 숫자 및 문자영역 검출이정환(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2022 · 제18권 제4호CPU 기반의 딥러닝 컨볼루션 신경망을 이용한 이륜 차량 번호판 인식 알고리즘김진호(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2023 · 제19권 제4호

이 간행물의 다른 논문 (24건)

병렬 매크로 확장을 위한 Lock-free 고유식별자 할당안기영, 손범준pp. 1-8A Conceptual Architecture for Ethic-Friendly AIYustus-Eko Oktian, 이상곤, Stanley Brianpp. 9-17AI 머신비전을 이용한 어류의 목표중량 절단지점 예측기법이명섭, 장용훈pp. 27-36코로나 19 뉴스데이터 분석 및 시각화황인용, 허태성pp. 37-43Design of Fishing Game Based on a Cross-Platform Server장재우, 공현승, 김수균pp. 45-51
원문 보기