딥러닝 추적을 이용한 주정차위반 검지 방법 (Method of Detecting a Parking Violation Using Deep Running Tracking)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 56권 / 9호 / 67 ~ 74페이지
· 저자명 : 류지형, 최두현, 김영모

초록

본 논문은 번호판 인식기술과 딥러닝을 이용하여 주정차위반을 판단하는 효과적인 방법을 소개한다. 이 방법은 차량이 통과하는 지역(ROI)에서 차량번호를 읽고 추적하는 중에, 차량이 주차금지구역에 일정 시간 이상 정지하면 주차위반으로 판단하고 역방향으로 재생된 동영상과 증거 이미지를 확보한다. 주정차위반을 단속하는 일반적인 방법은 단속 순간을 촬영한 몇 장의 이미지에서 차량번호를 확인하는 것에 그친다. 추적기법과 역방향 재생이 활용되는 이 방법은 물체에 의한 번호판 가림에 상관없이 차량번호판을 인식할 수 있어서 기존의 방법보다 단속 효과가 높다. 또한, 번호판을 읽기에 가장 좋은 시점에서 촬영 이미지를 얻기 때문에 번호 인식률도 높다. 주정차위반 여부를 판단하기 위해 사용하는 차량추적은 CNTK 및 Faster R-CNN을 사용하였다. 실험은 도로상 관심구역을 통과하는 521대의 차량을 대상으로 진행했으며 그중 30대가 주정차 위반차량이었다. 제안한 방법은 주차위반차량 30대 중 29대를 주정차위반으로 판정하여 주정차 위반차량 검지율은 96.7%를 보였다.

영어초록

This paper introduces an effective method for determining whether a driver has a parking violation. The method using the techniques based on a deep learning and LPR(License Plate Recognition) can obtain a plate number while tracking vehicles across ROI and obtain a reverse video including evidence images.
A common way to crack down on the parking violations is to identify the car number from multiple images taken at the time of the parking violation. This method, which uses tracking and backward-sequence video, is more effective than the conventional method because it can recognize the license plate regardless of the license plate obscured by the object. In addition, license plate recognition rate is high because it obtains shot image at the best time to read the license plate. CNTK and Faster R-CNN were used in order to track vehicle and determine the parking violation.
The experiment was conducted on 521 vehicles that passed through the road(Region Of Interest), of which the 30 vehicles were in violation of the parking law. By using the proposed method, 29 vehicles of them were judged to be parking violations. The detection rate of illegal vehicles was 96.7%.

참고자료

· 없음