YOLO와 CNN을 이용한 강인한 차량 번호판 인식 시스템 구현 (Implementation of Robust License Plate Recognition System using YOLO and CNN)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 19권 / 4호 / 1 ~ 9페이지
· 저자명 : 김재정, 김창복

초록

최근 지능형 교통 시스템의 발전에 따라 자동차 번호판 인식에 대한 연구가 관심을 끌고 있다. 국내 자동차 번호판 인식은 영상의 질과 한글 문제로 오 인식이 자주 발생한다. 본 연구는 YOLO(You Only Look Once)와 CNN(Convolution Neural Network)을 이용하여 환경 변화에 강인한 실시간 자동차 번호판 인식 시스템을 구현하였다. YOLO는 특정 번호판 영역만 추출하는 경우에 사용하였으며, CNN은 번호판을 인식하는 데 사용하였다. 번호판 인식은 실제 번호판 도면에서 숫자 및 문자를 추출하였고, 환경에 강인하도록 변형하고 증식하여 CNN으로 학습하였다. 또한, 오 인식이 많은 한글 인식을 위해 침식과 평균 영역을 이용한 분리된 자음과 모음 영역 검출, 한글 음절이 없는 경우 음절 영역 추출 등 3가지 알고리즘을 사용하였다. 최종적으로 제안 번호판 인식 시스템과 기존 OCR 알고리즘을 비교하였다. 실험 결과로서 easy OCR은 62.5%의 정확도를 가지며, 침식만을 이용한 알고리즘은 82.5%, 그리고 제안 알고리즘은 97.5%의 정확도를 획득했다.

영어초록

In recent years, with the development of intelligent transportation systems, research on license plate recognition is drawing attention. Domestic license plate recognition is frequently misrecognized due to image quality and Korean language problems. This study implemented a real-time license plate recognition system robust against environmental changes using YOLO and CNN. YOLO was used to extract only a specific license plate area, and CNN was used to recognize license plates. License plate recognition extracted numbers and letters from the actual license plate drawing. Then, it was transformed and multiplied to be robust to the environment, and learned with CNN. In addition, three algorithms were used for recognizing Korean characters with many misrecognitions, such as detection of separated consonants and vowel regions using erosion and average regions, and extraction of syllable regions when there is no Korean syllable. Finally, the proposed license plate recognition system and the existing OCR algorithm were compared. As a result of the experiment, the easy OCR has an accuracy of 62.5%, the algorithm using only erosion is 82.5%, and the proposed algorithm has an accuracy of 97.5%.

참고자료

· 없음