1 |
1
컴퓨터에 의해 수행되는 방법에 있어서,수집된 차량의 이미지의 원본 해상도를 감소시켜 상기 이미지로부터 차량 번호판을 검출하는 단계;상기 차량의 현재 속도에 기반하여 상기 차량 번호판의 문자 인식을 위한 픽셀 비교 알고리즘 및 특징 비교 알고리즘 중 어느 하나를 선택하는 단계; 및상기 번호판이 검출된 차량의 이미지를 입력 데이터로 설정하고, 상기 입력 데이터와 미리 준비된 학습 데이터를 대상으로 상기 선택된 알고리즘에 기초하여 상기 검출된 번호판의 문자를 인식하는 단계를 포함하되,상기 선택된 알고리즘에 기초하여 상기 검출된 번호판의 문자를 인식하는 단계는,상기 원본 해상도가 감소된 차량의 이미지의 해상도를 다시 원본 해상도로 복원시켜 상기 입력 데이터를 설정하는 것인 차량 번호판 인식 방법
|
2 |
2
제1항에 있어서,수집된 차량의 이미지의 원본 해상도를 감소시켜 상기 이미지로부터 차량 번호판을 검출하는 단계는,상기 해상도가 감소된 상기 이미지로부터 소정의 영역을 관심 영역(ROI, Region Of Interest)으로 설정하는 단계; 및상기 설정된 관심 영역으로부터 상기 차량 번호판을 검출하는 단계를 포함하는 차량 번호판 인식 방법
|
3 |
3
제1항에 있어서,상기 차량의 현재 속도에 기반하여 상기 차량 번호판의 문자 인식을 위한 픽셀 비교 알고리즘 및 특징 비교 알고리즘 중 어느 하나를 선택하는 단계는,상기 차량 속도가 미리 설정된 제1 속도 미만인 경우 상기 특징 비교 알고리즘을 선택하고, 상기 차량 속도가 미리 설정된 제1 속도보다 큰 제2 속도 이상인 경우 상기 픽셀 비교 알고리즘을 선택하는 것인 차량 번호판 인식 방법
|
4 |
4
제1항에 있어서,상기 검출된 번호판의 문자를 인식하는 단계는,상기 학습 데이터로부터 픽셀 정보를 포함하는 특징 데이터를 추출하는 단계;상기 특징 데이터를 분류하기 위한 문자의 유니코드가 저장되어 있는 분류 데이터를 상기 특징 데이터와 함께 하나의 파일로 저장하는 단계;상기 특징 데이터 및 분류 데이터에 기초하여 상기 픽셀 비교 알고리즘인 KNN(K-Nearest Neighbor) 알고리즘을 학습시키는 단계; 및상기 학습된 KNN 알고리즘에 상기 입력 데이터를 입력하여 상기 학습 데이터와 가장 유사한 문자를 인식 결과로 반환하는 단계를 포함하는 차량 번호판 인식 방법
|
5 |
5
제1항에 있어서,상기 검출된 번호판의 문자를 인식하는 단계는,상기 학습 데이터에 HOG(Histogram of Oriented Gradients) 설명자를 이용하여 픽셀 정보를 포함하는 특징 데이터를 추출하는 단계;상기 특징 데이터를 분류하기 위한 문자의 유니코드가 저장되어 있는 분류 데이터를 상기 특징 데이터와 함께 하나의 파일로 저장하는 단계;상기 특징 데이터 및 분류 데이터에 기초하여 상기 특징 비교 알고리즘인 SVM(Support Vector Machine) 알고리즘을 학습시키는 단계; 및상기 학습된 SVM 알고리즘에 상기 입력 데이터를 입력하여 상기 입력 데이터에 상응하는 카테고리를 문자 인식 결과로 반환하는 단계를 포함하는 차량 번호판 인식 방법
|
6 |
6
촬영된 차량의 이미지를 수집하는 통신모듈,상기 수집된 차량의 이미지로부터 차량 번호판을 검출하기 위한 프로그램이 저장된 메모리 및상기 메모리에 저장된 프로그램을 실행시키는 프로세서를 포함하되,상기 프로세서는 상기 프로그램을 실행시킴에 따라, 상기 수집된 차량의 이미지의 원본 해상도를 감소시켜 상기 이미지로부터 차량 번호판을 검출하고, 상기 원본 해상도가 감소된 차량의 이미지의 해상도를 다시 원본 해상도로 복원시켜 상기 번호판이 검출된 차량의 이미지를 입력 데이터로 설정하고, 상기 입력 데이터와 미리 준비된 학습 데이터를 대상으로 픽셀 비교 알고리즘 및 특징 비교 알고리즘 중 어느 하나를 선택하여 상기 검출된 번호판의 문자를 인식하되,상기 차량 속도가 미리 설정된 제1 속도 미만인 경우 상기 특징 비교 알고리즘을 선택하고, 상기 차량 속도가 미리 설정된 제1 속도보다 큰 제2 속도 이상인 경우 상기 픽셀 비교 알고리즘을 선택하는 것인 차량 번호판 인식 장치
|
7 |
7
제6항에 있어서,상기 프로세서는 상기 차량의 현재 속도에 기반하여 상기 픽셀 비교 알고리즘을 선택한 경우, 상기 학습 데이터로부터 픽셀 정보를 포함하는 특징 데이터를 추출하고, 특징 데이터를 분류하기 위한 문자의 유니코드가 저장되어 있는 분류 데이터를 상기 특징 데이터와 함께 하나의 파일로 저장한 후, 상기 특징 데이터 및 분류 데이터에 기초하여 상기 픽셀 비교 알고리즘인 KNN(K-Nearest Neighbor) 알고리즘을 학습시키고, 상기 학습된 KNN 알고리즘에 상기 입력 데이터를 입력하여 상기 학습 데이터와 가장 유사한 문자를 인식 결과로 반환하는 것인 차량 번호판 인식 장치
|
8 |
8
제6항에 있어서,상기 프로세서는 상기 차량의 현재 속도에 기반하여 상기 특징 비교 알고리즘을 선택한 경우, 상기 학습 데이터에 HOG(Histogram of Oriented Gradients) 설명자를 이용하여 픽셀 정보를 포함하는 특징 데이터를 추출하고, 특징 데이터를 분류하기 위한 문자의 유니코드가 저장되어 있는 분류 데이터를 상기 특징 데이터와 함께 하나의 파일로 저장한 후, 상기 특징 데이터 및 분류 데이터에 기초하여 상기 특징 비교 알고리즘인 SVM(Support Vector Machine) 알고리즘을 학습시키고, 상기 학습된 SVM 알고리즘에 상기 입력 데이터를 입력하여 상기 입력 데이터에 상응하는 카테고리를 문자 인식 결과로 반환하는 것인 차량 번호판 인식 장치
|