수퍼클래스 개념에 기반한 차량번호판 인식 기법

Abstract

본 논문에서는 다양한 환경에서도 높은 인식률을 보일 수 있는 차량번호판 인식 기법에 대해서 제안한다. 차량 번호판을 인식할 때, 번호판의 다양성과 번호판에 존재하는 한글 형태 유사성으로 인한 오인식은 번호판 인식의 전체 성능에 많은 영향을 끼친다. 이러한 점을 해결하기 위해서 본 논문에서는 다양한 국내 번호판 유형에 적용 가능한 번호판 인식 시스템을 제안하였다. 제안된 시스템에서는 한글을 보다 정확하기 인식하기 위해서 형태적 유사성으로 그룹을 나눈 뒤, 주요 특징점들을 토대로 계층을 좁혀 나가는 super-class 개념을 적용하였다. 번호판 인식 시스템은 차량 영상에서 번호판을 검출하는 단계와, 번호판을 인식하는 단계로 구성되어 있다. 번호판의 인식 성능의 향상을 위해선 여러 환경조건에 강인한 번호판 검출 단계가 선행되어야 한다. 이를 위해 본 논문에서는 번호판 영역의 위 아래 에지 특성과 local histogram을 이용한 번호판의 텍스처 정보를 활용하여서 번호판을 검출하였다. 번호판을 검출할 때, 번호판의 위치를 대략적으로 찾은 후 번호판의 경계를 자세히 찾는 방법을 사용하였다. 또한 번호판 영역이 기울어진 경우도 고려하여 line-fitting을 사용한 기울기 보정 알고리즘을 적용하였다. 국내 번호판의 경우 몇 번의 개정과정을 거쳤기 때문에 종류가 다양하며 글자 크기 및 폰트가 다양하다. 제안하는 시스템에서는 다양한 번호판을 인식하기 위해서 번호판 유형 분류기를 사용하고, 건설교통부(현 국토해양부)에서 지정한 번호판 규격정보를 활용하였다. 규격 정보를 활용하면 번호판 내 문자 위치가 추정 가능하기 때문에 문자 추출이 용이하며 폰트도 확인할 수 있기 때문이다. 번호판에 존재하는 한글은 자음 모음으로 구성되어 있으며 형태적으로 유사한 경우가 많기 때문에 인식하는데 어려움이 따른다. 한글 인식의 성능을 향상시키기 위하여 계층적 구조 접근을 이용한 super-class 방법을 사용하였다. Super-class방법에서는 템플릿 매칭의 유사도를 통해 그룹을 나눠주고, 보다 정교한 인식을 위해 각 글자를 자음과 모음으로 분리하였다. 각 자음과 모음들은 기하학적 특징과 외각 정보, 투영 정보들을 토대로 구성된 decision tree 통해 판별되며 두 정보를 조합하여 최종적으로 한글을 인식하였다. 본 논문에서는 성능 검증을 위해 여러 가지 다양한 배경에서 촬영된 총 1472장의 영상에 대해서 실험을 수행하였다. 입력영상에는 자가용, 영업용 번호판뿐 아니라 버스나 대형 트럭 등에서 사용되는 대형 번호판 등 다양한 유형의 번호판을 가진 차량이 포함되었다. 전체 영상에 대해 93.75%의 인식률을 확인할 수 있었으며 이를 통해 제안방법의 우수성을 확인할 수 있었다.