earticle

영어

The technology of recognizing numbers and letters from license plates has already been commercialized and is conveniently used in many parts of our lives. In general, license plate recognition is handled in two stages. These are the steps for extracting license plates from a given image, and recognizing letters and numbers from extracted license plates. The first step before the use of deep learning techniques was mainly dependent on image processing, but now they mainly use deep learning techniques such as Faster R-CNN and YOLO. The second stage of character and number recognition was mainly used by KNN or template matching techniques. In this paper, car license plates are extracted from images using Faster R-CNN, and CNN is used as a way to recognize letters and numbers from extracted car license plates. Experiments have shown that the number and characters of the license plate can be recognized with an accuracy of about 98%.

한국어

자동차 번호판으로부터 숫자와 문자를 인식하는 기술은 이미 상용화되어 우리 생활의 많은 부분에서 편 리하게 사용되고 있다. 일반적으로 자동차 번호판 인식은 2단계로 처리된다. 주어진 영상으로부터 자동차 번호판 을 추출하는 단계와, 추출된 번호판으로부터 문자와 숫자를 인식하는 단계가 그것이다. 딥러닝 기법이 사용되기 전 첫 번째 단계는 주로 영상처리에 의존했었지만 현재는 Faster R-CNN이나 YOLO와 같은 딥러닝 기법을 주로 사용한다. 문자 및 숫자를 인식하는 두 번째 단계는 KNN 또는 템플릿 매칭 기법이 주로 사용되었다. 본 논문에 서는 Faster R-CNN을 사용하여 영상으로부터 자동차 번호판을 추출하고, 추출된 자동차 번호판으로부터 문자 및 숫자를 인식하기 위한 방법으로 기존의 영상처리 기법이 아닌 CNN 기법을 사용한다. 실험결과 약 98%의 정 확도로 자동차 번호판의 숫자 및 문자를 인식할 수 있음을 확인하였다.