Earticle

초록

한국어

딥러닝의 발전과 함께 영상 기반의 많은 분야에서 개선된 연구들이 제안되고 있다. 차량 번호판 인식 방 법에도 딥러닝을 적용하여 높은 성능을 보이고 있지만 대부분이 매우 많은 연산량을 필요로 하여 자원이 제한되 는 임베디드 시스템 같은 환경에서의 동작이 어려운 문제가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 임 베디드 시스템에서도 높은 성능을 보여주는 차량 번호판 인식 시스템을 제안한다. 제안하는 차량 번호판 인식 시 스템은 경량 백본과 최적화된 검출 네트워크를 결합한 차량 번호판과 번호를 검출하는 2개의 검출기와 번호를 인 식하는 분류 네트워크로 구성된다. 검증 데이터셋에 대한 실험에서 제안된 차량 번호판 인식 시스템은 98%의 높 은 정확도로 Nvidia RTX 2070 GPU에서 58FPS, Nvidia Jetson Nano에서 11FPS의 속도를 달성한다.

영어

With the development of deep learning, improved studies have been proposed in many fields based on images. Although deep learning is applied to the vehicle license plate recognition method, it shows high performance, but most of them require a very large amount of computation, so there is a problem that it is difficult to operate in an environment such as an embedded system where resources are limited. To solve this problem, this paper proposes a vehicle license plate recognition system that shows high performance even in an embedded system. The proposed vehicle license plate recognition system is composed of a vehicle license plate combining a lightweight backbone and an optimized detection network, two detectors for detecting the number, and a classification network for recognizing the number. The vehicle license plate recognition system proposed in the experiment on the validation dataset achieves a speed of 58 FPS on the Nvidia RTX 2070 GPU and 11 FPS on the Nvidia Jetson Nano with a high accuracy of 98%.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
2.1 최신 객체 검출 네트워크
2.2 차량 번호판 인식
Ⅲ. 차량 번호판 인식 시스템
3.1 차량 번호판 및 번호 영역 검출
3.2 차량 번호 인식
3.3 학습 방법
Ⅳ. 실험
4.1 성능 비교
4.2 실험 결과
Ⅴ. 결론
REFERENCES

저자

• 류정원 [ Jeong-Won Ryu | 한밭대학교 컴퓨터공학과 학생 ]
• 이재흥 [ Jae-Heong Lee | 한밭대학교 컴퓨터공학과 교수 ] Corresponding Author

참고문헌