Earticle

현재 위치 Home

임베디드 시스템에서 효율적인 차량 번호판 인식 시스템
An Efficient Vehicle License Plate Recognition System Based on Embedded Systems

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제5권 1호 (2021.02)바로가기
  • 페이지
    pp.22-27
  • 저자
    류정원, 이재흥
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A390522

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

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%.
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.

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

키워드

차량 번호판 인식 딥러닝 임베디드 시스템 객체 검출 합성곱 신경망 License Plate Recognition Deep learning Object detection CNN

저자

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

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제5권 1호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.