Earticle

현재 위치 Home

ESRGAN을 이용한 차량 번호판 화질 개선을 통한 인식률 향상
License Plate Image Enhancement Based on Enhanced Super-resolution Generative Adversarial Networks

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제6권 1호 (2022.01)바로가기
  • 페이지
    pp.5-11
  • 저자
    이채원, 윤성빈, 조철우, 황현상, 이건영, 이의철
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A407200

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
In the field of forensic image analysis, the identification of license plates at the scene of an incident goes through the subjective visual identification process of the investigator. However, noise, blur, and resolution degradation of the image appearing under insufficient illumination become obstacles to human visual identification. In this study, the degraded license plate image is improved using ESRGAN. The model structure was modified to match the aspect ratio of the license plate image data. In addition, high-intensity augmentation was applied considering that the number of the license plate was damaged to the extent that it was difficult to recognize with the naked eye. To restore such a complex image, an encoder-decoder structure is added to the existing ESRGAN structure. In forensic image analysis, since visual discrimination is performed rather than an automated recognition method, performance evaluation was performed by subjective visual discrimination. The recognition rate by number was 60% before image improvement, but 87% after improvement, showing a significant image improvement effect.
한국어
과학수사 영상분석 분야에서 사건 현장의 차량 번호판 판별은 수사관의 주관적 육안 판별 과정을 거친다. 하지 만 조도가 충분치 않은 상황에서 나타나는 영상의 잡음이나 블러, 해상도 저하가 육안 판별의 장애 요인이 된다. 본 연구에서는 열화된 자동차 번호판 이미지를 변형된 ESRGAN을 통해 개선한다. 기존의 ESRGAN은 정방형 비율에 맞춰 모델이 구축되어있기 때문에 자동차 번호판 이미지 데이터의 종횡비에 맞추어 모델 구조를 변형하였다. 또한 자 동차 번호판의 숫자를 육안으로 알아보기 힘들 정도로 훼손된 것을 고려해 강도 높은 증강 방식을 적용하였으며, 이러 한 복잡한 이미지 복원을 위해 기존 ESRGAN 구조에서 Encoder-Decoder 구조를 추가하였다. 과학수사 영상분석에 서는 자동화된 인식 방법보다는 육안 판별을 수행하므로, 주관적 육안 판별로 성능 평가를 수행하였다. 숫자별 인식률 은 이미지 개선 전에 60%였으나, 개선 후 87%로 나타나 유의미한 영상 개선 효과를 보이는 것으로 나타났다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. 제안하는 방법론
3.1 데이터 수집 및 처리 방법
3.2 모델 구조
Ⅳ. 실험 결과
Ⅴ. 결론
REFERENCES

키워드

생성적 적대 신경망 차량번호판 영상 인식 초해상화 딥러닝 Generative adversarial network Licence plate Image recognition Super-resolution Deep learning

저자

  • 이채원 [ Chaewon Lee | 상명대학교 대학원 지능정보공학과 ]
  • 윤성빈 [ Sung Bin Youn | 대검찰청 과학수사부 법과학분석과 ]
  • 조철우 [ Chul Woo Cho | 대검찰청 과학수사부 법과학분석과 ]
  • 황현상 [ Hyeonsang Hwang | 상명대학교 대학원 컴퓨터과학과 ]
  • 이건영 [ Kunyoung Lee | 상명대학교 대학원 컴퓨터과학과 ]
  • 이의철 [ Eui Chul Lee | 상명대학교 휴먼지능정보공학전공 ] 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 제6권 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.