지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 허준영
- 발행연도
- 2019
- 저작권
- 한성대학교 논문은 저작권에 의해 보호받습니다.
이용수38
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 차량 번호판 실시간 인식 시스템은 다양한 분야에서 상용화 되어있으며 카메라만을 이용한 저가의 임베디드 시스템을 선호한다. 이러한 시스템은 차량이외 객체의 출현이 없는 주차장 같은 환경의 경우 98%이상의 높은 인식률을 보이고 있지만 환경이 제한되지 않은 골목이나 일부 도로에서는 50~70% 사이의 인식률을 보인다. 이러한 성능의 저하는 실시간 상황에서 나타나는 조도변화나 차량이외의 물체출현 등에 의한 외부 환경변화 요인이 아웃라이어데이터가 되기 때문에 발생한다. 본 논문은 카메라 이미지 입출력이 가능한 임베디드 보드를 이용하여 딥러닝 기반 차량 번호판 OCR시스템을 설계한다. 환경이 제한되지 않은 상황에서의 OCR 인식률 향상을 위하여 준 지도학습과 시계열분석 기법을 적용한다. 준 지도학습은 일반데이터와 아웃라이어데이터를 함께 하나의 모델에 학습시킴으로써 아웃라이어를 식별하여 인식률을 향상시킨다. 시계열분석은 각각의 실시간 프레임 사이의 데이터들을 비교분석함으로써 더 신뢰성 높은 프레임의 데이터를 선별해낸다. 성능 비교실험을 위하여 환경이 제한되지 않은 상황에서 일반적인 차량 번호판 OCR시스템과 본 논문에서 제시한 기법으로 구현된 차량 번호판 OCR시스템의 인식 정확도를 측정한다. 결과적으로 일반적인 차량 번호판 OCR시스템은 77%의 인식률을 보였으나 준 지도학습과 시계열분석이 적용된 차량 번호판 OCR시스템은 88%의 인식률을 보였다. 준 지도학습과 시계열분석 두 가지 기법을 활용한다면 인식률을 향상시킨 차량 번호판 OCR시스템의 구현이 가능하다는 것을 알 수 있었다.
목차
1. 서론 11.1. 차량 번호판 인식 동향 11.2. 연구내용 32. 관련연구 52.1. OCR과 번호판 인식 52.1.1. OCR 52.1.2. 번호판 인식 62.2. 아웃라이어탐지 72.2.1. 아웃라이어탐지 개념 72.2.2. 아웃라이어탐지 구현기법 83. OCR설계 103.1. OCR 시스템 흐름도 103.2. 딥러닝 모델 설계 113.2.1. 기호별 모델 구분 113.2.2. 준 지도학습 모델 설계 153.2.3. 모델 레이어 구성 193.3. 시계열분석 223.3.1. 위치트래킹분석 223.3.2. 템플릿매칭분석 253.3.3. 해밍거리분석 273.3.4. 그룹스코어분석 304. 실험 324.1. 실험환경 324.2. 모델 검증평가 344.3. 실시간 인식 성능평가 354.3.1. 성능 분류평가지표 354.3.2. 실시간 인식 결과 분석 365. 결론 39참고문헌 41ABSTRACT 44
최근 본 자료
댓글(0)
0