YOLO 검출기 기반의 강인한 실시간 자동 차량번호 인식 시스템

자동 번호판 인식(Automatic License Plate Recognition, ALPR)은 많은 실용적인 응용 분야로 인해 연구의 주요 주제가 되어 왔습니다. 그러나 현재의 많은 해결책들은 여전히 실제 환경에서 견고하지 못하며, 여러 제약 조건에 의존하는 경우가 많습니다. 본 논문에서는 최신 YOLO 객체 검출기 기반의 견고하고 효율적인 ALPR 시스템을 제시합니다. 각 ALPR 단계를 위해 합성곱 신경망(Convolutional Neural Networks, CNNs)을 훈련시키고 미세 조정하여 다양한 조건(예: 카메라, 조명 및 배경의 변화)에서도 견고하게 작동하도록 설계되었습니다. 특히 문자 분할 및 인식을 위해 단순한 데이터 증강 트릭(예: 반전된 번호판(Inverted License Plates, LPs) 및 뒤집힌 문자(Flipped Characters))을 사용하는 두 단계 접근법을 설계하였습니다. 이로 인해 개발된 ALPR 접근법은 두 데이터셋에서 뛰어난 결과를 달성하였습니다.첫째, 101개 차량 동영상에서 추출한 2,000프레임으로 구성된 SSIG 데이터셋에서 우리 시스템은 93.53%의 인식률과 초당 47프레임(Frames Per Second, FPS)을 기록하여 상업 시스템인 Sighthound와 OpenALPR(각각 89.80%와 93.03%)보다 우수한 성능을 보였으며, 이전 결과(81.80%)보다 크게 개선되었습니다. 둘째, 더 현실적인 시나리오를 대상으로 하여 우리는 더 큰 공개 데이터셋인 UFPR-ALPR 데이터셋을 소개합니다. 이 데이터셋은 카메라와 차량이 모두 움직이는 상황에서 촬영된 150개 동영상과 4,500프레임을 포함하며, 다양한 유형의 차량(승용차, 오토바이, 버스 및 트럭)도 포함하고 있습니다. 제안된 데이터셋에서 상업 시스템의 평가판은 70% 미만의 인식률을 기록하였으나, 우리 시스템은 78.33%의 인식률과 초당 35프레임(FPS)으로 더 우수한 성능을 보였습니다.