YOLO 검출기 기반의 효율적이고 레이아웃에 독립적인 자동 차량 번호 인식 시스템

본 논문은 최신 YOLO 객체 검출기 기반의 효율적이고 레이아웃에 독립적인 자동차 번호판 인식(ALPR) 시스템을 제시합니다. 이 시스템은 번호판(LP) 검출과 레이아웃 분류를 통합한 접근법을 포함하며, 후처리 규칙을 사용하여 인식 결과를 개선합니다. 시스템은 다양한 모델을 평가하고 최적화하여 각 단계에서 최상의 속도/정확도 균형을 달성하는 것을 목표로 설계되었습니다. 네트워크는 여러 데이터셋의 이미지를 사용하여 훈련되었으며, 다양한 데이터 증강 기술이 추가되어 다양한 조건에서도 견고성을 유지할 수 있습니다.제안된 시스템은 실험에 사용된 여덟 개의 공개 데이터셋(다섯 개의 다른 지역에서 수집됨)에서 평균적으로 96.9%의 엔드투엔드 인식률을 달성했습니다. 이는 중국 LP, OpenALPR-EU, SSIG-SegPlate 및 UFPR-ALPR 데이터셋에서 이전 연구와 상용 시스템보다 우수한 성능을 보였습니다. 다른 데이터셋에서는 기준 모델들이 달성한 결과와 경쟁력 있는 성능을 보였습니다. 또한, 고급 GPU에서 인상적인 초당 프레임(FPS) 수를 달성하여 장면 내에 4대의 차량이 있을 때조차 실시간으로 작동할 수 있었습니다.추가적으로, 우리는 공개 데이터셋에서 6,239장의 이미지에 38,351개의 바운딩 박스를 수작업으로 라벨링하였으며, 이러한 주석들을 연구 커뮤니티에 공개하였습니다.