초록
자동 번호판 인식(ALPR) 기술에 대한 상용 및 학계의 방법이 많음에도 불구하고, 대부분의 기존 접근법은 특정 지역의 번호판(예: 유럽, 미국, 브라질, 대만 등)에 집중되어 있으며, 주로 정면 촬영 이미지를 포함하는 데이터셋을 활용한다. 본 연구에서는 사전에 제약이 없는 촬영 환경을 대상으로 하는 완전한 ALPR 시스템을 제안한다. 이 환경에서는 기울어진 시점으로 인해 번호판이 크게 왜곡될 수 있다. 본 연구의 주요 기여는 단일 이미지 내에서 다수의 왜곡된 번호판을 탐지하고 보정할 수 있는 새로운 합성곱 신경망(CNN)을 도입한 점이다. 이 보정된 번호판은 최종 결과를 도출하기 위해 광학 문자 인식(OCR) 기법에 입력된다. 추가적으로, 다양한 지역 및 촬영 조건에서 촬영된 도전적인 번호판 이미지에 대한 수동 레이블링을 제시한다. 실험 결과, 특정 시나리오에 대한 파라미터 조정이나 미세 조정 없이도, 기존의 전통적 데이터셋에서는 최첨단 상용 시스템과 유사한 성능을 보였으며, 도전적인 데이터셋에서는 학계 및 상용 접근법 모두를 능가하는 성능을 나타냈다.