Page 133 - Demo
P. 133
지않는 문자가 추출된 차량에대해캡처된이미지 파일 추출한 문자열캡처된시각해당CCTV의설치위치등의로그데이터를교통경찰등관리플랫폼에전송한다 송신된데이터들에는 사람이개입할 수있어인공지능이 제대로인식하지 못한 차량이미지와 추출한 문자열에대한인식률을 높일 수있다 또한 수신자는추출한문자열로지정한차량에대한수신된데이터들을 시간순으로정렬하여해당 차량의이동 동선을 유추할 수있어 차주에대한단속및벌금 부과가가능하다본연구는데스크톱의 파이썬IDLE환경에서 실험을 진행하였으며OpenCV 프레임워크의딥러닝알고리즘인Yolo4모델을사용하여차량을식별하고차량번호판의ROI(RegionOfInterest)를검출하여OCR엔진으로번호판 문자를인식하는 실험을 진행하였다Yolo 모델은 2016년5월에나온딥러닝알고리즘으로이전딥러닝알고리즘에비해빠른 속도로 객체를감지할 수있다 작동시킬알고리즘과이미지를 준비한 후해당이미지를네트워크에 전달하면감지를 수행한다그림3 Yolo_v3 모델을이용한 차량인식결과CCTV를지나가는차량을인식하기위해 Yolo_v3모델을 사용하였다10 Yolo_v3은로지스틱회귀를이용하여모델이예측한물체의위치(boundingbox)에서물체의유무를판단할수있다따라서One-stagemethod로 물체를한번에인식할 수있으며빠른인식 속도와 높은인식 정확도를 가진다네트워크에서전체이미지에서차량이미지만Blob된형태로추출하는것을돕기위해416*416크기를 채택하였다그림 4이미지를 문자로 추출하는 코드본연구에서는이미지에 노이즈가있어 잘못된 문자열로처리되는 것을막기위해 규격에맞는 문자열만 추출되도록범위를 좁혀주었다그림2Flowchart2022학년도MadeInSungshin 공모전133최우수프로젝트기반학습(PBL)및캡스톤디자인
