뉴턴 최적화를 통해 개선된 아다부스트 훈련과 MCT 특징을 이용한 번호판 검출

Abstract

본 논문에서는 MCT(Modified Census Transform) 특징과 개선된 아다부스트 분류기를 이용한 번호판 검출 알고리즘을 제안한다. MCT 특징은 영상의 국소 지역 패턴을 정수화하여 표현하는 특징으로서 조명 변화에 강인하고 메모리 효율이 높은 장점이 있다. 그러나 패턴을 표현하는 정수형의 MCT 특징값들이 이산적인 특징을 가지기 때문에 아다부스트 훈련 방법을 적용하기 위해서는 룩업테이블 (Lookup Table)을 이용하여 분류기를 설계해야 한다. 그동안의 아다부스트 훈련 방법에 대한 최적화 연구는 지수 기준(exponential criterion)을 최소화 하는 방법에 대한 방향으로 연구가 진행되고 있다. 본 논문에서는 MCT 특징을 이용하고 지수 기준의 뉴턴 최적화를 통해 아다부스트 훈련 방법을 개선하여 번호판 검출성능을향상 시키는 방법을 제안한다. 번호판샘플 영상과 필드 테스트 영상에 대한 실험을 통해 제안한 방법의 성능을 고찰하고, 기존의 일반 아다부스트 훈련을 이용한 검출 방법과의 비교 실험을 통해 그 효용성을 입증한다. In this paper, we propose a license plate detection method with improved Adaboost learning and MCT (Modified Census Transform). The MCT represents the local structure patterns as integer numbered feature values which has robustness to illumination change and memory efficiency. However, since these integer values are discrete, a lookup table is needed to design a weak classifier for Adaboost learning. Some previous research efforts have focused on minimization of exponential criterion for Adaboost optimization. In this paper, a method that uses MCT and improved Adaboost learning based on Newton's optimization to exponential criterion is proposed for license plate detection. Experimental results on license patch images and field images demonstrate that the proposed method yields higher performance of detection rates with low false positives than the conventional method using the original Adaboost learning.