README.md

TS-ANPR

TS-ANPR은 딥러닝 기반의 대한민국 차량 번호 인식 엔진입니다.

---

😍 차번 인식 라이브 데모 👈 여기서 번호 인식 성능을 테스트해 보세요.

🚀 최신 엔진 다운로드

💻 TS-ANPR 응용 프로그램 개발 가이드

💻 TS-CAM 응용 프로그램 개발 가이드

🎁 설치 방법

⚖️ 라이선스

---

목차

• 최신 버전 정보
• 딥러닝 모델별 용도
• 딥러닝 모델별 인식 속도 비교
• 특장점
• 다양한 인식 옵션

관련 질문이나 요청 사항은 Issues에 등록해 주시면 적극 지원하겠습니다.

• 개발 문의: [email protected]
• 구매 문의: [email protected]
• 📞 전화: 02-6084-3920

---

최신 버전 정보

v2.4.2 출시 (2024.10.24)🎉

1. 오류 수정
   • TS-ANPR v1.x.x 때 구매한 USB 동글 라이선스의 경우 동시 인식 차량 수: 최대 0 으로 표시되는 문제 수정

v2.4.1 출시 (2024.9.11)🎉

1. TS-CAM (CCTV 카메라용 차량번호인식 프레임워크) 기능 추가

   • 내장 기능
     • 루프 센서 입력
     • 스냅샷 이미지 획득
     • 차량 번호 인식
     • 차단기 제어
     • 이미지 저장
     • 저장 이미지 웹 서빙
   • 주요 장점
     • 차량 번호를 인식에 필요한 제반 기능이 프레임워크에 내장되어 있어 쉽게 불러 사용할 수 있으므로 응용프로그램 개발 생산성 향상
     • CCTV 카메라 시장의 주류인 ONVIF 호환 IP 카메라를 사용할 수 있어 카메라 선택 폭이 넓어짐
     • 32비트 응용프로그램의 경우 64비트 TS-CAM을 사용하면 멀티코어 CPU에서 약 2 ~ 4배 성능 향상
   • 자세한 내용과 개발 자료는 TS-CAM 저장소를 확인해 보세요.

2. 오류 수정

   • 다중 차량 번호 인식시 차체 영역에 옆 차량 번호판이 겹쳐질 경우, 신뢰도 높은 번호판만 번호 인식하고 나머지는 누락되는 문제 수정

3. 인식률 향상

v2.3.0 출시 (2024.7.30)🎉

1. 인코딩된 이미지 버퍼 입력 지원 jpg, png 등 인코딩된 이미지 버퍼를 입력으로 차번인식하는 방식을 지원합니다. (네트워크로 전송받은 이미지를 파일에 저장하거나 디코딩하지 않고 즉시 번호인식하는 경우 유용합니다.)

  # 파이썬 예제
  result = anpr_read_pixels(
    buffer,       # 이미지 시작 주소
    length,       # 이미지 바이트 수
    0,            # 사용안함
    0,            # 사용안함
    'jpg',        # 압축 이미지 형식
    'json',       # 번호인식 결과 출력 형식 
    'vms'         # 번호인식 옵션
  )

2. 인식률 향상

v2.1.3 출시 (2024.6.18)🎉

1. 인식 성능 향상
   • 자동차 후면 근접 촬영 이미지에서 미인식 현상 개선
   • 덤프트럭 번호판 인식률 향상
2. 오류 수정
   • 차량 영역이 겹쳐진 경우 동일 차량 번호 중복 출력 문제 수정

v2.1.0 출시 (2024.4.29)🎉

1. 객체 인식 기능 추가
   • 360° 어안렌즈 카메라로 촬영한 외곡된 형태의 원본 이미지에서 객체 및 차량 번호 인식
   • 차량 영역을 인식하여 주차면 만.공차 판별용으로 활용
   • 다중 인식 기능으로 이미지 내의 차량 대수 카운트용으로 활용
   • 인식 가능한 객체 종류: 차, 오토바이
2. 라이선스 모델 확장
   • 기존 번호 인식 라이선스에 객체 인식 기능 포함
   • 라이선스별 최대 인식 객체 수 제한
   • 주차면 만.공차 판별 전용 TS-ANPR 객체인식 출시 (번호 인식 기능은 없고 객체 인식 기능만 있음) (참고: TS-ANPR 엔진 바이너리)
3. 딥러닝 모델 파일 구성 변경
   • 기존 두 개의 *.eon 파일을 하나로 합치고 용도별로 아래와 같이 구분함

     모델	파일명	비고
     S	tsanpr-KR-*S.eon	기존 lite 모델 명칭 변경
     M	tsanpr-KR-*M.eon	기존 일반 모델 명칭 변경
     L	tsanpr-KR-*L.eon	신규 출시

4. 인식률 향상
5. M 모델 인식 속도 향상 (약 15% 단축)
6. 인식 결과 데이터에 포함된 숫자를 소숫점 이하 네 자리 까지만 표기
7. 친환경 전기차 구분용 ev 값을 attrs로 옮김 (참고: 2.1. 차량 번호 인식 결과)

딥러닝 모델별 용도

라이선스는 모든 딥러닝 모델에 공통으로 적용되며 용도에 적합한 모델을 선택하면 됩니다.

모델	성능	용도 예시
S	속도 빠름 (근거리용)	주차장 입출관리
M	속도 보통 (중거리용)	주차면 만.공차 관리 / 주차 위치 찾기 어안 렌즈 카메라 (360° 서라운드 인식) 전복 차량 (360° 서라운드 인식)
L	속도 느림 (원거리용)	대규모 야외 주차장 / 차량 대수 카운트 다차로 차량 번호 인식 통행량 집계

딥러닝 모델별 인식 속도 비교

CPU	코어	쓰레드	클럭(1)	운영체제	S(2)	M(2)	L(2)
인텔 i7-12700	12	20	2.1	64비트 윈도우즈 64비트 리눅스	0.021	0.036	0.054
인텔 i5-6500	4	4	3.2	64비트 윈도우즈 64비트 리눅스	0.031	0.078	0.140
(상동)				32비트 윈도우즈	0.078	0.172	0.296
인텔 i3-8100	4	4	3.6	64비트 윈도우즈 64비트 리눅스	0.042	0.087	0.156
(상동)				32비트 윈도우즈	0.089	0.204	0.656
인텔 셀러론 J4005	2	2	2.0	64비트 윈도우즈 64비트 리눅스	0.396	0.886	1.563
(상동)				32비트 윈도우즈	0.629	1.355	2.368
인텔 셀러론 1037U(3)	2	2	1.8	32비트 윈도우즈	0.484	1.061	1.856
RK3588S(4)	8	8	1.5	64비트 리눅스	0.227	0.462	0.842
BCM2711(5)	4	4	1.8	64비트 리눅스	0.465	1.024	1.817

• 차량 한대만 있는 이미지로 측정함
• ⁽¹⁾ 단위: GHz
• ⁽²⁾ 단위: 초
• ⁽³⁾ 32비트 전용 CPU (제조사 사양 보기)
• ⁽⁴⁾ NanoPi R6S (제조사 사양 보기)
• ⁽⁵⁾ 라즈베리 파이4 (제조사 사양 보기)

특장점

1. 차번 인식 성능

아래와 같은 다양한 환경 요인에 대해 뛰어난 적응력을 보입니다.

• 반사 필름
  
• 야간 노이즈
  
• 촬영 각도
  
• 날씨 / 조명
  
• 오염 / 훼손
  
• 360도 어안 카메라 이미지
  • 이미지를 펼치지 않고 원본 이미지에서 여러 대의 차량 번호를 인식합니다.
  

2. 각종 번호판 지원

아래와 같은 다양한 번호판 규격을 지원합니다.

• 덤프트럭, 중장비 번호판
  
• 특수 번호판 (임시, 외교, 군용)
  
• 친환경 전기차 번호판
  • 차번 인식 결과 데이터의 ev항목에 true 또는 false로 구분합니다.
  • 단, 영업용 차량 번호판처럼 번호판 규격상 내연기관 차량과 구분되지 않는 경우는 판단이 불가능합니다.
  
• ’80, ’90년대 구형 번호판
  • 1996년도 번호판 규격 개정 이전에 사용되던 처, 퍼, 차, 파, 추 ~ 후, 그 ~ 흐 문자를 지원합니다.
  • 구형 주한미군 번호판 형식을 지원합니다.
  

3. 주요 운영체제 / CPU 아키텍처 지원

• 윈도우즈
  • 인텔 계열 64비트(windows-x86_64), 32비트(windows-x86)
  • 윈도우즈 7 이상 호환
• 리눅스
  • 인텔 계열 64비트(linux-x86_64),
  • ARM 계열 64비트(linux-aarch64)
  • 배포판에 관계없이 glibc 2.27 이상 호환

4. 다양한 개발 환경 지원

• 특정 프로그래밍 언어에 종속되지 않는 범용 라이브러리 인터페이스
• 프로그래밍 언어별 예제 제공
  • C, C++, C#, Visual Basic, Python, JavaScript/Node.js, Go, Pascal/Delphi, Perl, Ruby
• 입력 이미지 파일 형식
  • bmp, jpg, png, pnm, pbm, pgm, ppm, jfif, webp
• 입력 이미지 메모리 버퍼 픽셀 형식
  • GRAY, BGRA, RGBA, RGB, BGR, BGR555, BGR565, HSV, YCrCb, I420, YV12, IYUV, NV12, NV21
• 인식 결과 출력 형식
  • text, csv, json, yaml, xml

5. 다양한 라이선스 제공

• 무료 평가판 라이선스
  • 개발 및 데모용으로 시스템당 설치 이후 30일간 무료 사용 기간 제공
• 상용 라이선스
  • 매체별: USB 동글, 또는 소프트웨어 라이선스 중 선택
  • 기능 및 성능별: IoT, 기본, 객체인식, 프로, 서버 중 응용 소프트웨어 요구사항에 따라 선택 가능 (참고: TS-ANPR 엔진 바이너리)

다양한 인식 옵션

1. 차량 부착 검사 (Vehicle Mounted)

차체가 보이는 이미지에서 차량에 부착된 번호판인지 구분합니다. 차량 부착(v) 옵션을 사용하면 차량에 부착된 번호판만 인식합니다.

아래 이미지처럼 차량없이 번호판만 있거나 바이크 번호판 등은 무시합니다.

[이미지 출처: 연합뉴스]

[이미지 출처: 바이커즈랩]

번호판만 근접 촬영된 경우는 차량 인식이 안되는 경우가 있는데, 이런 경우 차량 부착(v) 옵션을 사용하지 않으면 차량 번호를 인식할 수 있습니다.

2. 다중 인식 (Multiple Recognition)

다중 인식(m) 옵션을 사용하면 이미지에 차량이 여러 대 있으면 모두 인식합니다.

다중 인식(m) 옵션을 사용하지 않으면 여러 대 차량 중 가장 번호판 신뢰도가 높은(잘 보이는) 것 하나만 인식합니다.

3. 360° 서라운드 인식 (Surround Recognition)

360° 서라운드 인식(s) 옵션을 사용하면 전복된 차량 또는 어안 렌즈 카메라로 촬영한 차량 등 이미지 내의 차량이 사방으로 기울어져 있거나 넘어져 있는 경우도 차량 번호를 인식할 수 있습니다.

[이미지 출처: KBS]

4. 객체 인식 (Object Detection)

객체 인식(d) 옵션을 사용하면 이미지 내의 객체를 인식합니다. 출력된 차량 영역과 응용 프로그램에서 설정한 주차면 영역을 비교하면 만.공차 여부를 판단할 수 있습니다.

5. 객체(차량)의 차량 번호 인식 (Read License Plate)

객체 인식(d) 과 차량 번호 인식(r) 옵션을 함께 사용하면 객체 인식된 차량의 번호까지 인식합니다.

---

• 응용 프로그램 개발 전 단계의 기본적인 성능 테스트는 차번 인식 라이브 데모를 이용하실 수 있습니다.
• 응용 프로그램 개발 단계에서는 응용 프로그램 개발 가이드 와 포함된 프로그래밍 언어별 예제들을 참고하시기 바랍니다.