Skip to content
choihjinPublic

About

다중 프레임 블랙박스 번호판 복원·인식 (MF-LPR2)

Resources

Stars

0 stars

Watchers

1 watching

Forks

Latest commit

 

History

4 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 

Repository files navigation

🚗 License Plate Restoration

블랙박스 영상에서 흐릿한 자동차 번호판을 고화질로 복원하는 딥러닝 기반 화질 개선 시스템입니다.

주요 기능

  • DeepLabV3 기반 번호판 세그멘테이션
  • FlowFormer++ 기반 Optical Flow 추정 및 Refinement
  • 시공간적 일관성 보정을 통한 프레임 정렬
  • CLAHE를 통한 대비 향상
  • Scene Text 기반 복원 모델(TCDM)을 활용한 후처리

기술 스택

  • Python 3.8+
  • PyTorch, OpenCV
  • DeepLabV3, FlowFormer++
  • TCDM (Text Conditional Diffusion Model)
  • CUDA 11.3 이상

핵심 알고리즘

1. License Plate Region Extraction

  • DeepLabV3로 번호판 영역 추출 → 고정 비율(4:1)로 업샘플링
  • Homography를 이용해 시점 보정
  • 최종적으로 1장의 Pseudo-GT + 31장의 LR 번호판 프레임으로 구성

2. Optical Flow Estimation & Refinement

  • FlowFormer++를 통해 각 프레임의 움직임 추정
  • Temporal/Spatial Smoothness 기반 오류 보정 수행
  • 기준 프레임으로 모든 프레임 정렬 (De-warping)

3. Aggregation & Post-processing

  • 정렬된 프레임들을 집계하여 하나의 이미지로 생성
  • CLAHE로 대비 개선
  • TCDM으로 Scene Text Prior를 활용한 복원 향상

개발자 역할

  • DeepLabV3 기반 번호판 세그멘테이션

    • 번호판 영역 검출 모델 구현 및 최적화
    • Precision 89%, Recall 87.5% 달성
    • Homography 기반 시점 보정 알고리즘 개발
  • TCDM 기반 후처리

    • Scene Text Prior를 활용한 번호판 복원 모델 구현
    • Hallucination 현상 제거 및 복원 정확도 향상
    • ESRGAN, SwinIR 등 기존 모델 대비 우수한 성능 달성

성능 평가

Detection 성능 (DeeplabV3)

Metric Value
Precision 0.890
Recall 0.875

Optical Flow Refinement 효과

  • 평균 RMSE 3.71% 개선
  • Worst 30% frame 기준 RMSE 13.37% 개선

정성적 비교

  • ESRGAN, SwinIR, TATT 등 최신 모델들과 비교
  • Hallucination 현상 없이 번호판 복원 정확도 우수

결과 예시

Optical Flow 정렬

최종 복원 (TCDM 적용)

프로젝트 구조

.
├── Data/                # 입력/출력 데이터
├── DT_core/            # 번호판 Detection (DeepLabV3)
├── FF_core/            # Optical Flow 보정 (FlowFormer++)
├── FlowFormerPlusPlus/ # FlowFormer++ 원본 코드
├── TCDM/               # 후처리용 텍스트 기반 복원 모델
├── scripts/            # 실행 스크립트 모음
└── main.py             # 메인 실행 스크립트

설치 및 실행

1. Conda 환경 설정

conda env create -f environment.yaml
conda activate SR

2. 모델 다운로드

3. 실행 흐름

# 메인 실행
python main.py
  • UI에서 영상 파일 드래그 & 드롭
  • 번호판 시점(초 단위) 입력 → 차량/번호판 영역 선택 → 자동 복원 수행

산학협력 성과

  • NC& 기업과 산학과제 완료
    • 실제 블랙박스 데이터 기반 모델 검증
    • 기업 요구사항에 맞춘 시스템 최적화
    • 성공적인 산학협력 프로젝트 완료

참고 문헌

📄 캡스톤 디자인 판넬 PDF 보기

About

다중 프레임 블랙박스 번호판 복원·인식 (MF-LPR2)

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors