한국어

😍TS-ANPR

TS-ANPR은 딥러닝 기반의 차량 번호 인식 엔진으로 대한민국, 일본, 베트남 번호판 규격을 지원합니다.

✨ 응용 프로그램 예 (TS-IVR)

😍 라이브 데모 👈 여기서 번호 인식 성능을 직접 확인해 보세요.

🚀 최신 엔진 다운로드

🎨 주요 언어별 코드 샘플

📖 응용 프로그램 개발 가이드

🎁 설치 방법

⚖️ 라이선스

질문이나 요청이 있으시면 언제든지 Issues 남겨주세요. 여러분의 소중한 의견과 피드백을 항상 환영합니다!

문의: 📧 skju3922@naver.com ☎️ 02-6084-3920

목차

최신 버전 정보
딥러닝 모델별 용도
딥러닝 모델별 인식 속도 비교표
특장점
다양한 인식 옵션

최신 버전 정보

v3.1.2 출시 (2025.8.29)🎉

sync 파라메터로 엔진을 초기화한 다음, 다중 스레드에서 경쟁적으로 차번인식을 호출하는 경우 크래쉬 발생 가능성이 있어 수정함

v3.1.1 출시 (2025.8.18)🎉

dr 옵션을 사용하여 차량과 차량 번호를 동시에 인식할 때, 번호판이 보이지 않는 차량이 결과에서 제외되는 문제가 있어 수정함.

v3.1.0 출시 (2025.8.1)🎉

인식률 향상
- 일본 및 한국 번호판 인식률이 향상되었습니다.

딥러닝 모델별 용도

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

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

딥러닝 모델별 인식 속도 비교표

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
Rockchip RK3588S⁽⁴⁾	8	8	1.5	64비트 리눅스	0.227	0.462	0.842
Broadcom 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 (한국 번호판)
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 규격 지원

아래와 같은 다양한 번호판 규격을 지원합니다.

한국 번호판
- 덤프트럭, 중장비 번호판
- 특수 번호판 (임시, 외교, 군용)
- 친환경 전기차 번호판
  - 차번 인식 결과에 친환경 전기차 여부를 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.
일본 번호판
- 특수 번호판 (외교, 자위대)
- ’60년대 구형 번호판
  - 지역명 한 글자(예: 東, 京, 名 등)만 표기하던 구형 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
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: Basic, 객체인식, Pro, Server 중 응용 소프트웨어 요구사항에 따라 선택 가능 (참고: TS-ANPR 엔진)

다양한 인식 옵션

1. 차량에 장착된 번호판 검사

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]

</img>

[이미지 출처: 바이커즈랩]

</img>

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]

</img>

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.

5. 관심 영역 및 최소 번호판 크기 설정

관심 영역(i), 비관심 영역(x), 최소 번호판 크기(a)를 조합해서 설정하여 관심 영역 밖의 차량이 번호 인식되는 경우를 방지할 수 있습니다.

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