A Blur Estimation and Inverse Wiener Restoration Method for Real-Time AI-Collaborative License Plate Recognition

많은 임베디드 시스템 및 산업용 카메라 환경에서는 심한 모션 블러로 인해 CNN 기반 번호판 인식 성능이 저하된다. 최근 고성능 디블러링 신경망들이 개발되었으나, 높은 연산 복잡도로 인해 온디바이스 구현에는 적합하지 않다. 본 논문에서는 저연산으로 블러의 방향과 강도를 추정하고, 이를 기반으로 단순한 역 위너 필터를 적용하여 CNN의 인식 가능 범위 내로 이미지 품질을 복원하는 경량 디블러링 기법을 제안한다. 블러 방향은 모폴로지 기반 필터링으로, 강도는 인위적 블러 합성을 통한 회귀 모델로 추정한다. 복원된 이미지는 CNN 인식 모듈에 적용하여 블러 이미지의 인식률을 0%에서 81%로 향상시켰으며, CPU 기반 구현에서 평균 실행시간은 0.02초로 실시간 처리가 가능하다. 본 기법은 복잡한 신경망을 대체할 수 있는 AI 협업 구조로서, 제한된 컴퓨팅 자원을 가진 온디바이스 시스템에서도 실용적으로 활용 가능함을 보여준다.