維多利亞警察局是澳大利亞維多利亞州的主要執(zhí)法機構(gòu)。在過去一年里，州內(nèi)共有1.6萬多輛車被盜，涉案費用約1.7億美元，對此維多利亞警方十分頭疼，開始嘗試技術(shù)手段去抓偷車賊。

為防止被盜汽車被進一步欺詐性銷售，維州公路局先是啟用了一項網(wǎng)絡(luò)服務(wù)，以檢查車輛注冊狀況，接著又打算投資研發(fā)一套汽車牌照掃描儀——基于計算機視覺識別系統(tǒng)、可掃描過往車輛、自動識別被盜汽車的固定三腳架攝像機。

然而整套裝置價格高昂，約8600萬美元。有業(yè)內(nèi)評論員分析，要想將這個成本共計8600萬美元的系統(tǒng)配置在220輛車上，相當(dāng)于每輛車支出390909美元。

警方的舉措引起了網(wǎng)友Tait Brown的注意。Tait是一名開發(fā)者和設(shè)計師，他覺得維州警局的做法太浪費錢，于是突發(fā)奇想，準(zhǔn)備用開源技術(shù)動手做一個車牌掃描儀模型，如果車輛被盜或未被注冊，它就會自動通知車主。

圖：現(xiàn)有的車牌識別系統(tǒng)

搭一個車牌掃描儀，分三步

在開始之前，Tait簡單列出了車牌掃描儀產(chǎn)品的三個關(guān)鍵點。

• 它必須在本地完成圖像處理

將直播視頻流傳給中央處理器，似乎是解決問題最差的方法了。因為這除了會產(chǎn)生昂貴的數(shù)據(jù)流量費，還會加劇網(wǎng)絡(luò)延遲問題。

盡管，集中式的機器學(xué)習(xí)算法很有效，因為系統(tǒng)會隨著深度學(xué)習(xí)的過程而變得更精確，但Tait更想知道，如果在本地設(shè)備實現(xiàn)這一功能是否就已經(jīng)“足夠好”。

• 它必須能夠處理低質(zhì)量的圖像

由于Tait手頭沒有Raspberry Pi（樹莓派，微型電腦）攝像頭或USB網(wǎng)絡(luò)攝像頭，所以他就用現(xiàn)成的Dashcam鏡頭替代——一個隨時可用的樣本數(shù)據(jù)來源，Dashcam鏡頭還有一個好處，它的視頻成像效果，與車載攝像頭所拍攝的視頻質(zhì)量差不多。

• 它必須使用開源技術(shù)來搭建

如果依賴于一個專有軟件打造設(shè)備，意味著后續(xù)每一次請求都將付費。相比之下，開源技術(shù)省錢是毋庸置疑的。

整個解決方案很簡單

產(chǎn)品設(shè)計好了以后，就可以操作了。Tait的解決方案是，從Dashcam視頻中獲取圖像，然后通過一個本地安裝在車牌掃描儀設(shè)備上的開源車牌識別系統(tǒng)抓取圖像，來查詢汽車的注冊檢查服務(wù)，并顯示結(jié)果。

傳輸?shù)桨惭b在執(zhí)法車輛的設(shè)備數(shù)據(jù)包括：汽車出廠型號（只有汽車被盜時才會核實）、注冊狀態(tài)以及車輛被盜時的通知報告。

聽起來是不是很簡單。例如，圖像處理都可以交由openalpr庫處理。這涉及到識別車牌上的字符：

PS：公共訪問維州公路局的API接口是不可用的，因此Tait從官方網(wǎng)絡(luò)下載數(shù)據(jù)，來進行車牌識別測試。

以下是他測試的過程：

但結(jié)果出乎意料的準(zhǔn)確

測試結(jié)果讓Tait感到驚喜。他此前還擔(dān)心用開源系統(tǒng)識別車牌的效果會不理想，并且圖像識別算法很可能并未針對澳大利亞車牌進行優(yōu)化。

然而最終的解決方案卻能夠在寬廣的視野中識別車牌。

圖：反光和攝像頭失真也不影響車牌識別

不過難以避免的，解決方案有時候也會出錯。

圖：讀數(shù)不正確，誤將M識別為H

但是，解決方案最終還是會糾正錯誤，給出正確反饋。

圖：幾幀后，M已被正確識別，而且有著更高的置信度評分

如以上兩張圖所示，圖像處理的置信度評分從原來的87％上升到了91％以上。

這讓Tait確信，通過提高采樣率可以提高準(zhǔn)確率，然后按最高置信度進行排序?；蛘?，也可以調(diào)整閾值，設(shè)置成僅在置信度大于90%的情況下才接受汽車牌照號的驗證。

這些都是很直接的代碼優(yōu)先解決方案（code-first），并且不排除使用本地數(shù)據(jù)集，來訓(xùn)練車牌識別軟件。

關(guān)于8600萬美元的問題

做完了以上試驗之后，Tait完全想不明白為什么要花費8600萬美元，也沒覺得，經(jīng)過本地化訓(xùn)練的開源工具比BlueNet系統(tǒng)（第三方技術(shù)服務(wù)）的準(zhǔn)確性低。

Tait預(yù)計，這筆預(yù)算其中一部分還包括：對幾個遺留數(shù)據(jù)庫和軟件應(yīng)用程序的更新，以支持每秒對每輛車進行高頻率、低延遲的車牌查詢。

另一方面，如果每輛車的識別成本在39.1萬美元左右，確實挺貴，尤其是如果BlueNet系統(tǒng)的識別結(jié)果并非特別準(zhǔn)確，而且沒有大規(guī)模的IT項目停產(chǎn)或升級相關(guān)系統(tǒng)的情況下，根本花不了那么多錢。

試想一下，未來這種車牌識別系統(tǒng)可以有很多應(yīng)用場景。譬如，系統(tǒng)自動掃描綁匪之后，自動報警并告知家屬綁匪當(dāng)前的位置和方向，那該有多酷。

如今特斯拉汽車已經(jīng)配置了攝像頭和傳感器，能夠接收OTA更新，這就相當(dāng)于目擊者。當(dāng)然，Uber和Lyft司機也可以配備這些設(shè)備，來增加安全性。

簡而言之，使用開源技術(shù)和現(xiàn)有組件，似乎有可能提供一個回報率更高、更省錢的解決方案，投資遠遠低于8600萬美元哦！

<來源 ：freeCodeCamp；編譯：科技行者>