57行代碼，複製甲方8600萬的項目，so easy

來源丨優達學城Udacity（ID：youdaxue）

作者丨Tait Brown

先別急，慢慢聽這個故事。

事情從維多利亞警察局說起。這是澳大利亞維多利亞州的主要執法機構。去年維多利亞州有超過16,000輛汽車被盜，價值約1.7億美元。警察部門正在試驗各種技術解決方案，以打擊汽車盜竊行為。他們稱這個系統為BlueNet。

圖 | Pixabay

為了防止被盜車輛的翻新出售，已經有一項稱為VicRoads的網路服務，用於檢查車輛的登記狀態。警察局還投資了一個固定式車牌掃描儀——一個固定三腳架相機，掃描過往車輛，自動識別是否被盜。

不要問我為什麼，但是突然有一天下午，我想搞個車載車牌掃描儀，如果車輛被盜或者沒註冊，它會自動發通知給你。掃描儀元件市面上都有，但我想知道將它們連接在一起是多麼困難。

在網上搜了下之後，我發現維多利亞警方最近搞過類似設備的試驗，預期費用大約在8600萬美元左右。一個刁鑽的評論者指出，在220輛汽車上裝掃描儀的成本為8600萬美元，相當於每輛汽車390,909美元。

但是我們可以做得更好。

圖 | Pixabay

產品設計的一些關鍵要求

要求＃1：圖像處理必須在本地執行

將實時視頻傳給處理器處理應該是解決這個問題最沒用的方法。除了高昂的數據流量費用之外，你還會將網路延遲引入到可能已經很慢的處理流程中。

雖然機器學習演算法會隨著時間的推移變得更加準確，但我想了解在本地設備上的實現是否「足夠好」。

要求＃2：必須使用低質量圖像

由於我沒有樹莓派攝像頭或USB網路攝像頭，所以我將使用dashcam攝像頭——它使用要求低，是樣本數據的理想來源，它能代表了你對車載攝像頭所期望的整體質量。

要求＃3：需要使用開源技術構建

使用專用軟體意味著您每次請求更改或增強時都會遇上些問題——並且此後每次請求都會繼續產生問題，但使用開源技術就不用費腦子。

我的解決方案

概括來說，我的解決方案是從dashcam視頻中獲取圖像，通過本地設備安裝的開源車牌識別系統，查詢車牌是否有問題，然後返回結果進行顯示。

返回的數據包括車輛的品牌和型號（僅用於驗證車牌是否被盜），登記狀態以及被盜車輛信息。

這事兒聽起來很簡單，那是因為它確實就這麼簡單，例如圖像處理都可以由openalpr庫處理。這真的是識別車牌上的內容所涉及的所有信息：

VicRoads的API不能被公開訪問，所以我們通過網路爬蟲對進行車牌檢查。雖然這樣做不太好，但這就是一個概念證明，我也不會攻擊任何人的伺服器。

下面是我的代碼：

我得說結果出乎我的意料。

我原本預計開源牌照識別系統會非常垃圾。此外，圖像識別演算法可能未針對澳大利亞車牌進行優化。但結果表明它能夠識別的視野範圍特別廣。

為了最終效果添加些注釋，儘管有反射和鏡頭失真，但仍能識別車牌 |medium.com/free-code-camp/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9

但是演算法遇上特定字母也會出錯。

將M誤認為是H |medium.com/free-code-camp/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9

多訓練幾次之後也能辨識清楚。

幾幀之後，M被正確識別，置信度更高 |medium.com/free-code-camp/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9

如上圖所示，圖像處理幾幀後，從87％的置信度評分跳到91％以上。

我很有信心，只要通過提高採樣率，然後按最高置信度排序就能提高準確性。或者可以設置閾值，只有置信度超過90%才能進行檢驗。

這些問題從代碼層面上就能直接改，並且不妨礙數據集的訓練。

8600萬美元的問題

老實說，我完全不知道8600萬美元到底包括什麼，我也不能將我的開源軟體的準確性和試點的BlueNet系統相提並論。

我只希望預算的一部分包括更換幾個祖傳資料庫和軟體，來支持每輛車高頻率、低延遲地查詢車牌。

另一方面，每輛車約39.1萬美元的成本似乎相當寬裕——前提是BlueNet不是特別準確，並且沒有大規模的IT系統的更換與升級。

未來的應用情況

雖然很容易陷入奧威爾式的「老大哥在看著你」車牌檢測網路，但這種技術有許多積極的應用。想像一下，這個系統發現哪家人的車被撬了，就能自動通知警察和主人車的當前位置。特斯拉汽車就已經裝上了能夠無線更新的攝像頭和感測器，Ubers和Lyft司機也可以配備這些設備，以大幅增加覆蓋範圍。

再加之使用開源技術和現有組件，似乎可以提供一種回報率更高的解決方案——投資遠低於8600萬美元。

好了，今天的故事說到這裡。後續究竟如何，我們等著看。

本文經授權轉載自優達學城Udacity（ID：youdaxue），如需二次轉載請聯繫原作者

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！