Contents ...
udn網路城邦
車牌辨識廠商的轉型也很痛苦的!
2018/04/19 16:25
瀏覽945
迴響1
推薦7
引用0

柯達轉型失敗 台灣如何不重蹈覆轍?

看這篇文章特別有感!因為據我的觀察,國內銷售車牌辨識系統的廠商們也正在類似的轉型掙扎之中受著煎熬。車牌辨識這種東西出現大概十幾二十年了吧?在百萬畫素攝影機出現之前,能否進行車牌辨識的第一個關卡,是攝影(拍照)的品質,在以往一般攝影機或照相機很難拍出清晰到足以作車牌辨識的影像,高解析的攝影設備則非常昂貴。

此時最具優勢的車牌辨識系統競爭者,當然是高階攝影機的製造商!他們自己就有最好的攝影機,而且自家生產成本當然較低。有了品質夠好的影像,還需要寫程式作影像辨識,這是很耗費運算資源的,越高解析的影像要作的計算量就越大,所需計算時間也越長!當電腦的運算能力還不夠好時,就非常仰賴計算模組的硬體化,將演算法燒成IC一定比舊型電腦作純軟體運算快很多

但是硬體化(製作車牌辨識晶片)就是一個一般小廠商無法企及的高門檻!所以能開發車牌辨識產品的,不是國家支援的研究機構,就是股票上市的大公司,像我們這種小朋友就:只能遠觀而不可褻玩焉了!

但是前幾年開始的百萬畫素時代,已經徹底顛覆了這個局勢!攝影機品質已經不是甚麼門檻,任何人都可用很低的成本取得極高品質的影像,所以以攝影機製造商為基礎的車牌辨識廠商,第一個受到極大的衝擊!傳統上車牌辨識系統都是「一體成形」的!攝影機+辨識模組+服務與控制軟體

忽然之間客戶不再需要廠商提供特別的攝影機,後端控制服務軟體本來就不難分開製作,此時如果車辨廠商還硬要推銷整套數十萬的系統,客戶就會嫌貴了!所以多數廠商只能節節敗退,不得已之下,很有「彈性」的只賣「辨識模組」,就是硬體化的車牌辨識核心。

但是茶壺裡更大的風暴一般人還感受不到!就是因為影像畫素大增,辨識「特寫」車牌辨識的時代已經結束了,必須進化到辨識「全景」中的車牌,演算法當然要大幅進化才行!那以前花錢壓製的舊辨識模組硬體怎麼辦?全部丟掉嗎?演算法正在日新月異的進步時,想將一直變化的演算法每一版都作成IC嗎?那要多少錢啊?所以現在你買到的硬體形式的車牌辨識核心模組,幾乎可以「保證」效能不如新的軟體產品。「硬體辨識比較快」在車牌辨識領域已經是歷史名詞了!

同時間,大廠商的轉型壓力還來自原本根本沒有競爭力的小廠商,像我這種只懂得軟體,沒有資金與硬體專長的人都可以挑戰他們了!因為電腦的運算能力也是隨著影像品質大幅提升也降價之中,幾萬元的電腦計算效能就已經不輸於硬體化的車牌辨識IC模組了!其中最殘酷的是多核心電腦的出現,近年電腦的運算效能提升是以倍數成長的!有沒有錢作IC根本不再是競爭的條件了

那真正的主戰場在哪裡?當然就是車牌辨識演算法的研發了!我自己是根本沒有轉型的必要與包袱的,「本來無一物,何處惹塵埃?」直接拿數位影像研究寫程式辨識就好了!當然要作出完整的辨識系統還是需要優良硬體搭配的,但是那些部分的資金門檻不像以往這麼高,所以很多較小的廠商都能投入,大家已經是在比拚整合軟硬體的「能力」而不是比「資本」雄厚與否了!

所以我認為這是一個年輕人在影像辨識領域創業的好時機,大家也不要只看到最熱門的人臉或車牌辨識,其實各行各業都需要影像辨識,可以辨識的題目多不勝數,重要的是:都不必投入大筆資金!靠著你的聰明才智與努力就很有競爭力了。

有誰推薦more
全站分類:心情隨筆 工作職場
自訂分類:教育學習
上一則: 講空話不如作實事
下一則: 賣不出去還可以自己吃

限會員,要發表迴響,請先登入
迴響(1) :
1樓. 方正平
2018/04/20 02:16
人工智慧之機器學習,真的沒那麼玄乎,就是演算法可以根據回饋結果自我調整。這有兩個關鍵,一是可自我調整的演算法,一是回饋。大數據只克服了“回饋”的問題,演算法仍然是由人先設計出來。轟動一時的AI圍棋已經改了好幾版的演算法呢!
其實你的車牌辨識不用AI是對的,因為沒有資源可以做“大規模回饋”。即然知其然,就用辨識失敗的結果當成回饋來調整演算法,這才是資源最儉約的方式。
就是這樣!你說得非常清楚與精準! 鄉下老師2018/04/20 02:40回覆