Contents ...
udn網路城邦
車牌辨識不只是影像辨識,也是物理判斷!
2018/08/30 11:47
瀏覽1,537
迴響0
推薦11
引用0

一張香港車牌辨識出來了!很簡單嗎?告訴你背後的秘辛:

原圖

灰階

二值化

輪廓線

篩選目標

哇!上排的「DF」不見了!為什麼?因為正常的影像處理程序,怎麼看(處理)它們都是和車牌上邊緣的陰影相連的!聰明的你當然知道把它們「切開」看,但是怎麼讓辨識程式知道應該「切開來看」,還有要「怎麼切」才對呢?萬一切錯不是把好好的字也切碎了嗎?這些都是必須考慮的問題,而且不只是影像辨識本身的技術,還要參考物理的條件,幾何學也要用到的。看看我「開刀」的效果,先回到黑白圖給他切下去,它的血是綠色的!

二值化圖切割

輪廓線

篩選目標

這樣就每個字都找到了!接下來一個個投影比對字模就會有正確答案:DF8662了!這個程序讓我可以應付解決非常高比例的香港車牌字元沾連的問題,最重要的其實是我切割的條件與邏輯:何時該切?怎麼切?切哪裡?我考慮的已經不只是影像本身的內容,而是要想「車牌應該是甚麼樣子?」所以我說這是物理問題。

當然如何做到的細節就讓大家自己看圖思索了!其實不太難的,只是這種處理方式我相信所有有影像辨識文獻都不會看到!但這就是我日常工作的內容,影像處理與辨識技術只是基礎而已,作不到的部分就要加入各種物理邊界條件來整合發明新的演算法,不然你就很難做到商業化車牌辨識需要的高辨識率!

照我的程式架構,任何新增的演算法都有可能影響到每一個案例的辨識結果,應該只對特定狀況使用的演算法,就必須有正確的檢驗判斷,不能強加到不需特殊處理的案例,就像進到醫院的病人必須正確檢驗後接受正確的藥或甚至開刀治療,吃錯藥開錯刀都是很嚴重的問題!

所以某些方法可以治好特殊案例之後我不會馬上慶功,而是用類似機器學習的程序,用大量標記好正確答案的資料作穩定性測試,新藥不僅要能治好以往的絕症,也不能傷害到原本健康的人。如果治好一個卻傷了其他三個病人,就是這個藥不好,有副作用,必須繼續研究!防止傷及無辜,或放棄這種藥重新研究新藥。所以客戶可以放心,我的辨識核心只會越來越好,不會升級到某一版時忽然變得很差的!

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

限會員,要發表迴響,請先登入