Contents ...
udn網路城邦
工程車車牌的神鬼辨識
2018/11/08 07:17
瀏覽898
迴響0
推薦6
引用0

最近有個地磅站的車牌辨識案承包商找我買軟體,會到地磅站的一定都是大型車輛,尤以大貨車工程車為多,客戶之前是使用別家的辨識系統,因為辨識效果不理想才來找我的!但他說的「不理想」多半只是角度稍大、距離稍遠時會辨識不到,甚至七碼車牌的3因為字型特殊很容易被辨識成5等等。

客戶可以理解工程車很多車牌狀況不好,跟一般自小客車的整齊清潔無法相比,如果不能達到一般停車場的高辨識率(98%99%),因為部分車牌本身狀況差所以辨識錯誤或無法辨識是可以接受的!

當然他說的那些小問題對我的既有軟體來說都沒問題,我有興趣的是想藉此案再進化我的模糊車牌辨識能力!因為之前的研究資料工程車實在很少,即使做過味丹廠區的案子,他們整個廠常常出入的工程車也不過七八輛,但地磅站這類車子可多了!所以我立即跟他要到了一百多張照片,研發挑戰較困難的辨識。

一開始我的既有軟體對這批照片(多半是他們用的舊系統辨識錯誤的資料)的辨識率是大約八成,但經過數日研究調整後,居然185張照片可以全部都對!上面幾張是連我都沒想到可以成功的艱難案例,有點嚇到自己!

神奇的辨識後面當然沒有魔法,還是一步一步的演算法做出來的,這一波研究的重點其實是二值化!如果車牌的字元與背景亮度差值小,字元或背景還髒髒的,那麼二值化的門檻高低結果出現的畫面就差很多了!如果字元無法被切割成獨立目標,後面的步驟就別玩了!如下的車牌,顯然白字磨損露出底下的綠漆了,前景背景色差好小,按照一般的二值化程序會變成破碎的目標,刻意提高二值化門檻就變得很清楚了!

但是我怎麼知道要用多高的二值化門檻呢?在作二值化時我還根本沒有車牌髒不髒的資訊啊?這時就要借用機器學習派的笨方法了!我其實是嚐試錯誤作出來的,正常門檻找不到合理車牌,就給它大幅提高一次,還是沒有?就大幅降低門檻再試一次,還不行?就把RGB顏色也考慮進去,總之就是無所不用其極地將字元與車牌背景分離出來,作到有為止!這很像用猛藥治絕症,而且不像給人治病吃錯藥會死,那就大膽實驗囉!

如果這麼好用為什麼我以前不直接用呢?因為這樣等於跑好幾次重複的程序,如果碰到品質差的照片辨識速度就會慢很多的!但地磅站車子都是慢進慢出還會停住一段時間,辨識速度不需要太快,所以就奢侈一點使用全身檢查的較冗長程序了!車牌辨識是可以因地制宜的,這個辨識程序在這邊很好用,但未必適於用到其他的情境,尤其是道路上的高速車輛辨識。

其實如果人眼看得出來是幾號,就一定有個邏輯程序在我們腦中,我要做的只是把它挖出來寫成程式而已,這就是研究「人工智慧」真正該作的核心重點工作!你想過為何我們的眼睛都看得懂上面的爛車牌嗎?因為我們腦袋裡的二值化門檻也是隨時可以調整的,一般的車牌辨識軟體如果不能,就會辨識失敗了!如果我讓程式門檻值變得可調整,還會交叉運用不同顏色來幫助辨識,我的「人工智慧」水準就更進了一步!

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