Contents ...
udn網路城邦
全景車牌辨識為何很難?舉個例子給你看!
2018/12/25 11:17
瀏覽999
迴響0
推薦8
引用0

我們進入百萬畫素影像的時代應該已經有好幾年了吧?但是老實跟你說:現在居於主流的車牌辨識廠商的車牌辨識核心,多半還停留在640X480畫素的水準,即使你用幾百萬畫素的攝影機拍下非常清晰完整的全景影像,他們的軟體常常也是無法辨識的!你必須將影像切割出帶有車牌的那一小塊區域,或者只拍攝有車牌的一小塊區域,這樣的影像才能讓他們正確的辨識出來!

說起來好像有點奇怪?也不過就是提高解析度而已,要讓車牌辨識核心適應百萬畫素真的有這麼難嗎?為什麼都作車牌辨識十幾年的廠商,花了好幾年都無法將辨識影像畫素從幾十萬升級到僅僅是一百萬畫素呢?其實真的很難!給大家看兩個範例比較就能體會了!

下面是比較傳統的車牌辨識系統可以辨識的原始影像,以及他們二值化與輪廓化之後的樣貌。

下面是比較自然的地磅站1920X1080(近兩百萬畫素)全景影像的相對應資料處理過程:

前者需要處理的輪廓目標數是:265個,後者需要處理的是9283個,資料處理量就已經是35倍!所以如果演算法效率沒有研究到可以大幅提升,那原本0.2秒可以辨識成功的辨識核心,給它新的百萬畫素影像,辨識時間就會變成7秒!如果要等車牌辨識完成後才能開啟柵欄,需要的時間就會慢到難以忍受。

但這還是小事!真正困難的部分是狀況變多了!在那麼多的資料中,要正確找到車牌,就是必須「看懂」所有「不是車牌」的資訊加以排除!那可就難了!如果是傳統的小視野照片,除了車牌之外的背景就只是車子的其他部分,或很小面積的地面。但是視野變大之後,影像背景內容就會無所不包!

要如何在叢林之中辨識出一隻兔子?這就不是計算量大小的問題而已,而是要全面考驗辨識演算法夠不夠聰明了!如果還加上車牌本身可能會傾斜或變形,還有各種顏色與格式,那就比考博士班作博士論文還難很多很多倍了!其實以現在的程式資源環境來說,要作出640x480為基礎的車牌辨識核心,且效能與傳統商用系統的品質差不多,用openCV就夠了!但是全景百萬畫素的辨識,那就完全是另一個全新的故事了!

我可以充分體會到同業廠商研究這種問題時的艱難痛苦,因為我也是花了好幾年一步一腳印排除萬難研究過來的!差別只是我早了三四年前就看到這個問題,也預期未來的車牌辨識需求就是這樣的!如果不能闖過這一關,以後就不用在車牌辨識市場混了!在笨鳥先飛的概念激勵之下,我現在反而有了一些優勢。

所以任何有車牌辨識需求的人都要想清楚,也看清楚,你的車牌辨識需求需要作到全景的辨識嗎?如果需要,你就必須直接問清楚廠商:你的辨識核心是以多大影像為設計基礎的?640X480的就一定不能用!在證件照片上找到人臉沒有太大難度,在一片叢林中找到一個樹叢中探頭出來的臉孔,是難度完全不同等級的車牌辨識,千萬別等買錯了才後悔!現在市場上想用老舊辨識核心蒙混欺騙客戶的廠商非常多!

看看下面這張圖,綠色框框就是640X480畫素的辨識區在1920X1080影像中的大小,可以想見,如果你買到這種辨識系統,你就必須讓車牌準確的駛進這個狹小區域才能進行車牌辨識,使用上非常不方便!聽說過某高鐵停車場的辨識系統有時必須倒退嚕才能辨識到嗎?就是這種狀況,先進的周邊設備變得必須配合老舊的辨識核心?情何以堪啊!好的辨識系統當然是攝影機拍到就應該能辨識到的!

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