Contents ...
udn網路城邦
AI就是因地制宜聰明合理的判斷能力!
2022/12/01 10:11
瀏覽1,174
迴響0
推薦11
引用0

上面就是我正在調整測試的車牌辨識軟體畫面,主要部份是一個街景的監視器畫面,我的軟體會持續抓取螢幕畫面一秒辨識1520次,每一張都是全景多車辨識,就是不管畫面中有幾輛汽機車?我都會盡量找到所有的車牌。如何快速又盡量準確的辨識出車牌當然是最困難的部分!也是我目前最大的技術優勢。

但是整個軟體除了影像辨識之外,其實還有很多資料統計與時空相關性的邏輯推理判斷,譬如畫面左下角是我的車牌辨識原始資料,就是我從每一個即時畫面中辨識出來的車牌!一輛車經過畫面即使只有三秒鐘,都會有數十次的辨識結果,當然是重複性很高的資料,不能一股腦地丟給客戶的!

這麼大量的資料光是存檔備查都會是一個大災難!別說一秒十幾張的影像檔案會有多大,即使只存辨識結果的文字資料都很嚇人的!所以當然是「不能」全部存檔的!所以首先是設法篩選縮減資料到「一車號一資料」!重複的資料會挑選品質好的只存一筆資料!

但是大家必須知道這是馬路街景!車子可能在任何位置被拍到,如果車牌只進畫面一部份,或車子跑遠了車牌有些模糊,我的軟體還是會盡量辨識的!於是乎如上的機車,近看車牌是正確的MPQ-6095,遠看就可能變成很像NPO-6085之類的錯誤車號了!

實際上這類錯誤辨識的原始資料可能佔到接近兩成的比例,但是因為影像太小太模糊而誤認的資料傾向不會重複多次出現,所以在統計學的觀點,重複次數越多的車號就越可靠!只要忽略只出現一兩次的原始資料,大部分的隨機誤認資料就會被排除了!

但是回到上面的機車例子,很有可能從下方剛進畫面時(近看)是連續七八個MPQ-6095,跑遠了接近畫面上方時就連續被辨識成NPQ-6095!於是同一輛車就會有兩個車號,當然多數時候這沒有太大問題,一車多號總比漏掉此車問題小一點!

如果想更準確解決這個問題,學院派的人也就是AI專家一定會想到要動態追蹤這輛車子!經過目標追蹤的技術,可以知道車牌號碼即使變了,車子還是同一輛,那就匯集此目標的多筆車號資料再統計投票找出最可能的車牌就好了!但是在車水馬龍的馬路上,要穩定地追蹤不時交錯的車輛目標其實是很困難的!

簡單說,要辨識車牌同時做多目標軌跡追蹤的計算成本有點太高,我們如果不介意車輛行進路線,只是收集過往車牌時,就不必費力做目標軌跡追蹤!頂多用辨識出來的車牌在畫面上的位置關係就可以整合資料了!

譬如上面機車的例子中,如果真的是近看為M遠看變N,那M開頭的車牌時間會早於N開頭的車牌,兩者時間也一定連續,位置方面一定是M在下N在上,車牌的大小也一定是MN小!如果想進一步淘汰一個可能錯誤的車牌當然是踢掉NPQ-6095了!

同理,如果有個車牌某字會B8D0交互誤認,我們參考辨識出車牌的畫面位置,也可以協助判斷誰比較可能是正確答案!我的軟體做好之後都會如上圖那樣連線現場不斷觀察各種狀況,一看就是很多天!看甚麼呢?就是不斷思考如何用到更多因地制宜的小聰明加入我的程式,讓它更聰明!也就是更AI

重點是:我不必用到任何複雜的,需要大量資料歸納統計的機器學習公式!只需要善用可以精確掌握的科學原理判斷邏輯,也就是所謂的物理常識而已!如果一般人都可以做到的合理判斷「AI」軟體卻視若無睹?任由軟體表現笨笨的?那就很不AI了!

另外一種小聰明也是極端重要的!就是影像的動態偵測,如果畫面上基本上沒車,或所有車輛都在靜止狀態時,我的軟體會偵測到「沒有動靜」,即使有車牌也是之前就辨識過的,就不做積極的車牌辨識!CPU耗能就會很低,否則一秒辨識十幾二十張影像會很費電的!這也算是一種AI吧?

有誰推薦more
全站分類:心情隨筆 工作職場
自訂分類:不分類

限會員,要發表迴響,請先登入