هل تتذكر ماسح ضوئي للوحة ترخيص بقيمة 86 مليون دولار قمت بنسخه؟

قبل بضعة أسابيع ، نشرت ما اعتقدت في ذلك الوقت أنه مقال غير ضار إلى حد ما: كيف قمت بتكرار مشروع بقيمة 86 مليون دولار في 57 سطرًا من التعليمات البرمجية. كنت أقول بشكل أساسي أن Id أعاد إنتاج نفس تقنية مسح لوحة الترخيص والتحقق من صحتها التي دفعت الشرطة في فيكتوريا بأستراليا ثمنها للتو 86 مليون دولار.

منذ ذلك الحين ، كانت ردود الفعل ساحقة. تلقت مقالتي أكثر من 100000 زيارة في اليوم الأول ، وللوهلة الأخيرة يوجد حوالي 450.000. لقد دُعيت للتحدث في برامج حوارية إذاعية محلية وفي مؤتمر في كاليفورنيا.

أعتقد أن شخصًا ما قد أخطأ في قراءة Victoria ، AU باسم Victoria ، BC ، على الرغم من أنني رفضت هذه العروض بأدب ، فقد التقيت لتناول القهوة مع العديد من المطورين المحليين والشركات ذات الأسماء الكبيرة على حد سواء. كانت مثيرة بشكل لا يصدق.

رأى معظم القراء ذلك على حقيقته: دليل على المفهوم لإثارة النقاش حول استخدام التكنولوجيا مفتوحة المصدر ، والإنفاق الحكومي ، ورغبة المرء في بناء أشياء رائعة من أريكته. أشار Pedants إلى الافتقار إلى التدريب والدعم وحشوات تكلفة تكنولوجيا المعلومات المعتادة للمؤسسات ، ولكن لا يستحق أي وقت في استكشافها. بدلاً من ذلك ، أقضي هذا المنشور في الاطلاع على نتائجي وكيف يمكن للآخرين تعزيز دقتهم.

قبل أن نتعمق في النتائج ، أحب Id أن يتطرق إلى شيء واحد أشعر أنه فقده في المنشور الأصلي. بدأ مفهوم هذا المشروع منفصلاً تمامًا عن مشروع BlueNet الذي تبلغ تكلفته 86 مليون دولار. لم تكن بأي حال من الأحوال محاولة للتغلب عليها.

بدأ الأمر بالفكر المزعج أنه نظرًا لوجود OpenCV وأن موقع VicRoads يحتوي على فحوصات لوحة ترخيص ، يجب أن تكون هناك طريقة للجمع بين الاثنين أو استخدام شيء أفضل. فقط عندما بدأت كتابتي ، عثرت على BlueNet. أثناء اكتشاف BlueNet وسعره أعطاني زاوية تحريرية رائعة ، حيث تم كتابة الكود بالفعل.

كان لا بد أن يكون هناك بعض التناقضات بين المشاريع. أعتقد أيضًا أن جزءًا من سبب هذا الانفجار كان التوقيت المناسب لتقرير عن الإنفاق الحكومي المهدر على تكنولوجيا المعلومات في أستراليا. ارتفعت فاتورة تكنولوجيا المعلومات للحكومات الفيدرالية من 5 دولارات.

9 مليارات إلى 10 مليارات دولار ، وقد أعطت قيمة مشكوك فيها لذلك الانفجار. سارع الباحثون الإعلاميون الذين اتصلوا بي إلى الربط بين الاثنين ، لكن هذا ليس شيئًا أشجعه بسرعة.

قام صاحب العمل السابق بتسليم مشاريع تكنولوجيا معلومات أصغر (أقل من مليون دولار) لشرطة فيكتوريا والهيئات الحكومية الأخرى. نتيجة لذلك ، خضعت لفحوصات الشرطة وأكملت الاستمارات المطلوبة لأصبح مقاولًا في VicPol ، وهذا قد يعني أن لديّ فأس لطحن أو الحصول على بعض المعرفة الداخلية المحددة ، ولكن بدلاً من ذلك أنا فخور بالمشاريع التي قدمناها.

لقد تم إجراؤهما في الوقت المحدد وفي حدود الميزانية. لقد سجلت لقطات اختبار مختلفة ، وكان هذا هو المقطع الأكثر نجاحًا.

سأخوض في التفاصيل حول إعدادات الكاميرا المثالية ، ومناطق الكشف ، والمزيد بعد الفيديو. سيساعدك هذا على فهم أفضل لما جعل فيديو iPhone هذا الذي التقطته من خلال الزجاج الأمامي فيديو أفضل من كونتور HD بزاوية من النافذة الجانبية. معضلة أخلاقية: إذا رأيت الرسم البطل لهذه المقالة أو شاهدت الفيديو أعلاه ، فربما لاحظت تطورًا مثيرًا للاهتمام: لقد ألقيت القبض على شخص ما.

على وجه التحديد ، ضبطت شخصًا يقود سيارة مع تسجيل مُلغى من عام 2016. كان من الممكن أن يحدث هذا لأسباب عديدة ، وأكثرها براءة هو ممارسة إعادة البيع المراوغة. في بعض الأحيان ، عندما لا يتم البيع الخاص للسيارة بواسطة الكتاب ، لا يجوز للمشتري والبائع إكمال التحويل الرسمي للتسجيل.

هذا يوفر على المشتري مئات الدولارات ، لكن السيارة لا تزال مسجلة لدى البائع. ليس من المستغرب أن يقوم البائع بإلغاء التسجيل والحصول على استرداد مخصص للأشهر المتبقية ، بقيمة مئات الدولارات أيضًا. بدلاً من ذلك ، قد يكون سائق السيارة هو المجرم الذي نشك في أنه كذلك.

لذلك ، على الرغم من أنني قمت بتسمية لوحة المشروع على سبيل المزاح عندما قمت بإعداده على جهاز الكمبيوتر الخاص بي ، إلا أنني أواجه الآن لغزًا يتعلق بما إذا كنت سأبلغ عما رأيته. لكن القيادة وفقًا لتسجيل عام 2016 (تم إلغاؤه ، ولم تنته صلاحيته) هي خطوة متعمدة للغاية.

حسنًا ، بالعودة إلى النتائج من بين العديد من ردود الفعل على مقالتي ، كان هناك قدرًا كبيرًا من الحرفي ومشكوكًا فيه. منذ أن قلت إنني قمت بتكرار البرنامج ، فقد أكدوا أنه يجب أن يكون لدي مركز دعم وضمانات وكتيبات تدريب.

حتى أن أحدهم حاول تكرار نتائجي وضرب العوائق الحتمية لجودة الصورة والمواد المصدر ، وبسبب هذا ، أشار البعض إلى أنني اخترت صوري المصدر. لذلك لا يسعني إلا أن أقول ، حسنًا ، دوه.

عندما أنشأت دليلي الأولي للمفهوم (مرة أخرى ، مع التركيز على التحقق من صحة فكرة ، وليس تكرار BlueNet) ، استخدمت مجموعة عينة صغيرة من أقل من عشر صور. نظرًا لأن إعداد الكاميرا هو أحد العوامل ، إن لم يكن أهمها ، في ALPR ، فقد قمت باختيارها للحصول على خصائص مثالية تعزز التعرف. في نهاية اليوم ، من السهل جدًا أخذ دليل هش للمفهوم وكسره.

يأتي الابتكار والتحدي الحقيقيان من أخذ إثبات المفهوم وإنجاحه. طوال مسيرتي المهنية ، أخبرني العديد من كبار المطورين أنه لا يمكن إنجاز الأشياء أو على الأقل لا يمكن القيام بها في الوقت المناسب. في بعض الأحيان كانوا على حق.

في كثير من الأحيان ، كانوا يتجنبون المخاطرة فقط ، ولا شيء مستحيل حتى يتم إثبات ذلك ، كثير من الناس ينبذون هذا الاقتباس ، وربما تكون قد شاهدت أو سمعت أحد تجسيداته من قبل.

بالنسبة لي ، فإنه يلخص بدقة عقلية التنمية الصحية ، حيث يكون إطلاق الأفكار والتحقق من صحتها أمرًا إلزاميًا تقريبًا لفهمها. يمكن أن يحدث هذا فقط مع مجموعة من الأجهزة والبرامج وحلول الشبكات.

بعد نشر مقالتي الأصلية ، قدم الأشخاص الذين يبيعون كاميرات ALPR النصائح بسرعة. التكبير البصري الحل الأكثر وضوحًا في الإدراك المتأخر هو استخدام الزوم البصري. على الرغم من أنني أستكشف عوامل مهمة أخرى أدناه ، إلا أن أيا منها لا يؤدي إلى مثل هذه الزيادة الهائلة في الاعتراف بهذا الشكل.

بشكل عام ، يتم تعويض حلول ALPR الاحترافية بزاوية ، ويتم تدريبها على مكان وجود لوحة الترخيص ، وتكبير المنطقة لزيادة الوضوح ، وهذا يعني أنه كلما زاد التكبير ، زاد عدد البكسل للعب بها. كانت من عدسة ثابتة.

وهي تشمل: كاميرا أكشن كونتور عالية الدقة. ظهرت هذه في عام 2009 ، وأنا أستخدمها لتسجيل تنقلاتي بالدراجة ولإعادة تشغيلها كل أسبوع بالقرب من الموت.

كانت الطريقة الوحيدة لدي لتكرار الزوم البصري هي استخدام تطبيق للتسجيل بدقة 3K بدلاً من 1080 بكسل ، ثم التكبير والقص رقميًا. مرة أخرى ، المزيد من وحدات البكسل للعب بها & غالبًا ما يشار إلى زاوية العرض البالغة 30 كمعيار للتعرف المثالي على اللوحة.

هذا مهم للغاية عندما تعلم أن BlueNet يستخدم مجموعة من الكاميرات. من المنطقي أيضًا أن تفكر في ما قد لا تراه الكاميرا الأمامية بشكل عام كثيرًا.

ستتكون من كاميرا واحدة موجهة إلى المركز الميت على النحو الوارد أعلاه ، واثنتان خارج المركز عند 30 لكل جانب ، وكاميرا خلفية واحدة. تأتي القيمة في توجيه معظم الكاميرات إلى الأمام من زيادة وقت رد الفعل إذا كانت السيارة تسير في الاتجاه المعاكس. سيسمح ذلك بإجراء مسح ضوئي وعملية واستدارة أسرع مما لو التقطت الكاميرات الخلفية سيارة مشبوهة بالفعل على بعد عشرة أمتار من سيارة الشرطة.

A Gymbal عند تكوين الفيديو ، فكرت في تثبيت اللقطات. وبدلاً من ذلك ، اخترت أن أظهر الركوب الوعر لما كان عليه. ما رأيته هو أنني أحمل هاتفي بالقرب من الزجاج الأمامي بينما كانت زوجتي تقود سيارتي.

تحقق من تلك الطريقة العلمية الصارمة. عوامل مهمة أخرى معدل الإطارات: كل من محاولة تكرار مشروعي وتسجيلاتي منذ ذلك الحين اكتشفت نفس المفهوم الخاطئ بأن معدل إطارات عينات ALPR قد يكون مرتبطًا بالنجاح. في تجربتي ، هذا لم يفعل شيئًا سوى دورات النفايات.

بدلاً من ذلك ، ما هو مهم للغاية هو سرعة الغالق التي تخلق لقطات واضحة ونقية تغذي الخوارزمية جيدًا. لكنني كنت أختبر أيضًا لقطات منخفضة السرعة إلى حد ما. على الأكثر ، خلقت مركبتان تمران على بعضهما البعض في منطقة 60 كم / ساعة فرقًا تفاضليًا يبلغ 120 كم / ساعة.

من ناحية أخرى ، يمكن لـ BlueNet العمل بسرعة تصل إلى 200 كم / ساعة. كطريقة لحل هذه المشكلة ، اقترح أحد الزملاء اكتشاف الكائنات ومعالجتها خارج النطاق. حدد سيارة وارسم مربعًا محيطًا.

انتظر حتى تصل إلى زاوية التعرف المثالية والتكبير. ثم التقط مجموعة من الصور للمعالجة غير المتزامنة ، لقد بحثت في استخدام OpenCV (node-opencv) للتعرف على الأشياء ، لكنني وجدت شيئًا أبسط مثل اكتشاف الوجه ، حيث يأخذ أي مكان من 600800 مللي ثانية.

ليس فقط أقل من مثالي لاستخدامي ، ولكنه سيئ جدًا بشكل عام. يأتي قطار الضجيج TensorFlow للإنقاذ. قادرة على العمل على الجهاز ، وهناك أمثلة على المشاريع التي تحدد مركبات متعددة لكل إطار بسرعة مذهلة تبلغ 27.

7fps. يمكن أن يعرض هذا الإصدار تقديرات السرعة. لا قيمة لها من الناحية القانونية ، ولكنها ربما تكون مفيدة في ضبط الأمن اليومي (لا يوجد معيار fps في الملف التمهيدي).

لشرح بشكل أفضل كيف يمكن أن يقترن التعرف على السيارة عالي الأداء مع تقنيات ALPR الأبطأ ، قمت بإنشاء فيديو آخر في After Effects. أتخيل أن الاثنين العاملين جنبًا إلى جنب سيبدو مثل هذا: معدل الإطار مقابل سرعة الغالق يتأثر مظهر مختلف لمعدل الإطارات إلى حد كبير بسرعة الغالق ، وبشكل أكثر تحديدًا ، مشكلات الغالق المتداول التي ابتليت بها الأفلام الرقمية المبكرة أو المنخفضة. مسجلات. فيما يلي لقطة من بعض لقطات Contour HD.

يمكنك أن ترى عند 60 كم / ساعة فقط مشكلة الغالق الدوار تجعل اللقطات غير قابلة للاستخدام إلى حد ما من وجهة نظر ALPR. لم ينتج عن تعديل معدل الإطارات على كل من Contour HD و iPhone الخاص بي تشويه أقل بشكل ملحوظ. من الناحية النظرية ، يجب أن تنتج سرعة الغالق الأعلى صورًا أكثر وضوحًا ووضوحًا.

لقد أصبحوا مهمين بشكل متزايد إذا كنت ستطارد معيار BlueNet 200 كم / ساعة. من الناحية المثالية ، يؤدي تقليل التشويش وتقليل تشويه الغالق المتدحرج إلى قراءة أفضل. فتح إصدار ALPR كان أحد الاكتشافات الأكثر إثارة للاهتمام هو أن إصدار node-openalpr الذي كنت أستخدمه قديم وغير قوي مثل حل الملكية الخاص بهما.

في حين أن مطلب المصدر المفتوح كان بالتأكيد عاملاً ، كان من المدهش مدى دقة النسخة السحابية في قراءة الإطارات التي لم أتمكن حتى من تحديد لوحة عليها. بأي حال من الأحوال لتجاوزه. يجب عليك سحب مفترق آخر لشخص ما ، والذي يسمح لك بعد ذلك بتوفير معلمة بلد إضافية.

ولكن هذا لا يساعد دائما. باستخدام خوارزمية الولايات المتحدة الافتراضية ، تمكنت من تحقيق معظم النتائج. أدى تحديد مجموعة البيانات الأسترالية إلى خفض عدد قراءات اللوحة الناجحة إلى النصف ، وتمكنت فقط من العثور على واحدة أو اثنتين لم تستطع خوارزمية الولايات المتحدة العثور عليها.

أدى توفير مجموعة اللوحة الأسترالية المنفصلة مرة أخرى إلى خفض العدد إلى النصف وتقديم لوحة إضافية واحدة. من الواضح أن هناك الكثير مما هو مرغوب فيه عندما يتعلق الأمر بمجموعات البيانات الأسترالية لـ ALPR ، وأعتقد أن العدد الهائل من أنماط اللوحات المتاحة في تعد فيكتوريا عاملاً مساهماً في ذلك. Planar WarpsOpen Open ALPR يأتي مع أداة واحدة محددة لتقليل تأثير التشويه من زاوية الكاميرا ومشاكل الغالق المتدحرج.

يشير الالتواء المستوي إلى طريقة يتم فيها تمرير الإحداثيات إلى المكتبة لتحريف الصورة وترجمتها وتدويرها حتى تشبه إلى حد بعيد لوحة مستقيمة. بكل السرعات. عندما تفكر في دوران الغالق ، فمن المنطقي أن التشويه يزداد بالنسبة لسرعة السيارة.

أتخيل أن تغذية مقياس التسارع أو بيانات سرعة GPS كمعامل قد يعمل. أو ، كما تعلم ، احصل على كاميرا ليست هراء تمامًا ما يفعله الآخرون في الصناعة تواصل العديد من القراء بعد آخر مشاركة لمشاركة تجاربهم وأفكارهم.

ربما كان أحد الحلول الأكثر إثارة للاهتمام التي شاركتها معي هو شركة Auror في نيوزيلندا ، حيث يستخدمون كاميرات ALPR ثابتة في محطات الوقود للإبلاغ عن الأشخاص الذين يسرقون البنزين. هذا في حد ذاته ليس جديدًا وثوريًا.

ولكن عند اقترانهم بشبكتهم ، يمكنهم تنبيههم تلقائيًا عند عودة المخالفين المعروفين ، أو استهداف محطات الوقود في المنطقة. BlueNet. من المحتمل أن يكون أداء البعض أفضل من البعض الآخر ، حيث تستخدم أماكن مثل إسرائيل لوحات ترخيص مكونة من سبعة أرقام بدون أحرف أبجدية.

هناك الكثير مما تعلمته في الأسابيع القليلة الماضية من الانغماس في المشاركة في منشور واحد. على الرغم من وجود الكثير من المنتقدين ، إلا أنني أقدر حقًا الدعم والمعرفة اللذين تم إرسالهما إلي طريقي ، وهناك الكثير من التحديات التي ستواجهها في محاولة بناء حل ALPR الخاص بك ، ولكن لحسن الحظ تم حل الكثير منها .

لوضع الأمور في نصابها ، أنا مصمم ومطور الواجهة الأمامية. لقد أمضيت حوالي عشر ساعات الآن على لقطات وكود ، وثماني ساعات أخرى في إنتاج الفيديو ، وعشر ساعات أخرى على الأقل في عمليات الكتابة وحدها. لقد حققت ما لدي بالوقوف على أكتاف العمالقة.

أقوم بتثبيت مكتبات بناها أشخاص أذكياء ولديهم نصائح مفيدة من الأشخاص الذين يبيعون هذه الكاميرات لكسب لقمة العيش. لا يزال السؤال البالغ 86 مليون دولار قائمًا إذا كان بإمكانك بناء حل نصف arsed يقوم بعمل جيد من خلال الوقوف على أكتاف العمالقة ، كيف الكثير من الأموال التي يجب أن تنفقها للقيام بعمل جيد حقًا؟ إن الحل الذي أقدمه ليس في نفس النظام الشمسي مثل 99.

ماسح ضوئي دقيق بنسبة 999٪ يبدو أن بعض المعلقين على الإنترنت يتوقعونه. ولكن بعد ذلك مرة أخرى ، يتعين على BlueNet فقط تحقيق هدف الدقة بنسبة 95٪ ، لذا إذا كان مبلغ المليون دولار يجعلك تصل إلى 80٪ من الدقة ، وربما 10 ملايين دولار تجعلك تصل إلى 90٪ من الدقة ، فمتى تتوقف عن الإنفاق؟

علاوة على ذلك ، بالنظر إلى أن التكنولوجيا أثبتت تطبيقاتها التجارية هنا في أوقيانوسيا ، ما مقدار أموال دافعي الضرائب التي يجب أن تُصرف في حل الملكية قريب المصدر عندما يمكن أن تستفيد الشركات الناشئة المحلية؟ من المفترض أن تكون أستراليا دولة إبداعية بعد كل شيء