私が複製した 8,600 万ドルのナンバー プレート スキャナーを覚えていますか?

数週間前、私は当時はかなり無害だと思っていた記事を公開しました。それは、57 行のコードで 8,600 万ドルのプロジェクトをどのように複製したかというものでした。 私は基本的に、Idd が、オーストラリアのビクトリア州の警察が 8,600 万ドルを支払ったばかりのナンバー プレート スキャンおよび検証技術を再現したと言っているのです。

それ以来、反応は圧倒的です。 私の記事は、初日で 100,000 を超えるヒットを記録しました。 私は、地元のラジオのトークショーやカリフォルニアでの会議で講演するよう招待されました。

誰かがオーストラリアのビクトリアをブリティッシュ コロンビア州のビクトリアと読み違えたのではないかと思います。私はこれらの申し出を丁重に断りましたが、さまざまな地元の開発者や有名企業と同様にコーヒーを飲みに会いました。 それは信じられないほどエキサイティングでした。

ほとんどの読者は、オープン ソース テクノロジの使用、政府の支出、ソファからクールなものを構築したいという男の願望についての議論を引き起こす概念実証として、それを目にしました。 衒学者は、トレーニング、サポート、および通常のエンタープライズ IT コスト パダーの不足を指摘していますが、これらを調査するのに時間をかける価値はありません。 この投稿では、私の結果と、他の人がどのように自分の精度を高めることができるかを見ていきたいと思います.

結果について深く掘り下げる前に、元の投稿で失われたと思われることを 1 つ確認したいと思います。 このプロジェクトのコンセプトは、8,600 万ドルの BlueNet プロジェクトとはまったく別のものでした。 それは決してそれを打ち負かす試みではありませんでした。

それは、OpenCV が存在し、VicRoads の Web サイトにはナンバー プレート チェックがあるため、この 2 つを組み合わせるか、より優れた方法を使用する方法が必要であるというしつこい考えから始まりました。 BlueNet に出くわしたのは、記事を書き始めたときだけでした。 BlueNet とその値札を発見したとき、コードが既に書かれているので、私は素晴らしい編集角度を得ることができました。

プロジェクト間に矛盾が生じることは避けられませんでした。 私はまた、これが爆発した理由の一部は、オーストラリアで無駄な政府の IT 支出に関する報告が好都合なタイミングであったことだと信じています。 連邦政府の IT 法案は 5 ドルから跳ね上がりました。

90 億ドルから 100 億ドルであり、その爆発に対して疑わしい価値をもたらしました。 私に連絡を取ったメディア研究者はすぐにこの 2 つを関連付けましたが、これは私がすぐに推奨するものではありません. 免責事項 透明性の精神から、元の投稿にも欠けていた何かを宣言しなければなりません.

私の以前の雇用主は、ビクトリア州警察やその他の州機関向けに小規模 (100 万ドル未満) の IT プロジェクトを提供していました。 その結果、私は警察のチェックを受け、VicPol の請負業者になるために必要なフォームに記入しました。これは、私が研ぎ澄まされた斧を持っているか、特定のインサイダーの知識を持っていることを意味するかもしれませんが、代わりに、私たちが提供したプロジェクトを誇りに思っています.

時間と予算の両方を満たしていました。 さまざまなテスト映像を記録しましたが、これが最も成功したクリップでした。

ビデオの後で、理想的なカメラのセットアップ、検出領域などについて詳しく説明します。 フロントガラス越しに撮影したこの iPhone ビデオが、サイド ウィンドウから角度を付けて撮影した Contour HD よりも優れたビデオである理由を理解するのに役立ちます。 倫理的ジレンマ この記事のヒーロー グラフィックや上記のビデオを見た場合、非常に興味深い展開に気付いたかもしれません。

具体的には、2016 年に登録が取り消された車両を運転している人を見つけました。 これは多くの理由で発生する可能性がありますが、その中で最も罪のないものは危険な転売行為です。 時折、車両の個人売買が帳簿によって行われない場合、買い手と売り手は登録の正式な譲渡を完了しない場合があります。

これにより、買い手は数百ドルを節約できますが、車両は売り手に登録されたままです。 売り手がその後登録をキャンセルし、数百ドル相当の残りの月のアドホックな払い戻しを受けることは前代未聞ではありません. あるいは、車両の運転手が、私たちが疑う犯罪者である可能性があります。

そのため、コンピューターにセットアップしたときに冗談でプロジェクトにプレートスニッチという名前を付けましたが、今では私が見たものを報告するかどうかという難問に直面していました.最終的に、警察専用のデバイスのプロトタイプを使用してドライバーを検出しました. しかし、2016 年の登録 (期限切れではなくキャンセル済み) で運転することは、非常に意図的な動きです。

うーん、結果に戻る 私の記事に対する多くの反応のうち、かなりの量が文字通りの、疑わしいものでした。 ソフトウェアを複製したと言ったので、サポート センター、保証、およびトレーニング マニュアルが必要であると彼らは主張しました。

1 人は私の結果を再現しようと試み、画質とソース マテリアルの避けられない障害にぶつかりました。 それには、まあ、当たり前だとしか言えません。

最初の概念実証を作成したとき (ここでも、BlueNet を複製するのではなく、アイデアの検証に焦点を当てています)、10 枚未満の画像の小さなサンプル セットを使用しました。 カメラのセットアップは、ALPR の最も重要な要素ではないにしても、その 1 つであるため、認識を強化する理想的な特性のためにそれらを選択しました。

真の革新と課題は、概念実証を行い、それを機能させることから生まれます。 私のプロとしてのキャリアを通じて、多くの上級開発者は、物事を行うことができない、または少なくともタイムリーに行うことができないと私に言いました。 時々彼らは正しかった。

多くの場合、彼らは単にリスク回避的でした.それが証明されるまで不可能なことは何もありません.多くの人がこの引用をろくでなしにしています.

私にとって、それは健全な開発の考え方をきちんとまとめたものであり、アイデアを理解するためにスパイクと検証がほぼ必須です。 これは、ハードウェア、ソフトウェア、およびネットワーク ソリューションを組み合わせた場合にのみ発生します。

私の最初の記事を投稿した後、ALPR カメラを販売している人々がすぐにアドバイスをくれました。 以下で他の重要な要因を検討しますが、これほど認知度が大幅に向上するものはありません.

一般に、プロ仕様の ALPR ソリューションは、ある角度でオフセットし、ナンバー プレートがどこにあるかをトレーニングし、その領域を拡大して明瞭さを最大化します。これは、より多くのズーム、より多くのピクセルを操作できることを意味します。私が自由に使えるすべてのカメラ固定レンズでした。

Contour HD アクション カメラ。 これらは 2009 年に発売されたもので、私は自転車通勤を記録し、臨死体験を毎週再生するために使用しています。

光学ズームを複製する唯一の方法は、アプリを使用して 1080p ではなく 3K で記録し、デジタルでズームしてトリミングすることでした。 繰り返しますが、操作するピクセルが増えました。Angle & ポジショニング 30 度の視野角は、理想的なプレート認識の基準として参照されることがよくあります。

BlueNet が一連のカメラを使用していることを知ると、これは非常に重要です。 また、前面カメラが一般的にあまり見えないことを考えると、それは理にかなっています.私が推測しなければならない場合、ほぼ前向きのアレイが理想的なセットアップになると思います.

それは、上記のように中心に向けられた 1 つのカメラ、各側に 30 の中心から外れた 2 つのカメラ、および 1 つの背面カメラで構成されます。 ほとんどのカメラを前方に向けることの価値は、車両が反対方向に移動している場合の反応時間が長くなることから得られます。 これにより、後ろ向きのカメラが警察車両の 10 メートル先にすでに疑わしい車両を捉えた場合よりも、迅速なスキャン、プロセス、および U ターンが可能になります。

ジンバル動画を合成するときに、フッテージを安定させることを考えました。 代わりに、でこぼこした乗り物を表示することにしました。 あなたが見たのは、妻が運転している間、私が電話をフロントガラスの近くに置いていたことです。

その厳密な科学的方法をチェックしてください。 その他の重要な要素 フレーム レート それ以来、私のプロジェクトと私の録音を複製しようとする試みは、ALPR サンプリング フレーム レートが成功に関連している可能性があるという同じ誤解を調査しました。 私の経験では、これはサイクルを無駄にするだけでした。

代わりに、非常に重要なのは、アルゴリズムにうまくフィードされるクリーンで鮮明な映像を作成するシャッター速度です. しかし、かなり低速の映像もテストしていました。 時速 60km のゾーンで 2 台の車がすれ違うと、せいぜい時速 120km の差が生じます。

一方、BlueNet は時速 200 km まで動作します。 これを解決する方法として、同僚が物体検出と帯域外処理を提案しました。 車両を識別し、境界ボックスを描画します。

理想的な認識角度とズームになるまで待ちます。 オブジェクト認識に OpenCV (node-opencv) を使用することを検討しましたが、600800ms からどこでもかかる、顔検出のような単純なものを見つけました。

私の使用には理想的ではないだけでなく、一般的にかなり貧弱です。 ハイプトレイン TensorFlow が助けになります。 デバイス上で実行できるため、フレームごとに複数の車両を驚異的な 27 で識別するプロジェクトの例があります。

7fps。 このバージョンでは、速度の見積もりを公開することさえできます。 法的には価値がありませんが、おそらく毎日のポリシングに役立ちます (readme に fps ベンチマークはありません)。

高性能の車両認識を遅い ALPR 技術と組み合わせる方法をよりよく説明するために、After Effects で別のビデオを作成しました。 フレーム レートとシャッター スピードフレーム レートの異なる表現は、シャッター スピードに大きく影響されます。より具体的には、初期またはローエンドのデジタル ムービーを悩ませているローリング シャッターの問題です。レコーダー。 以下は、いくつかの Contour HD 映像のスナップショットです。

わずか 60km/h で、ローリング シャッターの問題により、ALPR の観点からは映像が多かれ少なかれ使用できなくなることがわかります。 理論的には、シャッター速度が速いほど、より鮮明で鮮明な画像が得られるはずです。

時速 200km の BlueNet ベンチマークを追跡する場合、これらはますます重要になります。 ぼやけやローリングシャッターの歪みが少ないと、理想的には読み取りが改善されます。 Open ALPR バージョンより興味深い発見の 1 つは、私が使用していた node-openalpr バージョンが古く、独自のソリューションほど強力ではないということでした。

オープンソースの要件は確かに要因でしたが、プレートを識別することさえできなかったフレームをクラウドバージョンがどれだけ正確に読み取ることができたかは驚くべきことでした。それをオーバーライドする方法はありません。 他の誰かのフォークをプルダウンして、追加の国のパラメーターを提供できるようにする必要があります。

しかし、これは常に役立つわけではありません。 デフォルトの US アルゴリズムを使用して、最も多くの結果を得ることができました。 オーストラリアのデータセットを指定すると、実際には成功したプレート読み取りの数が半分になり、米国のアルゴリズムでは検出できなかった 1 つまたは 2 つのみを見つけることができました。

別のオーストラリア ワイド プレート セットを再び提供することで、数が半分になり、追加のプレートが 1 つ導入されました。ビクトリアは一因です。Planar WarpsOpen ALPR には、カメラ アングルとローリング シャッターの問題の両方による歪みの影響を軽減する特定のツールが付属しています。

平面ワープとは、座標がライブラリに渡されて、画像がまっすぐなプレートに非常に似るまで傾斜、変換、および回転する方法を指します。私の限られたテスト経験では、で機能する平面ワープを見つけることができませんでしたすべての速度。 ローリング シャッターを考えると、車速に比例して歪みが大きくなるのは理にかなっています。

係数が機能する可能性があるため、加速度計または GPS 速度データを供給することを想像します。 または、完全にごみではないカメラを入手してください。業界で他の人が行っていること 前回の投稿の後、多くの読者が自分の経験やアイデアを共有するために手を差し伸べました。

おそらく、私が共有した興味深いソリューションの 1 つは、ニュージーランドの Auror によるものです。Auror は、ガソリン スタンドに固定 ALPR カメラを使用して、人々がガソリンを盗んでいることを報告しています。 これ自体は特に目新しく革新的なものではありません。

しかし、彼らのネットワークと組み合わせると、既知の犯罪者が戻ってきたとき、またはその地域のガソリンスタンドを標的にしているときに、自動的に警告を発することができます.イスラエル、南アフリカ、アルゼンチンの独立した開発者は、独自のハッキングされたバージョンのブルーネット。 イスラエルのような場所ではアルファベット文字のない 7 桁のナンバー プレートを使用しているため、一部の車はおそらく他の車よりもうまくいくでしょう。

重要ポイント 1 つの投稿に収めるには、過去数週間の試行錯誤で私が学んだことは多すぎます。 中傷する人はたくさんいますが、私に送られてくるサポートと知識には本当に感謝しています.独自の ALPR ソリューションを構築しようとする際に直面する課題はたくさんありますが、ありがたいことに、それらの多くは解決されています。 .

物事を大局的に見ると、私はデザイナー兼フロントエンド開発者です。 私は現在、フッテージとコードに約 10 時間、ビデオ制作にさらに 8 時間、執筆だけで少なくともさらに 10 時間を費やしています。 私は巨人の肩の上に立つことで、私が持っているものを達成しました。

私は知的な人々によって構築されたライブラリをインストールし、生計を立てるためにこれらのカメラを販売している人々からのアドバイスを活用しました.巨人の肩の上に立って大丈夫な仕事をする中途半端なソリューションを構築できるかどうか、8,600万ドルの問題はまだ残っています.本当に本当に良い仕事をするために、もっと多くのお金を注ぎ込むべきですか?私の解決策は、99年と同じ太陽系にさえありません.

一部のインターネット コメンターが期待しているように見える 999% 正確なスキャナー。 しかし、繰り返しになりますが、BlueNet は 95% の精度目標を達成するだけでよいのです。たとえば、100 万ドルで 80% の精度が得られ、1,000 万ドルで 90% の精度が得られる場合、いつ支出をやめますか?

さらに、この技術がここオセアニアで商用化されていることが証明されていることを考えると、地元の新興企業が利益を得ることができる場合、独自のクローズソースソリューションにどれだけ多くの納税者のお金を注ぐべきでしょうか?結局、オーストラリアはイノベーション国家になるはずだった