還記得我複製的8600萬美元的車牌掃描儀嗎?

幾周前,我發表了我當時認為是一篇相當無害的文章: 我如何在57行代碼中複製一個8600萬美元的項目。 我承認這是一個相當點擊誘餌的說法。 我本質上是說,id複製了澳大利亞維多利亞州警方剛剛支付了8600萬美元的相同車牌掃描和驗證技術。

從那以後,反應一直是壓倒性的。 我的文章在第一天就獲得了100,000多次點擊,最後一眼就坐在450,000附近。 我被邀請在當地電台脫口秀節目和加州的一次會議上發表演講。

我認為有人可能誤讀了澳大利亞維多利亞州和不列顛哥倫比亞省維多利亞州。 儘管我禮貌地拒絕了這些提議,但我還是與當地的各種開發商和知名公司見面喝咖啡。 令人難以置信的令人興奮。

大多數讀者都看到了它的含義: 一個概念證明,引發了關於使用開源技術,政府支出以及一個人渴望在沙發上製作酷東西的討論。 學究者指出,缺乏培訓、支持和通常的企業IT成本,但不值得任何人花時間探索這些。 我寧願花這篇文章來看我的結果,以及其他人如何提高自己的準確性。

在我們深入研究結果之前,我想先討論一下我覺得在原始帖子中丟失的一件事。 這個項目的概念完全不同於 $ 8600萬BlueNet項目。 絕不是試圖將其淘汰。

它始於na的想法,即由於存在OpenCV並且VicRoads網站具有車牌檢查,因此必須有一種方法可以將兩者結合起來或使用更好的東西。 直到我開始寫作時,我才偶然發現了BlueNet。 雖然發現BlueNet及其價格標籤給了我一個很好的編輯角度,但代碼已經編寫好了。

這些項目之間肯定會有一些不一致的地方。 我還認為,爆炸的部分原因是有關澳大利亞浪費政府IT支出的報告的方便時機。 它法案的聯邦政府從5美元飆升。

90億到100億美元,它為這一爆炸帶來了可疑的價值。 與我聯繫的媒體研究人員很快將兩者聯繫起來,但這並不是我很快鼓勵的。 免責聲明透明的精神,我必須聲明原始帖子中也缺少的內容。

我以前的僱主為維多利亞州警察和其他州機構交付了較小的IT項目 (不到100萬美元)。 結果,我接受了警方的檢查,並完成了成為VicPol承包商所需的表格。 這可能意味著我有斧頭要磨或有一些特定的內幕知識,但相反,我為我們交付的項目感到自豪。

他們既按時又按預算。 可視化結果下面是我的結果的視頻表示,合成在After Effects中,帶來一些樂趣。 我錄製了各種測試錄像,這是最成功的剪輯。

在視頻之後,我將詳細介紹理想的攝像機設置,檢測區域等。 它將幫助您更好地了解是什麼使我通過擋風玻璃拍攝的iPhone視頻比側窗傾斜的輪廓高清視頻更好。 道德困境如果您看到本文的英雄圖形或觀看上面的視頻,您可能會注意到一個非常有趣的發展: 我抓到了一個人。

具體來說,我發現有人駕駛一輛登記2016年被取消的車輛。 發生這種情況可能有很多原因,其中最無辜的是不可靠的轉售行為。 有時,當車輛的私人銷售不是由賬簿完成時,買賣雙方可能不會完成正式的登記轉讓。

這為買方節省了數百美元,但車輛仍登記給賣方。 賣方隨後取消註冊並獲得剩餘月份的臨時退款 (也價值數百美元) 並非聞所未聞。 或者,車輛駕駛員很可能是我們懷疑的罪犯。

因此,儘管當我在計算機上設置項目時,我開玩笑地將其命名為 「告密者」,但我現在面臨著是否報告我所看到的內容的難題。 最終,使用僅用於警察的設備的原型檢測到駕駛員。 但是駕駛2016註冊 (已取消,未過期) 是一個非常刻意的舉動。

嗯。 回到對我的文章的許多反應的結果,相當多的是字面上的和可疑的。 自從我說我複製了該軟件以來,他們斷言我必須有一個支持中心,保修和培訓手冊。

有人甚至試圖複製我的結果,並遇到圖像質量和源材料不可避免的障礙。 因此,有人暗示我選擇了源圖像。 我只能說,嗯,嗯。

當我建立我最初的概念證明時 (同樣,專注於驗證一個想法,而不是複製BlueNet),我使用了一個少於十張圖像的小樣本集。 由於相機設置是ALPR中最重要的因素之一,即使不是最重要的因素,我也選擇了它們來增強識別能力的理想特徵。 歸根結底,拿一個脆弱的概念證明並打破它是非常簡單的。

真正的創新和挑戰來自對概念的證明,並使其發揮作用。 在我的職業生涯中,許多高級開發人員告訴我,事情不能完成,或者至少不能及時完成。 有時候他們是對的。

通常,他們只是規避風險。 除非被證明是不可能的。 許多人對這句話感到反感,你可能以前見過或聽說過它的化身之一。

對我來說,它巧妙地總結了一種健康的發展心態,在這種心態中,尖刻和驗證想法幾乎是理解它們的強制性要求。 最佳ALPR相機設置這個項目對我來說是如此令人興奮和不同,因為它有一個明確的成功指標,即軟件是否識別盤子。 這只能在硬件、軟件和網絡解決方案相結合的情況下發生。

在發布我的原始文章後,出售ALPR相機的人迅速提出了建議。 光學變焦事後看來,最明顯的解決方案是使用光學變焦。 儘管我在下面探討了其他重要因素,但沒有一個因素會導致如此巨大的知名度提高。

一般來說,專業的ALPR解決方案會以一定角度偏移,對車牌所在的位置進行培訓,並放大到該區域以最大程度地提高清晰度。 這意味著變焦越多,可以玩的像素就越多。 我可以使用的所有相機都是固定鏡頭。

其中包括: 輪廓高清運動相機。 這些是2009年出現的,我用我的來記錄我的騎車通勤,並在死亡經歷的每一周重播一次。 富士X100S (著名的固定定焦鏡頭) 我的iPhone 6功能測試運行記錄在我的手機上。

我複製光學變焦的唯一方法是使用應用程序以3k而不是1080p進行錄製,然後進行數字縮放和裁剪。 同樣,更多的像素可以玩。 角度 & 定位30的視角通常被稱為理想印版識別的標準。

當您了解到BlueNet使用一系列相機時,這一點非常重要。 當您考慮前置攝像頭通常不會看到很多東西時,這也很有意義。 如果我不得不猜測Id說,最前方的陣列將是理想的設置。

它將由如上所述的單個攝像頭指向死點,每側30個兩個偏心,以及一個後置攝像頭組成。 如果車輛沿相反方向行駛,則使大多數攝像機指向前方的值將來自增加的反應時間。 這將允許更快的掃描、處理和掉頭比如果後向攝像機拿起一個已經10米過警車的可疑車輛。

一個體操運動員在合成視頻時,我考慮過穩定鏡頭。 相反,我選擇展示顛簸的旅程。 你看到的是我妻子開車時把手機放在擋風玻璃附近。

看看那種嚴格的科學方法。 其他重要因素frame rate從那時起嘗試複製我的項目和我的錄音都探索了相同的誤解,即ALPR採樣幀速率可能與成功有關。 根據我的經驗,這只會浪費周期。

相反,令人難以置信的重要是快門速度可以創建乾淨,清晰的鏡頭,從而很好地融入算法。 但我也在測試相當低速的鏡頭。 至多,在60千米/h區中彼此通過的兩輛車產生了120千米/h差速器。

另一方面,BlueNet可以工作到所謂的200千米/h。 作為解決此問題的一種方法,一位同事建議進行對象檢測和帶外處理。 識別車輛並繪製邊界框。

等待它進入理想的識別角度並縮放。 然後拍攝一組照片進行異步處理。 我研究了使用OpenCV (node-opencv) 進行對象識別,但我發現了一些更簡單的東西,比如人臉檢測,從600800毫秒開始。

不僅不適合我的使用,而且總體上很差。 炒作-火車張量流來拯救。 能夠在設備上運行,有一些項目以驚人的27識別每幀多個車輛。

7fps。 此版本甚至可以公開速度估計。 在法律上毫無價值,但也許在日常警務中有用 (自述文件中沒有fps基準)。

為了更好地解釋高性能車輛識別如何與較慢的ALPR技術相結合,我在After Effects中創建了另一個視頻。 我想這兩個手拉手的工作看起來是這樣的: 幀速率與快門速度的不同表現在很大程度上影響了快門速度,更具體地說,困擾早期或低端數字電影的滾動快門問題錄音機。 以下是一些輪廓高清素材的快照。

從ALPR的角度來看,您只能看到60千米/h的滾動快門問題使鏡頭或多或少無法使用。 在Contour HD和我的iPhone上調整幀速率並沒有導致明顯減少失真。 從理論上講,更高的快門速度應該會產生更清晰,更清晰的圖像。

如果你要追逐200千米/h BlueNet基準,他們會變得越來越重要。 理想情況下,更少的模糊和更少的滾動快門失真將導致更好的讀取。 Open ALPR版本更有趣的發現之一是,我使用的node-openalpr版本既過時又不如其專有解決方案強大。

雖然開源需求肯定是一個因素,但令人驚訝的是,雲版本能夠成功讀取我甚至無法識別一個板塊的幀的準確程度。 ALPR國家培訓DataI還發現,主節點-openalpr包默認為美國國家處理,無法覆蓋它。 你必須拉下別人的叉子,這樣你就可以提供一個額外的國家參數。

但這並不總是有幫助。 使用默認的美國算法,我能夠產生最多的結果。 指定澳大利亞數據集實際上使成功的印版讀取次數減少了一半,並且僅設法找到了美國算法無法找到的一兩個。

提供單獨的澳大利亞寬盤組再次將計數減半,並引入了一個額外的板。 當談到基於澳大利亞的ALPR數據集時,顯然有很多需要改進的地方,而且我認為維多利亞州可用的平板樣式數量之多是一個促成因素。 Planar WarpsOpen ALPR配備了一種特殊的工具,可以減少相機角度和滾動快門問題對失真的影響。

平面翹曲指的是一種方法,其中將坐標傳遞給庫,以使圖像傾斜,平移和旋轉,直到它非常類似於直線板。 在我有限的測試經驗中,我無法找到在所有速度下都能工作的平面翹曲。 當您考慮捲簾時,失真相對於車速的增長是有道理的。

我可以想象將加速度計或GPS速度數據作為係數可能起作用。 或者,您知道,買一台完全不是垃圾的相機。 行業中其他人正在做的事情在上一篇文章之後,許多讀者伸出援手,分享自己的經驗和想法。

也許與我分享的一個更有趣的解決方案是新西蘭的Auror。 他們在加油站使用固定的ALPR攝像機來報告人們偷汽油的情況。 這本身並不是特別新的和革命性的。

但是,當與他們的網絡相結合時,他們可以在已知罪犯返回或瞄准該地區的加油站時自動發出警報。 以色列,南非和阿根廷的獨立開發人員對構建自己的被黑客入侵的BlueNet版本表現出興趣。 有些地方可能會比其他地方更好,因為像以色列這樣的地方使用沒有字母字符的七位數車牌。

關鍵要點在過去的幾周里,我學到了太多東西,無法適應一個職位。 儘管有很多批評者,但我真的很感謝我所提供的支持和知識。 在嘗試構建自己的ALPR解決方案時,您將面臨很多挑戰,但值得慶幸的是,其中很多問題都已解決。

從角度來看,我是一名設計師和前端開發人員。 我現在花了大約十個小時在鏡頭和代碼上,另外八個小時在視頻製作上,僅在寫作上就至少花了十個小時。 我站在巨人的肩膀上取得了我所擁有的成就。

我正在安裝由聰明人建造的圖書館,並利用出售這些相機為生的人的建議。 8600萬美元的問題仍然存在,如果你能建立一個半錯誤的解決方案,通過站在巨人的肩膀上做得很好,你應該投入多少錢來做一份真正的好工作? 我的解決方案甚至與99不在同一太陽系中。

一些互聯網評論者似乎期望的999% 準確的掃描儀。 但是話又說回來,blueNet只需要滿足95% 的精度目標。 因此,如果 $ 100萬可以使您80% 精度,也許 $ 1000萬可以使您90% 精度何時停止支出?

此外,考慮到這項技術在大洋洲已經被證明是商業應用的,當本地初創公司可以受益時,應該向一個專有的、近源解決方案投入多少納稅人的錢? 畢竟,澳大利亞應該是一個創新國家