还记得我复制的8600万美元的车牌扫描仪吗？

几周前，我发表了我当时认为是一篇相当无害的文章: 我如何在57行代码中复制一个8600万美元的项目。我承认这是一个相当点击诱饵的说法。 我本质上是说，Id复制了澳大利亚维多利亚州警方刚刚支付了8600万美元的相同车牌扫描和验证技术。

从那以后，反应一直是压倒性的。 我的文章在第一天就获得了100,000多次点击，最后一眼就坐在450,000附近。 我被邀请在当地电台脱口秀节目和加州的一次会议上发表演讲。

我认为有人可能误读了澳大利亚维多利亚州和不列颠哥伦比亚省维多利亚州。尽管我礼貌地拒绝了这些提议，但我还是与当地的各种开发商和知名公司见面喝咖啡。 令人难以置信的令人兴奋。

大多数读者都看到了它的含义: 一个概念证明，引发了关于使用开源技术，政府支出以及一个人渴望在沙发上制作酷东西的讨论。 学究者指出，缺乏培训、支持和通常的企业IT成本，但不值得任何人花时间探索这些。 我宁愿花这篇文章来看我的结果，以及其他人如何提高自己的准确性。

在我们深入研究结果之前，我想先讨论一下我觉得在原始帖子中丢失的一件事。 这个项目的概念完全不同于 $ 8600万BlueNet项目。 绝不是试图将其淘汰。

它始于na的想法，即由于存在OpenCV并且VicRoads网站具有车牌检查，因此必须有一种方法可以将两者结合起来或使用更好的东西。 直到我开始写作时，我才偶然发现了BlueNet。 虽然发现BlueNet及其价格标签给了我一个很好的编辑角度，但代码已经编写好了。

这些项目之间肯定会有一些不一致的地方。 我还认为，爆炸的部分原因是有关澳大利亚浪费政府IT支出的报告的方便时机。 它法案的联邦政府从5美元飙升。

90亿到100亿美元，它为这一爆炸带来了可疑的价值。 与我联系的媒体研究人员很快将两者联系起来，但这并不是我很快鼓励的。免责声明透明的精神，我必须声明原始帖子中也缺少的内容。

我以前的雇主为维多利亚州警察和其他州机构交付了较小的IT项目 (不到100万美元)。 结果，我接受了警方的检查，并完成了成为VicPol承包商所需的表格。这可能意味着我有斧头要磨或有一些特定的内幕知识，但相反，我为我们交付的项目感到自豪。

他们既按时又按预算。可视化结果下面是我的结果的视频表示，合成在After Effects中，带来一些乐趣。 我录制了各种测试录像，这是最成功的剪辑。

在视频之后，我将详细介绍理想的摄像机设置，检测区域等。 它将帮助您更好地了解是什么使我通过挡风玻璃拍摄的iPhone视频比侧窗倾斜的轮廓高清视频更好。 道德困境如果您看到本文的英雄图形或观看上面的视频，您可能会注意到一个非常有趣的发展: 我抓到了一个人。

具体来说，我发现有人驾驶一辆登记2016年被取消的车辆。 发生这种情况可能有很多原因，其中最无辜的是不可靠的转售行为。 有时，当车辆的私人销售不是由账簿完成时，买卖双方可能不会完成正式的登记转让。

这为买方节省了数百美元，但车辆仍登记给卖方。 卖方随后取消注册并获得剩余月份的临时退款 (也价值数百美元) 并非闻所未闻。 或者，车辆驾驶员很可能是我们怀疑的罪犯。

因此，尽管当我在计算机上设置项目时，我开玩笑地将其命名为 “告密者”，但我现在面临着是否报告我所看到的内容的难题。最终，使用仅用于警察的设备的原型检测到驾驶员。 但是驾驶2016注册 (已取消，未过期) 是一个非常刻意的举动。

嗯。回到对我的文章的许多反应的结果，相当多的是字面上的和可疑的。 自从我说我复制了该软件以来，他们断言我必须有一个支持中心，保修和培训手册。

有人甚至试图复制我的结果，并遇到图像质量和源材料不可避免的障碍。因此，有人暗示我选择了源图像。 我只能说，嗯，嗯。

当我建立我最初的概念证明时 (同样，专注于验证一个想法，而不是复制BlueNet)，我使用了一个少于十张图像的小样本集。 由于相机设置是ALPR中最重要的因素之一，即使不是最重要的因素，我也选择了它们来增强识别能力的理想特征。归根结底，拿一个脆弱的概念证明并打破它是非常简单的。

真正的创新和挑战来自对概念的证明，并使其发挥作用。 在我的职业生涯中，许多高级开发人员告诉我，事情不能完成，或者至少不能及时完成。 有时候他们是对的。

通常，他们只是规避风险。除非被证明是不可能的。许多人对这句话感到反感，你可能以前见过或听说过它的化身之一。

对我来说，它巧妙地总结了一种健康的发展心态，在这种心态中，尖刻和验证想法几乎是理解它们的强制性要求。最佳ALPR相机设置这个项目对我来说是如此令人兴奋和不同，因为它有一个明确的成功指标，即软件是否识别盘子。 这只能在硬件、软件和网络解决方案相结合的情况下发生。

在发布我的原始文章后，出售ALPR相机的人迅速提出了建议。光学变焦事后看来，最明显的解决方案是使用光学变焦。 尽管我在下面探讨了其他重要因素，但没有一个因素会导致如此巨大的知名度提高。

一般来说，专业的ALPR解决方案会以一定角度偏移，对车牌所在的位置进行培训，并放大到该区域以最大程度地提高清晰度。这意味着变焦越多，可以玩的像素就越多。我可以使用的所有相机都是固定镜头。

其中包括: 轮廓高清运动相机。 这些是2009年出现的，我用我的来记录我的骑车通勤，并在死亡经历的每一周重播一次。富士X100S (著名的固定定焦镜头) 我的iPhone 6功能测试运行记录在我的手机上。

我复制光学变焦的唯一方法是使用应用程序以3k而不是1080p进行录制，然后进行数字缩放和裁剪。 同样，更多的像素可以玩。角度 & 定位30的视角通常被称为理想印版识别的标准。

当您了解到BlueNet使用一系列相机时，这一点非常重要。 当您考虑前置摄像头通常不会看到很多东西时，这也很有意义。如果我不得不猜测Id说，最前方的阵列将是理想的设置。

它将由如上所述的单个摄像头指向死点，每侧30个两个偏心，以及一个后置摄像头组成。 如果车辆沿相反方向行驶，则使大多数摄像机指向前方的值将来自增加的反应时间。 这将允许更快的扫描、处理和掉头比如果后向摄像机拿起一个已经10米过警车的可疑车辆。

一个体操运动员在合成视频时，我考虑过稳定镜头。 相反，我选择展示颠簸的旅程。 你看到的是我妻子开车时把手机放在挡风玻璃附近。

看看那种严格的科学方法。 其他重要因素frame rate从那时起尝试复制我的项目和我的录音都探索了相同的误解，即ALPR采样帧速率可能与成功有关。 根据我的经验，这只会浪费周期。

相反，令人难以置信的重要是快门速度可以创建干净，清晰的镜头，从而很好地融入算法。 但我也在测试相当低速的镜头。 至多，在60千米/h区中彼此通过的两辆车产生了120千米/h差速器。

另一方面，BlueNet可以工作到所谓的200千米/h。 作为解决此问题的一种方法，一位同事建议进行对象检测和带外处理。 识别车辆并绘制边界框。

等待它进入理想的识别角度并缩放。 然后拍摄一组照片进行异步处理。我研究了使用OpenCV (node-opencv) 进行对象识别，但我发现了一些更简单的东西，比如人脸检测，从600800毫秒开始。

不仅不适合我的使用，而且总体上很差。 炒作-火车张量流来拯救。 能够在设备上运行，有一些项目以惊人的27识别每帧多个车辆。

7fps。 此版本甚至可以公开速度估计。 在法律上毫无价值，但也许在日常警务中有用 (自述文件中没有fps基准)。

为了更好地解释高性能车辆识别如何与较慢的ALPR技术相结合，我在After Effects中创建了另一个视频。 我想这两个手拉手的工作看起来是这样的: 帧速率与快门速度的不同表现在很大程度上影响了快门速度，更具体地说，困扰早期或低端数字电影的滚动快门问题录音机。 以下是一些轮廓高清素材的快照。

从ALPR的角度来看，您只能看到60千米/h的滚动快门问题使镜头或多或少无法使用。在Contour HD和我的iPhone上调整帧速率并没有导致明显减少失真。 从理论上讲，更高的快门速度应该会产生更清晰，更清晰的图像。

如果你要追逐200千米/h BlueNet基准，他们会变得越来越重要。 理想情况下，更少的模糊和更少的滚动快门失真将导致更好的读取。 Open ALPR版本更有趣的发现之一是，我使用的node-openalpr版本既过时又不如其专有解决方案强大。

虽然开源需求肯定是一个因素，但令人惊讶的是，云版本能够成功读取我甚至无法识别一个板块的帧的准确程度。ALPR国家培训DataI还发现，主节点-openalpr包默认为美国国家处理，无法覆盖它。 你必须拉下别人的叉子，这样你就可以提供一个额外的国家参数。

但这并不总是有帮助。 使用默认的美国算法，我能够产生最多的结果。 指定澳大利亚数据集实际上使成功的印版读取次数减少了一半，并且仅设法找到了美国算法无法找到的一两个。

提供单独的澳大利亚宽盘组再次将计数减半，并引入了一个额外的板。当谈到基于澳大利亚的ALPR数据集时，显然有很多需要改进的地方，而且我认为维多利亚州可用的平板样式数量之多是一个促成因素。Planar WarpsOpen ALPR配备了一种特殊的工具，可以减少相机角度和滚动快门问题对失真的影响。

平面翘曲指的是一种方法，其中将坐标传递给库，以使图像倾斜，平移和旋转，直到它非常类似于直线板。在我有限的测试经验中，我无法找到在所有速度下都能工作的平面翘曲。 当您考虑卷帘时，失真相对于车速的增长是有道理的。

我可以想象将加速度计或GPS速度数据作为系数可能起作用。 或者，您知道，买一台完全不是垃圾的相机。行业中其他人正在做的事情在上一篇文章之后，许多读者伸出援手，分享自己的经验和想法。

也许与我分享的一个更有趣的解决方案是新西兰的Auror。他们在加油站使用固定的ALPR摄像机来报告人们偷汽油的情况。 这本身并不是特别新的和革命性的。

但是，当与他们的网络相结合时，他们可以在已知罪犯返回或瞄准该地区的加油站时自动发出警报。以色列，南非和阿根廷的独立开发人员对构建自己的被黑客入侵的BlueNet版本表现出兴趣。 有些地方可能会比其他地方更好，因为像以色列这样的地方使用没有字母字符的七位数车牌。

关键要点在过去的几周里，我学到了太多东西，无法适应一个职位。 尽管有很多批评者，但我真的很感谢我所提供的支持和知识。在尝试构建自己的ALPR解决方案时，您将面临很多挑战，但值得庆幸的是，其中很多问题都已解决。

从角度来看，我是一名设计师和前端开发人员。 我现在花了大约十个小时在镜头和代码上，另外八个小时在视频制作上，仅在写作上就至少花了十个小时。 我站在巨人的肩膀上取得了我所拥有的成就。

我正在安装由聪明人建造的图书馆，并利用出售这些相机为生的人的建议。8600万美元的问题仍然存在，如果你能建立一个半错误的解决方案，通过站在巨人的肩膀上做得很好，你应该投入多少钱来做一份真正的好工作？我的解决方案甚至与99不在同一太阳系中。

一些互联网评论者似乎期望的999% 准确的扫描仪。 但是话又说回来，BlueNet只需要满足95% 的精度目标。因此，如果 $ 100万可以使您80% 精度，也许 $ 1000万可以使您90% 精度何时停止支出？

此外，考虑到这项技术在大洋洲已经被证明是商业应用的，当本地初创公司可以受益时，应该向一个专有的、近源解决方案投入多少纳税人的钱？毕竟，澳大利亚应该是一个创新国家