澳洲警局8600萬美金造AI平台抓偷車賊，然而一個程式員57行代碼就搞定了

維多利亞警察局是澳洲維多利亞州的主要執法機構。在過去一年裡，州内共有1.6萬多輛車被盜，涉案費用約1.7億美元，對此維多利亞警方十分頭疼，開始嘗試技術手段去抓偷車賊。

為防止被盜汽車被進一步欺詐性銷售，維州公路局先是啟用了一項網絡服務，以檢查車輛注冊狀況，接着又打算投資研發一套汽車牌照掃描器——基于計算機視覺識别系統、可掃描過往車輛、自動識别被盜汽車的固定三腳架錄影機。

然而整套裝置價格高昂，約8600萬美元。有業内評論員分析，要想将這個成本共計8600萬美元的系統配置在220輛車上，相當于每輛車支出390909美元。

警方的舉措引起了網友Tait Brown的注意。Tait是一名開發者和設計師，他覺得維州警局的做法太浪費錢，于是突發奇想，準備用開源技術動手做一個車牌掃描器模型，如果車輛被盜或未被注冊，它就會自動通知車主。

圖：現有的車牌識别系統

在開始之前，Tait簡單列出了車牌掃描器産品的三個關鍵點。

它必須在本地完成圖像處理

将直播視訊流傳給中央處理器，似乎是解決問題最差的方法了。因為這除了會産生昂貴的資料流量費，還會加劇網絡延遲問題。

盡管，集中式的機器學習算法很有效，因為系統會随着深度學習的過程而變得更精确，但Tait更想知道，如果在本地裝置實作這一功能是否就已經“足夠好”。

它必須能夠處理低品質的圖像

由于Tait手頭沒有Raspberry Pi（樹莓派，微型電腦）攝像頭或USB網絡攝像頭，是以他就用現成的Dashcam鏡頭替代——一個随時可用的樣本資料來源，Dashcam鏡頭還有一個好處，它的視訊成像效果，與車載攝像頭所拍攝的視訊品質差不多。

它必須使用開源技術來搭建

如果依賴于一個專有軟體打造裝置，意味着後續每一次請求都将付費。相比之下，開源技術省錢是毋庸置疑的。

整個解決方案很簡單

産品設計好了以後，就可以操作了。Tait的解決方案是，從Dashcam視訊中擷取圖像，然後通過一個本地安裝在車牌掃描器裝置上的開源車牌識别系統抓取圖像，來查詢汽車的注冊檢查服務，并顯示結果。

傳輸到安裝在執法車輛的裝置資料包括：汽車出廠型号（隻有汽車被盜時才會核實）、注冊狀态以及車輛被盜時的通知報告。

聽起來是不是很簡單。例如，圖像處理都可以交由openalpr庫處理。這涉及到識别車牌上的字元：

PS：公共通路維州公路局的API接口是不可用的，是以Tait從官方網絡下載下傳資料，來進行車牌識别測試。

以下是他測試的過程：

但結果出乎意料的準确

測試結果讓Tait感到驚喜。他此前還擔心用開源系統識别車牌的效果會不理想，并且圖像識别算法很可能并未針對澳洲車牌進行優化。

然而最終的解決方案卻能夠在寬廣的視野中識别車牌。

圖：反光和攝像頭失真也不影響車牌識别

不過難以避免的，解決方案有時候也會出錯。

圖：讀數不正确，誤将M識别為H

但是，解決方案最終還是會糾正錯誤，給出正确回報。

圖：幾幀後，M已被正确識别，而且有着更高的置信度評分

如以上兩張圖所示，圖像處理的置信度評分從原來的87％上升到了91％以上。

這讓Tait确信，通過提高采樣率可以提高準确率，然後按最高置信度進行排序。或者，也可以調整門檻值，設定成僅在置信度大于90%的情況下才接受汽車牌照号的驗證。

這些都是很直接的代碼優先解決方案（code-first），并且不排除使用本地資料集，來訓練車牌識别軟體。

關于8600萬美元的問題

做完了以上試驗之後，Tait完全想不明白為什麼要花費8600萬美元，也沒覺得，經過本地化訓練的開源工具比BlueNet系統（第三方技術服務）的準确性低。

Tait預計，這筆預算其中一部分還包括：對幾個遺留資料庫和軟體應用程式的更新，以支援每秒對每輛車進行高頻率、低延遲的車牌查詢。

另一方面，如果每輛車的識别成本在39.1萬美元左右，确實挺貴，尤其是如果BlueNet系統的識别結果并非特别準确，而且沒有大規模的IT項目停産或更新相關系統的情況下，根本花不了那麼多錢。

試想一下，未來這種車牌識别系統可以有很多應用場景。譬如，系統自動掃描綁匪之後，自動報警并告知家屬綁匪目前的位置和方向，那該有多酷。

如今特斯拉汽車已經配置了攝像頭和傳感器，能夠接收OTA更新，這就相當于目擊者。當然，Uber和Lyft司機也可以配備這些裝置，來增加安全性。

簡而言之，使用開源技術和現有元件，似乎有可能提供一個回報率更高、更省錢的解決方案，投資遠遠低于8600萬美元哦！

原文出處：科技行者

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。