酷应用

我只用57行代码就复刻一个8600万美元的大项目！

百家作者：程序人生 2017-09-13 06:01:01

维多利亚警察局是澳大利亚维多利亚州的主要执法机构。过去一年，维多利亚州共有超过1.6万辆车被盗，损失约为1.7亿美元，警方正在试验各种技术解决方案，来打击汽车盗窃。

为了防止被盗车辆的欺诈性销售，已经有VicRoads这种在线服务用于检查车辆注册状况。当局还投资了一个固定的车牌扫描器——一个固定的三脚架摄像头，用于自动扫描识别被盗车辆。

不要问我为什么，就在某天下午，我想到制作一个车载的车牌扫描仪，如果车辆被盗或未注册，能够自动通知您。这些单独的组件是存在的，我想知道将它们协同连接起来会有多困难。

但是，经过一番谷歌搜索之后，我发现维多利亚警方最近试验了一个类似的设备，估计费用约为8600万美元。一位精明的评论员指出，这8600万美金用来匹配220辆车，相当于每一辆车花费39.0909万美元。

当然我们可以做的比这更好。

现有固定车牌识别系统

成功的标准

在开始之前，我简要罗列了产品设计的几个关键要求。

图像处理必须在本地执行

将实时视频流传向中央处理仓库似乎是解决此问题的最低效方法。除了数据流庞大的容量，您还将网络延迟引入到已经相当缓慢的过程中。

虽然集中式机器学习算法只会随着时间的推移而变得更加准确，但我想了解本地的设备实现是否“足够好”。

它必须能够解析低质量的图像

因为我没有树莓派相机或USB网络摄像头，所以我将使用Dashcam镜头——它是一种随时可用的、理想的样本数据来源。还有一个额外的好处，Dashcam视频代表了您从车载摄像机预期的镜头的整体质量。

它使用开源技术构建

依靠专有软件意味着每次您要求更改或增强时，您都会感觉非常棘手，并且持续到此后每一个请求。使用开源技术就容易得多。

解决方案

在上层，我的解决方案会从Dashcam视频中获取图像，传送给安装在本地设备上的开源车牌识别系统，查询注册服务，然后返回结果进行显示。

执法车上设备返回的数据包括车辆生产商和型号（用于验证车牌是否被盗），登记状态，以及如果此车被盗还会有通告内容。

如果这听起来很简单，那是因为它确实就这么简单。例如，图像处理都可以由openalpr库处理。你所需要有关车牌字符识别就是这样了：

openalpr.IdentifyLicense(imagePath, function (error, output) {
   // handle result
});

一个小小的警告无法对VicRoads API进行公开访问，因此在实验中我将它的网页爬下来用于号牌检测。虽然通常大家对这种行为不满——这只是一个概念上的证明，我没有攻击任何人的服务器。以下是我的概念验证：

// Open form and submit enquire for `rego`
function getInfo(rego) {
    horseman
      .userAgent('Mozilla/5.0 (Windows NT 6.1; WOW64; rv:27.0) Gecko/20100101 Firefox/27.0')
      .open(url)
      .type('#registration-number-ctrl input[type=text]', rego)
      .click('.btn-holder input')
      .waitForSelector('.ctrl-holder.ctrl-readonly')
      .html()
      .then(function(body) {
          console.log(processInfo(body, rego));
        return horseman.close();
      });
}

// Scrape the results for key info
function processInfo(html, rego) {
    var $ = cheerio.load(html);
    var vehicle = $('label.label').filter(function() {
      return $(this).text().trim() === 'Vehicle:';
    }).next().text().trim();

    var stolen = $('label.label').filter(function() {
      return $(this).text().trim() === 'Stolen status:';
    }).next().text().trim();

    var registration = $('label.label').filter(function() {
      return $(this).text().trim() === 'Registration status & expiry date:';
    }).next().text().trim();

    return {
        rego,
        vehicle,
        stolen,
        registration
    };
}

结果

我必须说我很惊喜。

我原以为开源车牌识别会相当垃圾。此外，图像识别算法可能没有针对澳大利亚车牌进行优化。

实际却发现该解决方案能够在各种视野中识别车牌。

添加注释生效。尽管有反光和镜头失真，但确定了牌号。

虽然解决方案对特定字母识别有问题。

车牌识别不正确，误把M当作H

但是...识别最终会还是成功了。

几帧后，M被正确识别，并具有更高的置信度

正如你可以看到上述两个图像，几帧后图像处理从87%的置信度上升到91%。

我很自信，原谅我这么说，提高准确率可以通过提高抽样率，然后按最高置信度排序。或者，可以设置在验证车牌之前仅接受大于90%的置信度的阈值。

这些是非常直接的代码优先修复，并且不排除使用本地数据集训练车牌识别软件。

8600万美元的问题

老实说，我完全不知道8600万美元的系统都包含什么，也不知道本地化训练的开源工具的准确性跟官方系统相比结果如何。

我估计预算的一部分包括更新几个遗留数据库和软件应用程序，以支持每秒对多车进行高速，低延迟的车牌查询。

另一方面，每辆车的识别成本在39.1万美元左右也确实挺贵——特别是如果系统的识别结果不是特别准确，而且没有大规模的IT项目停产或升级相关系统。

未来的应用

虽然在想法上很容易陷入乔治奥威尔式的“永远在线”式的车牌告密网络，但这种技术还是有很多积极的应用。试想，一个系统扫描到一个绑匪的车，自动通报当局和家属绑匪目前的位置和方向。

特斯拉斯车辆已经拥有摄像头和传感器，能够接收OTA更新——想象将其变成一个虚拟的好心人。Ubers和Lyft司机也可以配备这些设备来大幅增加覆盖面积。

使用开源技术和现有组件，似乎有可能提供一个提供更高回报率的解决方案——投资远低于8600万美元。

感谢Drew Firment。

本文转载自：众成翻译
译者：jshhcdxs
原文：https://medium.com/@taitems/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9

看完此文，有什么想法或观点呢？欢迎在留言区留言评论。