網路城邦
上一篇 回創作列表 下一篇  字體:
見樹不見林的車牌辨識「學術研究」是完全沒有用的!
2018/12/23 18:23:07瀏覽1947|回應0|推薦8

具傾斜校正功能之車牌辨識系統

車牌辨識系統之車牌角度復原方法

雖然現在是業界人士,但我畢竟是個受過「學術」訓練的博士,也遵循著學界作「研究」的模式慣例當過十幾年的教授,我其實還是常看學術界的車牌辨識研究論文,也深深理解作這類研究者的環境與心境。就是努力深入一個領域,找到一個具體的問題,想出一種解決方案,找一些「符合該問題狀況」的範例作實驗,也順勢申請研究計畫經費,當計畫期限或碩博士期限將至時,就將「研究成果」按照形式寫成論文發表,他們的研究就順利「完成」,告一段落了!

但老實說,這種望之儼然的「研究成果」早已汗牛充棟,但是對商業化的車牌辨識研發而言,真的毫無幫助!也就是對於真實世界毫無用處!我有資格講這種話,因為我是目前可以推出傾斜容忍度最大的商用車牌辨識產品的人,而且這個所謂的「最大」不只是在台灣而已,還包括全世界!所以如果要針對車牌辨識演算法頒發一個研究卓越獎項,絕對不應該是這些論文的任何一位作者,或任何「頂尖大學」的車牌辨識研究單位教授,一定就是我!不然就是頒假的。

我能做到任意角度的車牌都能辨識無礙,這不是商人在作弊欺騙消費者,或者用了甚麼「不符合科學規範」的奧步!絕對就是結結實實的研究發明了可以做好這種「校正」的正確而且快速的演算法!而且同時也解決了側向拍攝時車牌變成梯形(或任意四邊形)的各種車牌變形的問題,絕對不只是修正了水平傾斜的單一問題!

別忘了,我讀過台灣大學的博士,也在學界當過十幾年的教授研究員,那個期間跟上述論文的作者與指導教授們作著完全一樣的事情!我不只是業者,也是學者!我是學界研究方式的進化版,我不寫論文發表目前成果,只因為我不需要國家的計畫補助,也不需要升等教授,不是我的研究見不得人,或我不懂嚴謹的科學規範,我都懂的!而且我的研究水準遠遠超越了這些片段的,見樹不見林的低階研究。

如果我的辨識核心只能辨識正面拍攝,但是有水平傾斜問題的車牌,對於我的產品其實沒有加分作用。因為實際環境下,一個車牌影像隨時都可能有側向變形(車牌左右邊的高度不同,字變得狹長)與水平旋轉變形,我必須能將兩種變形校正都做好在我的辨識核心內。當然還要包括車牌略為模糊或汙損時的容忍度處理,就是俗話說的模糊辨識能力。

或許你會說,科學研究不是一蹴可及,總是要一個問題一個問題解決,不是嗎?但是實際狀況是所有的問題常常都是一起出現的!一個因為斜視變成梯形,同時也有水平傾斜的影像,你用任何獨立目的的演算法都無法真正做好校正,那怎麼辦?就像一個身患心臟病與血友病加上心理疾病的人,如果不能將多科醫生聚在一起會診,怎麼看病吃藥都不會好,甚至會讓病人死得更快!但是每個醫生都會說我盡到我的責任了!病人死了跟我無關。

這就是有關車牌辨識的「學術研究」如此努力熱鬧,但總是無法變成實用商品的關鍵!對於所謂的「學者」來說他們只要醫好一種病,處理好只患一種病的病人就有獎了!但是對於一個業界RD來說,他們做再多這種研究,老闆還是不會發獎金!因為如果產品不能全面兼顧所有問題的同步改善,提升整體辨識率,公司是不會獲得更多利潤的!獎金從何而來?

如果將學界研究的方法通通用上呢?會不會三個臭皮匠就勝過一個諸葛亮呢?答案是鐵定不會!因為車牌辨識的應用是需要即時性的,沒有這麼多美國時間一一跑完所有的校正演算法,大多數的學術研究是不在乎演算法執行速度的!我在2009年就建構出了我現在辨識核心的雛形,也發表了論文,但是當時800X600的清晰影像,辨識時間就超過一秒鐘了!根本不實用!我之後花了五年讓一樣目的的演算法變得很快!但是以學界觀點這些努力根本無關緊要?寫論文投稿都不會被接受。

我們需要的是「一個」可以「一次就處理好大多數問題的主要辨識流程,不是三種辨識流程分別可以處理三種車牌變形的問題。為何必須如此?因為不這樣做,執行速度就一定慢到難以實用!為何我的車載車牌辨識軟體可以在車速四五十公里時依舊能快速辨識出路邊停放車牌的八九成?如果不能如此,我就沒有現在該項產品熱賣的榮景,多數他牌產品都只能作到10公里時速的低速辨識。

根本的原因是我的辨識核心快到一秒鐘內可辨識超過十張200萬畫素的全景影像中的所有車牌?辨識速度快就是此項商品的主要優勢,這麼快的辨識版本中,我的傾斜容忍度與側向變形處理能力還是跟單張靜態辨識的版本完全一樣的!所以我根本沒有,也不想做「次級辨識能力」的產品,譬如抽出幾項影像辨識處理程序,讓車牌辨識能力不必這麼好之類的!即使我想做都很難做到,因為我的辨識程序是一體成形的,很難切割!

換言之,我的辨識主流程是一個精心設計的諸葛亮等級的聰明演算法,三個臭皮匠的演算法是絕對做不到的!在我的理念下,我看再多如前所述的那種「學術論文」幫助都不大的!我設計目前辨識核心用到的實際知識技術,其實都只需要看懂熟練基礎的數學與物理學,還有入門等級的影像辨識課本就能學到的影像處理技巧!重點不是我知道很多複雜(但是片段)的方法論,而是我對整體問題的通透理解與掌握!

這是學術界跟不上我的原因,他們研究的永遠是「某個」車牌辨識的問題,我研究的則是「整體」的車牌辨識流程,我總是在思考一個面面俱到的辨識主流程,他們永遠都是將問題分割來研究,而且他們覺得他們才是對的!根本不必學我的研究方式!所以如果他們不徹底醒悟,就永遠不會變成一個真正有用的研究體系。

非常感慨國家公帑繼續如此流失於這些根本無用的研究計畫!我認為要真的幫助到業界研發水準,應該頒獎(或計畫)給真的能作出完整的辨識核心,可以達到真正商品化銷售門檻的研發團隊,這些不痛不癢的侷限性「基礎」研究就當作學生實習即可,別給他們計畫經費了!他們的研究成果不值得給經費,繼續給只是誤導研究方向,浪費他們和期待使用者的時間而已!

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:http://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=122338821