網路城邦
上一篇 回創作列表 下一篇   字體:
顏色不是可靠的參考值
2019/11/19 03:13:41瀏覽847|回應0|推薦10

台灣車牌有好多種顏色,當然難免我的車牌辨識核心必須參靠顏色的資訊做一些決定。但是在實務上,攝影機在不同設定參數與不同環境下拍出的影像,顏色真的很難捉摸,譬如昨天有客戶說下面這張車牌的第一個”1”會辨識不到?1997-WQ變成997-WQ了?字這麼清楚怎麼會漏掉呢?

追蹤辨識流程之後發現,我的程式將那幾個字元當作「綠色」的字,也就是工程車的一種形式:白底綠字!既然是工程車就不會有1997-WQ這種格式的可能性,要硬抝成合乎工程車車牌格式的話就是將1拿掉變成997-WQ就「合理」了!看看下面的放大圖就會覺得我的誤認還算情有可原:

如上圖,可能是攝影機本身設定的問題,整張圖都偏綠了!一般人可能會說:這幾個字也不算太綠好不好?但是大家不知道的是:當車牌在較暗的環境下,綠字就會偏黑,類似上面的樣子,所以我原來何為「綠色」?的特徵門檻設得較低。單用RGB顏色的組合,我怎麼做都不能永遠正確地分清楚是綠或黑字。

那為什麼人眼就不會認錯呢?其實是我們腦袋參考的變數遠多於字元的顏色組合!看到車型我們就不會認為它是工程車了!既然確定它不是工程車,即使車牌字看起來綠綠的,我們也會說它一定是黑字!這就是人類智慧奧妙之處!這種判斷就是用「形狀」辨識的結果否定了「顏色」辨識的結論!

所以我的車牌辨識要做到和人一樣聰明,路還長得很!我目前的辨識核心還沒處理到辨識車子的形狀,更別說環境中的車道與其他環境物件的相關性。如果慢慢的我的軟體也能「看到」車牌周邊的環境,那我就可以判斷這是一般馬路或停車場等等,自己調整辨識參數讓辨識結果最佳化,就像人的腦袋運作方式一樣。

以這個例子來說,我的軟體能做的是拉高確認是否為「綠」字的門檻,但可能因此在暗處的綠字車牌就會被視為黑字了!那就只能盡量折衷妥協吧!實務上當然是請客戶將攝影機調回正常狀態最為合理!未來呢?就是讓我的辨識核心學會參考更多較為複雜的環境變數了!

不好意思,例行性的我又要給機器學習找碴了!如果真的有夠多的這種變異資料,機器學習或許可以學會這種複雜的判斷。但是真實世界如此複雜多變,例外總是有的!如果客戶就是丟了一張辨識錯誤的照片來時,我可以明確的分析錯誤的原因,不論能不能改?我都可以告知客戶發生了甚麼事情?我是如何處理的?建議客戶在現場應該如何排除異常。依賴器學習作出軟體的廠商就麻煩了!他們根本不知道為什麼他們的軟體會作出那種判斷?如何提供售後服務呢?所以我不用,也實在不能用機器學習作車牌辨識軟體的!

( 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=130946186