https://www.facebook.com/ycc853/videos/1096232160398932/

上面是這個周末加班的成績，一般的車牌辨識系統是以單張影像為目標，好像是擺好Pose拍照，在最理想的角度、距離與光源條件下拍一張清晰的照片，然後就是在畫面中找到車牌，辨識出車牌字元。這種辨識基本上不能有95%以上的正確率應該就沒有商業價值了！辨識速度的要求，只要單張照片在一秒內都算及格。

但是在馬路上進行的動態辨識車牌就不是這麼回事了！有點像記者到運動比賽場地抓特寫鏡頭，目標是高速移動的東西，除了攝影機品質要好一點，高速攝影也不能變模糊之外，軟體也必須很強！就是要能連續高速度的辨識影片中的每一個畫面，一秒鐘至少要完成五六張的辨識。而且因為拍攝距離通常比較遠，全景畫面如果畫素不夠多，車牌就會很不清楚，畫素多了又表示辨識時間會拉長，百萬畫素的照片一秒要辨識五六張或更多是蠻困難的！目前我們公司的技術水準可以達到5至10張之間，每張近百萬畫素的照片辨識時間約在0.1~0.2秒之間。

上面影片中大家可以看到車子經過時會有一連串的辨識結果跳出來，但是每輛車的多張辨識結果未必全對，原因就是它們是在高速狀態、距離遠、角度位置也不是全部都有利於辨識之故。通常是一輛車有七八張辨識結果，可能有一兩張是錯的，但多數都會是連續重複出現而且正確的結果。如果可以將每輛車的所有辨識結果放在一起分析考量，當然辨識正確率會很高，遠高於所有單張辨識的正確率統計值！因為多數的錯誤辨識結果都可以很容易的被較多數正確的辨識結果排除。就像照相館拍大頭照也會多拍幾張，總是可以找到客戶最正最美的影像，拍壞的照片當然不會讓客戶看到就直接丟了！

其實辨識系統沒做到這一步時，也不太容易想到這種所謂「事件偵測」的概念！如果沒有這種機制，衍生的問題其實還不小。雖然我們的辨識速度很快，對的也比錯的多，但是如果必須事後從龐大的辨識結果中分辨哪些結果是同一個車次？哪些辨識結果只是影像不好時意外產生的錯誤辨識？那是一件很麻煩的事情。而且每張辨識結果都要存檔的話資源使用是很浪費的，一輛車過去就存七八張照片，和只存一張清晰也辨識正確的照片，當然差很多！

所以看起來第一時間的即時事件偵測機制很重要，就是在一輛車經過(歷時一兩秒)當時就能做出結論，以上幾張照片是同一個車次，我們必須即時動態的就做出判斷，決定某一個辨識結果是此車次(車輛經過事件)的最佳答案！而且客戶還說希望只看到一個方向的車子，遠端反向來車的車牌即使可以看到也必須加以排除，那就是必須排除某些確實有發生的「事件」，我的系統還必須能判斷車子行進的方向哦！

上述影片可以看出，這些事件偵測的功能我已經做到了！眼尖的讀者可能還會發現：我的左側答案還會自己調整！某車剛剛進入視野時就會有資料顯示，但是其後多張辨識結果顯示第一張是錯的，有多人「投票」要罷免他，他就會退位變成比較多人贊同的答案！好玩吧！

之前作嘉義市路口監視器的案子時，這種重複辨識的問題其實沒有處理，因為當時我的辨識速率也沒這麼快啦！一輛車頂多辨識到兩三張，但資料量仍然很大(一天有四五十萬張)，其中還有很多是錯誤的，這就造成資料太多，事後搜尋也變慢的副作用！如有機會讓我回到現場，那個系統一定會變快也變聰明好幾倍哦！