cookieOptions = {...}; .細說車牌辨識 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2019年7月15日 星期一

市售最強快速車牌辨識暨車位管理系統



智慧建築中,不可缺的—— 智慧停車與車牌辨識

來源:台灣高思科技作者  周天蔚 Alan Chou

「車牌辨識」辨識「真實身份」必是未來趨勢
早期身份辨識科技,偵測 eTag、感應扣或感應卡,此類都屬辨識「虛擬身份」,而不是真實身份;辨識科技不斷演進,辨識「真實身份」,如車號、人臉或指紋,必是未來趨勢。

辨識真實身份,除了沒有耗材、難以複製的好處外,更重要的是不會因為虛擬身份遺失或損壞,就失去真實身份。

尤其在管理上的重大區別是,辨識真實身份無須被管理者配合,比方說高速公路電子收費,若被管理者不願意貼 eTag 貼紙時,最後方案就是拍攝車號辨識真實身份。

在集合式住宅管理上尤其如此,使用 eTag 管理須要求住戶,配合臨櫃掃描條碼或貼eTag貼紙,單單建置住戶 eTag 資料庫就耗工耗時;但使用車牌辨識,無須被管理者配合,設備架設完成後立即管理,無任何資料建置空窗期。

在許多實際案例中,辨識虛擬身分所產生的漏洞與額外服務,已加速辨識真實身份的市場需求。使用代幣的臨時收費停車場,不僅因投機者二次按鈕入場,取得代幣造成收費損失,更因投機者遺棄代幣,每月都需耗費成本補齊代幣。

有些社區停車場使用 eTag 管理,會要求業者協助建置資料庫,造成業者的服務量加大,因而降低利潤。這些需求,都大大加速了辨識真實身分的技術發展。




車牌辨識架構種類
依「辨識機制」的位置主要分為三大類,「前端辨識」、「後端辨識」與「中間辨識」。所謂「辨識機制」,就是判斷車號決定辨識結果的單元。

「前端辨識」:架構僅有一支辨識攝影機;把擷取影像的單元與辨識機制,作在一支攝影機中,攝影機即是一套完整的系統,可直接輸出辨識結果。 

「後端辨識」:架構由攝影機與電腦組成;攝影機僅輸出影像給後端電腦,由電腦的辨識軟體決定辨識結果。

「中間辨識」:架構由攝影機、辨識主機與電腦組成;與後端辨識的差異是,使用獨立的辨識主機決定辨識結果,電腦僅有資料輸出入與儲存的功能,類似門禁的卡機系統。

「前端辨識」
前端辨識大部分是由攝影機硬體商開發,有些廠商稱為「邊緣辨識」,大陸則簡稱「一體機」,一體機的好處是建置成本較低,組成零組件也簡單。

但因零組件硬體資源有限,通常會有輸入名單筆數上限,辨識率較差,辨識速度也較慢;最大的問題是日後故障維修,因為一體化的關係,若故障了必須整支攝影機回廠送修,返修期是一大問題。

「後端辨識」
後端辨識大部分由軟體商開發,因辨識邏輯是由後端強大的電腦運算,所以有較高的辨識準確率。但天底下沒有不當機的電腦,後端辨識常見的問題,就是電腦當機後系統停擺。

也因後端辨識大部分由軟體商開發,業者常常需要自尋攝影機搭配,若業者對攝影機經驗不足,常常會因為選擇不適當的攝影機,造成系統運作不順暢。

「中間辨識」
中間辨識構成組件較多,是三種架構中成本最高的,但也解決了上述系統所面臨的問題。前端就是單純拍攝影像的攝影機,日後維護成本較低也迅速;辨識主機就如同門禁卡機一樣,通常是獨立特定的處理器架構,所以不會有電腦當機的問題。

若製造開發商選配得宜,且能降低製造成本,這是最好的架構選擇。


車牌辨識應用市場與邏輯差異
車牌辨識市場依演算邏輯分兩大類,「有名單」車牌辨識,與「無名單」車牌辨識。「有名單」車牌辨識用於「封閉型停車場」,如集合式住宅、月租型停車場,或私人工廠企業;「無名單」車牌辨識用於「開放型停車場」,如臨時收費停車場、百貨公司收費停車場等公共停車場。

「有名單車牌辨識」邏輯順序:車牌辨識名單比對准許通過與否。

「無名單車牌辨識」邏輯順序:車牌辨識通過 (收費停車場一定准許通過)。

「有名單車牌辨識」市場的要求,是辨識比對速度要「快」。比方說,工廠或集合式住宅,在上下班時間,必須讓一千輛車,在兩小時內進出完成。

「無名單車牌辨識」市場要求車號辨識率要「準」,因為沒有名單參考,必須紮紮實實的辨識出正確車號,否則會有收費爭議。

在後續文章中,會更深入解釋兩種市場的程式邏輯差異。

車牌辨識系統的「硬體能力」
無論何種架構的車牌辨識系統,均須兩種能力:「硬體能力」與「軟體能力」。拍攝一張清楚的車牌影像,這是屬於硬體能力;由車牌影像分析出車牌號碼,這是屬於軟體能力;如果沒有清楚的車牌影像,既使軟體能力再好,也無法分析出車號。

所謂車牌辨識系統的「硬體能力」,其實就是攝影機的能耐。若車輛行進移動中、夜間昏暗環境中、車頭大燈開啟中,要得到一張清楚的車牌照片是困難的,若以上三個條件同時存在,要得到清楚的車牌影像,更是難上加難。

拍攝移動中的汽車影像,一般都會產生模糊拖影,因此攝影機必須有能力提供高速快門,讓影像不致產生拖影。尤其在夜間環境,高速快門會導致曝光時間縮短,因此也同時需配備高感光度的 CMOS 感應器;但車頭大燈會導致影像曝光過度,影像處理器的 WDR 寬動態功能(註1)更是重要,這些與得到一張清楚車牌影像有關係的條件,都是屬於硬體能力。

「行進間辨識」,在集合式住宅的「有名單車牌辨識」管理中尤為重要,車子須停下來辨識,與車子可行進間辨識,影響整體車流的通過速度。車輛行進間辨識,可避免上下班尖峰時間,因車牌辨識程序,可能所造成一堆車擠在進出車道口,而產生排隊堵車。

註1: 寬動態Wide Dynamic Range (WDR) 指的是,同一個影像畫面中,可以同時分辦出最亮部,與最暗部細節的功能。

車牌辨識系統的「軟體能力」
車牌辨識的軟體能力,是各家車牌辨識系統廠商的技術核心,也是選擇車牌辨識系統的關鍵,所以以下對軟體能力更加闡述:(1)精準找出畫面中車牌 (2)可辨識角度 (3)可辨識車牌大小佔畫面比例 (4)對未來政府修改車牌規則的相容性 (5)啟動辨識機制的時機 (6)用於「封閉型停車場」的車號比對能力。

(1)精準找出畫面中車牌
其實車牌辨識演算,就是「影像字元辨識」(英語:Optical Character Recognition,OCR圖轉文字)的進階應用,OCR是項成熟的技術,廣泛用於 PDF 與 Word 檔案的格式轉換。

車牌辨識與OCR的差異是,車牌辨識邏輯在圖轉文字前,必須先在畫面中,精準地「找到車牌」後再行辨識,而不是看到黑影就開槍,看到數字與英文就辨識。

更好的辨識邏輯,會在畫面中先找到「車子的形狀」後,才啟動辨識機制,找到車子後再找車牌,找到車牌後再辨識車號。如此邏輯運作,可以大大的降低誤判率,如果沒有能力找到車牌的辨識邏輯,甚至會將畫面背景的斑馬線辨識成111111。以下兩張圖片,可以用來測試您所使用的車牌辨識系統,有沒有能力找到車牌。





(2)可辨識角度
攝影機若非正視車牌,畫面字型必產生扭曲,辨識扭曲字型的能力,在軟體能力中極為關鍵。少有場合可以將攝影機架設在正中間,或是建置「導車安全島」,強迫駕駛人將車輛對正,或對準車牌辨識攝影機;因此軟體「可辨識角度」,辨別扭曲字型的能力就極為重要,它可以大大降低安裝架設時的難度,且讓駕駛者輕易通過辨識,無須小心翼翼進入車道,導正車身對準攝影機。

早期車牌辨識系統,可辨識的角度僅有15度,架設車牌攝影機的標準要求相當高,不易於架設;目前市場需求的車牌辨識,可辨識角度起碼需達 30 度。更先進的車牌辨識系統,甚至可以處理入車角達 80 度的字型扭曲。



 

(3)可辨識車牌大小佔畫面比例
某些車牌辨識系統,車牌必須佔畫面相當大的面積,才能辨識到,如此增加工程商在架設時的困難度;更有些車牌辨識系統,因無尋找「車型」或「車牌」後,再行辨識的演算邏輯,為避免環境背景,如斑馬線進入畫面導致誤判,所以必須讓車頭車牌佔滿畫面,。

畫面中「車牌面積」,要占多少比例才能辨識,更嚴謹的說法是,車牌要佔多少「畫素」才能被辨識到。以100萬畫素的攝影機來說,5千畫素就可以做到相當好的辨識率!

也就是說,車牌僅占畫面 1/200 即可辨識。再配合大角度可辨識的邏輯算法,這樣不僅降低安裝調整的困難度,同時提高辨識率,也讓系統順暢運作。

其實每個字元,只要有 35 畫素的點陣,就可以判定所有的阿拉伯數字與英文字母,這也是為什麼 200 萬畫素的攝影機,對車牌辨識來說,已經是綽綽有餘了,無須要求更高畫素的攝影機。高畫素攝影機只是為了拍攝高畫質照片,以供進出資料儲存與調閱。

實際上在車牌辨識的演算中,不需要這麼多的畫素,辨識邏輯演算的,是一點一點的畫素矩陣,過多的畫素,不僅無法展現文字的特徵,反而加重處理器無效的運算負荷。如何精確找到車牌,與處理扭曲字形,才是辨識演算邏輯的關鍵。



(4)對未來政府修改車牌規則的相容性
有些車牌辨識演算邏輯,會配合政府制定的車號規則來演算,比方說後面 2 碼是英文字母、前面 4 碼是阿拉伯數字。這樣可以提高準確率,避免將 8 誤判為 B,或 1 誤判為 I。

但也正因如此,當政府改變車號規則時,有些車牌辨識系統就無法順利運作了。2012 年台灣車牌號碼由六碼改七碼,就導致許多車牌辨識系統無法順利運作。

為應付未來時代改變,最佳的車牌辨識演算邏輯為:(1)可辨識4~8位車號 (2)每位均可辨識英文字母與阿拉伯數字 (3)無論數字與字母排列順序 (4)可辨識任何字體 (5)可辨識任何色彩 (6)不辨識「-」或「.」(7)不辨識中文字。

這樣的演算邏輯,無論政府車牌規則如何改變,只要不離開數字與字母的組合,系統均有可觀的相容性,日後無需作大幅修改。

值得一提的是,2012 年台灣新式車牌規則改澳洲字體,為的是讓數字 3 和 8 有明顯區分,避免不肖駕駛,把 8 遮蔽一半變造為 3。但澳洲字體在車牌辨識的特徵演算中,會造成 3 與 5 無法有效區別,因為 3 與 5 的特徵,只差在「頸部筆劃」的角度。如果斜著看的話,對電腦來說,3 與 5 是同一件事;這在挑選車牌辨識系統時,需要好好的測試新式字型 3,在大角度扭曲字形後的辨識準確率。


(5)啟動辨識機制的時機
車牌辨識系統,並非不停地在做辨識演算,那樣會耗損處理器效能與壽命。各開發商啟動辨識機制的方式各有不同,啟動辨識機制的時間點,會影響辨識率,因此也是各家系統的技術門檻。就常見的方式作以下介紹

「移動偵測」: 由判斷畫面中是否有物體移動,來啟動辨識機制。

「電子圍籬」: 在畫面中設定畫線,由判斷畫面中是否有物體越線,來啟動辨識機制。

「車型辨識」: 由判斷畫面中,是否有汽車外型特徵出現,來啟動辨識機制。

「紅外線」: 安裝紅外線對照裝置,當有物體遮蔽紅外線時,啟動辨識機制。

「微波雷達」: 安裝微波雷達,偵測區域內有金屬物體時,啟動辨識機制。

「地感線圈」: 埋設地感線圈,線圈感應上方有金屬物體時,啟動辨識機制。

前三種方法是使用影像處理軟體演算,後三種方法是安裝硬體外部觸發。

(6)用於「封閉型停車場」的車號比對能力
比對能力在本段落增加篇幅解釋,因為它是車牌辨識市場區隔的關鍵。 用於「封閉型停車場」供社區、工廠或校園,可輸入名單,作進出管制的車牌辨識系統,才會有「車號比對」這件事。

用於「開放型停車場」供賣場或百貨公司,其所使用的臨時收費車牌辨識系統,進出都是陌生車輛,不可能有內建名單,所以程式算法中,也不會有車號比對的邏輯發生。

「開放型停車場」的辨識進入流程是(1)辨識車號(2)開柵進入,無需做名單比對的管制動作。因此,有些臨時收費系統為了加快流程速度,只拍攝車輛照片,不作車號辨識,就直接開柵欄讓車輛進入,等車輛進入後再慢慢由系統分析車號。有些系統甚至會將車牌照片,上傳到雲端伺服器,由雲端做辨識運算。

「封閉型停車場」的辨識比對流程是(1)辨識車號(2)比對名單(3)名單內開柵進入;車號比對能力中,除了比對速度外,還必須處理車牌髒污、掉漆,或下雨天環境等問題,才不致誤將客戶關在門外,或是誤判導致外人進入。這其中運用了兩個關鍵邏輯運算,「特徵運算」與「模糊比對」。

「特徵運算」
特徵運算廣泛用於人臉辨識的運算邏輯中(註3)。人臉辨識的技術中,需處理戴眼鏡、戴帽子,甚至戴口罩的情況,這些情形都要能辨識,這都是運用了特徵提取的技術。

某些車牌比對技術,也運用了人臉辨識中的特徵運算,把車牌當作是一張人臉來比對,車牌受遮蔽,就好比人臉戴口罩一樣。對於車牌髒污、老舊退色或缺角掉漆等問題,都可迎刃而解;特徵運算甚至可以承受,車牌面積 25% 以下的髒污或毀損情況。可使用以下範例圖片,測試您的車牌辨識系統,是否有強大的特徵運算?!





註3:嚴謹的人臉辨識系統,非坊間一台卡機簡單結構,就能處理。車牌辨識只要能處理車牌髒污,與老舊的問題就夠了,因為「車牌不會變老」;但人臉辨識必須要能處理「人臉會老」的問題。

人臉辨識邏輯運算的準則是,通過條件不可以接受 10 年前的你,但要能接受 10 年後的你;更簡單說,人臉辨識系統必須有自我學習的機制(非本篇文章重點,不再贅述)。

「模糊比對」
模糊比對在車牌辨識中,是一項陳舊的演算技術。早期因影像處理技術,與辨識算法不成熟,為了避免誤判名單內車輛為外來車輛,導致車主被誤擋門外。所以不比對全部車號,只要部分車號相同,即判定為名單內車輛。

模糊比對可以降低車主被誤擋門外的風險,但系統誤判外來陌生車輛,為名單內車輛的機率也大大提高,因為只要部分車號相符即可進入。

因此在選擇車牌辨識系統時,須詢問製造商,該系統模糊比對的字數是幾位?在測試車牌辨識系統的辨識準確率時,須要求業者將測試車號由名單中剃除,在沒有名單的參考下,才能真正測試出系統的車號辨識準確率。

模糊比對會提高誤判,外來車輛為名單內車輛的機率,但它在比對演算中,卻是不可剔除的;因為要考慮夜間行進中辨識、雨天辨識,或老舊車牌辨識等,不良辨識條件所產生的結果誤差,所以模糊比對,仍需存在於車號比對的程式算法中。

再好的運算邏輯,也會存在一位數的模糊比對,其實這樣已經非常嚴謹了,誤判的機率跟中樂透差不多。有些停車場甚至不比對英文字母,只比對數字依然可以運作,但須車輛名單筆數不多的情況下,否則誤判機率會提高。

車牌辨識系統的完整性與解決方案
早期車牌辨識系統架構簡單,除了比對名單控制門禁外,無其他功能。隨著演算技術的進步,讓系統更加完整,實際安裝與軟體管理上,存在著許多問題,都必須一一克服!

以下列舉幾項,近代車牌辨識系統演進的解決方案。

多進多出管理平台
不管是「前端辨識」、「後端辨識」與「中間辨識」,何種架構的車牌辨識系統,都會有相對應的管理平台(軟體),可儲存大量的歷史紀錄,供日後查詢。

完整的管理平台,可提供「即時車道影像」(動態)與「抓拍圖片」(靜態),這都牽涉到管理平台的影像解碼能力,目前市售多進多出的管理平台,可管理高達 8 個出入口攝影機,已可應付目前絕大多數停車場的需求。

除了「後端辨識」的架構外,管理平台通常只是一套輔助的軟體管理系統,其功能主要是名單輸出輸入、進出歷史資料儲存與調閱查詢。大部分開發商會設計,將管理平台與辨識主機,或前端辨識攝影機,各自模組化可獨立運作。就如同門禁系統的卡機一般,既使管理電腦故障了,也不會影響進出管制。



「一位多車」的車位管理
一戶多車已是台灣社會的普遍現象,集合式住宅車位管理,常常面臨到「一位多車」的問題。比方說住戶名下有三輛車,均擁有進出停車場的權力,但只有一個車位;如何預防住戶擅停他人車位,就必須使用車輛計數的演算法。

住戶名下車子,已進入停車場數量,等於車位數量時,即禁止其名下其他車輛進入。不過要應用此車位管理演算邏輯,必須出入口都安裝車牌辨識攝影機,才能達到此一功能。


雙攝影機辨識系統
車牌辨識系統,大部分是以單路攝影機為單位,但單路車牌辨識系統,無法解決兩個實際面臨的問題:(1)單路攝影機無法覆蓋的「寬車道」,例如工廠的伸縮門(2)出入口臨路或「短車道」,無足夠距離導正車身。

這兩種情況就必須使用雙攝影機辨識系統,增加可辨識的範圍與角度,才不致駕駛因入車角度過大無法辨識,須於進出口前後移車對準攝影機。

早期會使用兩套單路的車牌辨識系統,來解決「寬車道」與「短車道」的問題。與上述雙路辨識的差異是,兩套單路系統,會出現兩筆重複的進出紀錄,開門訊號也會發送兩次。而雙路同時辨識,僅會有一筆進出資料,一個開門訊號,較符合實際狀況。



字幕機顯示辨識車號
字幕機可顯示辨識車號,告知駕駛人可進入與否,慢慢形成車牌辨識系統中,不可或缺的一項附屬裝備。如果沒有字幕機,當駕駛人無法進入時,勢必傻傻的在柵欄外等待,造成車道堵車。有些字幕機除了告知駕駛人車號,與是否可進入外;系統故障時,還可以顯示故障訊息,有些字幕機甚至還有判別文字的語音功能。

在車道安裝「字幕機」和「對講機」,與管理櫃台形成互動機制,讓駕駛人無法進入時可尋求協助,已慢慢形成趨勢。通常配備有字幕機的車牌辨識系統,辨識率必須十分準確,因為必須將辨識結果呈現給駕駛,不能靠模糊比對,僅辨識部分車號讓駕駛通過了事。



夜間補光機制
隨著 LED 科技的進步,降低了夜間車牌辨識的困難度。車牌辨識系統,夜間一定是使用白光燈補光,不宜使用紅外線補光的方案,在文後 Q&A 會作詳細的說明。

新式的車牌辨識專用補光燈,除了白天自動開啟,夜間自動關閉外,更加了延時的功能;避免車頭大燈照射補光燈時,光敏電阻以為是白天,而關閉補光燈。



車牌辨識相關Q&A
Q 為何夜間車牌辨識,需使用白色補光燈,而不適合使用紅外線呢?
A 光譜中,頻率與能量是呈正比的關係,高頻藍色系的能量,遠大於低頻紅色系的能量,足夠的藍光能量,才能使快門加快,不致畫面拖影,這也是為什麼高速公路,要使用藍光補光燈的原因;白光中含有藍光,且因藍光補光燈較不易取得,於是使用較易取得的白色補光燈。

另一個原因是,市售 CMOS 攝影機,在紅外線補光機制下的黑白畫面,與紅色有關係的圖案會被淡化,造成圖形特徵差異極小無法辨識,比方說計程車牌或重機車牌。



Q 白色補光燈十分刺眼,夜間車牌辨識可以不要補光嗎?
A 許多車牌辨識建置系統時,補光燈架設的概念是錯誤的;補光燈不是照車子,而是應該照地面。台灣車牌表面漆料塗層的關係,補光燈往車子照,不只讓駕駛刺眼,而且會導致車牌反光。補光的用意,最主要是增加攝影機快門的速度,讓拍攝影像不致拖影模糊,所以只要讓攝影機畫面中的地面,反射足夠的亮度,就可以有加速攝影機快門的效果了。

如果辨識時,車速完全是靜止的話,其實是可以不使用補光燈的,某些高階攝影機,使用大靶面的 CMOS 感應器,可以在低亮度環境下,取得車牌影像,一樣達到可辨識的效果。

Q 某些市售車牌辨識系統,號稱辨識準確率達 99%,是真的嗎?
A 沒有將辨識條件定義清楚,談辨識率是沒有意義的。例如使用內文中,計程車牌為測試照片,有些車牌辨識系統沒有具備找車牌的演算機制,辨識率可能成 0%。

大角度入車道,因為字體扭曲,辨識率也會下降。甚至車號中包含數字不同,辨識率也會有差異;比方說,內文提及的新式數字 3,與其他數字的辨識率,就相對較低。

所以辨識率的高低,會因為辨識條件不同,而有極大的差異。沒有定義辨識條件,號稱辨識率 99% 是沒有意義的。但近代辨識演算法則,辨識率達 99% 是可以做到的,唯論述繁瑣在此不作詳解。挑選車牌辨識系統,還是請業者實體展示測試,較能看出優劣!!

Q 某些市售車牌辨識系統,號稱辨識速度小於 1 秒,是真的嗎?
A 使用最新演算法與處理器,讓辨識速度小於 1 秒是可以辦到的。但這卻成了廣告台詞,很多系統實際使用測試時,都需要 5~6 秒,甚至更久。這是因為誤解了車牌辨識系統的運作流程,整個流程所需時間包含:
(1)辨識車號時間
(2)比對名單時間
3)開門信號脈波時間。

門禁管制邏輯,一定是一個流程作完之後,再循環下一個,不可能同時辨識 A 車,另一方再幫 B 車開柵欄,這樣違反了管制邏輯。最新演算法與處理器,可以讓「辨識車號時間」+「比對名單時間」,只要幾毫秒就完成,但「開門信號脈波時間」,起碼要接近 1 秒鐘較為嚴謹,避免信號遺失,防止柵欄機尚未接受完整脈波信號,信號就結束了。

所以從辨識車號到柵欄開門,再辨識下一個車號,起碼也要 1 秒的時間,不可能小於 1 秒。1 秒已經相當快速,足夠應付大部分的案場了;有些系統甚至需要 5~10 秒的時間,對小型停車場也是可以接受的。

比對時間也會因內建名單筆數不同,所需時間也不同;比對100 筆名單,與比對 10,000 筆名單,當然速度會有差異。部分前端辨識系統,有名單筆數上限的話,通常內建名單達系統資源的一半時,辨識比對時間會明顯拉長,這在挑選系統時,要確認清楚。

Q 車牌辨識系統關門信號的發出時機,會不會勿砸車或人?
A: 部分車牌辨識系統,會提供「IO接點」,提供柵欄機或捲門作信號銜接。但為避免爭議,大部分車牌辨識系統,僅提供開門信號,而不提供關門信號。關門時機由柵欄機或捲門自行控制,通常使用「倒數讀秒」、「紅外線遮蔽」、「雷達微波」、「防砸地感」(註3)等方式控制關門時機。

註 3
「倒數讀秒」,例如開門十秒後關門。
「紅外線遮蔽」,車輛通過,紅外線無遮蔽後關門。
「雷達微波」,車輛通過,雷達微波偵測環境無感應後關門。
「防砸地感」,車輛通過,地埋感應線圈無感應後關門。

Q 為什麼臨時收費停車場,繳費時會出現數個車輛進入照片讓您選擇?
A 臨時收費停車場營業對象是外來車輛,不可能有已知名單。如果把車牌辨識當作是一場考試,那內建名單,就好比是正確答案。比對名單演算就等於參考正確答案,臨時收費車牌辨識,沒有名單可參考,那系統怎知道辨識的車號是否正確?! 只好給駕駛幾張接近條件的照片選擇,由駕駛告訴系統正確答案,是否辨識車號正確。但若遇有心人刻意作弊,那只好列入呆帳了!!

Q 為什麼有些車牌辨識系統,僅辨識阿拉伯數字?
A 阿拉伯數字 0~9 只有 10 個字型,但英文字母 A~Z 有 26 個字型;若不處理英文字母,只處理阿拉伯數字的辨識,可以大大降低程式的複雜程度。更不用去處理 B 和 8、Q 和 0、I 和 1的區別。承上題,有些臨時收費停車場,因繳費機有車輛圖片選擇,所以只要辨識阿拉伯數字就夠了,找出所有相關聯的車子照片,讓駕駛勾選繳費。

Q 如何避免跟車問題?
A 沒有一套車牌辨識系統,可以徹底解決跟車問題。這就像車輛防盜系統一樣,防盜系統僅能降低遭竊的風險,但無法完全杜絕竊盜。

處理跟車問題,通常會使用進出都管制的模式,跟車進入停車場後,亦須跟車出場,降低投機者的跟車意願。甚至使用快速柵欄機,加速關柵速度,提高跟車的風險嚇阻駕駛跟車,但較不建議此種方案。

Q 如何辨識偽造車牌?
A 沒有一套車牌辨識系統,可以辨識偽造車牌。偽造車牌屬於刑法,非軟體開發商所能處理的問題。但可藉由某些車牌特徵的演算法則,提高投機者作弊的難度,而非手寫一張數字與英文車號,就能通過辨識進入停車場。

Q 進出同車道情況下,如何處理車輛駛出停車場時,辨識車尾車牌,導致二次開門?
A 沒有一套車牌辨識系統,可以辨識「車頭車牌」或是「車尾車牌」。此類問題可以使用軟體或硬體方式解決。

使用軟體邏輯演算方式,解決此一問題成本較低,但此類解決方案,為各家業者關鍵技術機密,在此不詳述。較常見的方式是使用「電子圍籬」的概念,在攝影機畫面「設定虛擬的線條」,藉由物體遠離或接近線條,來判斷車輛方向,為進入或駛出。

使用硬體設定方式,解決此一問題成本較高,較常見的方式,會使用「車道管制器」,進出入口各埋設兩個地感,藉由觸發地感的先後順序,來判定車輛方向為進入或駛出。或者使用微波雷達,藉由偵測信號的漸強或漸弱,來判定車輛進出方向。

有些業者直接以「倒數讀秒關門」的方式,處理辨識到車尾車號,導致二次開門的問題,這也是一種低成本的解決方案。

本文為作者授權刊出,轉載請事先取得作者同意

科寶電子官網  www.cop-security.com