侵权投诉
技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
当前位置:

OFweek智能硬件网

人工智能

正文

车牌识别场景化应用“痛点”多 “无感停车”尚存挑战

导读: 其实很多人并不知道,停车问题所要面临的技术挑战难度丝毫不亚于自动驾驶所面对的挑战。看起来很简单的车牌识别技术背后,其实并没有那么容易。

其实很多人并不知道,停车问题所要面临的技术挑战难度丝毫不亚于自动驾驶所面对的挑战。看起来很简单的车牌识别技术背后,其实并没有那么容易。据了解,由于扫描技术会受到光线、污牌车、车牌损坏等客观因素影响,硬件识别的综合正确率只能停留在95%左右,而这5%的误差,就会导致无感支付、无人值守成为纸上谈兵。

那么,对于停车场景来说,AI车牌识别技术的落地目前还需要解决哪些行业痛点呢?北京智芯原动董事长兼首席执行官崔凯解释到:“未来,行业走向的趋势是无人值守及无感知的服务。现阶段,我们还需要去地杆,很多停车场道闸前面需要埋地杆线圈,以区分道闸前的目标是不是车,地杆需要做相应的施工,施工成本还是比较高的;第二个就是去布线,两个岗亭之间一旦做综合布线拉光纤,往往施工周期会达到两周以上,协调物业和开发商的时间很长;还有就是去光污染,现在白光灯对眼睛有一定的刺激;再就是去电脑化,比如岗亭的收费电脑。这是目前停车场景改造存在的四大痛点,也是我们当下重点攻克的问题,解决这些之后会走向无人值守及无感知停车场。”

当然,光是改造外围设施显然并不够,从车牌识别技术本身来看,车牌作为车辆身份的唯一标识,也当仁不让的被选做识别结果的一个最高优先级的判断标准。但实际上,车牌看似是一个固有物体,其中也深藏着很多奥妙,这些也为车牌识别系统增加了不少识别难度。成都臻识科技发展有限公司CEO任鹏表示:“首先就是车牌颜色的问题,由于车牌颜色具有多样性,不同领域的车辆会有不同颜色的标识,比如蓝底白字、黄底黑字以及黑底白字等等。目前为止,车牌识别系统对常见的蓝牌及黄牌的识别效果还不错,但对多样车牌的完善程度还有待提升;然后就是字符的识别,为区分不同地域,每个地区都有自己独特的代表汉字,字符识别属于AI模式识别领域,因汉字的笔画较多,字符点阵的分辨率低,因此字符所占的像素比较少,给识别效果也增加了一定难度;再者,就是数字的识别,组成车牌的另外两个因素是字母和数字,比如简单的阿拉伯数字以及英文字母放在一起处理,识别算法就会很复杂,尤其是字母线和数字相似度大且经常成像不清晰,使得一些仅仅依靠形体特征识别的算法不能适用;最后,就是形态问题,多样的车牌也存在着另外一个因素,就是双层单层,双层黄牌及双层军牌就是典型的代表,因为单层和双层车牌的大小尺寸不统一,加之成像角度的不同,也给车牌定位算法设计增加了难度。”

对车牌识别系统来说,解决多样车牌以后,停车场环境的复杂度也是该技术在落地进程中的一大重要阻碍。任鹏进一步补充到:“计算机视觉算法关键就是一个鲁棒性的问题,识别率越接近100%,所付出的代价就越大。不同于一般的高速收费站及卡口,停车场环境由于没有统一的设计标准,每个停车场在设计上都会差别各异,比如是否在坡道上、识别距离、角度差异以及是否有安全岛等。所以,对于每个停车场独特的样貌,车牌识别相机就必须要做到识别率高且稳定、成像清晰,这就不得不考虑车牌识别系统对每个停车场的识别度,比如在逆光及顺光等环境下如何能更好的识别车牌,目前对于强光环境用到了双重宽动态能够有效的抑制强光,对于光线不足的环境则可以调动智能补光灯来补充光照使车牌识别效果达到最佳。因此,在做算法设计时,就需要同时考虑到量产、成本、能效、实际场景及环境等多方面的现实问题,因为这些问题在一定程度上都会影响到工程方案和算法的实现。”

而在硬件方面(也就是智能识别相机),据记者了解,目前全国各地大多数已落地的智慧停车项目基本都是以单目相机作为主要载体,双目相机方案的市场份额总体来看还只占据很小的一部分。当然其中主要还是基于成本的考虑,因为就目前来看,停车场景的车牌识别相机单目与双目设备的价格差距比较大,一款性价比相对较高的双目车牌识别相机与一款同等性价比的单目相机价格差距基本都在几千块的水平。毕竟,对于中国大多数停车场运营商来说,为进一步提升车牌识别的整体运行效率,多花好几千甚至几万块钱可能有些不太值得。

不过,在任鹏看来,未来停车场景的车牌识别硬件从单目向双目过渡是必然趋势。他认为:“从应用的角度来说,单目相机只能在二维平面进行数据感知,无法获取场景的深度信息,这是单目难以迈过的技术门槛,对于未来车牌识别场景出现的很多需要获取车辆深度信息的应用,单目显然不能够满足需求。相比之下,双目可以基于视差原理,利用双镜头从不同的位置获取被测物体的两幅图像,再通过图像对应点间的视差,构建双目立体视觉,场景信息的提取可从二维平面升级为三位立体信息感知。获取场景立体信息后,双目还能够通过内部的视觉处理器完成对车辆的3D建模,从而还原车辆真实的三维数据,同时在感知距离上也大幅提升。”无论是技术性能还是应用能力方面,相比单目来说都会更有优势。因此,对于专注车牌识别应用市场的厂商们来说,只有从上述多个角度解决一系列软硬件场景化应用瓶颈,才能真正让“AI+IoT”的车牌识别走向市场,走向用户。

总而言之,在政企双方的大力支持下,加之国内市场刚需的陡增,停车场景的智能车牌识别市场如今已真正打开,在当下乃至未来几年里也必将是AI视觉软硬件技术大有可为的战场。尽管在现阶段,AI识别算法在应用方面还需要克服车牌多样化、停车场环境各异等多方难题,但相信随着一段时间的应用普及化及场景适应,AI软件算法的能力也会大幅提升,成为停车场景车牌识别的“好手”也只是时间的问题;对于硬件方面,编者认为,如今还处于AI智能车牌识别摄像机的初步普及化的发展阶段,大多数的停车场运营商仍然会将设备采购成本作为第一考量要素,在设备性能方面做更多的妥协,因此单目仍会占据绝大部分的硬件市场份额,但随着市场体量的快速攀升,加之硬件整机成本的逐步降低,未来双目取代单目也将是大势所趋。(责编:振鹏)


声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号