车牌辨识真有那么难?

　　摘要：为什么在台湾推广车牌辨识会那么难呢？市场上提供的车牌辨识系统是否真的贴近用户需求？透过专家分享，让我们一起来找答案！

　　请问全世界哪一个地区的车牌最难辨识?答案是：台湾。

　　也许有些人会对我的答案持有疑虑，但真正有做过台湾车牌辨识的业界朋友或是学术界专家，就会对我的答案心有戚戚焉。

　　在台湾，车牌辨识可说是最早被监控产业提及的智能影像分析功能，在这个领域，经营约 10年左右的公司应该也有好几家，但以现今实际架设的普及率来看，我想还未达台湾真正需要车牌辨识系统市场的百分之一，然而，为什么会造成这么大的差异?其实，可以归纳出下列几个原因：

　　认知的差距

　　曾有一个案子的车牌辨识开出如下规格：全天候侦测、准确率 98%以上、车速上限为 120 km/h、使用网络摄影机(这一点是我觉得最奇怪的地方)，后来经过多方协调，才将摄影机改成「一般 CCTV也可以接受」的情况。

　　看到这样的规格，我最好奇的问题是：请问设备实际应用的场域在哪边?如果只是一般道路，需要用到这种规格的车牌辨识系统吗?这似乎有点不切实际了。

　　因为一般道路上要是有时速 120公里的车在路上疾驶，不用另建车牌辨识系统，用原来的测速器，大概就被警察盯上、逮个正着了。

　　另外，若前端还像原来一样要求采用网络摄影机，其夜间感光效能较CCD摄影机差，要如何在晚上还能准确发挥效应，又是个问号。

　　再者，一般室外的道路环境上充斥许多影像干扰源，例如：行道树的阴影、高楼大厦玻璃窗户的反射，日间大太阳跟夜间大灯所造成的炫光影像等，这些都会导致辨识准确率降低。

　　Know-How不足

　　车牌辨识是一个智能影像分析的基本应用，既然是透过影像分析的结果来判读车牌信息，那影像质量就是一个很重要的环节。取决影像质量的三要素是：摄影机镜头、算法的认知程度，以及场域认知程度，它们将会影响车牌辨识系统的完整性及发挥性，因此，需要具备摄影机、车牌辨识软件参数调整、场域认知等的专业 Know-How非常重要。

　　能力强的工程商与系统整合商懂得在什么样的场域该用什么样的摄影机，又能取得较便宜的价格;车牌辨识系统则是需要全天候的侦测及辨识，且外在光源变化及实际场域补光情况都要能有所获知。

　　最重要的是对算法的了解，一般厂商对算法的了解只在于所谓的「调参数」，但并非真的清楚当初开发算法时，软件工程师是针对什么样的环境在架构他们的算法，以至于忽略算法的本质，而产生错误的应用。

　　例如，过去有供货商设厂在花莲，由于实测的道路环境以砂石车、卡车较多，所以对于大型车的车牌辨识率自然高于小型车，若业主做车牌辨识的目的是架构在抓大型车辆超速，或防止车牌脏污，那么这套系统的辨识率应该会很高;然而，如果建置的目的是要抓赃车或侦办刑案，由于歹徒常使用的是小型车，那么这套系统的辨识率恐怕就不容易符合业主期待。

　　以上的例子说明了每一种算法开发前都有其限制，开发中当然会针对重要性加以调整，开发后又会再针对实际场域作微调，但可以确定的是：没有一套算法是放诸四海皆准、而且功能全包的。

　　换句话说，在建置车牌辨识系统之前，系统整合商必须明确了解业主的建置目的、找出他们最着重的功能，再针对这些条件去选择合适的产品，才能建构出最接近业主「理想辨识率」的系统，减少日后不断调整辨识率、疲于奔命的窘境。

　　辨识率认定不一

　　你或许常看到车牌辨识软件供货商这样宣称：「自家产品的辨识率可高达 99%(需现场环境条件配合，且车牌污损、歪斜、偏置、遮蔽等，或违反法律规定之情形不在此列)。」

　　这样的描述表面上看来非常公道，如果业主能配合探照灯开一整晚，让光线良好犹如白昼、如果车速能缓慢到接近静止、如果能采用低照度性能较佳的 CCD摄影机，然后再搭配一台高效能的 PC来做车牌辨识，辨识率要做到 100%准确度都没问题!

　　但理想毕竟还是理想，目前软件开发商都在自行架设的环境中，测试车牌辨识的准确度，与真实场域环境其实还有满大的落差。这并非指所有车牌辨识软件开发商不知长进，而是在上机前，拿到实际场域去做测试的机会，坦白说也非常有限。

　　原因在于要搭建满足算法的环境，往往会取决于现场环境及设备的配合;再者，在产品验收还没确定之前，往往所有开销都由业者自行吸收，然而企业经营必须将本求利，厂商也会评估，为了达到良好的测试结果，究竟该投入多少资金?更担心若测试结果不好，费用更可能完全无法回收等。所以，在这些思绪拉锯之下，厂商往往只能先透过计划书呈现，至于可不可以用?心想：等真正接到案子再说吧!然而，这也是造成日后双方容易对于辨识效果争论不休的开端。

　　在这边要提一下台北港货柜码头公司的案例，个人认为可以拿来作很好的参考价值。业主当初建置车牌辨识系统的时候，就先透过书面审查，筛选出实地测试侯选名单的三家厂商，接着要求厂商将产品安装于实际案场，进行为期一个月以上的产品实地测试，期间提供各家一定的补助金额，如此一来，增加厂商竞标的意愿与保障，也帮业主找到较符合期待的产品。

　　至于「软件开发商经常认为自行开发的算法所向无敌，而无视于使用者真正需求」的问题，当然还是时有所闻，这点虽然并非是技术问题，但是这种「自以为是」、「背离现实」的态度，却可能会是导致业主不愿意接受车牌辨识的真正主因，供货商们不可不注意。

　　 车牌规格缺乏统一

　　而车牌规格缺乏统一，则是我认为最关键、也是最有感触的一点。近年来台湾车牌不知修改了多少版本，交通部未来甚至还打算用 e-Tag来取代车牌，令人好奇政府真的有思考过这些改变带来的影响，以及真的有其必要吗?

　　光是这一年来，台湾车牌就有 2、 3个版本在路上跑，眼尖的民众应该看得出来前后版本的差异。早在笔者念研究所时，就曾向当时交通部长建议台湾的车牌必须要有一个系统的架构，同时提出用注音符号当成车牌设计，比起英文字母，不但更凸显台湾的在地文化，字符差异化也更明显，而且能够满足台湾车辆挂牌数的需求量，避免像现在，发现英文 26个英文字不够用，车牌字符又要改版。

　　至于 e-Tag，虽用 RFID的原理在辨识方面方便许多，但它必须先确保人人都能妥善安装才有效，包括：懂得避免讯号死角、且不容易被外力移除或损毁这张「电子车牌」。

　　说穿了，在台湾做车牌辨识之所以很困难，就难在这些辨识的元素环境一直在改变。若政府能尽早把车牌规格标准化，相信有助于软件供货商提供更精确的产品给业主。

　　实际上，我们也发现台湾的种种规格，大多是架构在学者专家的认知，就像车牌辨识准确度「号称99%」，那都是学术的数据，但其实没有太大意义。究竟要达到多少，才算是「最佳辨识率」?还是要端视不同应用环境的需求而定。例如查赃车的话是不是 90%就够用了?可以问问实际询问查赃车的警员。如果他们有信心这个数字，已能让他们的查询范围从几百万台车辆降到只剩下数十台，那么再加上车种、品牌、车色等其他报案信息，相信应该是足以破案了。

　　选购系统的 2大准则

　　除了要改善以上 3大理想与现实的落差，要让车牌辨识系统真正做到小兵立大功，工程商们还需要掌握以下 2大准则。

　　重视稳定度

　　随着产品算法与业者的技术提升，笔者认为，整合早就不是重要的话题，现阶段最需要注意的重点反而是「稳定度」。稳定度的定义是：在一个既定的车速范围内，不会让必须达到的准确度，因外在环境影响而产生过大的误差。

　　例如一个车牌系统在白天有 90%以上的准确度，到了傍晚就降到 80%，夜间又降到 70%，这种不稳定的系统，比起全天候平均拥有 70%准确度的车牌辨识系统更难于整合。因为使用者会认为，既然白天的辨识率有 90%，那全天候的准确率都要达到 90%才合理，这样的规格还不包括奇怪的环境干扰(暴雨袭击、冰雹、浓雾区段等)，与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。

　　确实实测几乎每家都宣称拥有高辨识率，但为了避免事后因为双方对产品认知有差异，而将运作不良的责任互相推托，用户在采购车牌辨识系统时，不妨要求实地测试，而且测试时间最好超过 2个礼拜，比较能判断辨识结果是否「言过其实」。因为台湾是一个多变的环境， 2个礼拜应该可以对于场域可能影响辨识率的情形，大约掌握了 8成，如果只是测一天、甚至几个小时，是无法了解的。

　　另外，车牌辨识既然是「系统」，当中软硬件架构的好坏，当然会影响「呈现的结果」。至于什么样的软件跟硬件，适合什么样的环境，这就必须因环境而异，因为不同的应用环境，对于辨识率的要求未必相同，而这就必须靠经验累积。

　　尽管市场上有林林总总的车牌辨识系统，用对产品与架构，可以省去很多的冤枉钱跟时间，但更重要的是，工程商与系统整合商需要多方配合及了解，而不是一味的只看重某厂牌比较好、比较便宜，凡事货比 3家不吃亏。

　　此外，车牌辨识系统能否发挥最大效用，除了软件技术之外，与摄影机及现场施工能力，也有很大的关系。使用者可要求厂商至现场勘查后，提出建置规划方案，先评估应该架设的地点、摄影机架设角度、是否需要架设辅助光源等，再提出报价，藉由这些动作，除了得以事先评估业者的能力，用户本身也可以达到产品学习及教育训练，日后管理时，会更清楚知道该产品的使用限制及相关因应措施。

　　结语

　　智能影像分析技术在现阶段的技术上是不可能满分，因为一旦牵扯到视觉影像的东西，就有其主观意识的成分，再加上外在环境因素的种种干扰，要 100%准确的可能性，实际上是不存在的。

　　但没有满分并不代表不够好，辨识率讲求的是「够用就好」，毕竟智能影像辨识真正核心的效益在降低人员消耗，只是利用技术来提高工作效率，并无法百分百的取代人工。

　　如果我们一窝蜂的追求技术，拿学术数据来左证技术的可行性，结果造成实际与理想的落差，使用者对技术不信任，对于智能影像分析的需求可有可无，那么到头来，恐怕也容易失去了这项技术应用的动机与意义。