close
兩年前在北投文化國小發生的女童割喉案，北市為了安全，規定169所學校都要安裝電子圍籬。
兩年後的現在，電子圍籬效果如何呢？
柯文哲受訪坦言，電子圍籬每年要花1500萬維護，小學做了就做了，未來國、高中不會再做。
耗資一億，
現在停損是正確的。
研究所到現在，做影像辨識相關的產品，從演算法走到產品接觸業務，這十二年的光景，想在影像辨識中獲得解決的問題，有的被解決，但瓶頸依然直直的躺在那裡。
看過科幻片都以為街道上所有的攝影機，只要照得到的範圍都能夠精準的抓到你的臉跟你的車牌並且一直追蹤！
做這行就知道，所有影像辨識的系統都需要客製化！
為什麼？
因為電腦不是人腦，我們可以在白天跟夜晚用大腦辨識出同樣的結果，而電腦不行。0與1的世界，太多變因造成結果誤差。演算法能保證在正常環境下，提供最適切的輸出，但人們卻預期在異常情況也有精準的答案。
常常有客人問我，為什麼車牌辨識不能吃下所有的車牌，就像果菜調理機ㄧ樣不管什麼條狀下去，總是給你一杯滿滿精力的原汁。
這就要提到車牌辨識的原理，對電腦來說，攝影機照到任何一個畫面，它都不會知道車牌在哪裡，它就只是所有像素的集合而已。所以，色彩對於辨識基本上是沒有用的。
影像辨識的前處理中，都會先透過二值化讓彩色照片變成灰階照片，進而利用演算法讓車牌位置被找出來。
找到車牌就開始切每個數字（字元分割），如果每一次的車牌都是正的，甚至每個字大小都一致，那就沒有問題，如果攝影機架設的角度跟距離讓車牌變平行四邊形，可能就會進一步需要將字元正規化。
真正考驗辨識速度的是在比對字元的部分，如果期望把字元丟進去就能像食物調理機一樣，準確的吐出來是哪一個數字、英文還是中文，不是說不行，而是既精準又要快，是很難實現的。
唯有事先針對會辨識到的車牌編碼規則進行篩選。
舉例來說，小客車跟機車的編碼規則不一樣，某家停車場的車牌辨識軟體，如果事先知道這個停車場只會有小客車停進去，不會有機車，那麼軟體部分可以針對車牌編碼規則去調整。
所以，停車場車牌辨識跟一般道路用的車牌辨識就不會是同一套了，因為道路用需要容許更多車牌編碼規則，在高速情況下又要照得清楚也要辨識快，攝影機跟軟體與系統主機效能都要很高規格，價格就也是又高又貴了！
再回頭講，電子圍籬之所以停擺是因為被詬病誤報的問題。
畢竟，要精準抓出有「人」入侵，至少要有「人形的資料庫」，此人是爬的走的跳的，所有動作都需要存在資料庫中，才能讓輸入的影像做切割跟比對。
就像大腦一樣，我們能判斷眼前看到的人做何動作是因為依據過往的感知經驗。
現階段的電子圍籬軟體絕對都是機器視覺的原理而不是深度學習的演算法，舉例來說，台北市一間學校預算如果100萬，可能光演算法就只能買個一套，都還不要攝影機與主機甚至採用的價錢。
請問有人要買單嗎？
坦白說，不管裝了幾套監控安防軟體，都有漏洞並且只能在事後發報！
我們該追求的是更和平和友善的世界，未來在校園加裝霸凌偵測的智能模組，還不如從制度從家庭整個社會做改變，盡量努力不要有歧視與偏見，讓體諒與包容心真正落實到每個角落！
文章標籤
全站熱搜
留言列表
