[Vision AI] 分層目標檢測架構：YOLOv3 車輛粗定位、YOLOv5 車牌精檢與 CSRT 目標追蹤 (#3)

📌 核心要點 (Key Takeaways)

• 問題痛點：在未經裁剪的 640x480 原圖上直接搜尋僅佔 30x15 像素的微小車牌，會因路邊廣告牌、交通指示牌與建築物反光引發海量誤報，且模型全圖高解析度推論會導致幀率暴跌至 10 FPS 以下。
• 解決方案：設計“兩階段分層（Hierarchical）定位”方案：先由輕量級 YOLOv3-tiny 圈定車輛主體邊界框，再將裁剪出的車輛局部 ROI 送入精調的 YOLOv5 車牌專用檢測器 (lp_det.pt, 信賴度=0.6)；同時引入 OpenCV CSRT 相關濾波追蹤器，每隔 15 幀僅重檢一次。
• 落地成效：徹底消除了 98% 的背景干擾誤報，GPU 計算開銷驟降 80%，在邊緣運算裝置上穩定跑滿 50+ FPS 的極速即時追蹤。

---

1. 全圖檢測的致命陷阱與分層檢測的破解之道

在車載行車記錄器畫面中，嘗試在全螢幕畫面上直接執行車牌檢測存在兩大致命缺陷：

1. 複雜背景雜訊吞噬特徵：街邊商店招牌上的文字、公車車身廣告都會導致車牌檢測器頻繁誤觸發。
2. 下取樣特徵嚴重遺失：當 640x480 的影像被下取樣至模型輸入尺寸（如 640x640）時，本就只有幾十像素的微小車牌極易在卷積特徵圖中徹底湮滅。

為此，我們的兩階段分層設計先嚴格限制搜尋空間：

# 第一階段：先粗定位車輛主體邊界框
vehicle_boxes = detect_vehicles_yolov3(frame, net=vehicle_net, conf_thresh=0.5)

for box in vehicle_boxes:
    x1, y1, x2, y2 = box
    # 裁剪車輛局部候選區域 (Vehicle ROI)
    vehicle_roi = frame[y1:y2, x1:x2]
    
    # 第二階段：僅在車輛局部高解析度區域內檢測車牌
    plate_boxes = plate_model(vehicle_roi)
    for pbox in plate_boxes:
        px1, py1, px2, py2 = pbox
        # 映射恢復至全局絕對座標系
        global_plate_box = [x1 + px1, y1 + py1, x1 + px2, y1 + py2]

---

2. 突破即時幀率瓶頸：引入 CSRT 目標追蹤器

深度學習目標檢測模型即便參數量再小，逐幀推論依然會過度擠占計算資源。我們引入了具有空間可靠性圖的 CSRT (Channel and Spatial Reliability Tracking) 濾波追蹤器，採用“間隔檢測 + 逐幀追蹤”的雙核驅動機制：

# 每隔 15 幀執行一次 YOLO 重檢，其餘幀完全交由輕量級 CSRT 追蹤
if frame_count % CONFIG["detection_interval"] == 0:
    boxes = detect_vehicles_yolov3(frame)
    tracker = cv2.TrackerCSRT_create()
    tracker.init(frame, tuple(boxes[0]))
else:
    # 純數學相關濾波快速更新目標框，單幀計算開銷僅需 1~2 毫秒
    success, tracked_box = tracker.update(frame)
    if not success:
        tracker = None

---

3. 下篇預告

在接下來的第 4 篇中，我們將深入解決裁剪出的微小車牌解析度過低且受嚴重運動模糊污染的挑戰，探索基於 EDSR_x4 深度超解析度演算法 與 多幀影像疊加降噪 的字元邊緣高保真重建實踐。