近期，网络上流传的通过扫描手机的车牌照片开闸出场的“神操作”引起广泛关注和热议。在无人值守已成停车场主流模式的当下，如何去防伪遏制人为逃费、防范由此引发的公共安全隐患，值得我们去深思。

技术的问题仍然需要依靠技术去化解。相关技术人员表示，网络所传的被车牌照片“欺骗”的道闸相机只具备车牌检测识别、数据读取功能，采用的是相对老旧、尚未进行算法升级的车牌识别系统，无法区分真实车牌和手机照片、打印的纸质车牌。从技术角度而言，这些传统的机器学习算法一般会人为设计具有一定通用性的“特征提取方法”，能够适合某一类的任务，但由于都是人工设计的特征，因此对于包括车牌防伪在内的识别场景适应性还有待提升。

而真实场景中的车牌识别问题要复杂得多。例如不同的光照环境下，对车牌识别效果影响巨大，车牌在明朗的晴天和雨雪天，在人的生理视觉上都是不一样的，而从摄像机拍摄到的图片来说，晴天的图片一般都较为清晰，但是强烈的阳光直射会造成车牌反光的问题，就像注视一面反光的镜子，难以辨清细节；阴雨天则会导致图片昏暗模糊；下雪则有可能覆盖车牌某些关键区域（如首汉字、数字或字母）。

同时，车牌本身种类较多，颜色、外形、尺寸大小都不尽相同，拍摄角度、拍摄距离都会影响到车牌在图片中呈现的角度。即使在同一天，阳光光照角度和光线强度的变化也会影响成像质量。

不少停车场物业管理方表示，手机拍月租车牌逃费并非新鲜伎俩，此前受限于相机防伪技术的部署成本，因此才会被少数车主利用这个漏洞，这种逃费方式凭借易操作、隐蔽性高，已然成为“逃费一族”的惯用技能。

为避免物业管理方遭受不必要的损失、防范“车牌李鬼”引发的安全隐患，捷顺科技发布了车牌识别算法V3.0版本，在车牌检测读取外，还针对整个车头区域做分类识别，通过“卷积神经网络（CNN）的车牌检测和端到端车牌识别”技术，准确预测出视频中车牌的位置信息，直接将矫正后的车牌小图输入到“端到端识别网络”即可得到车牌号结果。相比传统的机器学习算法，基于卷积神经网络（CNN）的车牌检测与识别技术在复杂场景下对低光照、模糊、大角度等车牌的检测效果更好，可大幅降低误识别情况的发生。

目前，深圳市机动车保有量已突破350万辆，停车位缺口达170万个，在推动公共停车设施项目建设、片区停车综合整治等大手笔投入之外，发挥停车物业类企业的主体作用、增加现有停车位使用效率也是重要一环，智慧停车企业们将继续为技术创新和运营赋能为抓手，与社会各界一道共同努力缓解停车难题。