Flock Safety公司最近频繁登上新闻头条：从旗下监控摄像头遭受新一轮破坏事件，到其枪声检测麦克风被指同时录入居民私人对话，争议不断。而其中一份特定报告尤为引人关注——一项研究揭示，该监控系统AI的识别失败率高得惊人。
加州罗斯维尔市警察局在收到Flock Safety将车辆错误标记的相关投诉后，自行对该摄像系统展开调查，共分析了近1500条Flock报告。结果令人震惊：车牌识别错误率高达71%，摄像头频繁将一个车牌号码误读为另一个号码。
这绝非小事。将某个数字看错，例如把"7"认成"1"，可能导致Flock摄像头将一辆无辜的车辆误判为曾经被盗车辆。加州的实际案例正是如此：一名市民投诉称，由于AI技术将车牌上的"9"误读为"8"，他的车辆被摄像头反复标记为被盗车辆，进而引起警方注意。
这与Flock官方公布的数据形成鲜明对比——但也不尽然。该公司表示，独立评估显示其摄像头的车辆计数准确率达到96%，车辆类型分类准确率达到92%。然而，准确识别车辆与准确读取车牌号码是两回事，而Flock在后者方面几乎未提供任何具体数据。目前笔者已向Flock方面发出采访请求，如有更多信息将及时跟进。
高错误率为何会带来麻烦
值得注意的是，上述分析数据采集于2023年至2024年间。许多大语言模型能够随着训练数据的丰富和持续优化而不断提升性能，这也是当前众多AI公司大量采集旧书籍数据的原因之一。因此，Flock摄像头目前的识别准确率或许已有所提高。但与此同时，反向情况同样存在：AI模型一旦摄入低质量数据，尤其是由其他AI生成的"递归数据"，其表现反而可能越来越差、越来越不准确。
Flock方面表示，罗斯维尔所使用的摄像头配置并非典型部署方案，但未提供进一步说明。摄像头的安装位置和启用时段（如夜间、雨天等）可能对识别准确率产生显著影响。此外，车牌罩、车牌污损以及非标准车牌安装位置，同样会干扰系统的正常读取。
问题在于，上述情况在任何采用Flock摄像头的城市中都可能普遍存在。Flock的核心卖点在于其监控系统覆盖广泛、响应迅速且精准可靠，能够完成警方难以独立承担的工作。但如果摄像头在面对日常情境时频繁出错，只会给执法部门带来更多额外负担，而非减轻压力。
包括洛杉矶在内的多个城市已陆续终止与Flock的合同（尽管部分城市只是转而选择其他供应商），原因往往是公众压力。如果Flock的核心服务存在如此高的失败率，将成为警察局和治安官部门重新审视其使用价值的又一理由，也可能令Flock在开拓新客户城市时遭遇更大阻力。
Q&A
Q1：Flock Safety摄像头的车牌识别错误率有多高？
A：根据加州罗斯维尔市警察局对近1500条Flock报告的分析，摄像头的车牌识别错误率高达71%，即摄像头会将一个车牌号码误读为另一个号码。这与Flock官方公布的96%车辆计数准确率和92%车辆类型分类准确率存在明显落差，因为准确识别车辆与准确读取车牌是两个不同维度的指标。
Q2：Flock摄像头车牌识别出错会带来哪些实际危害？
A：识别出错可能导致无辜车辆被错误标记为被盗车辆，引发不必要的警方介入。加州就曾发生真实案例：一名市民的车牌因"9"被误读为"8"，导致其车辆反复被系统标记为被盗，给当事人造成困扰，同时也增加了执法部门的额外工作量。
Q3：影响Flock摄像头识别准确率的因素有哪些？
A：多种因素可能影响识别准确率，包括摄像头的安装位置、启用时段（如夜间或雨天等恶劣天气）、车牌是否安装了遮挡罩、车牌是否污损，以及车牌的安装位置是否符合标准。此外，AI模型若摄入低质量或由其他AI生成的"递归数据"，也可能导致识别性能下降。
