Flock 安防 AI 摄像头曝重大缺陷 超七成车牌识别出错困扰城市治安

Flock 安防 AI 摄像头车牌识别错误率超 70%，给各地城市带来新麻烦

近期 Flock 安全公司总是频频登上新闻，一方面 Flock 监控摄像头接连遭到破坏，另一方面有消息称该设备的枪声检测麦克风还会拾取居民的私人谈话。但一份报告格外引人关注：一项研究显示这套监控系统的 AI 识别失败率高得惊人。

延伸阅读：你需要了解的 Flock 监控系统及其工作原理

针对 Flock 安全摄像头车辆识别误报的大量投诉，美国加州罗斯维尔市警察局对该摄像头开展独立分析，调研了近 1500 条 Flock 上报记录。结果发现，车牌识别错误率高达 71%，摄像头经常把一组车牌号码误判成另一组。

这绝非小故障。把数字 7 识别成 1 这类号码混淆，会让 Flock 摄像头错把无辜民用车辆标记为被盗车辆。加州就发生过真实案例，一名市民投诉，摄像头多次向警方把他的私家车标记为失窃车辆，原因就是 AI 把数字 9 识别成了 8。

这和 Flock 自身宣传形成巨大反差，但又不完全矛盾。该公司称第三方测评显示，摄像头车辆计数准确率达 96%，车辆类型分类准确率为 92%。但准确识别车辆，和精准读取车牌完全是两回事，Flock 并未公开太多车牌识别相关数据。我已经联系 Flock 希望获取更多信息，如果对方给出补充资料，我会同步告知。

需要注意，这份分析的数据采集于 2023‑2024 年。许多大模型依靠更优质的训练数据和海量素材迭代优化，这也是如今 AI 企业大量收集旧书籍的原因。所以 Flock 摄像头的识别精度到现在或许已经有所提升。但也存在反向退化的可能：AI 模型会学习劣质数据，尤其是由其他 AI 生成的递归衍生数据，进而造成模型能力下降、识别准确率降低。

Flock 表示，罗斯维尔市采用的摄像头部署方案并不具备代表性，但没有提供更多细节。摄像头安装位置、工作环境(夜间、雨天等)都会对识别精度造成很大影响。车牌遮挡罩、脏污车牌、非标准车牌安装位置同样会干扰识别。

问题在于，城市在部署 Flock 摄像头时，都会遇到上述现实场景。Flock 主打的卖点就是这套监控覆盖面广、响应迅速、识别精准，可以完成警方难以做到的工作。可如果摄像头在日常场景下频繁出错，反而会增加执法部门的工作量，而非减轻负担。

包括洛杉矶在内的多个城市，迫于公众压力陆续终止和 Flock 的合作(部分城市只是更换其他供应商)。倘若 Flock 核心功能确实存在如此高的错误率，警方与治安部门就更应当慎重考量是否继续使用，同时也会加大 Flock 向其他城市推广产品的难度。