没有逮捕令，却被 Flock 摄像头反复提示“有令在身”

美国科罗拉多一名男子没有逮捕令，却被 Flock 摄像头和车牌识别系统反复提示为“有逮捕令”对象。

根据 Next 9NEWS 发布的视频报道，当地警方负责人称，已经将该男子从 Flock 热名单中移除。公开信息目前有限。我们还看不清错误到底来自车牌识别、热名单录入、数据库同步，还是人工复核。

但这件事已经足够说明一个问题：自动化警务的错误不会只停在屏幕上。它可能变成一次路边拦截、一次盘查，甚至在紧张场景里放大误伤风险。

一条错误提示，怎样变成路边风险

Flock Safety 的摄像头做的是自动车牌识别。摄像头读到车牌后，与警方或相关执法机构使用的“热名单”比对。命中后，系统向警方发出提示。

热名单可以用于被盗车辆、失踪人员相关车辆、嫌疑车辆，也可能关联逮捕令信息。逻辑不复杂，风险也在这里：只要链条里有一环错，最后承压的人往往是司机。

这次的反常点很直接。当事人没有逮捕令，但 Flock 摄像头和警方热名单提示多次给出相反信息。警方负责人又称，已把该男子从 Flock 热名单中移除。

这至少表明，在警方使用的 Flock 提示体系里，他此前处在会触发警报的位置。

受影响最具体的人，不是技术供应商，也不是采购部门，而是路上的普通司机。一个错误标签，足以让他在警灯后面解释自己为什么“不是系统说的那个人”。

这类成本很难在产品介绍里出现。迟到、盘问、车辆被围堵、情绪紧张，都是真实成本。更严重时，误报还可能改变现场警员对风险的判断。

不能把责任全推给“系统只是线索”

Flock 不是唯一做车牌识别的公司。类似技术早就出现在停车场、高速路、口岸和城市治安系统里。Flock 的特殊之处在于，它把大量联网摄像头接进地方警务流程，让提示更快到达警员手里。

效率提升以后，纠错窗口会变小。过去还要人工查询、人工确认的事，现在可能先由系统主动推送。

这不必然是坏事。被盗车辆、失踪人员相关线索，都可能因为自动提示而更快被发现。

但限制也很清楚：如果提示错了，现场执法不会自动降速。司机面对的是警灯、喊话、盘问，不是一条中性的数据库字段。

行业里常见说法是，车牌识别只是“线索”，不是逮捕依据。这句话在制度文本里可能成立。但在路边，它的安抚作用有限。

因为司机不会只和一条线索打交道。他面对的是一套已经把自己标成风险对象的流程。

目前不能断言 Flock 故意制造错误，也不能断言警方存在恶意执法。单一案例也不能推出全国性统计结论。更稳妥的判断是：责任可能分布在三个地方。

地方警局和市政采购方如果已经部署这类系统，最现实的动作不是马上停用，也不是继续无条件扩张。更合理的是放慢新增点位和功能接入，先补齐复核、删除、告知和审计规则。

对普通司机来说，真正有用的也不是知道某个品牌有没有出错，而是知道自己如果被错误标记，能不能查到原因，能不能确认删除，能不能拿到书面记录。

接下来要看三件可核查的事

这起事件的信息来自 Next 9NEWS 视频报道，公开材料还不完整。也正因为信息有限，更不能用情绪替代问题清单。

我更在意的是三件可核查的事。

• 错误来源能否说清.是 Flock 摄像头误读，还是热名单数据错误，或是警方数据库同步出错。
• 当事人能否被正式告知.不是只听到“已移除”，而是知道哪条记录被删、何时生效。
• 审计记录是否存在.谁添加、谁更新、谁删除，系统有没有留下可追踪痕迹。

如果这些问题没有答案，删除一条热名单记录只能解决一个人的眼前麻烦。流程是否修好，仍然看不出来。

自动化警务最容易被低估的地方，不是识别错误本身，而是错误的速度。机器把提示推得越快，制度就越要把责任推回具体的人和环节。

回到这名科罗拉多男子身上，荒诞之处不在于“机器也会错”。机器当然会错。真正危险的是，一个人明明没有逮捕令，却要靠媒体报道和事后删除，来证明自己不该被系统反复标记。