最近在鑽研超高角度傾斜的車牌辨識，事實上用「傾斜」兩個字已經不太恰當了！可能用「旋轉」兩字比較合適。我基本的標準車牌辨識流程本來就可以辨識到左右傾斜(旋轉)60度了！但是近乎垂直到上下顛倒的車牌還是無法直接辨識的，所以必須在內部轉圖90度或180度之後再辨識一次，就是對多個旋轉角度的圖分別做辨識找最佳解答的意思！

這種概念幾年前我就實作過，也賣出產品了！那是一個監理站使用的「報廢車牌辨識機」，可以將拆下來的車牌丟進去，不論以任何角度置入都可以辨識出正確車號。但是我自己並不滿意，原因有二，一是這樣做等於是進行多次的全圖辨識，辨識時間拉得太長，感覺很遲鈍；二是當碰到如上的，近似上下對稱的車牌常常會誤認！

最近的研究其實就是避免每個旋轉角度都做全程的影像處理，標準辨識流程中產生的前處理資料，盡量在旋轉之後的辨識流程中重複使用，因為即使影像方向旋轉了，但畢竟還是同一張圖，除了畫素位置改變之外，其他大部分的資訊還是一樣的！困難點就是流程變得很複雜，程式盤根錯節很傷腦力的！我都62歲了，雖然做得有點吃力，但是我想這麼玩下去，會得到失智症的風險就極低了！

好複雜的資源重複利用工程算是成功了！所以如上圖，上下顛倒(旋轉180度)的車牌辨識，我真的做了兩個方向的辨識，但是時間消耗跟只做一次辨識差不多！就是從X個方向分別辨識需要的X倍時間，縮短為大約1.X倍的意思。這是很重要的突破，如果只是旋轉後再辨識，我的客戶公司都有資訊部門，他們自己寫程式轉圖就可以了！根本不需要我，我拿甚麼理由收錢呢？

問題一解決了，我害怕的第二個噩夢就是如上圖的這種車牌了！事實上你直接辨識這個上下顛倒的車牌是會有很高符合度的答案的！不就是：HW-8988嘛！我分析過，台灣車牌的字型中，上下顛倒後還是非常像或完全跟另一個字一樣的有：H、I、N、O、S、X、Z、0、6、8與9，碰到這些字加上影像的些微誤差，光用字模比對的符合度還是很難確定有無顛倒的！

如上的車牌其實只有一個字M是顛倒後比較不同的，但是顛倒的M又與W非常像，所以就誤認顛倒的M是W了！此時字模比對的精準與可靠度就是關鍵，以此例來說，我的程式過程資訊顯示的上下兩方向辨識結果如下：

可以看出來顛倒影像後辨識的結果8868-MH(96)符合度明顯高於未顛倒的答案HW-8988(84)，所以我可以判定正確答案應該是顛倒影像中辨識出來的車牌！而且我只需要顛倒已經定位正規化投影之後的小車牌影像即可，不必做全圖180旋轉的！所以運算耗時省很大！

同樣的，對於接近垂直的車牌，我也只需要轉圖90度一次，找到車牌之後上下顛倒各辨識一次即可！要做到360度皆可辨識，我其實只需要轉全圖90度一次即可！這就是我可以如此快速做出360車牌辨識的原因了！還是來自客家人DNA中勤儉持家的精神，盡量節省資源重複使用，事情就會做得又快又好了！

我會不會講太多洩漏了我的商業機密啊？沒關係的！這些「點子」我三四年前就想通了！但是掙扎研究至今才將細節一一搞定，你即使跟著我的腳步積極追趕，也要好幾年的！到時我又不知道升級進化到哪邊去了？你就等我退休收工後再期望可以超越我吧！

更何況現在影像辨識領域的人都被ML、DL與CNN等技術綁架詐騙，被帶到歧途死路上瞎忙了！應該還要好多年才可能醒悟那條假AI之路根本走不通，此時會有幾個人或團隊真的聽我的狗吠火車呢？但是既然走過我就想留下痕跡，我相信歷史終究會給我正確的定位評價的！如果我不寫論文專書的話，目前的這些文章就是我的歷史，各位讀者就是歷史的見證人了！