大家不要以為車牌辨識就是一種AI產品而已！做到一個程度只要賣得出去就可以收工等著數鈔票就好了？事實上這是一個非常複雜的工作，永遠沒有最好只有更好！影像辨識還是一種不夠成熟的技術，簡單的狀況誰都可以辨識率百分之百，困難的狀況連神仙也難寫出完美的程式！所以我每天都有研究議題的！

最近努力的重點就是很容易因為模糊而誤認的工程車綠底白字的車牌！尤其是在街景中距離較遠的車牌，HKMNX幾個字在畫素較少時差異非常小，加上隨機的數位誤差，再加上JPG壓縮造成的失真雜訊，在此之前我的道路版辨識軟體如果單以這種車牌為基數計算，辨識率還不到八成！整體辨識失敗的案例中，這種車牌就佔了超過一半！

當然我之前我可以打混的原因，是因為這種難辨識的車牌整體的出現比例是很低的！大卡車當然不會開進停車場，也不可能停進路邊的停車格，所以除非是做地磅站的專案，大部分的使用情境中，這個缺點不會被放大檢視！但是我知道我做得還不夠好！其他車牌辨識廠商也應該跟我有一樣的問題！就看誰能先努力優化提高辨識率了！

其實重點就是在HKMNX這幾個字的特徵辨識設計！還有多字沾連時的切割精準度必須更好！一個模糊的字都容易交叉誤認了，兩三個沾連的字還切歪了，那就更容易認錯了！這些技術細節當然都是寫出來會讓讀者們睡著的枯燥內容，所以就不囉嗦了！但是我真覺得新版本比以前進步非常多！

如上案例，遠近各有一台工程車，在以往這種車牌真的必須走到畫面最下方四五分之一，也就是最近的距離才能正確辨識！可以辨識的甜蜜區非常窄！所以直接漏車的狀況很常見的！其他種類的車牌則是大概到畫面上方三分之一處就可以陸續辨識成功了！差距非常明顯，主要原因就是綠白車牌較模糊的特性了！

現在呢？居然可以在同一畫面正確辨識到兩輛工程車的車牌？各位或許沒甚麼感覺，我自己則是感動到快要哭了！高興到可以叫老婆買披薩或出去吃牛排慶功的程度！這可是困擾我很多年的尷尬弱點，我之前是成功做過了幾個地磅站的專案，專門辨識這種工程車，但那跟道路情境不同，都是拍得很近很清楚的影像，完全不能類比！

其實只是一張特例或許有運氣成分，我也不會很興奮的！而是這幾天我感受到這種模糊程度的車牌已經可以非常穩定的正確辨識了！誤認的比率從之前的兩三成，已經壓低到一成以下了！就是如上例中遠處的工程車牌，辨識正確率已經可以達到九成以上了！自己都覺得好AI的感覺！

這就是我可以玩這個遊戲超過十年都樂此不疲的原因了！我沒辦法強迫別人來買我的軟體，生意時好時壞跟我當時的努力程度也沒有太直接的關係！但是即使沒人買的時候，只要我的研究有進展，就是天知、地知、我知了！如果我寫部落格剛好也有人看到，就是「你」也知了！大家都知道我做了了不起的事情，人生不就很快樂圓滿了？