車牌辨識只是一個名詞，很多人說：「車牌辨識的技術已經很成熟！」但是在我來看差得遠了！應該要等到車牌辨識軟體的辨識能力跟一般人差不多時才能說這句話。人的判斷能力真的很厲害！到目前為止，車牌辨識軟體唯一可以勝過人類的一個指標只有速度！

譬如我的軟體辨識一個在五十萬畫素影像上的車牌，只需數十毫秒，那是人類一眨眼的時間，如果車牌夠清晰也沒變形得太厲害，我一秒鐘可以辨識幾十次，人眼頂多辨識一兩次吧？目前應該每一家車牌辨識軟體都可以做到比人眼快，所以車牌辨識的研究方向應該是挑戰人類辨識的「智慧程度」了！這不就是典型AI的研究嗎？

或許有人會問：現在不是大多數的車牌辨識系統辨識率都很高了？怎麼會說車牌辨識技術還不成熟？還需要繼續積極研發呢？這是一個所有車牌辨識廠商都不願公開承認面對的問題。目前多數商用的車牌辨識系統，都是調整環境去適應辨識能力其實還不夠強的車牌辨識軟體，有點像練桌球時要求陪練員打特定的球路與落點，當然每球都接得到！實戰時就完全不一樣了！在真實的道路全景中辨識車牌，能到七八成就很難了！

在真實環境中，車牌較難辨識的原因大概有三個方面：第一是清晰度，模糊或太小的車牌對人或軟體都很難辨識。但這一部份仰賴影像硬體技術的突飛猛進，做軟體的就不必太執著於做「模糊辨識」了！等你做好聰明的軟體，別人換個攝影機就贏過你，你不就白做了？

第二部分是上下左右側向辨識的問題，視角越偏離車牌正前方，車牌字元變形就越厲害，傳統上預期車牌字元有比較固定形狀的軟體就悲劇了！目前多數車牌辨識軟體最多只敢說偏離正前方45(或40)度之內可正常辨識。我的軟體因為演算法不同於主流車牌辨識程序，則是偏角55度內都確定可以正常辨識，極限可到60度左右。

第三部分是車牌的水平傾斜，要在複雜背景中找到車牌，即使人眼也是會先找「近似水平」排列的英數字！多數的車牌辨識軟體邏輯也類似，所以如果車牌「不太水平」時就不好找了！差別是人的視覺系統比較聰明，基本上除非是顛倒的車牌，傾斜個三四十度對於人眼辨識來說是沒差的！電腦軟體可就慘了！

我聽說的他廠產品傾斜容忍度最高是15度，我自己先前的版本就比這個水準好了！大約可到25度，所以作路邊開單資料處理的公司都來跟我買辨識核心，因為開單員手拍的照片常常水平傾角偏大，如果大於15度就無法辨識那很麻煩的！我賣25度以內OK的軟體，他們就很滿意了！

但是我自己還不滿意！主要是近日開始研究路邊停車柱的車牌辨識情境，車牌目標與攝影機距離很近，高度也不會都一樣高，結果就是影像中的車牌常常超過我的25度傾角極限。看著非常清晰，人眼鐵定辨識無誤的影像，我的軟體卻毫無動靜？那怎麼受得了？非拚拚看更高角度的辨識能力不可！

理論上，只要傾角不大於45度都還算是較「傾向水平」而非垂直的目標排列，我只要將我的程式中搜尋組合「成排字元」目標的程式篩選條件放寬一點，就可以辨識較傾斜的車牌了！但是困難處在於整個辨識流程中有太多地方是預設車牌不會太斜的，貿然將太傾斜的目標組丟進去，多半是半路就被視為不合理案例踢掉，不會繼續完成辨識了！

所以辨識核心需要修改的地方很多，好像一個原本只有一般生就讀的學校，為了迎接有身心障礙的學生入學，我必須調整學校成為無障礙環境，讓這些特殊生也能正常地讀到畢業！這個比喻是不是很有趣？其實也很貼切！實際情況就是這樣的，經過特調之後現在我可以辨識的傾斜角度已經達到相當嚇人的40度了！應該又是國內第一吧？