最近的大工程是導入新的字元辨識方法到我的車牌辨識核心，整體來說我的車牌辨識核心大概分為三部分：首先是簡化影像找到可能是車牌字元的目標，就是一般影像辨識程序中的「前處理」。第二階段是由這些目標的排列組合找出「車牌」，判斷它們的形狀，再扭正車牌，投影到標準車牌的矩形大小。第三階段是在這個已經標準化的車牌影像中一一辨識出字元，這就是目前研究更新的部分！

當然，我的辨識核心主要特色，是第二階段的目標搜尋組合與幾何校正作得不錯，所以可以辨識很多影像已高度變形的車牌。但是當我將高度扭曲變形，有點模糊或較小的車牌抝正為標準車牌大小之後，可以預期字元不會非常清晰正常，簡單的說法就是會變成馬賽克的狀況！幾何校正也可能不會完美，字元會略微傾斜，或偏大偏小，此時還要跟人的判斷一樣正確，就會很有學問了！

總之，字元辨識的方法技術是關鍵的最後一哩路，重要性不亞於第二階段的幾何運算！我之前的舊方法經過幾年的經驗值調整，判斷的能力已經相當有「智慧」了！現在引用我的RD發明的新方法，理論上的合理性與效率都確定較佳，但是對於模糊邊緣的辨識能力是不是可以跟舊核心一樣好？甚至更好？就像NBA新秀狀元也要先跟隊上老經驗的前輩比一比，才能決定誰先發嘛！

我已經依據個案研究調整了一兩周，現在要進入全面的期末考試了！昨天假日加班，先將之前一批近七千張(1280X720畫素)的停車場影像作為考題，分別以新舊辨識核心全部辨識，統計正確與錯誤的張數，以及每張辨識平均使用的時間。這批照片所以適合當考題不是特別清楚，而是相反的，背景複雜還拍得相當不好！這樣才能測試出辨識核心模糊邊緣的辨識能力。

結果舊核心的成績是6422/6970，辨識率92.1%，辨識平均時間170毫秒。新核心的成績是6448/6970，辨識率92.5%，辨識時間123毫秒。辨識正確的能力已經不比舊核心差了！這是讓我最擔心在意的部分，我知道舊核心的能力已經很強，如果新核心不如老將，即使它的速度再快我也不敢用到實際產品中的！辨識正確當然是第一優先的考慮。

其實忙了一整天，我也確實看到幾個需要調整的部分，修正之後才達到這個成績的！證實辨識率無差之後，我終於心滿意足的結束加班，而且也開始興奮，新一代的辨識核心速度會快上很多！123/170=0.7235，快了近三成的時間！這絕對是很大的突破！

雖然原本的辨識速度就不慢了，使用者可能不會感受到明顯差異，但是無形中電腦運算量降低了三成，系統耗能就會大為降低，穩定性會更好！需要追求極速的產品像是車載辨識系統，也可以在更高速之下運作，辨識更多目標了！

這樣我的新版辨識核心就考試完畢？拿到畢業證書了嗎？還沒呢！這只是一個必修科目的考試，我還在等一批請人核對校正標準答案的路邊手拍照片的資料，大約有五千張，那批照片就不像停車場出入口拍的那麼端正了！甚麼距離角度的都有！算是更困難的進階考試，所以新舊核心還要再換場地PK一次！如果新手敗給老將，新版上市時間就還要延遲。

人家說要克敵制勝，快準狠都很重要，對於車牌辨識來說優先次序是：準→快→狠！很高興我目前已經有東西賣了，但是不斷研發進步才能保證我的成功不會只是曇花一現！持續精進研發是我們公司的命脈！也是永遠不會改變的DNA！