這個客製化的車牌辨識系統是汽車保養廠用的，同一個車道可以出去，也可以進來，所以除了車牌之外還必須辨識車行方向，這比停車場的辨識困難多了！因為車子是不會停車受檢的，有時候耍帥的修車師傅還會開車高速飆進飆出！但是我是作道路車牌辨是出身的，這些動態辨識我都挺過來了，目前測試多半是OK。

但是上圖的案例他們說：車子明明是出去的，我的軟體卻報稱是進來的？一開始我也愣住，好像不太可能？車行方向又不是第一次做了，像上面的小貨車有兩個車牌號碼，其實95%以上的機率，我的軟體會抓到真的車牌，不會誤抓油漆漆的白字車牌，怎麼那麼聰明？其實是兩個都會辨識到，但是油漆漆出來的車牌，很少會字型與字距比例都跟真的車牌完全一樣，所以當然是真的車牌符合度較高，所以很神奇的我極少會被騙到！

這一張就妙啦！真的字型字距都非常符合真的車牌樣式，而且車子由下往上開，最先被看到的其實是油漆漆的白色車牌，緊接著黑車牌也進入畫面了，還更清楚！我的追蹤機制就移情別戀開始追蹤黑色字的真正車牌了！這樣切換時就好像車牌忽然從上面跑到下面，那就是「進場」而非「出場」了！

知道問題所在了，那如何解決預防呢？這又是一個跟機器學習無關的AI機制設計了！實務問題中其實絕大部分的AI設計是跟機器學習無關的！堅持要用ML就會變得很奇怪費事還無法解決問題。我判斷走向的根據，是連續辨識的原始資料中，車牌位置隨時間移動的方向。

但是我之前只認車牌號碼，不分別車牌顏色所以才會出此意外誤判。既然知道會有兩種顏色的同號車牌，那程式中就多加一個限制條件，要判斷方向時必須限制使用的兩筆資料不但要同號還要同色才行！這樣就完成一次得來速的售後服務了！前後只用了一小時吧？客戶就獲得更新軟體了！

這就是我的日常工作啦！多數車牌辨識廠商都不是這樣幹活的！要他們改軟體的核心程式？那可能比要他們生孩子還難！立即改好更是絕無可能！但是我天天都是這樣服務客戶的！只要公司還在營業，服務永遠都在，還很快！這個問題客戶是今天中午才用Line跟我講的！這樣才有資格叫做軟體「設計」公司嘛！