上圖是我目前測試中的區間測速系統的一個資料顯示介面，它們是我在起點站的影像辨識範圍內辨識到的車牌，理論上每一個車號好像就應該代表一輛車？但是實務上不會剛好這樣的！同一輛車有很多原因會有多個不同的車號，如果太嚴格篩選就會錯失很多車次，很難拿捏的！上圖中黃框圈選的不同號車牌其實都是同一輛車的不同辨識結果。譬如下面這種非戰之罪：

道路情境下的車牌辨識有如在叢林中打獵，目標車牌不會自動配合，停在或慢慢開過最好辨識的位置讓你辨識。而是我們必須用最好的攝影機，與最聰明的辨識軟體，加上運算效能很好的電腦，極盡努力的辨識到所有遠近角度不一，從清楚到模糊的各種狀況的車牌影像，同一輛車近看時應該是B的字元，到了較遠處模糊一點就會比較像8了！之類的！

因為光是盡量撈到(辨識)車牌就有夠忙了，所以我們無法持續做動態目標追蹤。如果可以，我們就會知道哪幾個辨識出來的不同車號其實是同一輛車的錯誤辨識！就可以進一步做出更聰明合理的判斷決定最正確的車牌，如上的案例也就不會錯了！目前我的RD就在跟這方面比我厲害的林泓宏教授學習研究這些動態目標追蹤的技術。

如下圖就是同時做動態物件追蹤與車牌辨識的研究過程示意圖！我們可以建立車牌與動態物件的軌跡，互相作為輔助校正，正確率當然就會大幅提高了！有了物件追蹤的運算，如果要辨識車輛的顏色與車型也變得比較可能了！

雖然目前我在道路的車牌辨識表現方面已經讓多數使用者相當滿意，甚至驚艷了！可是我知道這是長途賽跑，我不能自滿，以為能一直領先，即使我是兔子，一停下腳步，烏龜都能追上我。雖然現在的一般電腦效能還無法同時做大量的車牌辨識，又同時做多目標(車輛)的動態追蹤，但是幾年後電腦效能提升後應該就可以了，到時我們的軟體技術也必須及時趕上！ 

簡單說，要在自然情境中盡量正確辨識到所有車牌，不只是要挑戰辨識歪斜、模糊或髒汙破損的車牌，到了影像模糊到可辨識的極限時，你就必須使用到其他的環境條件，使用動態物件追蹤的技術讓我們知道車輛與車牌之間的關係，就是下一代道路車牌辨識的主要技術方向了！我的判斷一定不會錯的！