因為我在此部落格談了很多研究車牌辨識的心得，感謝網路時代的方便，我不必花大錢打廣告，找我討論製作車牌辨識系統的客戶就多了起來！今天要帶工程師到台北出差，一天跑三個行程，都與車牌辨識有關，其一是展示已經接近完工的一個產品，另兩個則是已經在電話網路上討論過，不同情境下的車牌辨識需求。有趣的是：雖然都是車牌辨識，但是實務上我要設計的程式卻是很不一樣的！

對於車牌辨識這個研究議題，我至今都還相當困惑的是：我搜尋到的車牌辨識論文或業界廣告，都習慣性的把車牌辨識當作「一個」很成熟的技術！好像買一個車牌辨識系統，就可以掛在任何需要車牌辨識的場所使用。

但是實際上絕對不是這麼回事！不同的情境需求下，車牌辨識的資料處理需求是很不一樣的！因為我已經實作了好多種情境的車牌辨識，也不知道跟多少廠商客戶談過類似的問題，我可以不必打草稿就說出很多種車牌辨識的情境與技術關鍵：

最靜態的可能是監視器看到的路邊停車或停車場內的停車位監視，目標與攝影機都不移動，拍攝角度也可以控制得很理想。車牌因為距離較遠(至少兩三公尺)，影像中看起來都是標準的矩形，也不會傾斜得很嚴重，這算是較好處理的狀態。一般的學生論文其實都是取這種影像，辨識出來時，就說自己可以做「車牌辨識」了！我之前也是。

其次是停車場出入口的情境，攝影機不動，車子則緩緩移動，但是因為近距離拍攝且常常需要讓攝影機避開車道，會從有點側面或較高角度拍攝，車牌變形的處理是很必要的！這正是我所知道很多現有較「簡易」的車牌辨識系統能力較薄弱的部分，所以必須努力讓硬體環境遷就他們(軟體)貧乏的變形修正能力！否則辨識率就很差。而且進出停車場的車子在夜間一定是開著車燈的，這會讓車牌埋在兩個強光柱的中間，也會讓辨識困難，總不能規定車子行經辨識系統前面時必須關燈吧？

更難一點的是路口監視器，因為是大馬路，視野會大一點，排除環境雜訊的技術必須好一點，不能將車上印的廣告當車牌來辨識。同時間車子移動速度也會快一點，取樣與處理速度要求都會較高，因為一眨眼車子就溜過監視器範圍了！一秒鐘常常需要取樣好幾張，如果你的資料處理速度是一秒鐘就太慢了！不是要簡化程序加速，就是要祭出多執行緒平行運算的特殊程式技巧，光是車牌辨識技術是Hold不住的！但是因為拍攝距離稍遠，車牌變形的處理是可以簡化的！

再難一點就是手機辨識了！前面文章也提過，手機可以遠近隨意拍，加上傾斜變形角度都可能不一樣，雖然速度要求不高，慢慢計算不超過兩秒(甚至三秒)鐘都不會有人抱怨的，但是其實必須能夠處理很多狀況，尤其是讓車牌形狀抝正的部分，這是讓手機車牌辨識系統難以出現的最大技術障礙。

現在我開始研究另一個極端情境的問題，就是在如行車紀錄器拍攝的影像中作車牌辨識。困難點是要在很大的影像中找出多個可能大小不一的車牌，影像大處理耗時，所以一開始就有處理時間的壓力！而且背景很大很亂，如同要在叢林中找出有保護色的動物一樣！程式必須非常聰明的不要被任何相似特性的目標欺騙，這一點我目前都還做得不好！

總之，車牌辨識系統真的每個使用情境需求都不太一樣，需要的軟體技術也都不一樣，會做高速公路車牌辨識系統的人，未必能作手機辨識系統，能作手機辨識的未必能作行車紀錄器的車牌辨識，我就是這樣！能力總是有極限的。

我納悶的是為什麼不論學界業界都不肯好好將這些問題告訴一般可能採買車牌辨識系統的客戶？做過基礎車牌辨識研究的人應該都知道這些事情的！但是他們這些「專家」都似乎希望買家更無知一點的樣子？總是過度簡化車牌辨識系統這個技術概念。