最近幾天做的事情很有趣，合作廠商提供了非常大量的停車場出入口現場拍攝的車牌影像，一天就有好幾千張！其中不少照片的拍攝品質不是很理想，就是會稍微失焦，太亮太暗，角度偏斜，或車牌髒污磨損等等。我之前還沒有一次拿到這麼多甚麼狀況都有的巨量資料，正好可以用來測試我的演算法對各種狀況的處理能力。

老實說，要「做出一個車牌辨識系統」其實不難，以現有的方法論組裝，我一周就可以做出一個新的流程，還保證一定可以用！但是要做出一個「聰明」的辨識系統，可以辨識很多不是那麼清晰正常的車牌影像就很難了！還要執行的很快咧！所以各大學裡研究車牌辨識的團隊這麼多，卻多半走不出校門。

好的車牌辨識系統裡面絕對不會只有一個直來直往的主流程，通常會複雜到很像一個城市的街道。規劃好的城市街道通路多但謹然有序，規劃不好的就會像違章建築群或貧民窟了！我的程式發展三年了，其實已經打掉重建好幾次了！貧民窟的階段我也經過的，現在不時發現新的例外時，也會蓋出一些小違章建築因應處理的，但是當違章建築多了太亂時就要重新給他「都更」一下了！這種都更通常不會有人抗爭的。

只是要改程式時會有點疑慮，我的方法會不會順了姑情失嫂意？新改的程式是可以解決眼前的狀況了！但是會不會以前原本可以辨識的資料卻因為新的「法規」上路反而變得窒礙難行辨識失敗呢？就像政府的法律，當然是考慮最多數人的利益與方便，但是如何知道真正全面的「民意」呢？

我確實需要做很全面的實驗，所以當合作廠商丟給我巨量資料時，我不會因為其中很多的辨識失敗而感到挫折，而是感到安心！因為有了足夠的資料，以後我每次新的程式更動全面性的效果如何？就可以很快知道了！我沒說我的辨識程式跟人眼一樣厲害或更厲害，但是有足夠資料慢慢研究總是會越來越進步的！

很好玩，做這些事情時，我很像同時是一個學校的老師兼校長，既要輔導個案又要顧及全校整體發展，有時候還真的必須放棄一些個案以顧全大局！知道我的程式每天都在進步，而且確定是整體辨識能力的提升，感覺很好的！