最近是我的研發高峰期，除了積極研究影像品質稍差的模糊車牌辨識技術之外，也因為動態車牌辨識的產品剛剛推出，在動態影像中除了高速連續的辨識車牌，還必須明確分辨出「是不是同一輛車？」。因為同一輛車經過鏡頭前面的過程中，會有很多張的辨識結果，自遠而近，從偏斜到正面到再度偏斜或遠離，不可能每一張都能完全正確辨識，所以答案可能是「錯錯對對對對錯對對錯錯」之類的複雜組合。

那些有對錯參雜的資料中，如果只看辨識出來的車牌號碼，你很難分辨出那是錯誤的辨識結果，或者真的是另外一輛車接連出現！所以「是不是同一輛車？」的辨識邏輯就很重要了！一般人會認為「辨識車子」似乎比「辨識車牌」容易，所以何不加入一個「辨識車子」的程序就搞定了？事實是：辨識車子比辨識車牌要難上許多！很奇怪吧？

先說如何辨識車子？其實一輛靜靜停在那裡的車子最難辨識！因為車子與背景的顏色沒有清楚的規律，並不是所有車子都是小黃啊？背景如何就更沒有規律，所以如何確定的將車子的輪廓自背景分離出來是高階的人工智慧，我其實是不會作的！

但是如果是一輛移動中的車子就容易多了！只要將連續的兩個影像亮度相減，背景不動顏色也都一樣，亮度差值就會趨近於零。相對的，移動的物體影像區塊內則是擾動的狀態，亮度變化會較大。所以車子一移動就會在我的辨識程式中「現形」了！是不是很像侏儸紀公園中描述的恐龍？你不動牠就看不見？可見自然的視覺中也有這樣的原理在應用，事實上多數辨識人流車流，或有沒有人侵入的保全系統就是這樣作的！

我確實曾經用過上述的方式輔助辨識車輛的通過事件，但是最後決定不用它了！因為車子不保證會持續移動，譬如出入停車場的車子，一靠近出入口就會減速停下，在辨識程式中車子就「忽然消失」了！夜間車子與背景的亮度差異會很小，是否擾動也看不清楚了，總之這是一個可以用，但是不太穩定的辨識方式。

車子的顏色並不是設計來讓你好辨識的，多數人還偏愛「低調」的顏色，不想太騷包，所以想用顏色或亮度差異在環境中辨識車子是個研究不完的複雜問題。但是車牌就正好相反，本來就是設計成讓任何人都容易辨識的高反差對比色，所以在影像辨識時只要找到顏色對比最強的地方通常就可以鎖定車牌了！

一個有趣的現象是：一般辨識車牌的演算法並不是真的直接辨識車牌上的字元，只是找到顏色反差大的「字元區」，而且也不太能確定字元區的精準邊界切線，所以只能假設車牌是個矩形。但是當視角傾斜時這個假設就未必成立，所以多數車牌辨識系統面對斜向視角時都辨識不好，一般來說30度就會有點困難，40度是艱難，>45度就是刁難了！但是我的辨識邏輯不同，我真的是將字元一個一個的辨識出來，所以即使偏斜高達50度也不是問題。

回到動態辨識的問題，我既然不能用辨識車子的方式確定「是不是同一輛車？」那怎麼辦？其實就是使用車牌辨識的過程資訊，車牌既然可以從全景照片中被抓出來，我當然知道「車牌在影像中的位置」。對於固定架設的攝影機來說，車牌在畫面中位置不動就是停車狀態，移動就是表示車子動了！還可以知道移動的方向咧！

同一輛車在空間中出現的位置一定是連續的，如果「車牌」忽然跳走，當然就是另外一輛車了！如果兩個車牌號碼不同，但是位置顯示是連續的移動，那就是同一輛車，但是(至少)有一張是辨識錯了！這不太難吧？但我可是研究了好久，現在心血結晶就這麼簡單的說出來了！果然是個不會做生意的老鄉下老師啊！

我現在對於演算法的Knowhow越來越大方了！一方面是自信我的創意源源不斷，不需要只靠著單一的發明(專利)過日子。另一方面也是心急於國內影像辨識有實力的競爭者太少，學界研發的動作和樹懶一樣慢！業界公司都很想作事，但是「老師」卻太少了！所以我就努力當業界的老師吧？事實上我真的是一家影像辨識專業公司的顧問，「當老師」也是我的正規營業項目哦！

我並不怕競爭者，因為即使你的影像辨識技術能迅速變得比我還厲害，我們也不必搶生意的，現實是影像辨識的需求大到像海嘯一樣！如同飛魚季時魚會自動跳上船，只看你能吃掉多少啦？我希望的是除了我的公司能活之外，台灣也能多幾家厲害的影像辨識公司，讓世界看到台灣可以作這種高科技的事情，至少部分年輕人能因此「薪情」變好，我就心滿意足了！