我研究車牌辨識是從無到有一路自行開發的，一開始當然是從簡單清楚好辨識的標準狀況開始，所謂的先求有再求好嘛！從大約三四年前開賣停車場版的軟體時，在較為單純的停車場情境下，現場實測辨識率就已經高過大多數已知的市售品牌，當然也很「穩定」了！

接下來我的發展方向當然是繼續研究如何辨識「難辨識」的車牌影像，譬如水平傾斜大的、側向斜視角大的，或略為模糊汙損的等等。我的產品市場也擴及到路邊開單的手拍照片辨識、停車桿或測速桿的車牌辨識、道路與車載車牌辨識等等。像是車載產品就是過去一整年的銷售亮點，還多次被媒體報導過，全省的地方稅務單位幾乎都買了一套！

這些產品所以能被重視採用，技術內容的關鍵就是在「不理想」的車牌影像中「盡可能」辨識出車牌，而且速度要非常快，因為目標車輛是不會停下來給你拍特寫的，我必須抓拍或跟拍。當然野外求生嘛！這種方式辨識車牌成功率能達到九成就嚇死人了！大部分車牌辨識系統都很嬌貴，一到這類野外場域辨識率就會低到很抱歉！

但是最近我卻因此受到一波震撼教育！主要的停車場客戶都抱怨我的辨識核心變得「不穩定」了？常有以前不會出現的離譜辨識結果，譬如看來清晰的車牌沒來由地多了一碼或少了一嗎？或者出現更多「鬼影辨識」，就是將背景目標誤認為車牌等等。

經過一番溝通與調整，其實就是我被海K了好幾大餐之後，終於讓客戶恢復了大部分的信任。有位客戶的說法很有趣，他說別家的車牌辨識都比我賣的穩定，能辨識到的就一定不會錯，不能辨識的就絕對沒答案。但是仍然讓我依依不捨的是你的產品「最聰明」！應該是指我可以辨識的狀況容忍度較大，這讓他們工作方便很多。

但是辨識困難的車牌難免就像電影中的藍波等野戰高手，為了盡量達成任務，很多例外甚至猜測性質的演算法都提出了貢獻，這些「自作聰明」的演算法如果沒經過審慎思考檢驗就混進停車場的辨識流程，就會變成泰山穿禮服吃西餐，很多格格不入的意外事件就會出現了！

所以說，其實是我的新近成功導致了我原本好好的舊產品出現新問題，我的產品分流沒做好，辨識流程與使用情境的區隔沒研究清楚就太隨意地互相引用，導致出現那些怪現象。而且在道路辨識時，十分之一的辨識是離譜的錯誤，沒人在意！在停車場呢？即使只是百分之一的錯誤他們都會嘀咕半天的！

哈哈！是不是很像聰明的孩子總是不太聽話自作主張，讓人又愛又恨？我正在努力讓我的孩子，就是我的產品又聰明又乖又可愛！