最近有位客戶說某標案要考試辨識軍車與外使車牌，軍車部份我是輕騎過關了！但是外使車的辨識因為可以研究資料樣本較少，本來就不敢說穩定，而且考試單位自己也找不到實際的車牌影像，居然是用作圖列印的方式製作假車牌來辨識的？

這個做法其實給我蠻大的困擾，因為字型格式與實際車牌不完全相同，最麻煩的是我必須參考那個中文字所在黃色或紅色區塊，來判定是否為外或使字車牌？但是印刷加上攝影環境影響，最終的影像紅色很暗，黃色又是偏紅的，很容易誤判！但這些都算可以調整適應的細節，經過兩天的努力，現在真假車牌都可以辨識正確了！

外使車牌之所以難辨識當然與前面那個中文字有關！基本上中文字筆劃多而密集，所以一樣大的字，當英數字可以清晰比對時，中文字是不可能穩定比對出正確筆畫的！加上紅黃底色讓目標字常常不太明顯或與背景沾連！所以即使建立出正確的外與使字的字模，其實也是無用武之地！

大家知道為什麼我的車牌辨識可以辨識出很傾斜的車牌嗎？多數車辨識廠商都會說水平傾斜不能超過10度！但是我的產品可以直接辨識至少 ±45度那麼大的範圍！原因就是我不是先在全圖中找到整個車牌，而是一個一個可能的字元目標！再用連連看打麻將的方式將字元串成車牌的！加一點容忍度，如果連成斜線就整個轉正就好了！

但是碰到要辨識只有三個數字以下的使字車牌就麻煩了！一張影像經過切割後可能會有幾百個目標，預設狀況是有四個目標成排我才會進一步處理，一張圖最多就是三四組吧？如果兩三個相連的目標都要處理，那辨識時間就會多出好幾倍，成本太高不能這樣玩的！如下的車牌只有一個字，不就是將軍死棋了嗎？

怎麼作呢？如上圖所示，我先用傳統OCR的方式找出可能為字元的目標，不作排列組合，直接縮放到標準大小比對字模，如果它真的是個數字，我就會知道他是個2字，且符合度分數是1000滿分！我只挑對比度高，大小長寬比合理的資優生比對，符合度低的也篩掉，最終需要耗費的時間就不會太多了！但是當然也就沒有抗傾斜的處理能力，目標必須相當水平才行！

這樣我可以很快找到真正是數字且相鄰的字組，即使只有一個字也會被繼續處理。找到真的是相連數字的1-3字字組後，就是根據相對位置來看字組左邊是否有紅色區塊了！這些「巧合」的條件都符合了，當然就可以判斷是使字車牌了！中文字其實是沒有做完整字模比對的！

外字車牌就不需要使用上面的流程，正常流程本來就可以找到四個字以上的排列組合，有點麻煩的是前面的那個外字，可能會被辨識成兩個目標(夕跟卜)，也可能因為距離稍遠變成一個相連的目標，我會檢視成排目標的第一個目標背景色是否為黃色？如果是黃色，後方的四個數字目標卻不是！那就是外字車牌了！

所以大家就知道，我的這些辨識還是跟一般人的常識認知完全一樣，你會怎麼辨認這些車牌？我的程式大概就是那麼做的！這一次也是因為剛好客戶有需求，重新整理演算法，很多細節效能穩定性又精進了一點！

但是老實說，外使車的辨識功能我的軟體是有開關的！通常我會關閉此功能，除非客戶有明確需要，原因是現實環境常常有很多顏色變化，碰巧有些目標極像或真的是數字，而且左邊剛好有一個黃或紅色的色塊，就會被誤認為外使車牌了！這個功能如果用在千奇百怪的街景上就常會出現幽靈外使車了！繼續加油中！