老张那年的道闸平时就有点“手抖”，每次车一来，杆子刚要起来，车就错位了。
后来我去招阀咨询，师傅指着手里那套黑色的微型电脑说：“老张，别老盯着杆子看，你盯着杆子上那一圈反光，那才是真功夫。”一听这话，老张差点把老式摄像机扔了。
这玩意儿叫车牌识别系统，说白了就是给车牌这一块地区了个“数字身份证”，只要识别出来，剩下的就交给杆子去干活了。 这玩意儿不是靠肉眼猜的，它有一套严密的数学逻辑。先把镜头对准车牌，就像用放大镜看字一样，但镜头极小，专门对付那几排方阵。光靠镜头拍不到字，得靠光线的魔法。
这光分两种，一种是白天人眼的，一种是相机打的。系统喜爱那车灯，出于车灯亮的时候，物理原理就是光电效应，电子把光子能量，一口气全塞进光敏材料里，材料上就“嗡嗡”响，信号就出来了。白天忒阳底下，阳光直接照上去，和车灯的效果差不多，都是把光能转化成电信号。
关键是，这光要正，角度不能偏，偏了一点点，信号就弱得像蚊子的嗡嗡声，当时机不对，信号就是虚的，识别率直接掉到零。 再看那“数字身份证”本身，这可不是一般/平平的塑料牌。它得是那种冷光字，像霓虹灯一样，靠电子发光，白天也能亮，晚上更亮。字体得规整，边缘得清楚，不能像印在快递单上那样歪歪扭扭。歪了，识别系统就不知道这要是“某”，那就是“某”了，要么干脆认成隔壁了。车牌号也得写得直，不能打弯，也不能有那种花里胡哨的装饰字，那系统就像听不清的方言，识别起来费时费力。 识别过程实际上分三步走，每步都是精雕细琢。
第一步是“找”，系统要精准地锁住目标。它会计算距离，要是车牌离镜头忒近，信号就弱；忒远，光线又忒暗，都抓不住。
这时候它还得管角度，得让车牌正对镜头，哪怕车略微往左歪了十度，系统也得硬着头皮认，要么就拉倒，不然就白认了。
第二步是“算”，这是最核心的智商环节。系统得把车牌那几十个小块像素，一个个拿出来做数学运算。它要算出这哪儿是“京”字，哪儿是“沪”字，哪怕有一两个像素不清楚，它也得通过算法过滤掉，只留下最确定的局部。
这个过程在硬件上叫图像采集，在软件里叫模式选择，无非就是告诉系统：目前的模式是算车牌，别去算你是哪位，别去算天气。
第三步是“比”，把算出来的结局，和系统里设定的标准进行比对。系统里有无数个标准，比如最高分是多少，要是这车的属性不符合，哪怕字认对了，也是错别字，直接拒之门外。 这套系统最了得的地方在于它的容错率。
那会儿拿老式摄像头，一个牌照框要是偏了几度，系统就废了，得重新对位。目前的系统强得离谱，它能容忍挺大的角度偏差，哪怕车身略微晃两下，它也能扛住。并且它不傻，一旦算出结局，比如这块像素算出是“某”字，它还会去读旁边那块像素，要是旁边那块读出来是“某”，那它立马判重，直接锁死，多算一个都别想跑。
这种“严丝合缝”的判定，反而是那会儿的老系统最好办翻车的地方，出于它们还好办出于一点光线抖动就犹豫不决。 在实战数据上，我见过一个案例。
那是 2023 年夏天，某小区的新道闸安装。刚装的时候，师傅装得挺到位，车牌识别率达到了 98% 以上，晚上开饭堂进食的阿姨都拿着手机拍照给师傅看，结局杆子还没起来，车就开走了。师傅一看系统，大惊失色，赶紧去调校。
这时候师傅换了个更亮的光源，把相机朝向拉正了，结局一照，识别率瞬间跌到了 12%。到后来师傅把灯的颜色调成了和车灯最接近的红金色，把像素点算得清清楚楚，最终又把杆子的灵敏度调高了，这才又回到了 95% 左右。 还有一个例子更扎心。
那是个暴雨天，雨水把镜头打湿了，系统自动开启了防雨模式，把镜头盖开了。结局雨停了，系统还在干瞪眼，出于雨水让图像边缘变得全是噪点，系统根本找不到清楚的“京”字，干脆闭上眼瞎猜。
这时候系统才发现自己算错了，赶紧换把干净利落的镜头回来，重新计算，那一刻它才想起来，原来刚刚那一脸假象雨水，是它找错目标的根源。 故此你看，大道至简，道闸识别不是靠神技，就是把物理的光、数学的算、算法的逻辑，用在一个小小的镜头上。它不需求你懂多少代码，也不需求你认识多少算法，它只需求你能给它拍一张最正的、最亮的、最规整的照片。
只要这三样东西摆对位，剩下的数学运算，它都能替你搞定。老张那天晚上回去，看着系统显示成功，心里那块石头才算落地，毕竟这排查违章、管理车辆、保证通行，全靠一群看不见的“数字精灵”在后台默默工作，一旦它们认错了，那费事可就大了。
