這種想法存在已經很久了！從有路口監視器開始，應該就有人想到可以用這些常駐的監視工具紀錄過往車輛的車牌，但因為之前軟硬體環境還不夠成熟，所以事實是至今台灣(甚至全世界)還沒有一個都市可以真的監看收錄到馬路上「大部分」過往車輛的車牌。就像電影中頻頻出現的機器人，都幾十年了，我們連動作生硬的機器戰警都還沒有。所以很多科幻或AI的點子不是不可能，但是通常也不會這麼浪漫的忽然就實現了！

現在有個關鍵的技術進步算是給了實現這個點子的臨門一腳！就是這幾年數位影像品質的飛速進步，原本只有幾十萬畫素還要好幾萬才能買到的監視器，現在基本上就是幾百萬畫素，還只需要幾千元！以前碰到犯罪事件調出的監視器畫面不要說車牌，連人臉也看不出是誰！現在每輛車的行車紀錄器都能看得一清二楚，大概不用多久行車紀錄器的基本配備就會包含車牌辨識功能了！

在影像品質不夠好的年代，如果某家廠商可以推出拍攝後至少用人眼可以辨識車牌的攝影機，那就夠厲害了！所以會有「LPR攝影機」這種名詞出現，這並不是說他們的攝影機裡面真的有車牌辨識(LPR)的軟體功能，只是說影像品質「足以」作辨識車牌而已！現在每一個人的手機拍攝的影像品質，都超過這些LPR攝影機了！

從我開始作車牌辨識後，不只一家攝影機廠商找我，想將車辨軟體整合到攝影機中，但實際的情況沒這麼簡單，因為何謂「理想」的車牌辨識軟體？其實大家都還在研發琢磨之中。重點是：車牌辨識並不像辨識一維(Barcode)或二維(QR)條碼一樣單純，它是一個在三度空間中的辨識技術。攝影監視器不會自動知道車牌在哪裡？所以拍到的影像也不可能是車牌的特寫，而是類似人看東西那樣的全景畫面。車牌辨識的主要難度其實是在複雜的全景影像中找到車牌，就是模擬用人眼找車牌的人工智慧。

如果影像解析度不夠，即使你找得到車牌，就像人眼可以用環境關係找到車牌的位置，但如果你有點近視，或車牌真的太遠，你也是看不清楚的！因此高解析的影像是第一個作全景畫面車牌辨識的關卡，現在大約二百萬畫素以上的攝影機就已經可以作到了！影像品質概略如一個視力良好的人站在路邊看經過的車輛。

第一關過了接下來的挑戰主要就是軟體了！作個有趣的比喻，在車牌辨識軟體研發的這個領域，好像剛剛從弓箭的時代進步到步槍的時代！在幾十萬畫素基礎上研發的辨識軟體，很像用弓箭射數十公尺外的獵物，但是這種技術和狙擊手用步槍射殺數百公尺之外的敵人很不一樣，步槍射擊的技術就像在百萬畫素下開發辨識軟體了。所以即使是羅賓漢，剛剛拿到步槍也不見得能立即射得很準，不是他比現代狙擊手笨，而是因為環境技術條件不同，即使是羅賓漢都必須重頭學起。

如果是近距離特寫照片式的車牌辨識，像停車場出入口的那種情境其實還好！就像敵人在十公尺外，步槍弓箭都可以克敵制勝，但是現在台北市警察局想的就不是那種簡單情況了！他們是要在類似如下的街景畫面中盡量辨識出所有畫面上出現的車牌。這和停車場的照片差異大家可以比較一下：

前者是百萬畫素，背景還超複雜，後者是三十萬畫素，就一個車頭有個大大的車牌而已。兩者需要的車牌辨識軟體「智慧」的程度根本不能相提並論！所以不要以為台北市警局開出這個需求，所有賣車牌辨識的廠商都會趨之若鶩！就像羅賓漢可以參加奧運射箭比賽，但這是距離幾百公尺的步槍射擊比賽，沒練過射擊的，根本沒有入場券！硬要讓神箭手上場比賽，結果一定會很難看。

所以要實現台北市警局的這種需求，軟體的要求是非常高的！連我的技術都還只能說「可及」，但尚未臻於成熟的地步！除了要對大影像作多車牌辨識之外，還得速度極快的連續辨識，為了減少因為角度距離不佳或部分遮蔽造成的錯誤辨識誤報，可能還要有軌跡追蹤與統計篩選的功能，粉難的！

但是不論如何困難，我們可以預期這是一定會實現的目標！幾年後台灣的都會區一定都會逐步建立這種道路車牌辨識機制，對我來說，真正的差別只是到時候，這些辨識技術核心是來自美國？日本？大陸？或者是台灣！大家就幫我加加油吧！

或許大家會覺得我正在積極爭取台北市這個大案子？想著勢在必得之類的？但事實不然！我知道目前全世界的車牌辨識軟體廠商都在努力研發做這件事，此時此刻如果有廠商用國外技術成功奪標，這不是意外！我的目標只是將我的軟體研發到「可以作」這件事，而且要盡量做得好！我要的是盡快研發成熟，讓我的技術可以與世界頂尖的水準比肩，讓未來一定會有的眾多類似商機中，我可以常常出席，不會每次都是陪榜的弱雞，這才是我的首要目標！一兩次的案例得失真的不是公司能否永續經營的關鍵，技術的領先與否才是！