車牌辨識很容易嗎？那是指像停車場那樣，車輛一一慢速通過，甚至停下來，讓車牌辨識系統好整以暇的辨識情境。在百萬畫素影像的新時代，如果你在這種簡單的應用情境，車牌辨識率沒到98%以上，就直接退出江湖吧！

自從有了路口監視器這種東西，當然車牌辨識就進入到另一個戰場，高手們要挑戰的是去「追捕」車牌，車牌辨識系統不能要求車輛停車受檢，但是因為到幾年前為止，一般規格的攝影機影像畫素最多三十萬，要看清車牌只能瞄準一個車道，像這樣：

那不是跟停車場一樣好辨識了嗎？但因為正常的五六十公里車速下，車輛通過這樣大小的畫面只需0.1到0.2秒，真的是一閃即逝！要能不漏掉車輛，辨識速度必須一秒至少十次以上，辨識速度要求比停車場高多了！加上實際馬路上的環境亮度與陰影變化大，如果還要辨識機車，整體來說真的難多了！

簡單說，停車場可以用靜態影像辨識，一張花0.5秒都算及格，但是道路上的辨識系統就必須是動態連續的高速辨識，也將車牌辨識的市場開始分級了！能作到道路情境車牌辨識的廠商都是趾高氣昂的！但是老實說，兩者的「影像辨識」技術水準真的沒有任何差異！辨識速度較快是靠硬體的能力或架構達到的。

他們之中有一半廠商是用硬體化技術將OCR(光學字元辨識)技術應用在這個情境，速度快是因為硬體化IC化讓影像辨識程式執行速度快一點，外觀就是一個可以饋入串流影像，然後吐出辨識結果的黑盒子。另一半則是像我當年替嘉義市做的一樣，前端電腦辨識速度不夠快，就用「中央廚房」嘛！將前端擷取的影像後送到有一大堆伺服器的地方集中辨識，整個系統就會變得很龐大複雜，當然也很昂貴。

因為百萬畫素時代的驟然降臨，現在車牌辨識的新戰場又變了！以前受限於攝影機只能拍清楚包含一個車牌在內的影像，想在一個畫面內拍兩輛車，車牌就會變得太小難以辨識，所以軟體演算法設計師也樂得輕鬆，畫面簡單程式也不必太複雜。但是現在已經沒有百萬畫素以下的攝影機了！軟體工程師可就有得忙了！

現在從一個百萬畫素的街景影像中，就可以直接看清楚五六甚至七八輛車的車牌！試問警察難道不會想直接撈出裡面的所有車牌？但是大家看出來了嗎？至少有兩點難倒了全球的車牌辨識研究團隊！一是百萬畫素影像計算時間本來就較多了，還必須是動態連續辨識，需辨識的目標車輛數還增加好幾倍，即使使用硬體化來提速的廠商也傻眼了！這可不是增加幾倍速度的要求，而是幾十倍啊！

不僅如此！真正艱難的挑戰是辨識演算法！之前不管怎麼玩，高速的低速的，軟體演算法面對的都是畫面簡單的單車影像，現在忽然變成要在一片叢林中抓出好多隻兔子、老鼠、甚至蟲子(機車)！硬體升級通常肯花錢就會有，但是軟體演算法必須逐步研究，有錢也未必很快就有的！

我是大約兩年前意識到這個必然的發展趨勢，所以提前開始研究多車與高速的辨識演算法，所以現在有一些領先優勢，不用硬體加速，像上面這種多車辨識就可以做到一秒辨識20次以上！這種速度是連用硬體加速的廠商們都望塵莫及的！車牌辨識演算法不只是要準，效率高速度快也是本階段重要研發的議題哦！

很多人可能會想：國外或許有比我更棒的新科技吧？但是我估計頂多和我差不多。不是因為我特別聰明，或我低估了矽谷之類的資訊聖地的能力，而是百萬畫素影像盛行才不過三四年，這是全球同步的變化，矽谷工程師也只能在跟我差不多的時間點，開始跟我一樣的研發！我不信他們是外星人！他們可以想到的方法，我不會完全想不到。

最終極的多車動態車牌辨識挑戰大概是像下圖的機車瀑布吧？我的合作夥伴已經在找機會在那種特殊地點架設我的辨識系統了！各位可以猜猜看，我能辨識到幾成的目標呢？台北市一般汽機車混雜的路口，用我的軟體辨識率已經是九成了！機車瀑布？至少也有七八成吧？如果攝影機與電腦夠好夠多(台)，九成也不是不可能的！

在此，我想點出的事實是：現在的車牌辨識技術主戰場是辨識軟體的演算法！如果對手不能在眾多歪斜與略為破損髒污模糊車牌的邊緣辨識能力上超越我，即使找台積電做出5奈米的超強IC，甚至搬出超級電腦來，最多追過我的辨識速度，但是要比辨識成功率還是無法跟我爭勝的！

https://www.youtube.com/watch?v=6ODw5-hGAPE