為避免侵權，我必須載明上面兩張影像截自YouTube上的「License Plate Recognition, 車牌辨識系統 ；台灣科大 人工視覺實驗室提供」。上面一張他們說是「側拍」，下面一張說是天橋「俯拍」，但是我怎麼看都是正拍！沒有側向或俯視的感覺，相信大多數人的感受也是一樣的！因為車牌根本沒有明顯的變形嘛！

那為何他們要急於強調是「側拍」呢？那是因為絕大多數舊型的車牌辨識系統對於角度極為敏感，以OCR(光學字元辨識)的技術來說，就是截取影像中的字元目標加以縮放、平移，再比對標準字模，來辨識是甚麼字的！如果因為側拍，使得字元目標變瘦長或變扁，就需要將目標做長寬不等的變形。如果車牌傾斜了呢！那還必須對字元或車牌作旋轉運算，才能正確比對到字模。

其實縮放、平移、旋轉與變形都是影像辨識中的一般性技術，如果車牌辨識那麼有用，還很貴！當然每個研發團隊都希望可以讓自己的辨識核心具備完整的這些影像處理能力！但實務上，車牌辨識都是即時系統，必須很快速的完成辨識。如上影片中車子一閃即逝，停留畫面的時間只有零點幾秒，車牌辨識核心必須每秒做出至少五到十次的辨識！平均一次辨識只要超過0.1秒就GG了！

也因此，多數的車牌辨識核心很難擁有完整的辨識能力，這是要兼顧辨識速度與辨識能力的兩難！但是實務上就是會常常需要辨識側向變形的車牌，車牌辨識研發團隊競爭的，就是如何在保持高速辨識的前提下，盡量也擁有至少「一部份」的變形與旋轉處理能力！當他們有了些許的進展時，就會急著強調他們有「側向」辨識的能力！

但以上面的例子來說，台科大的研究團隊應該是有點誇大了！這樣些微的側向變形，其實用根本沒有變形校正能力的程式，也是可以辨識的！我看到其他研發團隊的展示影片也都類似，並沒看到過真正變形較大仍能順利辨識的案例展示，包括世界頂尖的車牌辨識廠商在內！所以台科大的車牌辨識水準不算差，但也沒看出哪裡特別好？

我跟其他研發者一樣，一直致力於讓我的辨識核心在高速執行下，擁有更好的變形處理能力，我認為要像下面的影片與照片這樣，我才敢說是「側向」或「俯視」。很多人會說：有必要做到那麼誇張嗎？事實上就是有！譬如路邊停車柱的車牌辨識核心就必須有這樣的能力！可以做到這樣，都是幾年來演算法研究不斷精進的結果，希望台科大也能在不久的未來跟上我的腳步！在此之前，還是不要宣稱有所謂「側向」辨識的能力了！因為你們根本還沒入門！

逸中軟體雲端車牌辨識網頁