老是在我的部落格展示很多神奇辨識「成功」的車牌，這當然是我做生意的推銷手法，希望大家知道我很厲害，多來買我的產品，當教授時有薪水，當老闆就沒有，還得設法賺到錢發員工的薪水！很多教授抱怨少子化之後必須去當推銷員招生，斯文掃地很沒尊嚴，其實我創業當老闆更為悽慘！尊嚴？早就收到地下室了！

雖然很想賺錢，但我保證不會說謊！那些神奇的辨識都是真的，我的軟體確實可以辨識那些車牌。但是跳脫老闆的身分，我也很想讓大家知道，其實我大部分的時間不是在開香檳慶祝又辨識成功了甚麼奇怪的車牌？而是面對我辨識不出來的車牌坐困愁城，常常必須低聲下氣地跟客戶解釋我辨識不出來的原因。以前只有校長可以打我官腔，現在每個客戶都可以！

像下面這種影像，任誰的眼睛都辨識得出來AMX-3272，但是我的軟體就是不行！大家看看連環圖畫，聽聽我的「藉口」之餘，也幫我想想辦法吧！這就是真的在研究人工智慧了！如果你能說得出一個精簡有效的人眼辨識流程，就是想出你自己和所有人腦中如何辨識成功的邏輯過程，你就是我的師父了！讚嘆感恩Seafood都值得的！

實務上要解決這種問題當然最簡單的是換一台好的攝影機，但是我的目標是想努力追上人的智慧。我不會花太多時間研究那些主流影像辨識專家們誇耀的神奇演算法，我只是隨時都在想：人是怎麼辦到的？如果我們每個人都能輕易做到的事情，那麼我們腦袋裡面應該都有可以解決這個問題的「程式」！我想做的只是把它們挖出來，這也是我無師自通作影像辨識到現在能立足業界的一貫心態。

上面的例子是我按照傳統的影像辨識前處理，將車牌字元都切成目標了！但是他們都沾連在一起，我怎麼能知道那個相連的AMX與3272兩個塊狀目標就是車牌的字元呢？如果我不能很快掌握他們就是車牌，要全圖目標一個一個試著比對，那就要辨識到天荒地老了！車牌辨識不能用嘗試錯誤的暴力運算作的，你做得出來都賣不出去！跑太慢了啦！

反之，如果車牌字元粒粒分明的話，五六七個寬高比「有點像」字元的目標整齊排成一列，我就知道他們是車牌了！也因此有時候排列整齊的欄杆、磁磚或標線等背景，會被我的程式誤認為車牌，那就要用其他條件進一步篩選掉了！譬如顏色不合理或形狀不像是任何英數字等等。

主流派的影像辨識專家們好像總是在找神奇寶物？像是YOLO或最新流行的所謂的邊緣運算等等，他們似乎想讓人們相信：只要找到那個終極武器，像是神力女超人的弒神劍，或雷神的大鐵鎚，一切影像辨識的問題就可以迎刃而解了！我不敢說他們不對，但是我很懷疑有沒有那種神器？現實世界中，你幾曾看過誰吃了甚麼神奇食物，或上了某位大師的課，就立即變成股神，或是NBA球星的？

前兩天就有一家大公司跟我做線上會議，說他們在監視器端的邊緣運算技術已有相當進展，希望跟我討論是否可以跟我的車牌辨識技術結合，作出更高效率的車牌辨識系統？基本上他們有點失望，因為我的辨識核心不用分散作邊緣運算的情況下就很快了！用他們已有的技術取代也快不了多少，而且車牌辨識流程的大部分都必須做全圖的幾何關係考量，不適合分散運算，可見邊緣運算對於抽象的影像辨識核心幫助不大，該做的研究還是必須一步一步做好。

回到剛剛的題目，其實我不排斥作任何的創新，譬如是不是可以根本不作灰階、二值化、切目標等等動作，用更「直觀」的方式直接「看到」車牌的字元？這個我天天在想的！如果可以想出一個能寫成程式的數學模式，我就發了！或許你已經想到了？可以告訴我嗎？或者我們一起討論把它變出來吧？