現在大家說的車牌辨識已經是人工智慧的一種應用，光是能夠辨識字元很清楚，背景也很單純的車牌已經不夠好了！所以我們這種研發者努力的目標，就是讓辨識軟體「看車牌」的方式與準度盡量跟請人去看的結果一樣，因為客戶多半不懂影像辨識，需要的也是可以取代人工的軟體，所以多說無益，就是盡量做到更接近真人辨識的程度就對了！

所以我一開始想賣自有車牌辨識產品時，就是鎖定要開發動態辨識的軟體，要跟人一樣，張開眼就連續盯著畫面中可能出現的車牌，努力找到車牌，盡量辨識，一次看不準沒把握就繼續累積資料，一直到「看清楚」或至少根據多次資料「猜出」一個最可能正確的答案！就是想做一個最人性化的軟體！

即使是動態辨識，基礎還是單張影像的辨識，就是所謂的辨識核心，最困難複雜的研究還是在一張張全景影像中，找到並正確切割出車牌→作幾何校正到車牌的標準大小形狀→再一一辨識字元！如果我可以在更複雜的環境中辨識更模糊歪斜的車牌，當然就會讓人覺得我的軟體更有智慧了！

但是當你持續挑戰更困難的辨識時總有極限，我常常在此貼出一些很困難狀況下辨識「成功」的照片，但當然不會每次都成功，無法辨識或辨識錯誤總會發生的，車牌爛到一個程度時，連不同的人看都會有不同答案的！我怎麼可能作出百分百會對的核心呢？譬如上圖中大家可以看到，切割出來的車牌都有點馬賽克了！如果那些馬賽克哪邊多一塊或少一塊，都有可能讓我辨識錯誤的。

現在一般的停車場車辨識系統還是以靜態辨識為主，原因就是他們需要極高的辨識正確率，沒有98%大概就要退貨了！所以當然是不敢像上圖那樣邊跑邊辨識的！即使用我的辨識核心，上圖狀況的整體辨識率也不會直接超過98%。所以靜態辨識就必須讓車子停到最理想的辨識位置之後，拍一兩張非常清楚不會認錯的照片來辨識，大概像下圖這樣：

如何知道車子已經就定位了呢？就需要一些非影像辨識的觸發裝置，像是感應壓力的地線，或紅外線阻斷裝置等等。這些都需要額外的硬體與工程，日後運作時當然也要維護，一旦故障就不會自動取影像辨識車牌了！算是一堆周邊設備在服侍車牌辨識核心上班，讓他只需辨識最好辨識的車牌，以保證高辨識率。

但是顯然這和「人工智慧」的距離有點遠？一般來說，如果是一個警衛，應該在車子距離近到可以看清楚車牌時就會開始作反應了！所以我三四年前就認為動態車牌辨識才是未來大家要的東西，靜態辨識遲早會被嫌棄的！真正的競爭重點，只是我們開發的動態辨識可以逼近到多像警衛辨識車牌的程度？

如果動態辨識做得好，當然就不必觸發裝置了！既然是連續辨識，你一定可以偵測出「車子來了沒？」，也知道它目前已經跑到甚麼位置？消極面你可以作動態偵測，畫面沒動就是沒車，你不必每張影像都作完整的車牌辨識，電腦運算量就會少很多了！很多廠商不願開發動態辨識，電腦成本太大也是原因之一！

但是相對來說，現在的電腦運算速度快又便宜，不用動態也是一種浪費，我可以做到用一台電腦同時動態辨識四個車道，已經可以符合一般停車場的需要了！反正一個場地買一台電腦本來就是必須的！買一台好電腦可以用上十年，不算浪費的！

另一方面，回到十年前，攝影機當然比照相機貴，即使一樣的價錢，解析度也比數位相機低很多。所以應該是沒有人用攝影機影像來辨識車牌的！現在呢？攝影機解析度夠高又便宜，還有誰在用數位相機辨識車牌嗎？當然都是直接買攝影機一兼二顧，即使作靜態車牌辨識不需要連續影像，也會買攝影機來拍，必要時可以調錄影帶嘛！

動態的另一個無形好處，也是讓它看起來更聰明的一個特徵，就是好像它「比較遠」就能提早判斷出車牌？事實是這樣的：個種車牌辨識核心如果參數放寬，本來就都可以辨識出很小的車牌，只是越小就像我前面舉的案例一樣，車牌越不清楚，馬賽克越嚴重，辨識準確率也會比較低了！

如果你只取一個辨識結果就下定論錯誤率當然會太高！但是如果是五張連續畫面的辨識結果來投票呢？車號正確的比率就會大增！原始辨識正確率只有八九成的較遠距離辨識。經過動態統計篩選出來的答案正確率就可以達到98%了！所以我才敢早早就讓軟體報出車號，通常確認車號時，車子距離柵欄都還有一個車身以上的距離呢！

這樣感覺上就會比靜態辨識聰明了，但是要多遠的距離才會有足夠的穩定判斷結果？如果真的太遠，原始辨識正確率還沒穩定過半，這些資料選出來的答案當然也不會穩定，當然最終不能比靜態辨識產品的辨識率低，不然就GG了！那多遠算是洽當？這就要看我的原始辨識核心辨識能力有多強？我也必須作很多實驗才能調整到最理想的狀態。

所以啦！要做好動態辨識主要是軟體開發的挑戰，要做好確實不容易！需要的硬體配合主要是高畫質的攝影機和運算效能較好的電腦，以現在的環境，我以一般規格的攝影機和電腦為參考基礎開發的軟體已經很好用了！不需要超級電腦，也不必用昂貴的攝影機，又可以省下採購安裝維護觸發裝置的費用，我的動態產品對客戶的系統建置來說其實是更省錢的！我相信未來一定是動態辨識的市場。

繼續延伸話題，算是踩一下靜態辨識的痛腳吧？因為攝影機不可能裝在車輛的正前方，一定都在側面，所以車輛距離近時就會變成如下圖這個樣子，不是不能辨識，但這就要考驗車牌辨識核心的斜角辨識能力了！即使是我的辨識核心，在這樣的角度辨識也是有難度的！反之，距離遠一點，如本文第一張圖那樣，反而車牌都是正面比較好辨識的！

結論就是：遠拍的車牌較小，但角度正面不易偏斜；近拍的車牌解析度高清晰，但是角度大變形嚴重，都有不利辨識的因素。所謂的辨識甜蜜區在哪裡？如果我想找一個作靜態辨識最好的位置，其實很難的！因為開車的駕駛也不會完全配合，車頭偏左偏右，或距離太貼近攝影機，都會造成斜角的很大差異，增加辨識難度。所以還是作「普查」比作「抽查」來得好！抽查時你只有一筆資料一個機會，總有錯誤的風險，但普查都還找不到正確答案的機會就非常非常小了！