前兩天說了，新版的辨識核心加入了機器學習的機率統計技術，優化了我的二值化程序，使得模糊辨識能力大幅提高，但是辨識時間也拉長了！有經驗的演算法程式師都知道，第一版程式當然是以正確實現演算法為主要目標，速度一定是比較慢的！好像一個房子剛蓋好還沒做裝潢整理一樣，這兩天仔細檢討細節優化演算效率後，我的實驗數據如上。

還記得嗎？這一批880張的路邊手拍照片都是有難度的！舊版的最佳狀態可以辨識到83..4%，新版最佳狀態可以辨識到95.1%，即使採用速度優先的高速模式，辨識率也可以達到與之前最佳狀況一樣的程度。可以看出新版的辨識能力明顯提升了，雖然精準模式的辨識時間還是比以前版本稍微長一點點，但重要的是很多以前根本沒法辨識的高難度照片現在都有解了！

更棒的是：現在的高速模式辨識率與以往的高清模式已經完全一樣了，速度卻快了好多！640X480的「街景」照片，平均一張辨識時間只需90毫秒就是0.09秒即可辨識成功！為何強調是「街景」呢？因為辨識時間其實與畫面內容的複雜度有關，像下面這種簡單的畫面一樣是大約640X480，我的辨識時間甚至不到50毫秒：

碰到較簡單的街景大概是這樣的，就是高速模式平均值附近的87毫秒而已：

較複雜一點的就會需要較長辨識時間，因為需要處理的強對比目標資訊會多出好多倍，但也只需一百多毫秒辨識完，這種難度，車牌夠清楚，用高速模式也是OK的！

如果是車牌處於超黯淡的角落時，有可能我的整個流程都沒想到要辨識相對最不清楚的目標，所以必須調整整個辨識條件重新來過，一直追到最極限可辨識的範圍才終於找到合理的車牌，需要的時間也就蠻久的啦！而且顯然非用終極殺手的高精度模式才能辨識成功了！

哇！花了0.538秒才找到！但我畢竟還是找到了！請掌聲鼓勵！如果你只有一張照片可用，堅持一個都不能放過時，我的軟體就是可以這麼厲害！但是時間也是成本，如果你趕時間，或沒那麼在意模糊的目標，或者車子會移動，待會就會進到比較好辨識的區域，那就使用不是極限精度的版本就好！所以我的軟體才會分成：

1.使用精準模式的靜態單張影像辨識引擎

2.使用一般動態模式的停車場專用多車道辨識軟體

3.使用高速模式的道路版或車載車牌辨識軟體

想像一下，上述這些辨識能力，即使面對複雜的畫面辨識速度已經很快了！如果加上多核心電腦的平行運算呢？一秒鐘就可以辨識十幾張，甚至幾十張了！我就是靠著辨識核心本來就快，而且不挑食，歪斜大小遠近通吃，加上多執行緒的軟體技術起家的！如果你現在要買車載車牌辨識軟體，真的完全不必考慮第二家了！對手都已經自動消失了！這兩年來媒體上報導的新聞，警方稅務單位抓逃稅欠費贓車甚麼的，百分百就是我的產品。

我的研發目標是能辨識車牌到和人眼一樣的聰明厲害，這個距離顯然已經越來越近了！追求更快更準更聰明我永遠不會滿足的！這才叫做AI產業嘛！而且ML也不再只是我批評的對象了，現在真的被收編變成我的軟體內容之一了！當然還只是配角而已啦！他們也只適合當配角，給他當家會天下大亂的！