車牌辨識系統的學問真的很大！一般廠商賣東西時，就是給你一個辨識率多少的數據，其實辨識核心的品質、難度與適用範圍差距極大！下圖是我2013年做第一代車牌辨識系統時用的影像，只有320X240畫素，因為最終還是要辨識車牌上的字，所以畫面非拉得很近不可，結果就是我們根本看不到車子的全貌！

早期遷就硬體環境，高解析影像設備太貴了，電腦要高速計算也是高成本，所以多數車牌辨識系統核心都是針對這種較低解析度影像製作的！640X480算是不錯的，800X600就是高檔貨了！現在呢？百萬畫素影像太普及了，大家看這種照片一定不習慣，我們做車牌辨識的人也應該與時俱進了！

或許有人會說：影像小一點有啥關係？車牌有照清楚就好了嘛？其實關係可大了！因為我們不可能像記者一樣，隨時拿著相機給車子拍特寫鏡頭，固定的攝影機要拍到移動車輛的車牌「視野」又這麼小，這表示你想拍路上經過的車子時，很容易就會被「閃過」拍不到！車子跑到攝影機的視野中間，剛好被及時拍到的機會真的是「稍縱即逝」啊！

如果是停車場出入口，你要強迫車子被拍到，就必須有精密設計的觸發裝置，保證車子要到很狹窄的指定區域內，才能被車牌辨識系統拍到辨識到！演算法差一點的系統，連角度斜一點(譬如40度)也會辨識不到的！所以這種車辨系統買了一定會被嫌到爆的！但是賣家還是會宣稱：辨識率98%以上！那是說「有拍到」時的辨識率，但是常常拍不到或拍不好的事實呢？他們是不會說的，那是客戶的錯，拍個照片Pose都擺不正嘛！所以買車牌辨識系統時總是爭議不斷。

如果是這樣拍呢？

這是大約百萬畫素的影像(1280X720)，現在最普通的家用監視器就有這種品質(或更好)了！如果仔細分析，上面的車牌字元的畫素大小，也就是字的清晰程度是和前一張一樣的！但是它的視野大多了，所以不必擔心車子拍不到被閃過，除非他在飆車，就需要更好的高速處理技術，這我也有的，但本文先不談這個！

大影像好像解決了實用上的大問題，卻是影像辨識核心開發者的大麻煩！我們必須處理的資訊會雜亂到像這樣：

看到了嗎？如果我無法總是正確地抓到裡面的車牌字元，那就不必玩了！這很像在叢林中要抓到一隻不太起眼的兔子！如果抓得到它，剩下的車牌幾何校正與字模比對辨識，就像宰殺與烹調兔肉等工作，相對來說都算是簡單的事了！所以啦！能作「全景」辨識的車牌辨識系統，與只能辨識「特寫」影像的車辨系統，技術層級上是大不相同的！

除了必須想出聰明的演算法，將車牌字元從複雜龐大的背景資訊中挑出來，計算時間也是極大的考驗！原來的小圖一張辨識時間如果是零點幾秒的話，照比例放大會變成辨識一張要兩三秒！讓使用者在柵欄前等待車牌辨識的結果好幾秒，也是會讓人抓狂的！所以辨識程式不但要變聰明，同時還要跑得比以前快好多倍才行哦！

我記得2013年我的第一版車辨系統辨識320X240的照片需時約400毫秒(0.4秒)，我承認以業界標準來說是不及格的。現在當然不一樣了！我的程式在新的電腦(Intel I7)，辨識上面1280X720的那張大影像只需約80毫秒！畫素多12倍的影像辨識時間快5倍，實際效率快了60倍之多！這是我三年來研究的成績，當然辨識率方面也是同步提升，越來越準確的！

事實上我在車牌影像的全景辨識的研究中，也逐步摸索出很多可以廣泛應用在其他辨識議題的技術，所以現在很多人找我做全文件影像的條碼或特殊圖案搜尋，找我做實驗室燒杯影像中浮萍葉片的辨識，甚至人流或車流辨識等等，都是從複雜背景中找出目標。所以如果你以為車牌辨識就是辨識下圖這種影像，那你就太天真了！