2008年為了指導學生專題，第一次設計了一個車牌辨識流程，因為程序與一般車牌辨識論文中寫的不太一樣，別人的辨識是用演算法找「整個車牌」的位置，我則是找車牌上「字元」的位置，再用字元排列的特性鎖定車牌位置的。當時並不在意自己的「創新」有何優劣，只知道「和人家不一樣」就很興奮了，因為可以發表論文(2009)嘛！

當教授的只要有機會發表論文就結案了，實際上能不能用？那真的沒關係的！事實上有一大票大學研究團隊都號稱努力研究車牌辨識中！但是能商業化應用的卻一間都沒有！所以大家只是玩玩罷了！我還算老實的，沒拿去騙國家計畫的錢咧！所以看官們不要太認真，台灣的大學作研究多半只是擺個姿勢好看而已的。

2013年七月，我第一次嘗試製作商業化的車牌辨識核心，立即發現我2009年發表的方法執行速度太慢，無法成為商業產品，只好臨時翻書模仿別人發表的方法趕工作一個！雖然兩三個月就成形了，但是辨識正確率與效能都不好！當時的目標影像只有320x240畫素，如果用我自己的演算法，也是不適合的，太小了！

2014年我辭去教職跨入業界，第一個面對的車牌辨識案子是機車排氣檢驗後用Web Cam手拍的影像，那些影像其實也是很小的，但是我堅持以百萬畫素的影像為目標開發我的辨識核心，要找出320x240影像與1280x720尺度影像中的車牌，演算法的架構與細節都會完全不同的！而且我不再模仿別人的演算法，突破我自己的演算法速度太慢的缺點，建立了現在本公司車牌辨識產品的基礎。

雖然僅僅是三年前的事，但那時「百萬畫素」還是一句廣告詞！代表我的攝影機或照相機影像品質「超好」！多數車牌辨識客戶給的都還是最多640x480(0.3百萬) 畫素這麼大的影像，我的辨識核心最佳使用尺度卻已經是百萬畫素了？這不是殺雞用牛刀嗎？研究期間我要找那麼高解析的車牌影像都不多！

現在呢？哪有「不到」百萬畫素的攝影產品？兩百萬畫素是基本款，不到千萬畫素根本不算高階產品！所以我的辨識核心現在剛好如魚得水，很多車牌辨識競爭廠商的辨識核心還是以640x480為基礎的！我曾為此得意洋洋，覺得自己很有遠見！但環境變化之快之大，有時連我都跟不上了！

前面兩年不時會有人拿路口監視器拍攝的影像給我看，問我能不能辨識經過車輛的車牌，多半畫素是1280x720，稍後有些是1920x1080，用這種一兩百萬畫素的影像看「對準」某車道辨識經過車輛是OK的！但如果是拍攝整條街的好幾個車道全景，多數可見的車牌都在車牌辨識系統能力的邊緣，我通常會說還是不要作吧？整體辨識正確率不會高於七成，作了客戶也不滿意的！還要解釋半天太麻煩了！

但就在這兩三年間，這些拿給我看的路口監視器影像畫素從800x600到1280x720到1920x1080，終於不久前，連續有兩三位客戶直接給我看千萬畫素的路口攝影機影像！甚至有一張是兩千萬畫素的！問我能不能辨識？畫面上多數車牌放大為實際畫素大小時，都是跟我做的停車場車牌辨識影像差不多的！

哇！慘了！無法辨識的藉口沒了，但是將那麼大的圖直接丟進我的程式，即使沒有直接當掉，也會跑個大半天卻沒有結果。我被超大影像偷襲了！事實上我身邊根本沒有千萬畫素的攝影設備，所以我是被沒看過的題目直接考倒了！

當然客戶也能理解，「千萬畫素」的車牌辨識核心應該還不是隨便可以買到的，那就請我研發一下吧！最糟糕的狀況就是寫程式分割大圖為多張小圖分頭辨識再整合嘛！但是我盡可能不要那麼作，原因是辨識流程會變得複雜，工作變多程式還會變得較不穩定！

能否維持全圖用單一程序處理的關鍵是時間！如果一張千萬畫素的圖要花到五六七八秒才能找出上面的一兩個車牌，我估計客戶就受不了了！一般人的耐性，等一張圖處理超過兩秒就會忍不住亂按滑鼠東點西點了！所以我必須接受千萬畫素時代的來臨與挑戰，一定要讓我的程式面對極高畫素時，依然能身段優雅的不必跑太久就有正確的結果。

Trust me! I can do it!