細說車牌辨識原理與市場

前述文章我相當欣賞，尤其是下面這一段內容相當中肯寫實，足以讓所有想採購車牌辨識系統的客戶做為參考。但是很顯然他究竟不是像我一樣的辨識核心開發者，我可以將這個問題說得更深入一些！

雖然我目前賣的車牌辨識產品都是所謂的後端辨識軟體，就是可以在一般Windows作業系統電腦上安裝的純軟體，他批評後端辨識的缺點我都承認，也都碰到過，但是都可以逐步改善更新程式，加上與客戶溝通互動來解決。除此之外，我也確實配合其他廠商製造過所謂的前端辨識「一體機」！就是將我的車牌辨識核心嵌入到樹莓派的微電腦運作，也實作過可以在Android手機上辨識車牌的App！

所謂的中間辨識也不過是將車牌辨識功能(軟體)獨立安裝於一台穩定專用的電腦，不須兼顧其他一般電腦的工作，力求系統穩定而已。我也有客戶是拿我的軟體灌入工業用電腦，專職作車牌辨識，然後將其他資料庫軟體與硬體控制功能放在後端一般電腦上運作的！那就是中間辨識的架構了！

在我的經驗與認知上，最終客戶都會承認，前後端或中間辨識都無關宏旨，辨識能力要達到最好，才是最重要的事！但是多數大型車牌辨識系統廠商都會刻意誤導客戶，讓他們以為前端辨識比後端辨識好！尤其是一體機的製造商誤導這種觀念最為著力！其實那不但不是重點，現階段來說前端辨識還是個大缺點！

那為什麼他們要這麼作呢？因為他們基於成本的考量，先是努力讓一個「可以」辨識車牌的機器，用最少的錢大量製造出來！如果也可以大量銷售出去，他們的獲利就會極大化了！但實務上，如果只是「可以」辨識車牌，對於大多數客戶來說是絕對不夠的！客戶要的是最高的辨識率與容忍度，就是可以盡量辨識所有看得到的車牌，即使車牌歪斜、傾斜或略有汙損，都要盡量辨識出來。

對於辨識影像清晰背景單純的車牌，需要的演算法當然很簡單，運算量也少，確實可以在低成本的電腦架構，也就是一體機上快速運算完成。反之，辨識能力好的車牌辨識核心硬要嵌入低成本的電腦設備中，那就是讓演算法穿小鞋，有如龍困淺灘了！所以我才會跟很多找我作這種一體機的大廠商無法合作！他們要的是低成本，我追求的則與一般客戶一樣，是最高的辨識率！志不同，道不合，就難以合作了！

我之前也一再說過：影像辨識是一個還相當不成熟的科技！我的車牌辨識軟體雖然也不錯了！賣得出去，客戶多數也很滿意，但我還是天天在研發改進的！而且客戶的使用情境大不相同，如果每個軟體都用我的完整辨識程序跑，感覺就會很慢了！殺雞不必用牛刀，讓我根據客戶實際的需要客製化調整一下，每個產品就跑得又快又好，這種客製化彈性是一體機絕對無法作到的！

說穿了！目前車牌辨識系統的優劣關鍵就是辨識核心演算法的好壞，也就是軟體的好壞！但是規模較大，第一線面對客戶賣車牌辨識系統的，還是以硬體廠商居多！加上傳統上重硬輕軟的觀念作祟，連一般客戶也隱隱然覺得硬體機器的效能比軟體更重要！身為演算法軟體的開發者，我覺得自己就好像電影關鍵少數中的幾位黑人女主角，明明是事情成敗的關鍵，但是基於刻板觀念，大家都故意忽視我們的地位！

目前大多數我的客戶都接受了我的觀念，願意買好的電腦執行我相當聰明的軟體。我不是想跟大公司搶錢！我不賣硬體的！所以客戶買甚麼電腦、機器或攝影機都是他們的決定，與我無關的！但是好的軟體必須有好的運算環境是一定的！我可以盡量提升我的軟體運算效率，讓客戶不必買太貴的超級電腦，但是只想用幾千元買微電腦跑車牌辨識的人我就愛莫能助了！你就去買一體機吧！

很多硬體商喜歡用一些一般人聽不懂的名詞迷惑客戶！最常見的就是所謂的邊緣辨識了！其實那些技術就是將演算法中量大重複的部分作成IC，當然可以加快運算速度，但是他們沒說(或其實不懂)的部分是：那些運算耗時在車牌辨識整體流程中所占比例不到一半，即使用了他們的硬體加速IC，實際速度加快也不過一兩成，而不是好幾倍！

所以一樣的演算法完全不用那些硬體加速IC，跑起來感覺也是一樣快的！除非你的演算法效率太差！以我目前的車牌辨識核心來說，百萬畫素的影像辨識一張車牌不過0.1秒多一些，過半的耗時計算都是在作複雜抽象的幾何運算，那些部分是IC完全幫不上忙的！只能乖乖的寫程式在電腦的CPU中執行運算！這些事實硬體商即使知道也不會跟你講的！我知道，我跟大家說！信不信就由你了！