這個案例，對我來說是挑戰最小字元辨識的一個里程碑！僅僅10個畫素高的車牌字元完全正確的被辨識成功了！還記得幾年前寫的軟體說明書中，還明確告訴客戶：影像中的車牌字元高不應小於20畫素！但隨著我們公司技術上車牌形狀幾何校正與字模比對技術的持續精進，讓更小的字元目標都能更準確的正規化到標準字模的形狀大小，可以正確穩定辨識的字元就越來越小了！

為了怕把太小的字放大後產生的數位(截斷)誤差導致誤認，如停車場等等需要極高準確率的情境軟體，我通常會自我設限，譬如目標高度小於15畫素的車牌就不辨識了！寧可放棄條件較差的影像，等待條件更好的影像出現後再正式開工！停車場嘛！車子總是會開到比較好辨識的位置的！

但是如上圖的馬路上呢？當交通繁忙時，眾多車輛是蜂擁而至的！車水馬龍前後交纏之下，如上的貨車車牌可能只在遠處時稍微漏個臉，接下來就一直被前車擋住直到離開畫面為止！你想辨識到這輛不該被忽略的大車，只能把握任何稍縱即逝的機會！因為它不會配合車牌辨識系統，擺好姿勢讓你拍照辨識的！你必須當狗仔，把握任何偷拍或跟拍的機會！

所以要在這種自然情境之中達到很高的實質辨識率，就是正確車牌數目除以實際經過畫面車輛總數的比例！關鍵就是絕對不能挑食！任何偶爾出現的大小、歪斜、與模糊的車牌目標，都要盡量且快速的，做出最接近正確的辨識！所以道路情境的車牌辨識，才是全面的車牌辨識技術真正的終極戰場！

要將極小的字元辨識正確的關鍵，絕對不是將影像放大而已，那其實是簡單到毫無技術可言的資料處理！重點是：這麼小的目標做二值化字元切割時，就必須極為精準，差一個畫素寬度就會誤認為另一個字了！而且小目標還是有歪斜變形的！如果你無法極精準正確的扭正目標正規化投影到字模的應有形狀大小，當然也是無法正確辨識的！

所以這些年來我們的閉門研發重點之一，就是不斷嘗試辨識更小的目標！也不斷的建立了新的里程碑！從20畫素已經不斷精進到11或12畫素高了！10畫素高的辨識正確案例也開始出現了！或許有人會問這有必要嗎？只要將攝影機畫素提高一點不就不必那麼吃力挑戰極限了？

真實世界不是那麼單純的！如上的街景其實是用200萬畫素的攝影機拍的，如我用真實畫素呈現就是1920X1080，但是為了在有限的螢幕上呈現並辨識車牌，我是以1280X720的大小呈現的！所以如果是保持原解析度，那個小車牌高度應該是15畫素就很好辨識了！

我會如此自虐，縮小影像提高辨識難度之後再辨識，不是我太笨，而是有積極目的的商業考量！依目前一般電腦的能力，如果不縮小畫面，是不可能做出現在同步辨識多個路口軟體的！如果一個路口(甚至一個車道)的車牌辨識就需要一整套高階電腦系統，那是一個很高的價位成本，如果我可以做到一個普通電腦辨識兩三個路口呢？那我的產品就有更好的市場競爭優勢了！

簡單說，如果我保持攝影機原始既有的高畫素作辨識，又不想花大錢買貴好幾倍的超級電腦，那就會讓辨識速度慢上一倍！普通攝影機一般規格是一秒鐘拍12張真實影像，如果我一秒鐘辨識速率不到12張，那就是在空間域做完美了，在時間軸上卻損失更多有效的資訊！就像一般家庭的經濟收支平衡！你賺的錢就是那麼多，生活享受要好，天天吃美食、常出國旅遊，還要開好車，那就一定沒錢買或租好房子住了！

知道了嗎？這些技術的挑戰都是有意義的！絕對不是我吃飽閒閒沒事找事幹！等我的功夫練到極致時，別的廠商才發現這些研發的價值，要來追趕就為時已晚了！我一向都是這樣保持技術領先的！超前佈署應該是這個意思！現在研發的一定是未上市的未來產品。