看起來東西好多好熱鬧的畫面，原始影像是1920X1080，約兩百萬畫素，我的軟體當然是要盡快也最準確的辨識車牌，但是畫面好大東西好多，辨識起來不是會很困難很慢嗎？但是很神奇的！正確辨識出兩個車牌只需要166毫秒！就是不到0.2秒？我是剛好沒有三車同在的案例，不然辨識時間也是差不多一樣的！兩百萬畫素哦！

老實說，如果是如上街景影像中的兩輛車，辨識時間就會多上好幾倍！上圖只有1280X720畫素，但辨識時間卻是565毫秒之多！原因何在？其實就跟你在自家廚房煮菜和到別人家下廚一樣，如果環境都是你熟知也固定的，那甚麼動作都會很快，不必觀察、不必想、不必全圖搜索找目標，自然就快了！我的對手CNN所以慢，就是因為演算法架構不夠精確不夠靈活，太多事情非做不可，使用者也不知道大多數程序的意義，只能按照SOP全部都作了！

以上面兩種狀況為例，停車位的位置固定，所以車牌的位置也不會差太多，我只需要在車牌可能出現的較小範圍找車牌即可。在停車場內環境控制容易，一定是處於明亮好辨識的狀況，所以較模糊的目標可以直接忽略，它們不可能是車牌的！但是馬路上呢？就不一定了！每一個模糊目標都要考慮不然就會漏掉很多車了！

還有一個差異是：黑字車牌與白字車牌在我的OCR程序中是無法同時辨識的！所以有正負片辨識的問題，綠底白字的工程車必須用負片辨識才看得到，所以當目標車牌白字或黑字都有時，正負片都要辨識，時間當然就比較長了！但是目前電動「自小客車」好像還沒有白字的車牌吧？省略負片辨識時間當然大減了！

由此大家也可以體會到車牌辨識客製化的極大效益！即使客戶不趕時間，0.2秒辨識完成與0.5秒辨識完成，就是電費差2.5倍了！不是說好要節能減碳的嗎？我可以！但是CNN正在做相反的事情，GPU越用越多，也就是耗電越來越兇！如果已知的環境與目標條件很多，我們據以簡化辨識流程、辨識範圍與辨識目標種類，就可以省時省事，還避免了不應該出現的錯誤！譬如充電車位上是不可能出現工程車的！如果我拿標準版軟體，加上某個車身貼紙很像工程車牌就會出糗了！

對我來說，花個幾天替電動車位設計一個客製化的辨識流程不算太困難，只要客戶可以提供足夠的資料讓我實驗測試調整即可！這位客戶一次下單數十套，我已經入帳數十萬元，所以甚至不必另收專案開發費用就替他作了！這就是自有技術的好處了！那些代理歐美大陸車牌辨識技術的公司，不論公司規模多大，有多少百萬年薪的RD，都絕對無法跟上我的！

我們的公司那麼小，資金與人力那麼少，沒打廣告，也沒有業務四處推銷，但是創業八年來還活得很好！為什麼？網頁上創業時我寫的幾句話至今看來還是歷久彌新，我當時就說了！現在也做到了！我們就是這種公司，還是小小的，但是已經非常神氣，甚至霸氣的屹立在市場上好多年了！