圖一 車牌字元沾連的二值化放大圖

這是一個很有趣的案例，說明了OCR(光學字元辨識)與CNN(類神經網路)這兩種影像辨識技術可以如何密切合作，非常有效率的解決了一個車牌辨識的難題！這個案例的辨識如果不能解決，對於我這種敢自稱AI影像辨識的專家，是難以承受之重！因為原圖如下，看來還算OK，一般人不會認為無法辨識的，如果我的軟體這樣就被擊敗的話就很糗了！

圖二 略模糊之車牌放大影像

如前文所述，用過或看過CNN展示的人都會覺得這個辨識並不「困難」，如果貓、狗或人形那些更模糊的目標都能鎖定，這些印刷字目標當然不可能辨識不到！但如果是要從下面的街景影像中找到這些字元呢？需要多大的運算量呢？不要被YouTubeT上的CNN展示迷惑了！人家是住豪宅開超跑的，你我根本花不起那個錢的！

圖三 街景情境之車牌辨識影像

簡單說，CNN就是一個現代版的「何不食肉糜？」的AI故事！能吃肉當然會飽，還能很健康強壯，但窮人是沒辦法天天吃大魚大肉的！沒有超規格的好電腦與額外的周邊軟硬體輔助，CNN技術根本是無法商品化普及化的！所以才會帶動那麼多AI晶片的產業蓬勃發展！但也暗示了CNN計算量大到不合理的缺點，如果你就是買不起更昂貴的AI電腦設備呢？就只能放棄研發或使用影像辨識嗎？

多數人不知道或沒注意到的重點是：對於影像辨識產業來說，在CNN根本還沒介入之前，車牌、指紋與人臉辨識等商業化產品早已行銷應用幾十年了！近幾年影像辨識應用的大爆發，主因是數位影像品質的提升與普及(降價)，至今為止都是跟CNN還毫無關係的！即使CNN確實可以提升影像辨識能力的上限，但就像古時候的平民吃不起昂貴的肉，可是只要有米飯蔬菜吃也可以活下去的！只有那些愛慕虛榮傾家蕩產也要買肉吃的笨蛋才會餓死！

換言之，即使沒有CNN，影像辨識產業也不會就此停擺的！大家到底在急甚麼？為什麼必須急於拋棄傳統技術全面擁抱CNN？應該是研究如何將CNN的技術優點與傳統技術相結合吧？CNN即將帶來的成本暴增與環保危機有人看到嗎？不要只看到CNN的高運算量「缺點」帶來的硬體商機吧！硬體更多用電更多只會是環保的浩劫！你還嫌地球不夠熱，電子垃圾不夠多嗎？

CNN技術在影像辨識中具體來說就是用特徵矩陣掃描搜尋目標的技術！目標特徵與位置大小越不確定，需要的掃描矩陣的複雜度與次數就越多！運算量當然也隨之暴增了！但是如果有其他方式可以降低CNN需要設計的特徵矩陣難度、減少掃描範圍與次數呢？如果我們只在特殊困難的小範圍限量使用CNN？其他地方繼續使用低運算量且高效率的OCR等傳統技術呢？

以這個車牌辨識的例子來說，OCR已經可以非常快速的做出圖一的結果，第一個B與第二個1字也能順利辨識出來了！問題出在994與UIA之間因為影像略為模糊就「藕斷絲連」地沾在一起了！如果我要繼續使用OCR的模式硬幹，就是要找到一些邏輯做連體嬰的切割手術了！在我熟悉CNN概念之前確實就是這麼作的！大部分情況下也行得通，不然我的台灣車牌是根本無法拿到道路上使用的！馬路上拍的影像車牌有沾連字元的比例可以高達三成的！

但是印尼車牌是不保證字寬相等的！上例中沾連的994三字概略等寬，我估計沾連目標寬度約3個字就切成三等份還OK。但是非常窄的I夾在U與A之間，我用寬度估計就會誤以為只有兩個字，於是二分法切出來的分割目標就等於把I字元直接分屍了！當然拿這兩個被錯誤切割的目標去比對字模就甚麼字都不像，這個辨識就功敗垂成，宣告GG了！

如果我導入CNN概念呢？要在小到像994或UIA沾連目標內的極小範圍內做CNN特徵掃描確認994與UIA等幾個字元，當然計算量就絕對不會太大！以上例來說全影像是1920 X 1080 = 207萬畫素，其中的車牌只有約200 x 50 = 1000畫素，是全圖面積的約兩千分之一！搜尋目標的時間(運算量)也是使用全套CNN的兩千分之一！不需要為此買昂貴的AI電腦的！這有點像我買不起億萬豪宅，但偶爾想奢華享受一下時，花個幾萬元去五星級大飯店租個頂級套房過癮一下，還不致傾家蕩產的！

所以我就是這麼作了！也很輕鬆穩定準確的用CNN的模式辨識出完整正確的答案！1920X1080的街景影像辨識時間還不到0.2秒！當然也不需要一般使用CNN時強調需要的特殊周邊軟硬體設備，我只是用CNN的原理概念寫必要的程式加入我的軟體而已！任何買我軟體的人都能享受這種CNN的高辨識能力，卻不必花錢買AI晶片！很酷吧？