圖一 我的車牌辨識軟體最小能辨識10個畫素高的車牌

常有客戶會問我的車牌辨識軟體要多少畫素的「影像」才能辨識？其實是問錯了問題，我無法回答的！因為我的軟體辨識的是「車牌」！是車牌字太小畫素太少才會不能辨識，如上圖就是再小一點就無法辨識的邊緣狀況！至於整張影像的大小是沒甚麼限制的！只是當影像很大，車牌很小時就需要找車牌找比較久，背景太複雜時也容易產生誤認的假車牌答案！所以影像中的車牌夠大時，整張影像越小就越容易快速正確的辨識！

以任何方式，不管是CNN或OCR辨識車牌時，其實都是有尺度限制的，太小的車牌會看不清楚無法辨識，車牌太大時也會無法辨識的！原因是車牌可能的範圍越大，搜尋車牌需要的時間就會越長！尤其CNN是用固定大小的矩陣掃描全圖找特徵的！如果設計的矩陣(卷積核)與實際車牌差距太大，就會找不到車牌，類似以管窺豹，看到局部也不知道是隻豹子？或是要用更多不同尺寸的矩陣做全圖掃描才找得到正確車牌，相當耗時的！

所以現在流行的YOLO就是為了節省CNN過度浪費時間的問題衍生的發明，You Only Look Once意思就是說不論要找的目標多大，他們都是只掃描全圖一次的意思！那如果目標跟他們設計的掃描矩陣大小不同怎麼辦？其實就是要用單次掃描出來的資訊，去嘗試組織出各種可能大小的目標的意思！但是可以想像運算(拼圖)複雜度變高，所以誤認或錯認目標的比例也會隨之增加的！準確的CNN就太慢，快的YOLO就不準，凡事都有代價的！任何AI裡面都沒有大神在值班的！

即使是YOLO的快速表象多數都是表演性質，真正用在實際場景時都沒有這麼美好的！如上圖他們可以很快鎖定車牌執行辨識就是因為已經內定知道車牌的大小，符合大小寬高比例的目標才視為車牌做字元辨識，如果不同大小的目標都做字元辨識呢？那速度就會慢死了！所以當畫面拉遠車牌遠近大小差距變大時最靠近的過大車牌反而會視而不見？如果攝影機被颱風吹歪了，畫面傾斜10度呢？就甚麼車牌都辨識不到了！辨識容忍度極低的！

而且即使是最快速的YOLO還是比我使用OCR的方式找車牌慢很多的！因為OCR根本不必做矩陣掃描，二值化之後就直接切割字元，所以圖一的狀況背景相當複雜，車牌也非常小，辨識時間還是只需0.18秒，當然不必用到GPU！但是YOLO如果要跑得快可就貴了！所有使用GPU需要的軟硬體都必須配合安裝！準備燒錢吧！太窮買不起的就來買我的產品吧，都不必用GPU的，因為你電腦裡的CPU我都用不完的！

最妙的是我的軟體無須額外設定就可以同時辨識大小傾斜不一的車牌！預設是10-100畫素高的車牌，傾斜正負60度的角度都能辨識！如有需要改個參數設定就360度都能辨識了！辨識時間只略多個一兩成而已！各種模糊髒污辨識難度不一車牌的辨識速度差距也不大！反正就像傻瓜相機一樣，隨便拍都效果不錯！這就是演算法理想帶給我的效益！客戶買到後使用很簡單，我的售後服務也很簡單！

所以千萬不要再以為用CNN或YOLO做車牌辨識會比用OCR好？果真如此，那些技術已經出現被熱烈推崇快十年了吧？我不是早就應該被市場淘汰退出江湖了嗎？我如果還可以在這裡碎碎念，就表示事實不是大家以為的狀況，多看多聽多研究實際的AI影像辨識實況吧！如果沒錢玩CNN或YOLO的人，可以問問已經使用者的經驗，就是不要只看廠商廣告！