我做車牌辨識的產品，很多客戶會問我要正確辨識車牌需要多少畫素的影像？其實這樣問不太精準，因為我們最終要辨識的目標是「車牌」而不是「整個影像」，所以重點是「車牌」的大小，而非整個影像！所以我會回答：不論影像的整體大小，車牌字元高在20-50個畫素之間就會很好辨識！

實際上我的軟體預設高度落在10-100個畫素的目標都會處理，我的內建字模高度是50畫素，大於50畫素的字元都會被縮小到50畫素進行比對，所以影像解析度太高，字元高度大於50畫素以上就不會讓辨識更準確了！實務上，只要影像清晰不失焦，原始字元只要超過15畫素高就可以清楚分辨是哪一個字元，不易誤認了！

所以如果解析度低到讓字元小於10畫素，或是大到超過100畫素，我的軟體就會看不到這些車牌了！如果我刻意降低門檻，強行辨識小於10畫素的目標，那就會像是在辨識馬賽克，很多字元會交叉誤認；如果畫素太高我提高搜尋門檻，則是可以一樣辨識正確，但運算量會無謂增加，速度就會變慢消耗過多資源了！

所以影像畫素的多少是與辨識的效能息息相關的！解析度太低當然無法辨識，太高則會浪費資源也讓辨識速度顯得緩慢。有趣的是從我開始研究車牌辨識至今的十一二年間，常見的「一般規格」影像已經從「解析度太低」，一路發展到「解析度太高」了！

我大概是從2013年的年中開始認真研究車牌辨識的議題，那時拿到的資料是嘉義市路口監視器取得的320X240=76800畫素的影像，影像中的車牌字元高度約15-17畫素，加上當時的攝影機品質不如現在，焦距不太準容易模糊，所以我能做到的辨識率遠不如現在，在道路環境下大約只是逼近八成而已。

但是當時我已經預期到影像畫素會很快提高，軟體要能辨識得更好，演算法也必須配合較高畫素的影像重新設計，能在僅有數萬畫素的「簡單」影像上辨識車牌的演算法，如果強行使用在百萬畫素的影像上一定是個慘劇！所以我很積極搶先開發百萬畫素等級的辨識核心，也因此奠定了公司做車牌辨識產品的領先基礎。

但現在的狀況是：如上圖取景大小的影像，只要畫素超過50萬，正確辨識車牌需要的解析度就完全足夠了！可是目前攝影機的基本規格就是大約兩百萬畫素(1920X1080)，遠超過我們的需要，所以辨識時間會超出低標影像的三倍之多(40ms/125ms)！而且辨識率毫無提升！那就是吃太飽資源浪費反而有礙健康了！

如果我們只需要50畫素就能辨識車牌，拍攝200萬畫素的影像就會浪費好多倍網路傳輸的時間，好多倍的磁碟空間，當然也浪費好幾倍的電腦運算！所以想要建立高效能車牌辨識系統的人，都必須更精準地跟我們這種做辨識軟體的廠商溝通配合！

把系統設計在剛好可以正確辨識的影像大小上，可以讓你省很多錢，讓你的客戶更滿意辨識速度，也可以做個節能環保愛地球的世界好公民！這是非常非常重要的！昨天與柬埔寨的某台灣企業分公司線上會議，討論他們準備建置的車牌辨識系統時，我就特別強調此事！相信會幫他們省很大的！

當然例行性的，我還是要提醒大家，如果採用以ML、DL與CNN為基礎的影像辨識技術，如上的浪費狀況就不只是幾倍而是幾十倍，甚至上百倍了！而且不會有辨識率相對提升的效果！他們通常會用「AI」的含糊概念迷惑你，刻意避免提到使用那種技術必須購買完全不同規格的昂貴電腦設備，才能勉強達到類似我的這類傳統影像辨識系統的速度！而且深度學習的辨識率是鐵定會輸給傳統OCR辨識很多的！大家必須提高警覺，一定要問清楚價格成本，也確定實質辨識率之後再考慮是否採購！通常你知道事實後是絕對不可能買的！