上面兩張影像都是機車車牌，也都辨識成功了，但是因為影像模糊與清晰程度的差異，需要的影像辨識技術當然是完全不同等級的！如果是一般停車場用的「簡易」車牌辨識軟體，左邊的這種影像一定是直接拋棄不做辨識的！因為即使勉強辨識了，錯誤率也是蠻高的！還不如把車停好重拍一張再辨識！

但是事實上左邊的影像是來自用手機「動態」拍攝的影片！在攝影機與車牌相對移動速度較高，或是攝影機的感光度較低，或是環境亮度較低時，停格抓到或解串流出來的單張影像就是會比較模糊的！也不可能讓時光倒轉重拍一次！所以「動態」辨識軟體就必須盡可能提高這種模糊影像的辨識率，否則就是常常看著車牌如過眼雲煙視而不見沒反應了！

所以「動態」的車牌辨識隱含的技術需求層次，是遠遠高於「靜態」車牌辨識的！雖然說攝影機的品質近年提升快速，已經明顯提高了動態攝影的影像品質，但是這個落差還是很大的！如果稍微模糊就無法辨識的動態辨識軟體是一定會被嫌棄賣不出去的！

老實說，我從賣車牌辨識軟體之初的2016年，就已經設定我的軟體要專攻動態影像的辨識！連其實不必使用動態辨識的停車場用軟體我都是一開始就賣動態辨識的！原因不是炫技標新立異，而是我認為用攝影機取得車牌影像已經是常態，所以我的軟體也應該從For單張影像，升級到For動態影片了！我沒想到的是：真的能做到的廠商那麼少？我變成太激進的極少數了？

但是我當時只是天真地以為：動態辨識就是連續的單張靜態影像辨識！只要我的影像辨識速度夠快，我就可以把動態軟體做得很好了？事實上速度快只是一個基本的入門條件而已！從演算法改良的角度提升速度頂多只是「幾成」的差異，遠遠不夠動態辨識需要的高速，你必須用多核心CPU的平行運算能力提升速度好「幾倍」才夠快的！

以前的文章我已經談過很多次了！除了辨識速度要很快之外，動態攝影時是無法挑選攝影機與目標的相對距離與角度的！所以影片中歪歪斜斜的車牌都必須能辨識，我的基本靜態辨識技術這方面本來就做得很好了！所以才能在車載的動態車牌辨識軟體市場稱霸好多年！

之前我一直沒提過的另一個技術關鍵就是如上的模糊辨識能力了！要讓模糊辨識的不穩定結果盡量正確，是一件非常辛苦耗時的繁雜工作！有點像是在用人工手動微調程式與字模參考資料的方式，來完成機器學習或深度學習想完成的辨識訓練工作。

他們是想把這些微調變成自動化的電腦工作？我則是直接用我的大腦根據科學原理做最合理的調整！我的腦袋當然比一般電腦更有理解力！而且我從中學到的經驗會長存在我自己的腦袋裡，供後續的研究使用！但是XX學習其實不是研發人員在學習，跑再多的訓練模式都不會讓操作者的功力提升變得更聰明！

所以動態辨識軟體要做得好其實就是所有影像辨識，與電腦執行效能技術的集大成！跟其他廠商不同的是：我不會攏統的用AI之類的字眼就匆匆帶過搞神祕呼攏你！我會願意好好跟大家包括所有我的客戶說清楚我是怎麼作到的！因為我是真貨！真金是不怕火煉的！