道路情境的車牌辨識可以說是各種應用中最困難的終極任務！那如何評比各家產品的優劣呢？在停車場情境辨識率是很明確的，一輛一輛的車魚貫而過，正確辨識數除以所有車數就是辨識率了！但是道路上車水馬龍萬頭鑽動，哪些車牌可以被視為「可辨識」的基數？學問就大了！排除掉越多太小、太斜或太模糊導致難辨識的車牌，分母就會變小，一樣的辨識成功數為分子，辨識率就變大了！

所以不要太相信廠商聲稱的所謂辨識率這種數據！那只是數字遊戲而已！真正的產品優劣只能用同一段影片，以任何畫面上有顯露出車牌的車次為分母，以正確辨識的車數為分子，完全不考慮車牌的辨識難易度來刪減分母！才能公平比較出「辨識力」的強弱！到時可能第一名只有70分，第二名是60分之類的！那才是真正接近事實的辨識率！

當然廠商們爾虞我詐，都很不願意參與真正公平的競賽，除非他們有把握一定會勝出！既然多數廠商都沒把握拿到冠軍，這種競賽當然就不會成局的！黔之驢嘛！向不出其技，虎雖猛，疑畏卒！只要堅持不接受客觀的測試評比，我說辨識率多少客戶就只能相信了！至於我呢？天天都在期望有這種比賽，我不怕輸的！輸了就繼續研究精進嘛！

既然沒有比賽就以自己為對手了！每天都努力贏過昨天的自己！任何之前辨識錯誤或辨識不到的車牌都是我研究的對象，簡單說就是：任何一個車牌我都都不想放過！一個都不能少的意思！上面這個案例就是我不斷挑戰極限的一個里程碑了！被辨識出來也完全正確的車牌只有11個畫素的高度！有夠小了！

我使用OCR辨識時當然還是有設立搜尋目標大小門檻的！如上的街景車牌其實最大也不過三十多畫素而已，最小大約是六七個畫素。但是以我的經驗，小到10個畫素以下其實就無法分辨字元的筆畫內容了！所以即使抓到那麼小的目標字元，也認不出那是甚麼字？所以我是將下限設在10畫素的！

一般來說，我已經售出的車載車牌辨識軟體能辨識的下限大約是13到15畫素高的車牌，當然車牌越小表示資訊量越少，越容易辨識錯誤，就是會有些相似的字會交叉誤認的意思！盡量辨識的好處是可能成功的數量也會增加，但是整體辨識率是會下降的！很多廠商為了數據好看就會直接排除太小的目標了！

目前在這個實驗路口畫面中，我就是在很努力地將畫面中可以抓到的車牌大小下修，同時間也努力讓因為變小而產生的錯誤可以盡量被修正！就是按照實例微調字模與特徵參數等等，讓模糊邊緣的字也盡量能「猜對」的意思！近日已經有不少只有12畫素就能正確辨識的案例！這個11畫素高的特例就是里程碑了！

因為實在太小了，11畫素高一般人在電腦畫面上也看不太清楚的，所以上圖是用放大鏡效果放大十倍給大家驗證用的！放大之後也可以看到它模糊難辨的輪廓狀況，可以想像必須很多精緻的處理，才能讓這麼小的車牌字元每個字都穩定地被正確辨識！

還有一個重點是：我確實增加了不少提高小字辨識正確率的例外處理，但是還是沒有用到太多CNN之類的暴力運算！所以辨識速度一點都不慢！143毫秒就辨識出118萬畫素的影像！黃仁輝說：沒能源就沒有經濟成長，沒有AI？這個說法應該跟我的AI影像辨識沒有關係！我的AI越來越聰明，但還是很省電！