圖一

這是十年前的一個合作廠商拍的「停車場」出入口的車牌照片！以現在一般停車場的拍攝標準就算是很「外行」的了！原因是畫面實在太複雜了！背景中遠處的建物樹叢，通道左右邊的雜物，加上陽光造成的陰影，都讓車牌辨識變得很困難！絕對可以說這個合作廠商是個豬隊友！但是當時停車場車牌辨識系統還很少，他們也沒有經驗的！情有可原啦！

現在大家都很習慣看到停車場的車牌辨識了！應該都是像上面這種配置方式！拍出來的照片就只會有一個車頭！等於是給車牌拍個特寫大頭照，畫面很簡單也很好辨識的！這種水準的車牌辨識當然就很簡單，一般廠商自己拿OpenCV函數兜一兜做出來的車牌辨識核心都差不多能用了！

但是回到前面背景複雜的車牌辨識呢？那才是專家們真正的車牌辨識競技場！重點就是如何在叢林中找到那隻小白兔？在那麼多複雜的可能目標中正確且快速的找到真正需要被辨識的車牌？以此例來說，畢竟車牌都是很接近正面水平不會歪斜變形的！所以找到車牌就一定可以鬆辨識出車號的！

此時就是那些CNN專家最興奮的時刻！只要使用YOLO等工具就可以「很快」找到車牌還能正確辨識了！但是真的很快嗎？事實上必須使用很多矩陣的掃描，就是大量的迴圈運算，其實是非常慢的！如果沒有使用GPU幫忙根本會慢到讓人抓狂的！你知道嗎？

有一種誤會，也是AI專家們刻意誤導的觀念就是：複雜的目標搜尋工作不是OCR能做到的事情！所以只有CNN才是這項AI工作的唯一救星？但是如圖一所示，我確實是用OCR技術的二值化與輪廓化做出來的複雜輪廓線為基礎找到車牌的！重點是這些過程都是逐點運算，不需要任何矩陣相乘運算的！所以速度比CNN甚至YOLO都快上數倍甚至數十倍！所以當然就不需要GPU也很快了！

重點就是要強化OCR技術中找到封閉曲線目標之後的較精緻處理能力！要能從彎彎曲曲的目標輪廓中判斷哪些是車牌字元？那些不是？我就是在OCR的基礎上多做了這些事情而已！所以絕對不要再說OCR的目標搜尋鎖定能力不如CNN了！事實上OCR是絕對可以做到的！OCR的速度更是遠勝於CNN！92萬畫素影像中找出複雜背景中的車牌只要66毫秒！你可以拿沒用GPU的CNN軟體試試看！你不會想看到結果的！

但是多數AI專家都明知此事還是繼續裝傻的！原因是大家如果都用OCR的話，GPU銷路就會大減了！那麼台積電或輝達加上整個晶片產業鏈，還有他們的投資人都會很不爽的！沒有人願意讓AI產業降溫退燒嘛！所以我就是類似DeepSeek那種讓主流AI產業很不高興的害蟲了！但是我絕對可以幫很多使用者省下很多的錢！用我的軟體你就不必買GPU了嘛！