我有一大堆這種因為攝影失焦模糊的照片，大部分的狀況是人眼可以辨識我的OCR軟體卻無能為力的！但是我已經發展出了很聰明的，利用類似CNN特徵矩陣搜尋字元目標的技術，可以找出很模糊的字元！所以希望以極少數可以清晰辨識的字元為切入點，辨識出整個車牌！最早我是以找到四個並排目標為啟動車牌辨識的門檻，接下來是變成三人行即可！

今天做了一個最極端的嘗試！如果只有一兩個字清晰時我也希望我的軟體拚拚看！但並排目標太少時計算傾斜度會變很不穩定，所以暫且假設它們就是完美水平的！這不算過分，大多數車牌辨識也都是假設車牌是水平的！結果真的有效！上圖就是只有找到一個清晰可辨的7字，就陸續挖掘拼湊出完整的車牌了！辨識時間也控制在189毫秒而已！

我想要盡量辨識出這種模糊的車牌，但還是必須堅守OCR的基本架構，就是避免像一般的CNN一樣做全圖的地毯式掃描！因為只要做一次無條件的全圖掃描，計算量就會變成現在的幾十倍了！我就會陷入CNN與DL學派一樣的困境，必須有GPU加持才能活了！

我最初的門檻是要找到四個概略成排的目標，接著演進到只需三個目標，現在我繼續挑戰只用一或兩個目標的組合就找出完整的車牌！如上圖就是只有T與3兩個字是可以被OCR正確切割出來的目標，3566幾個字就是一團迷霧，只是隱約可以看出是四個數字而已！

但是顯然使用CNN的概念用具體的已知字元大小掃描效果很好！很輕鬆地就辨識出了完整的車牌！我需要增加的運算量是必須先找出少數寬高比可能是字元的目標先試作字元辨識！找到確定是清晰字元後再用CNN的方式補足前後或中間的缺字，但計算時間仍只需要99毫秒！表示我仍然是GPU free的！

這就是我說的人類視覺運作的方式了！我不會一開始就睜大眼睛細看全圖！而是先概略掃瞄有沒有像字元的目標，就是用OCR的二值化與輪廓畫看個大概的意思！這不費力，找到可疑切入點再動用大機具仔細分析，這樣就可以做出很高效率的辨識軟體了！我的影像辨識演算法真的是向著人類視覺智慧的方向不斷演進的！