這個影像只有48萬畫素，車牌也還算清晰，以我的技術水準通常應該不必用到100毫秒，也就是約七八十毫秒就能結案！但是這張卻用了187毫秒？雖然也不算太慢，但是當然讓大師我相當不爽！原因呢？看目標分析圖就知道了！那些整齊排列的建築物窗戶實在太像車牌字的特徵了！

而且我是要找4-7個字的目標組合，那麼多的窗戶可以任意排列組合之下，「可能」的車牌就會有十幾組之多了！每一個組合都要正經八百的當作車牌作幾何校正與字模比對的處理，要做到最後才知道內容根本不是字元？雖然不會誤認作出錯誤的答案，但是無形中就吃掉太多時間了！很像119接到太多假報案讓警察無謂奔波，反而耽誤了真正需要處理的罪案。

這其實就是我們作街景車牌辨識時最大的難言之隱！碰到類似背景時，辨識速度就會忽然變慢很多！感覺好像軟體發生問題卡卡了？不只是窗戶，還有柵欄，成排的路樹、水溝蓋、或商店招牌等等都會有類似的效應！如果找車牌的條件太嚴格呢？較模糊的車牌就會被遺漏了！稍微寬鬆呢？這些疑似目標就會讓辨識軟體忙不完了！

發生問題當然是要設法解決的，以窗戶的狀況來說，如果某一組「窗戶」被作完整的車牌辨識之後，其中的每一個目標像不像個字元？就會知道了！完全不像任何字元的，就打個星號說它根本不像字元，下一回合招募車牌字元目標時就不必理它了！好像詐騙過人的帳號就變成警示帳戶吧？這樣就可以避免大量重複組合這些窗戶了！簡單說就是「前事不忘，後事之師」的意思！偶爾被騙作了傻事沒關係，只要不一再重複做一樣的傻事就可以省很多時間了！

最後結果就是可以如圖右下方的顯示只用83毫秒就辨識完成了！好的AI軟體背後就是點點滴滴在解決更多複雜問題，讓軟體更AI的！但如果你是用CNN與甚麼XX學習呢？不好意思，你就完全沒辦法這樣精準的治病了！客戶抱怨時你只能傻笑(苦笑)應對，笑罵由人了！因為那是機器自己統計(學習)出來的決策，你也管不了的！