上周有間公司來問我的車牌辨識能夠「動態」進行嗎？意思是他們已經從我的網路資訊中看到我很多單張照片的車牌辨識範例，辨識能力似乎也不錯。但如果是連續拍攝中的影片呢？能不能「即時」連續的辨識車牌？當然是可以的！實務案例上動態辨識的情境還比較多。

其實影像辨識在任何時候都是以單張影像為辨識的目標，所謂的動態辨識也必須用某種方式取得影片中的單張定格畫面來辨識，這類技術與影像辨識技術是不相干的！譬如從電腦螢幕抓取畫面或者從攝影設備直接取得單張影像等等。重點是電腦的數位化影片都是「串流」資料，並不是傳統類比影像的膠捲，一秒鐘就是幾十張的獨立影像，可以用取幻燈片的方式直接拿下來，所以還是必須有些技術的。

取得定格影像之後，如果你的影像辨識程式速度太慢，譬如一張影像辨識需要超過一秒鐘，那麼連續影片中的目標車輛可能已經「偷溜過」鏡頭的視野，或者要使用者等太久才知道辨識的答案，那就不行了！

基本要求是：即使是低速的情境，如室內停車場的車道，一秒也至少要能處理兩三張以上，就是單張辨識時間在0.3秒左右或更快；高速情境如馬路上的路口監視器，車速可以高達幾十公里時，一秒可能要辨識十張以上才夠！此時就要考驗程式效能，或考慮是不是要用超級電腦來應付了！

所以辨識率好不好？與辨識速度快不快？可以視為兩個參數，又快又好當然是最理想的！但即使是現在已經不錯的電腦設備，加上最先進的軟體技術，完美的高解析與高辨識率程式要跑得又快又好也是很掙扎的！更何況廠商為了降低成本，總是希望使用低規格的便宜電腦或攝影設備來達到高規格的辨識率，所以我的軟體設計工作就必須極具彈性了！

我們的基礎研究當然是盡量在高解的影像上做出最好的辨識率，還必須時時考慮是不是可以更快達到一樣的辨識效果？高解析可以提供我們更好的機會將影像辨識做正確，但代價就是更多的運算次數與運算的程序，讓辨識時間變長。一般學院派的車牌辨識研究所以很難商業化的原因之一，就是辨識時間的掌控！

我們的原則當然是以最佳辨識率為前提，當面對客戶的不同需求，必須在辨識時間與品質上妥協時，就是我們這種團隊的優勢了！因為整個車牌辨識程式的每一行都是我們自己研究出來的，如何降低解析度？或減少不必要的辨識流程？以符合客戶速度上的要求，同時盡量維持高辨識率是我們可以掌握的事，如果程式模組不是完全自行開發，就不可能做好這些事，或者根本不能進行任何調整。

所以很多客戶會有點不解？為什麼我總是強調每一個影像辨識的案子都是獨立的客製化過程！你們公司就沒有現成的車牌辨識產品，直接裝一裝就可以用的嗎？當然有！只是我們可以做得更好！就是讓你用一樣的設備得到最佳化的辨識速度與辨識成功率。