OpenCV已經(jīng)將圖像處理(識(shí)別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？這取決于你的目的。比如說(shuō)現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需

OpenCV已經(jīng)將圖像處理(識(shí)別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？

這取決于你的目的。比如說(shuō)現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個(gè)機(jī)械師，你必須理解。如果你是一個(gè)汽車制造商的工程師，你必須對(duì)它非常了解。簡(jiǎn)言之，這取決于具體的需要。

有c 基礎(chǔ)的初學(xué)者想要一個(gè)月內(nèi)用基于c 的opencv實(shí)現(xiàn)從底層寫起車牌識(shí)別可能嗎？

有些是困難的，但也有可能。難點(diǎn)不在代碼上，因?yàn)槊總€(gè)部分都有現(xiàn)成的解決方案、模型和源代碼，但是組裝它們可能還需要訓(xùn)練神經(jīng)網(wǎng)絡(luò)本身，這就需要對(duì)所選的C框架和機(jī)器學(xué)習(xí)有一定的了解。例如，opencv或Dlib可以用于視頻捕獲和代碼框架，yolo2可以用于實(shí)時(shí)車輛和車牌檢測(cè)，Tesseract可以用于車牌識(shí)別

如果攝像機(jī)不移動(dòng)，背景和車輛之間的差異很明顯，編寫一個(gè)簡(jiǎn)單的車輛識(shí)別算法應(yīng)該不難識(shí)別出攝像機(jī)捕捉到的每一幀視頻，并在圖像矩陣中判斷出車頭的坐標(biāo)。每幀的時(shí)間間隔是固定的，所以我們可以計(jì)算車速

這是我個(gè)人的想法。如果有什么問(wèn)題，我們可以互相溝通