有c 基礎(chǔ)的初學(xué)者想要一個月內(nèi)用基于c 的opencv實現(xiàn)從底層寫起車牌識別可能嗎？有些是困難的，但也有可能。難點不在代碼上，因為每個部分都有現(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)

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

有些是困難的，但也有可能。難點不在代碼上，因為每個部分都有現(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，這就需要對所選的C框架和機器學(xué)習(xí)有一定的了解。例如，opencv或Dlib可用于視頻捕獲和代碼框架，yolo2可用于實時車輛和車牌檢測，Tesseract可用于車牌識別。

OpenCV已經(jīng)將圖像處理(識別)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？

這取決于您的目的。比如說現(xiàn)在的車這么先進好用，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。如果你是一個機械師，你必須理解。如果你是一個汽車制造商的工程師，你必須對它非常了解。簡言之，這取決于具體的需要。

車牌識別識別率低是咋回事？

我在大學(xué)時做過車牌識別。說實話，這個東西要達到95%的識別率真的不容易。它需要很多樣本來學(xué)習(xí)。當(dāng)時我學(xué)習(xí)了一段時間的神經(jīng)網(wǎng)絡(luò)算法。最后，可能是樣品不夠，效果不理想。只有60%左右。對這個主題的建議是：去GitHub學(xué)習(xí)如何由高識別率的人來寫作。您的識別率只有50%，因為您只使用OpenCV提供的一些分區(qū)函數(shù)。編碼量和難度都不高，識別率很低。神經(jīng)網(wǎng)絡(luò)是一種很好的方法，但它需要大數(shù)據(jù)來校正。其實，最難的步驟就是這些：車牌區(qū)域是否完整切掉并進行幾何校正，字符是否完整切掉，識別。神經(jīng)網(wǎng)絡(luò)主要用于最后一步。剩下的取決于你的代碼技能。

Opencv車牌號數(shù)字識別最后一步!大神幫忙~？

其中一個想法：銳化，然后灰度，然后用車牌的四個直角來描繪范圍。個人觀點：就難度而言，速度檢測是三者中難度最大的，其次是車牌檢測，還有運動目標(biāo)檢測。運動目標(biāo)檢測可以給你一些建議，比如高斯混合模型。