识别率达到95%，基本上是商用级别啊。 没GPU要实时，深度学习还是别想了，这玩意在专用芯片未出来之前仅仅存在实验室里。 不要以为车牌识别看上去很容易，首先你得要有大量标注的样本。 推荐 HyperLPR - 一个基于深度学习的支持多种车牌的中文开源车牌识别框架 zeusees/HyperLPR

谢邀，我做过opencv的车牌识别demo 我认为主要分为两个部分: 车牌检测，车牌识别 车牌检测主要做的是如何从一张图中提取出车牌的位置。 主要涉及的方法有矩阵检测跟一些图形学的方法 比如做灰度，边缘检测，矩阵等 我觉得这部分要做好需要很好的图形学功底，这里可以用的一个特点就是车牌第一个汉字与后面字母数字 有个点 可以考虑这个特征来提取 然后是车牌识别，在找到车牌所在的矩阵后需要对矩阵做"归一化"，比如照片中的车牌是斜着的 那就需要做矩阵变换 让车牌成为“正视图” 然后就是车牌数学跟汉字的识别部分了 我觉得这部分传统分类器就能到达比较好的效果 因为数字都比较标准 当然也有比如车牌数字上沾了泥土的情况 用cnn这类方法也不错。 总结下传统方法就是找到车牌位置，归一化车牌，然后进行车牌识别。主要难点在于车牌检测部分。 Ps:可能有些细节不太能确定了 但是大体思路就是这样。此外dl现在这么火，可以考虑用dl里的方法来做车牌检测。

正好也在学习，easyPR和openalpr都基本研究过每行代码。easypr最新用MSER方法提取字符，速度不能接受。而且采用的强种子弱种子加滑动窗口找缺失字符，对稍微大角度的车牌效果就欠佳。openalpr用人脸识别的技术进行定位，速度很快，但需要大量样本训练，而且纯在漏检情况。汉字的特殊性，使得后面包括边缘提取，字符分割，都要自己调整。两种方法大概也不到百分之50的正确率。主要是小区进出口图片测试的。也是急需新方法，求推荐。

哈哈, 好像看到自己两个月前的影子 深度学习方面不知道你有没有基础? 这方面我不太了解不过, 听说现在的SSD(single shot multibox detector)能做到实时 既然是公司应该能有足够的样本了 如果不会深度学习的话 既然有实时的要求, 我之前和你说的MSER可能就不太行了.. SWT需要先矫正一下车牌, 太偏斜不能提取, 我用它提出来的文字总是缺胳膊少腿, 我觉得效果不怎么样, 实时性也不好 推荐你看的综述不知道你有没有看 就是这篇http://wineyard.in/Abstract/mtech/Embedded/bp/13EM9.pdf 我都觉得太晚看到这篇论文了, 因为之前自己瞎搞过一阵, 基本就是像前面答主说的调参碰运气, 重点是当时我一直没有固定的样本来源, 参数很难适用 上面那篇文章提供了很多的思路, 也进行了性能的比较, 虽然数据不知道会不会造假, 我觉得应该不会差太多 我觉得如果实时的要求高, 而且公司催的紧, 应该去看看easypr, 号称98%(当然是针对特定场景的优化), 我不知道有没有人乱说, 没试过不过觉得比起openalpr, 它应该行. 因为我觉得openalpr好像是后面调用的tesseract, 需要你自己去训练, 而且看网上tesseract说识别中文效果不怎么样, 觉得95%是别想了. 毕竟easypr是针对国内车牌的优化 之前要你看的scene text可能就不太适合了, 能做到实时的没多少, 有些能做到的, 它用的是自己设计特征, 即使你能把它实现也不一定会有好的效果 -------------------------------------- 老实说不太同意easypr的方法, 就是后面字符切分之类的, 不过考虑到你是在公司实习, 觉得要尽快完成项目的话参考它的应该可以 ---------------------------------------- ps: 评论区没人注意到实时性吗.......我虽然不懂dl, 不过印象里它实时性并不好, 只是听到yolo和ssd有改善 上面那篇论文对各个方法性能的比较

怒答一记。 如果要求快速实现，可以试下目前有的两个开源项目。 如果希望有高准确率和速度（针对自己数据集），根据No Free Lunch定理，则必须根据特定情况进行优化才行。没有算法可以适用于任何情况，包括上面说的两个开源项目。 希望这些经验可以帮助到题主。

那就用深度学习吧，有足够的标注样本就可以搞定。https://zhuanlan.zhihu.com/p/21344595?refer=xlvector