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