用深度学习做基于视频的车牌识别，有什么好的方法吗 传统行为识别方法和基于深度学习的人体行为识别算法怎么比较

用深度学习做基于视频的车牌识别，有什么好的方法吗

识别“是不是车牌”或识别“是哪个车牌”（标签）并不难，用卷积神经网络都可以。只是识别“车牌里具体内容”这麻烦。因为内容有顺序性质，单单识别的话只能识别到“有什么数字跟字母，文字”，所以还是分开8个卷积网络去识别每个特征的数字文字比较靠谱，例如第一个卷积网络识别车牌第一个字，第二个识别第二个字。。等等。去年也尝试过这个项目，最好一次训练达到97.2%的正确率。。虽说不算太好，但也证明有一定潜力。你可以自己调节网络结构跟参数。

传统行为识别方法和基于深度学习的人体行为识别算法怎么比较

人体行为识别前已有的方法主要分为三大类：基于模板的方法，基于概率统计的方法和基于语义的方法。
模板匹配是一种较早用在人体运动识别上的方法,将运动图像序列转化为一个或一组静态的模板，通过将待识别样本的模板与已知的模板进行匹配获得识别结果。在行为识别中，基于模板匹配的算法可以分为帧对帧匹法和融合匹法。主要方法有：运动能量图像（MEI）和运动历史图像（MHI），基于轮廓的平均运动形状（MMS）和基于运动前景的平均运动能量（AME）等。
概率统计方法进行运动识别是把运动的每一种静态姿势定义为一个状态或者一个状态的集合，通过网络的方式将这些状态连接起来，状态和状态之间的切换采用概率来描述。主要有隐马尔科夫模型HMM， 最大熵马尔科夫模型（MEMM），条件随机场（CRF）等。