车牌识别和人脸识别有啥本质区别

对象本质不同，一个是铁，一个是肉 /
doge

一个是蓝色或者绿色，一个是五颜六色

车牌识别多一步切割步骤，识别的时候不是整体识别：鄂 A* 88888，而是分别识别，鄂，A，8 。

个人感觉：
车牌识别可能更接近 OCR，先切割出来单字然后对单字进行分类。也有一些 seq2seq 的方法不过不太了解，感觉本质上是在做分类。
人脸识别感觉更多的是找一个通用的 embedding，然后把任意人脸映射到这个 embedding 上实现识别（如 facenet ）。

@askfermi 或者说，车牌识别的类别是有限个的：切割出来之后的单字总共就那么几种。但是人脸识别有可能不是，总会有新的人脸加入到类别里。而且我们不想每次加入一个新人脸都重新训练整个模型。

人脸识别复杂多了吧，车牌只有固定的 100 多个字

车牌里的字只需要区分出是哪个字母或数字，候选项不超过 36 个，车牌第一个字的候选大概是 34 个？；而且所有车牌的字体是一样的，只有形变。人脸识别要从数据库里或多或少的人脸里面匹配，少的只要几十个，多的达到全人口级别；而且每个人脸要具体根据五官来区分，没有人脸字体这种东西。两者的区别决定了前者可以做成分类任务而后者很难。

会英语和只会 ABC 的区别

车牌识别没啥说的吧，基本就是 OCR 过程，最多考虑定位和各种光照条件
人脸识别那就要看你做到什么程度了，本质是特征点识别，但上到水果家的 3D 光点阵技术，下到 OpenCV 随手写的 demo，差别是很大的……

区别大了，一个是静物识别，一个是活体检测

@androidkily 确实。但是我理解的可能和大家的相反。 在识别的时候，人脸大多是相对静态的，而车牌是相对动态的。

车牌识别的难点不在于识别，而在于高速度、远距离、低光线下的拍摄。

@iiduce “高速度、远距离、低光线下的拍摄”这个问题基本上是由硬件厂家处理的，而且目前这种类型的拍摄系统已经非常成熟了（主要是也不是咱一个敲代码的能解决的）

两个都做过。单纯说检测的话其实是一样的，yolo 也好 ssd 也好都能做人脸和车牌的检测。人脸有专门的检测算法（ mtcnn 之类的），效果比通用检测算法好。

识别方面车牌需要做校正、增强、切割、OCR 。也有模型把切割 OCR 一起做了，切割增强后的结果直接进模型 end2end 出来车牌。传统做法是套模板，有时候效果也挺棒的
人脸识别主要是检测出来的人脸做校正、计算特征值。最后识别的时候跟底库对比特征值相似度。

处理的 pipeline 上有很大区别。

车牌识别要简单很多 ，靠的是 OCR

人脸识别 应该是要提取特征，按某种算法进行计算匹配吧

车牌直接 OCR，因为文字是固定的。不过跟人脸识别一样，用到了位置检测。不同的是人脸需要做特征提取。