我必须识别来自视频流的图像中的数字，还有更多的东西，这应该使识别更容易：
1）它是固定字体6x8，所有符号宽度相等
2）我知道数字的确切位置，它们总是矩形，没有旋转/ sqewed / scaled，但是由于空气传输故障可能会有一些扭曲。
3）它只是数字和。
4）数字背景是半黑色（50％不透明）
我已经尝试过tesseract v2和v3，但.NET包装器并不完美，识别错误非常大，即使我使用自定义字体训练，据我所知，这是因为分辨率很小。
我自己制作了一个非常简单的算法，将图像变为黑白，并计算原始字体图像与流中图像之间的匹配像素，它的性能优于tesseract，但我认为更复杂的算法会做得更好。 / p>
我尝试使用ActivationNetwork和BackPropagationLearning训练AForge并且它无法收敛（本文第一部分，只要我不需要缩放和几种字体http://www.codeproject.com/Articles/11285/Neural-Network-OCR，因为我理解文章中的代码是对于较旧版本的AForge），不好的是，该项目不再受支持，论坛已关闭，谷歌小组也是我理解的。
我知道有.NET的OpenCV端口，据我所知，它有不同于AForge的网络方法，所以questiton哪种方法最适合。
那么有没有任何.NET框架可以帮助我，如果它支持多个神经网络实现，哪种实现最适合？
答案 0 :(得分：4)
对于固定大小的固定大小的字体，您可以使用基于模板匹配的不太复杂的OCR方法。有关如何使用OpenCV进行模板匹配的示例，请参阅here（不是.NET，但希望足以让您入门。）基本思路是为每个数字创建一个模板，然后尝试匹配所有模板您的目标位置，选择匹配分数最高的位置。因为您知道数字的位置，所以您可以搜索每个数字的非常小的区域。有关模板匹配背后理论的更多信息，请参阅this wiki article关于互相关。
这实际上是简化OCR应用程序的基础（通常用于识别特殊的OCR字体，例如用于在硅晶片上打印序列号的SEMI标准字体。）生产级算法还可以支持缩放，旋转和平移的容差，但基本技术几乎相同。
答案 1 :(得分：2)
尝试查看this project和this project too。这两个项目都解释了OCR的工作原理，并向您展示了如何在C＃和.NET中实现它。
答案 2 :(得分：0)
如果你不是非常匆忙，我建议你先找一个解决问题的方法。我用WEKA做了很好的经历。使用WEKA，您可以非常快速地测试一堆算法。 一旦找到解决问题的算法，就可以将其移植到.NET，构建包装器，查找实现或（如果它是一个简单的算法）在.NET中重建它。