目前实现了一个基于keras的 实时 视频数字识别的函数+python脚本，现在由于项目需要将输出转C++，大概想实现c++输入opencv的矩阵图像，调用python函数后能够返回识别结果和识别的图像，大致查过c的popen和py initial可以实现但是不确定是否可行，因为有实时识别的需求据说api接口时间损耗比较大，而且调用起来很多文件找不到，不确定复杂的函数C++是否能调用。
现在比较纠结是否应该重新写个c++用python模型转tf实现，更方便一点。
如果有人知道的话可以给出具体一点的解决方法吗
opencv自带有dnn模块可以直接条用tensorflow的模型，但是不如tf那样方便，有些网络层和操作如果不支持的话就需要转换，举例来说如果sigmoi不支持就得换relu（当然opencv是支持sigmoid的），而且如果是keras保存的类似.h5模型，基本上不支持的，你需要先转成tf模型才行，而且最好在训练和导出模型的时候要将channel前置
还有就是opencv版本最好用最新的版本，前面的版本对于深度学习支持一定是不如后面版本的，也就是说越新越好，如果你有显卡加速的需要，opencv还需要编译下cuda。
你可以试试OpenCV的DNN库，里面有函数可以直接调用TensorFlow的网络模型