CNN 不背这个锅，深度学习需要大量数据进行训练，不适合这个场景。
@mikumkf 的方案个人认为更可行，再补充一下细节问题：
１.　针对视频，可以设置识别图像上限，一个视频也就识别１０张可能比较合适。
２.　确定试纸形成的颜色范围，需要考虑手、背景的影响，控制识别矩形框在一定的范围比较合适。
３.　针对识别结果不同，建议选择连续识别一致的结果，如前８结果 A 后２结果 B 可以考虑丢弃后２的识别结果，如果间歇识别不同结果，建议同时给出。
４.　用识别的矩阵减去由色卡组成的同样大小的矩阵，色差最小的即为识别结果。