電子發(fā)燒友網(wǎng)報道（文/李彎彎）計算機(jī)視覺技術(shù)最早開始于20世紀(jì)60年代，其主要是模仿人類視覺，讓計算機(jī)或機(jī)器人看到物體，到如今計算機(jī)視覺已經(jīng)取得很大進(jìn)展，不過就研究和開發(fā)來說，它還有很大的探索空間。

當(dāng)今的計算機(jī)視覺的子領(lǐng)域大概可以包括：場景重建、目標(biāo)檢測、事件檢測、視頻跟蹤、目標(biāo)識別、3D姿態(tài)估計、運(yùn)動估計、視覺伺服、3D場景建模、圖像修復(fù)等。

比如目標(biāo)檢測，具有目標(biāo)檢測的設(shè)備可以找到目標(biāo)，在其周圍畫出矩形邊界框，并確定每個被檢測目標(biāo)的類別，目標(biāo)檢測可以應(yīng)用于許多不同的行業(yè)，包括零售、體育、醫(yī)療保健、營銷、室內(nèi)設(shè)計、農(nóng)業(yè)、建筑、公共安全、交通等。

目標(biāo)檢測是一個復(fù)雜的過程，其實現(xiàn)需要經(jīng)歷一定的挑戰(zhàn)，比如視角的多樣性、變形、遮擋、光照條件、雜亂或有紋理的背景、多樣性、速度等。具體來看，比如視角的多樣性，物體檢測的最大困難之一是從不同的角度看一個物體，可能看起來完全不同；

再比如照明對物體的定義有很大的影響，相同的物體會因光照條件的不同而看起來不同，可能照亮的空間越少，物體就越不可見，這些都會影響檢測器定義目標(biāo)的能力；在視頻方面，探測器需要經(jīng)過訓(xùn)練，在不斷變化的環(huán)境中進(jìn)行分析，這意味著目標(biāo)檢測算法不僅必須準(zhǔn)確地分類重要的目標(biāo)，而且還必須在預(yù)測過程中具有好的速度，能夠識別運(yùn)動中的目標(biāo)。

從某種意義說，這幾年計算機(jī)視覺已經(jīng)進(jìn)入瓶頸期。以圖像分類、目標(biāo)檢測、圖像分割為代表的一些基礎(chǔ)技術(shù)經(jīng)過過去幾年的發(fā)展，精確度已經(jīng)達(dá)到產(chǎn)業(yè)落地水平，但剩下的一些問題比較難攻克，如非常細(xì)粒度的分類，非常小和模糊的目標(biāo)檢測和分割，以及如何保證在復(fù)雜光照變化下的分割結(jié)果的穩(wěn)定性等。

可以說過去幾年，計算機(jī)視覺技術(shù)一直在試圖攻克一些老的難題，如跨年齡、大姿態(tài)、有遮擋的人臉識別，有一定的進(jìn)展，卻不能算是有很大的突破。

在落地應(yīng)用方面，計算機(jī)視覺存在很大的同質(zhì)化問題，很多公司扎堆在幾個熱門場景中，比如安防場景，智能安防是計算機(jī)視覺最主要的應(yīng)用場景，而且已經(jīng)持續(xù)很多年，目前來說，計算機(jī)視覺較為成熟的應(yīng)用場景也是安防領(lǐng)域。

大家熟知的AI初創(chuàng)企業(yè)商湯、曠視、依圖、云從等都在這個領(lǐng)域有重要布局，另外安防企業(yè)和互聯(lián)網(wǎng)企業(yè)也在這個領(lǐng)域投入很大力度，包括?？低?/u>、大華、宇視、百度等，此外還包括幾百家中小計算機(jī)視覺企業(yè)。

不過除了安防，各企業(yè)也有在其他領(lǐng)域進(jìn)行探索，并逐漸有所進(jìn)展，比如金融、手機(jī)、汽車、工業(yè)、醫(yī)療、零售等領(lǐng)域，比如虹軟科技，在手機(jī)領(lǐng)域、筆記本電腦、智能可穿戴設(shè)備等移動終端，以及智能駕駛領(lǐng)域都有布局，再比如格靈深瞳除了城市管理之外，在智慧金融、商業(yè)零售等方面都已經(jīng)取得一定成績。

整體而言，從上世紀(jì)60年代到現(xiàn)在計算機(jī)視覺技術(shù)已經(jīng)取得很大的進(jìn)展，不過其在實現(xiàn)上還存在一些難題，發(fā)展也遇到了一些瓶頸，而且在落地應(yīng)用上大多數(shù)企業(yè)扎堆在少數(shù)場景中，不過從近年來的情況來看，計算機(jī)視覺企業(yè)在技術(shù)和應(yīng)用上還在持續(xù)尋找突破，目前除了在安防領(lǐng)域應(yīng)用比較成熟以外，在金融、醫(yī)療、工業(yè)、智能駕駛等領(lǐng)域進(jìn)展明顯。