前言

計算機(jī)視覺（Computer Vision），通常簡稱CV，是一個通過技術(shù)幫助計算機(jī)“看到”并“看懂”圖像的研究領(lǐng)域，例如使計算機(jī)理解照片或視頻的內(nèi)容。

這篇文章將對計算機(jī)視覺進(jìn)行整體介紹。本文章共分為六個部分，分別是：

·計算機(jī)視覺為什么重要

·什么是計算機(jī)視覺

·計算機(jī)視覺的基本原理

·計算機(jī)視覺的典型任務(wù)

·計算機(jī)視覺在日常生活中的應(yīng)用場景

·計算機(jī)視覺面臨的挑戰(zhàn) 

2

 計算機(jī)視覺為什么重要

在生理學(xué)上，視覺（Vision）的產(chǎn)生都始于視覺器官感受細(xì)胞的興奮，并于視覺神經(jīng)系統(tǒng)對收集到的信息進(jìn)行加工之后形成。我們?nèi)祟愅ㄟ^視覺來直觀地了解眼前事物的形體和狀態(tài)，大部分人依靠視覺來完成做飯、越過障礙、讀路牌、看視頻以及無數(shù)其他任務(wù)。事實上，如果不是盲人這類特殊群體，絕大多數(shù)人對外界信息的獲取都是通過視覺完成的，而這個占比高達(dá)80%以上——這個比例并不是沒有根據(jù)的，著名實驗心理學(xué)家赤瑞特拉（Treicher）曾通過大量的實驗證實：人類獲取的信息的83%來自視覺，11%來自聽覺，剩下的6%來自嗅覺、觸覺、味覺。所以，對于人類來說，視覺無疑是最重要的一種感覺。

不僅人類是“視覺動物”，對于大多數(shù)動物來說，視覺也都起到十分重要的作用。通過視覺，人和動物感知外界物體的大小、明暗、顏色、動靜，獲得對機(jī)體生存具有重要意義的各種信息，通過這些信息能夠得知，周圍的世界是怎樣的，以及如何和世界交互。

 
而在計算機(jī)視覺出現(xiàn)之前，圖像對于計算機(jī)來說是黑盒的狀態(tài)。一張圖像對于計算機(jī)來說只是一個文件、一串?dāng)?shù)據(jù)。計算機(jī)并不知道圖片里的內(nèi)容到底是什么，只知道這張圖片是什么尺寸，占多少內(nèi)存大小，什么格式的等等。

 如果計算機(jī)、人工智能想要在現(xiàn)實世界發(fā)揮重要作用，就必須看懂圖片！因此，半個世紀(jì)以來，計算機(jī)科學(xué)家一直在想辦法讓計算機(jī)也擁有視覺，從而產(chǎn)生了“計算機(jī)視覺”這個領(lǐng)域。

網(wǎng)絡(luò)的迅速發(fā)展也令計算機(jī)視覺變得尤為重要。下圖是2020年以來網(wǎng)絡(luò)上新增數(shù)據(jù)量的****圖。灰色圖形是結(jié)構(gòu)化數(shù)據(jù)，藍(lán)色圖形是非結(jié)構(gòu)化數(shù)據(jù)（大部分都是圖片和視頻）。可以很明顯的發(fā)現(xiàn)，圖片和視頻的數(shù)量正在以指數(shù)級的速度瘋狂增長。

互聯(lián)網(wǎng)由文本和圖像組成。搜索文本相對簡單，但為了搜索圖像，算法需要知道圖像包含的內(nèi)容。在很長的一段時間內(nèi)，人類沒有足夠的技術(shù)來理解圖像和視頻的內(nèi)容，只能依靠人工標(biāo)注來獲取圖像或視頻的描述。如何能讓計算機(jī)更好地理解這些圖像信息，便是當(dāng)今計算機(jī)技術(shù)面臨的一大挑戰(zhàn)。為了充分利用圖像或視頻數(shù)據(jù)，需要讓計算機(jī)“查看”圖像或視頻，并理解內(nèi)容。 

3

 什么是計算機(jī)視覺

4

 計算機(jī)視覺的基本原理

5

 計算機(jī)視覺的典型任務(wù)

• 圖像分類

圖像分類是根據(jù)圖像的語義信息對不同類別圖像進(jìn)行區(qū)分，是計算機(jī)視覺的核心，是物體檢測、圖像分割、物體跟蹤、行為分析、人臉識別等其他高層次視覺任務(wù)的基礎(chǔ)。例如下圖，通過圖像分類，計算機(jī)識別到圖像中有人（person）、樹（tree）、草地（grass）、天空（sky）。 

 圖像分類在許多領(lǐng)域都有著廣泛的應(yīng)用，如：安防領(lǐng)域的人臉識別和智能視頻分析等，交通領(lǐng)域的交通場景識別，互聯(lián)網(wǎng)領(lǐng)域基于內(nèi)容的圖像檢索和相冊自動歸類，醫(yī)學(xué)領(lǐng)域的圖像識別等。 

• 目標(biāo)檢測

目標(biāo)檢測任務(wù)的目標(biāo)是給定一張圖像或是一個視頻幀，讓計算機(jī)找出其中所有目標(biāo)的位置，并給出每個目標(biāo)的具體類別。如下圖，以識別和檢測人為例，用邊框標(biāo)記圖像中所有人的位置。

 
而在多類別目標(biāo)檢測中，一般使用不同顏色的邊框?qū)z測到的不同物體的位置進(jìn)行標(biāo)記，如下圖所示。 

• 語義分割

語義分割是計算機(jī)視覺中的基本任務(wù)，在語義分割中我們需要將視覺輸入分為不同的語義可解釋類別。它將整個圖像分成像素組，然后對像素組進(jìn)行標(biāo)記和分類。例如，我們可能需要區(qū)分圖像中屬于汽車的所有像素，并把這些像素涂成藍(lán)色。如下圖，把圖像分為人（紅色）、樹木（深綠）、草地（淺綠）、天空（藍(lán)色）標(biāo)簽。 ·實例分割實例分割是目標(biāo)檢測和語義分割的結(jié)合，在圖像中將目標(biāo)檢測出來（目標(biāo)檢測），然后對每個像素打上標(biāo)簽（語義分割）。對比上圖、下圖可見，如以人為目標(biāo)，語義分割不區(qū)分屬于相同類別的不同實例（所有人都標(biāo)為紅色），實例分割區(qū)分同類的不同實例（使用不同顏色區(qū)分不同的人）。

 ·目標(biāo)追蹤目標(biāo)跟蹤是指對圖像序列中的運動目標(biāo)進(jìn)行檢測、提取、識別和跟蹤，獲得運動目標(biāo)的運動參數(shù)，進(jìn)行處理與分析，實現(xiàn)對運動目標(biāo)的行為理解，以完成更高一級的檢測任務(wù)。

6

 計算機(jī)視覺在日常生活中的應(yīng)用場景

計算機(jī)視覺的應(yīng)用場景非常廣泛，下面列舉幾個生活中常見的應(yīng)用場景。 · 門禁、支付寶上的人臉識別 

 · 停車場、收費站的車牌識別 

 · 上傳視頻到網(wǎng)站或APP時的風(fēng)險識別 

 · 抖音等APP上的各種自拍道具（需要先識別出人臉的位置） 

7

 計算機(jī)視覺面臨的挑戰(zhàn)

8

 結(jié)語