计算机视觉技术面临的挑战

电子发烧友网报道（文/李弯弯）计算机视觉技术最早开始于20世纪60年代，其主要是模仿人类视觉，让计算机或机器人看到物体，到如今计算机视觉已经取得很大进展，不过就研究和开发来说，它还有很大的探索空间。

当今的计算机视觉的子领域大概可以包括：场景重建、目标检测、事件检测、视频跟踪、目标识别、3D姿态估计、运动估计、视觉伺服、3D场景建模、图像修复等。

比如目标检测，具有目标检测的设备可以找到目标，在其周围画出矩形边界框，并确定每个被检测目标的类别，目标检测可以应用于许多不同的行业，包括零售、体育、医疗保健、营销、室内设计、农业、建筑、公共安全、交通等。

目标检测是一个复杂的过程，其实现需要经历一定的挑战，比如视角的多样性、变形、遮挡、光照条件、杂乱或有纹理的背景、多样性、速度等。具体来看，比如视角的多样性，物体检测的最大困难之一是从不同的角度看一个物体，可能看起来完全不同；

再比如照明对物体的定义有很大的影响，相同的物体会因光照条件的不同而看起来不同，可能照亮的空间越少，物体就越不可见，这些都会影响检测器定义目标的能力；在视频方面，探测器需要经过训练，在不断变化的环境中进行分析，这意味着目标检测算法不仅必须准确地分类重要的目标，而且还必须在预测过程中具有好的速度，能够识别运动中的目标。

从某种意义说，这几年计算机视觉已经进入瓶颈期。以图像分类、目标检测、图像分割为代表的一些基础技术经过过去几年的发展，精确度已经达到产业落地水平，但剩下的一些问题比较难攻克，如非常细粒度的分类，非常小和模糊的目标检测和分割，以及如何保证在复杂光照变化下的分割结果的稳定性等。

可以说过去几年，计算机视觉技术一直在试图攻克一些老的难题，如跨年龄、大姿态、有遮挡的人脸识别，有一定的进展，却不能算是有很大的突破。

在落地应用方面，计算机视觉存在很大的同质化问题，很多公司扎堆在几个热门场景中，比如安防场景，智能安防是计算机视觉最主要的应用场景，而且已经持续很多年，目前来说，计算机视觉较为成熟的应用场景也是安防领域。

大家熟知的AI初创企业商汤、旷视、依图、云从等都在这个领域有重要布局，另外安防企业和互联网企业也在这个领域投入很大力度，包括海康威视、大华、宇视、百度等，此外还包括几百家中小计算机视觉企业。

不过除了安防，各企业也有在其他领域进行探索，并逐渐有所进展，比如金融、手机、汽车、工业、医疗、零售等领域，比如虹软科技，在手机领域、笔记本电脑、智能可穿戴设备等移动终端，以及智能驾驶领域都有布局，再比如格灵深瞳除了城市管理之外，在智慧金融、商业零售等方面都已经取得一定成绩。

整体而言，从上世纪60年代到现在计算机视觉技术已经取得很大的进展，不过其在实现上还存在一些难题，发展也遇到了一些瓶颈，而且在落地应用上大多数企业扎堆在少数场景中，不过从近年来的情况来看，计算机视觉企业在技术和应用上还在持续寻找突破，目前除了在安防领域应用比较成熟以外，在金融、医疗、工业、智能驾驶等领域进展明显。