什麽是計算機視覺?
        計算機視覺，英文Computer Vision，簡稱CV。計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等。
計算機視覺和機器視覺有何區別？
        事實上，二者經常會被混淆，簡單的說，二者最大的區別，在於技術要求的側重點不一樣，甚至差別很大。計算機視覺(CV)，主要是對質的分析，比如分類識別，這是一個杯子那是一條狗；或者做身份確認，比如人臉識別，車牌識別；或者做行為分析，比如人員入侵或徘徊，人群聚集等。
        機器視覺(MV)，主要側重對量的分析，比如通過視覺去測量一個零件的直徑，一般來說，對準確度要求很高。
計算機視覺主要任務是什麽？
        計算機視覺的主要任務就是通過對采集的圖片或視頻進行處理以獲得相應場景的信息。計算機視覺任務的主要類型有以下幾種：
❈ 物體檢測
        物體檢測是視覺感知的第一步，也是計算機視覺的一個重要分支。物體檢測的目標，就是用框去標出物體的位置，並給出物體的類別。
        物體檢測和圖像分類不一樣，檢測側重於物體的搜索，而且物體檢測的目標必須要有固定的形狀和輪廓。圖像分類可以是任意的目標，這個目標可能是物體，也可能是一些屬性或者場景。
❈ 物體識別(狹義)
        計算機視覺的經典問題便是判定一組圖像數據中是否包含某個特定的物體、圖像特征或運動狀態。這一問題通常可以通過機器自動解決，但是到目前為止，還沒有某個單一的方法能夠廣泛的對各種情況進行判定：在任意環境中識別任意物體。
        現有技術能夠也隻能夠很好地解決特定目標的識別，比如簡單幾何圖形識別、人臉識別、印刷或手寫文件識別、車輛識別等，而且這些識別需要在特定的環境中，具有指定的光照、背景和目標姿態要求。
❈ 圖像分類
        一張圖像中是否包含某種物體，對圖像進行特征描述是物體分類的主要研究內容。一般說來，物體分類算法通過手工特征或者特征學習方法對整個圖像進行全局描述，然後使用分類器判斷是否存在某類物體。
        圖像分類問題就是給輸入圖像分配標簽的任務，這是計算機視覺的核心問題之一。這個過程往往與機器學習和深度學習不可分割。
❈ 物體定位
        如果說圖像識別解決的是what，那麽物體定位解決的則是where的問題，利用計算機視覺技術找到圖像中某一目標物體在圖像中的位置，即定位。
        目標物體的定位對於計算機視覺在安防、自動駕駛等領域的應用有著至關重要的意義。
❈ 圖像分割
        在圖像處理過程中，有時會需要對圖像進行分割來提取有價值的用於後繼處理的部分，例如篩選特征點，或者分割一或多幅圖片中含有特定目標的部分等。
        圖像分割指的是將數字圖像細分為多個圖像子區域(像素的集合，也被稱作超像素)的過程。圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析，更精確地說，圖像分割是對圖像中的每個像素加標簽的一個過程，這一過程使得具有相同標簽的像素具有某種共同視覺特性。
        “圖像語意分割”是一個像素級別的物體識別，即每個像素點都要判斷它的類別，它和檢測的區別是，物體檢測是一個物體級別的，他隻需要一個框，去框住物體的位置，而通常分割是比檢測要更難的問題。
        計算機視覺是通過創建人工模型來模擬本由人類執行的視覺任務，其本質是模擬人類的感知與觀察的一個過程。這個過程不止識別，而是包含了一係列的過程，並且最終是可以在人工係統中被理解和實現的。

返回列表