CV不只是安防,一文读懂计算机视觉产业链全局

作为计算机科学的分支,如今计算机视觉(Computer Vision,简称CV)已成为人工智能重要研究领域和发展方向,逐渐形成完整的产业链。 顾名思义,计算机视觉就是让计算机能够像人一样“看见”,获得对客观世界的感知、识别和理解的能力。 其背后还包含机器学习、深度学习等相关算法,从而让计算机掌握人脸识别、图像识别、图像分割、图像重构、图像生成、目标检测等技能,在一些特定的危险场景和重复性的生产作业中替代人,以节省人力,并提升效率。 与此同时,另一个热门概念——机器视觉(Machine Vision,简称MV)也越来越受到关注。甚至,有人将其与计算机视觉画上等号。 事实上,从两者概念的差异来看,就能读懂计算机视觉产业链的全局。 计算机视觉:硬件 计算 无论是计算机视觉,还是机器视觉,都是要从图像或图像序列中获取对世界的描述。 计算机视觉,基于计算机,即让计算机模仿人的视觉功能,并关注从感知到认知,再到理解的过程,自然就离不开计算。 机器视觉,围绕机器设备,即让机器代替人眼来实现检测和判断,侧重于相机、摄像设备等基础硬件的选择,强调的是精度和图像分析能力。 然而,随着人工智能技术的不断深入和应用,对计算机视觉和机器视觉都带来了巨大的影响,两者的边界正在逐渐消失,形成了计算和硬件相融合的全新发展趋势。 此外,从领域划分来看,计算机视觉侧重在学术,机器视觉则面向工业、工程方面。因此,现在机器视觉主要指工业制造领域的视觉应用,是计算机视觉的重要应用场景之一。 理清了计算机视觉与机器视觉的差异之后,就能清晰地发现,计算机视觉由基础硬件和计算单元两大板块组成。其中,基础硬件包括光源、镜头、工业相机、图像采集卡、图像处理单元、视觉处理软件等软硬件,负责图像采集和处理等相关工作。而计算单元包含技术、应用和基础三个层面,是整个计算机视觉的核心。