目標(biāo)檢測與識別：
目標(biāo)是從圖像或視頻中識別出特定的目標(biāo)，如人臉、車輛、動物等。
常用的方法包括Haar特征級聯(lián)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)、區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)以及Faster R-CNN、YOLO、SSD等模型。
特征提取：
特征提取是計(jì)算機(jī)視覺中的核心技術(shù)，旨在從圖像或視頻中提取出具有代表性的特征。
常見方法包括SIFT、SURF、HOG及LBP，這些方法可以將圖像特征轉(zhuǎn)化為向量化或矩陣形式，便于后續(xù)處理。
圖像分割：
圖像分割是將圖像分成若干個具有獨(dú)立語義的區(qū)域的過程。
常用方法包括閾值分割、邊緣檢測、區(qū)域生長和基于圖論的分割方法等，旨在確保圖像的清晰性和完整性。
三維重建：
三維重建技術(shù)利用多幅圖像或視頻恢復(fù)出場景的三維結(jié)構(gòu)。
常用方法包括立體視覺、結(jié)構(gòu)光和激光掃描，在導(dǎo)航、機(jī)器人設(shè)計(jì)、3D打印等領(lǐng)域有廣泛應(yīng)用。
運(yùn)動估計(jì)：
運(yùn)動估計(jì)是計(jì)算機(jī)視覺中的重要問題，旨在從圖像序列中估計(jì)出物體的運(yùn)動狀態(tài)。
常用方法包括光流法、稠密光流法和結(jié)構(gòu)光法等。
圖像分類：
圖像分類是根據(jù)各自在圖像信息中所反映的不同特征，把不同類別的目標(biāo)區(qū)分開來的圖像處理方法。
常用方法包括基于色彩、紋理、形狀和空間關(guān)系的圖像分類技術(shù)，主要應(yīng)用在場景分類、物體識別、圖像標(biāo)注等方面。
此外，計(jì)算機(jī)視覺還涉及圖像預(yù)處理技術(shù)，如圖像平滑、邊緣檢測、增強(qiáng)等，以去除噪聲并幫助找到物體輪廓，便于后續(xù)的目標(biāo)識別與跟蹤。同時，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型在計(jì)算機(jī)視覺中也扮演著越來越重要的角色，尤其是在物體識別、場景理解、姿態(tài)估計(jì)和行為分析等方面。

總的來說，計(jì)算機(jī)視覺的關(guān)鍵技術(shù)涵蓋了從基礎(chǔ)圖像處理到高級場景理解的多個層面，這些技術(shù)的發(fā)展為計(jì)算機(jī)視覺在各個領(lǐng)域的應(yīng)用提供了堅(jiān)實(shí)基礎(chǔ)。