By Frank Lee is the co-founder and CEO of Eurika Solutions

[[340725]]

計算機視覺的發(fā)展演進(jìn)

我們可以輕松地在日常產(chǎn)品中找到計算機視覺技術(shù)的應(yīng)用，從可以識別手勢的游戲機到可以自動聚焦于人臉的智能手機攝像頭。如今，計算機視覺正在影響我們生活的許多領(lǐng)域。

實際上，計算機視覺在商業(yè)和政府使用中已有悠久的歷史。可以感測各種光譜范圍內(nèi)的光波的光學(xué)傳感器已在許多應(yīng)用中部署：像制造中的產(chǎn)品質(zhì)量檢測，用于環(huán)境管理的遙感或在戰(zhàn)場上收集情報的高分辨率相機。這些傳感器中的一些是固定的，而另一些則附著在移動的物體上，例如衛(wèi)星、無人機和車輛。

過去，這些計算機視覺應(yīng)用中有許多都限于某些封閉的平臺。但是，當(dāng)與IP連接技術(shù)結(jié)合使用時，它們會創(chuàng)建一套以前無法實現(xiàn)的新應(yīng)用。計算機視覺，再加上IP連接性、高級數(shù)據(jù)分析和人工智能，將成為彼此的催化劑，從而引發(fā)物聯(lián)網(wǎng)（IoT）創(chuàng)新和應(yīng)用的革命性飛躍。

推動計算機視覺的多個領(lǐng)域的進(jìn)步

專為視覺設(shè)計的環(huán)境

視力或視覺是人類五種感官中最發(fā)達(dá)的。我們每天都使用它來認(rèn)識我們的朋友、發(fā)現(xiàn)前進(jìn)道路上的障礙、完成任務(wù)并學(xué)習(xí)新事物。我們設(shè)計視覺環(huán)境的物理環(huán)境，有路標(biāo)和信號燈可以幫助我們從一個地方到達(dá)另一個地方；商店有標(biāo)牌來幫助我們找到它們；電腦和電視屏幕顯示我們消費的信息和娛樂?？紤]到視覺的重要性，將其擴展到計算機和自動化領(lǐng)域并不是一個大飛躍。

什么是計算機視覺？

計算機視覺始于捕獲和存儲圖像或一組圖像的技術(shù)，然后將這些圖像轉(zhuǎn)換為可以進(jìn)一步作用的信息。它由多種技術(shù)共同組成（圖1）。計算機視覺工程是一個跨學(xué)科領(lǐng)域，需要許多這些技術(shù)的跨功能和系統(tǒng)專業(yè)知識。

例如，Microsoft Kinect使用3D計算機圖形算法來使計算機視覺能夠分析和理解三維場景。它允許游戲開發(fā)人員將實時的全身運動捕捉與人工3D環(huán)境合并。除了游戲以外，這還在機器人技術(shù)、虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）應(yīng)用等領(lǐng)域開辟了新的可能性。

傳感器技術(shù)的進(jìn)步也在許多方面超越了傳統(tǒng)的相機傳感器而迅速發(fā)展。最近的一些例子包括：

1. 紅外傳感器和激光結(jié)合起來可感應(yīng)深度和距離，這是自動駕駛汽車和3D映射應(yīng)用的關(guān)鍵推動力之一
2. 非侵入式傳感器，無需物理接觸即可跟蹤醫(yī)療患者的生命體征
3. 高頻攝像頭可以捕捉人眼無法察覺的細(xì)微動作，幫助運動員分析步態(tài)
4. 超低功耗和低成本視覺傳感器，可以長時間部署在任何地方

圖1.由多個領(lǐng)域的進(jìn)步推動的計算機視覺。圖片來源：IFA

計算機視覺變得智能

早期應(yīng)用

監(jiān)控行業(yè)是圖像處理技術(shù)和視頻分析的較早采用者之一。視頻分析是計算機視覺的一種特殊用例，其重點是從數(shù)小時的錄像中查找模式。在現(xiàn)實世界中自動檢測和識別預(yù)定義模式的能力代表著數(shù)百個用例的巨大市場機會。

首批視頻分析工具使用手工算法來識別圖像和視頻中的特定功能。它們在實驗室設(shè)置和模擬環(huán)境中都是準(zhǔn)確的。但是，當(dāng)輸入數(shù)據(jù)（例如光照條件和攝像機視圖）偏離設(shè)計假設(shè)時，性能會迅速下降。

研究人員和工程師花了很多年時間開發(fā)和調(diào)整算法，或者提出新的算法來應(yīng)對不同的條件。但是，使用這些算法的攝像機或錄像機仍然不夠堅固。盡管這些年來取得了一些漸進(jìn)的進(jìn)步，但現(xiàn)實世界的糟糕表現(xiàn)限制了該技術(shù)的實用性和采用性。

深度學(xué)習(xí)突破

近年來，深度學(xué)習(xí)算法的出現(xiàn)重新激發(fā)了計算機視覺。深度學(xué)習(xí)使用模仿人類大腦神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)（ANN）算法。

從2010年代初開始，通過圖形處理單元（GPU）加速的計算機性能已經(jīng)變得足夠強大，足以讓研究人員實現(xiàn)復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)的功能。此外，部分地受視頻站點和流行的IoT設(shè)備驅(qū)動，研究人員擁有龐大的視頻和圖像數(shù)據(jù)庫來訓(xùn)練他們的神經(jīng)網(wǎng)絡(luò)。

2012年，一種稱為卷積神經(jīng)網(wǎng)絡(luò)（CNN）的深度神經(jīng)網(wǎng)絡(luò)（DNN）版本在準(zhǔn)確性上實現(xiàn)了巨大飛躍。這一發(fā)展帶動了人們對計算機視覺工程領(lǐng)域的興趣和興奮?，F(xiàn)在，在需要圖像分類和面部識別的應(yīng)用中，深度學(xué)習(xí)算法甚至超過了人類。更重要的是，就像人類一樣，這些算法具有學(xué)習(xí)和適應(yīng)不同條件的能力。

圖2.場景的語義表示

隨著深度學(xué)習(xí)的發(fā)展，我們正在進(jìn)入認(rèn)知技術(shù)的時代，其中計算機視覺和深度學(xué)習(xí)融合在一起，以解決人腦領(lǐng)域中的高級復(fù)雜問題（圖2）。我們只是在探索一切可能的事物。隨著更快的處理器，更先進(jìn)的機器學(xué)習(xí)算法以及與邊緣設(shè)備的更深入集成，這些系統(tǒng)將繼續(xù)得到改善。計算機視覺將徹底改變物聯(lián)網(wǎng)。

用例增加

其他有趣的用例包括：

1. 監(jiān)控作物健康的農(nóng)業(yè)無人機（http://www.slantrange.com/）（圖3）
2. 運輸基礎(chǔ)設(shè)施管理（http://www.vivacitylabs.com/）
3. 無人機檢查（http://industrialskyworks.com/drone-inspections-services/）
4. 下一代家庭安全攝像頭（https://buddyguard.io/）

圖3.從無人機收集的圖像中的植被指數(shù)（來源：Emmetts，www.emmetts.com.au）

這些只是計算機視覺如何在許多領(lǐng)域極大地提高生產(chǎn)力的一些小例子。我們正在進(jìn)入物聯(lián)網(wǎng)發(fā)展的下一階段。在第一階段，我們專注于連接設(shè)備，聚合數(shù)據(jù)和構(gòu)建大數(shù)據(jù)平臺。在第二階段，重點將轉(zhuǎn)移到通過計算機視覺和深度學(xué)習(xí)等技術(shù)使“事物”更加智能，生成更多可操作的數(shù)據(jù)。

挑戰(zhàn)

在讓計算機視覺技術(shù)對大眾更實用和更經(jīng)濟時，有許多問題需要克服：

1. 嵌入式平臺需要集成深度神經(jīng)設(shè)計。由于功耗、成本、準(zhǔn)確性和靈活性，很難做出設(shè)計決定。
2. 業(yè)界需要標(biāo)準(zhǔn)化，以允許智能設(shè)備和系統(tǒng)相互通信并共享元數(shù)據(jù)。
3. 系統(tǒng)不再是數(shù)據(jù)的被動收集器。他們需要以最少的人工干預(yù)就數(shù)據(jù)采取行動。他們需要自己學(xué)習(xí)和即興創(chuàng)作。整個軟件/固件更新過程在機器學(xué)習(xí)時代具有新的意義。
4. 黑客可以利用計算機視覺和AI中的新安全漏洞。設(shè)計師需要考慮到這一點。