計(jì)算機(jī)視覺的演變
在我們的日常生活中隨處都有計(jì)算機(jī)視覺技術(shù)，從手機(jī)游戲機(jī)可以識別您的手勢，可以自動將焦點(diǎn)放在人身上等。計(jì)算機(jī)視覺正在影響我們生活的許多領(lǐng)域。
事實(shí)上，計(jì)算機(jī)視覺在商業(yè)和國防中使用方面有悠久的歷史?？梢栽诟鞣N光譜范圍內(nèi)感測光波的光學(xué)傳感器被部署在許多應(yīng)用中：如制造中的質(zhì)量檢測，環(huán)境管理的遙感或在戰(zhàn)場上收集智能的高分辨率相機(jī)。這些傳感器中的一些是靜止的，而其它傳感器連接到諸如衛(wèi)星，無人機(jī)和車輛是在移動物體上。
在過去，許多計(jì)算機(jī)視覺應(yīng)用程序僅限于某些封閉平臺。當(dāng)與IP連接技術(shù)相結(jié)合時(shí)，他們創(chuàng)建了一組新的應(yīng)用程序計(jì)算機(jī)視覺，加上IP連接，高級數(shù)據(jù)分析和人工智能，將成為彼此的催化劑，從而在物聯(lián)網(wǎng)(IoT)創(chuàng)新和應(yīng)用方面帶來革命性的飛躍。
推動計(jì)算機(jī)視覺的多領(lǐng)域的進(jìn)步
視覺環(huán)境設(shè)計(jì)
視覺或視力是五種人類感覺中最發(fā)達(dá)的。我們每天都用它來識別我們的朋友，在我們的路上發(fā)現(xiàn)障礙，完成任務(wù)和學(xué)習(xí)新事物。我們通過我們的視覺來識別我們周圍的環(huán)境。有路牌和信號燈幫助我們從一個(gè)地方到另一個(gè)地方。通過識別環(huán)境標(biāo)識找到我們所要到達(dá)的地方。鑒于視覺的重要性，將其擴(kuò)展到計(jì)算機(jī)和自動化系統(tǒng)，實(shí)現(xiàn)了視覺應(yīng)用大飛躍。
什么是計(jì)算機(jī)視覺
計(jì)算機(jī)視覺從捕獲和存儲圖像或一組圖像的技術(shù)開始，然后將這些圖像轉(zhuǎn)換成可以進(jìn)一步執(zhí)行的信息。它由多種技術(shù)組合(圖1)組成。計(jì)算機(jī)視覺工程是一個(gè)跨學(xué)科領(lǐng)域，需要在許多這些技術(shù)中跨職能和系統(tǒng)專長。
例如，Microsoft Kinect使用3D計(jì)算機(jī)圖形算法來實(shí)現(xiàn)計(jì)算機(jī)視覺來分析和理解三維場景。它允許游戲開發(fā)人員將實(shí)時(shí)全身運(yùn)動捕捉與人造3D環(huán)境進(jìn)行合并。除了游戲，這在機(jī)器人，虛擬現(xiàn)實(shí)(VR)和增強(qiáng)現(xiàn)實(shí)(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)步也在傳統(tǒng)攝像機(jī)傳感器以外的許多層面迅速發(fā)展。
最近的一些例子包括：
1)紅外傳感器和激光器結(jié)合起來感測深度和距離，這是自駕車和3D地圖應(yīng)用的關(guān)鍵推動因素之一
2)非侵入式傳感器，可跟蹤醫(yī)療患者的生命體征，無需身體接觸
3)高頻攝像機(jī)可以捕捉人眼不能察覺的微妙動作，以幫助運(yùn)動員分析其步態(tài)
4)超低功耗和低成本的視覺傳感器，可長期部署在任何地方
圖1.由多個(gè)領(lǐng)域的進(jìn)步驅(qū)動的計(jì)算機(jī)視覺
計(jì)算機(jī)視覺獲得智能
早期應(yīng)用
監(jiān)控行業(yè)是圖像處理技術(shù)和視頻分析的早期采用者之一。視頻分析是計(jì)算機(jī)視覺的一個(gè)特殊用例，重點(diǎn)是從小時(shí)的視頻中找到模式。在現(xiàn)實(shí)情況下自動檢測和識別預(yù)定義模式的能力代表了數(shù)百種用例的巨大市場機(jī)會。
第一個(gè)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(shí)驗(yàn)室設(shè)置和模擬環(huán)境中都是準(zhǔn)確的。然而，當(dāng)輸入數(shù)據(jù)(如照明條件和攝像機(jī)視圖)偏離設(shè)計(jì)假設(shè)時(shí)，性能迅速下降。
研究人員和工程師花費(fèi)了多年的開發(fā)和調(diào)優(yōu)算法，或者用新的方法來處理不同的條件。然而，使用這些算法的相機(jī)或錄像機(jī)仍然不夠穩(wěn)健。盡管多年來取得了一些進(jìn)步，但現(xiàn)實(shí)世界的糟糕表現(xiàn)限制了技術(shù)的有用性和應(yīng)用。
深入學(xué)習(xí)突破
近年來，深度學(xué)習(xí)算法的出現(xiàn)激發(fā)了計(jì)算機(jī)視覺。深入學(xué)習(xí)使用人造神經(jīng)網(wǎng)絡(luò)(ANN)算法，模擬人腦神經(jīng)元。
從2010年初開始，由圖形處理單元(GPU)加速的計(jì)算機(jī)性能已經(jīng)越來越強(qiáng)大，足以使研究人員實(shí)現(xiàn)復(fù)雜ANN的功能。此外，部分由視頻站點(diǎn)和普遍的IoT設(shè)備驅(qū)動，研究人員擁有大量不同的視頻和圖像數(shù)據(jù)庫來訓(xùn)練其神經(jīng)網(wǎng)絡(luò)。
在2012年，稱為卷積神經(jīng)網(wǎng)絡(luò)(CNN)的深層神經(jīng)網(wǎng)絡(luò)(DNN)的版本顯示了精確度的巨大飛躍。這一發(fā)展推動了計(jì)算機(jī)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對應(yīng)物。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。
場景的語義表示
圖2.場景的語義表示
深入學(xué)習(xí)，我們正在進(jìn)入一個(gè)認(rèn)知技術(shù)的時(shí)代，電腦視覺和深度學(xué)習(xí)融合在一起，解決人腦大腦層面的高層次，復(fù)雜問題(圖2)。我們正在抓住可能的表面。這些系統(tǒng)將繼續(xù)改進(jìn)，使用更快的處理器，更先進(jìn)的機(jī)器學(xué)習(xí)算法和更深入的集成到邊緣設(shè)備。計(jì)算機(jī)視野將改變物聯(lián)網(wǎng)。
計(jì)算機(jī)視覺應(yīng)用案例：
1)監(jiān)測作物健康的農(nóng)業(yè)無人機(jī)(圖3)
2)交通基礎(chǔ)設(shè)施管理
3)無人機(jī)無人機(jī)檢查
4)下一代家庭安全攝像機(jī)
圖3.無人機(jī)收集圖像的植被指數(shù)
這些只是計(jì)算機(jī)視覺如何大大提高許多領(lǐng)域的生產(chǎn)力的一些小例子。我們正在進(jìn)入物聯(lián)網(wǎng)進(jìn)化的下一個(gè)階段。在第一階段，我們專注于連接設(shè)備，聚合數(shù)據(jù)和建立大型數(shù)據(jù)平臺。在第二階段，重點(diǎn)將轉(zhuǎn)移到通過計(jì)算機(jī)視覺和深度學(xué)習(xí)等技術(shù)使“事物”更加智能，從而產(chǎn)生更多可操作的數(shù)據(jù)。
挑戰(zhàn)
使技術(shù)更加實(shí)用，經(jīng)濟(jì)的問題需要克服許多問題：
嵌入式平臺需要集成深層神經(jīng)設(shè)計(jì)。圍繞電力消耗，成本，準(zhǔn)確性和靈活性制定困難的設(shè)計(jì)決策。
行業(yè)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)。
系統(tǒng)不再是被動的數(shù)據(jù)收集器。他們需要以最少的人為干預(yù)對數(shù)據(jù)采取行動。他們需要自己學(xué)習(xí)和即興。整個(gè)軟件/固件更新過程在機(jī)器學(xué)習(xí)時(shí)代具有新的意義。
黑客可能會利用計(jì)算機(jī)視覺和AI中的新安全漏洞。設(shè)計(jì)人員需要考慮到這一點(diǎn)。
結(jié)論
在這篇文章中，我們簡要介紹了計(jì)算機(jī)視覺，以及它是如何成為許多連接設(shè)備和應(yīng)用程序的重要組成部分。最重要的是，我們預(yù)測其即將爆發(fā)式增長，列出了實(shí)際應(yīng)用中的一些障礙。我們將探索新的框架，最佳實(shí)踐和設(shè)計(jì)方法，以克服一些挑戰(zhàn)。
原文來源：新浪科技