視覺技術(shù)在人工智能體系中有很重要的地位，人工智能落地應(yīng)用主要有圖像識別、語音合成、機器翻譯等感知類任務(wù)上的應(yīng)用和產(chǎn)業(yè)應(yīng)用場景。
視覺技術(shù)又可分計算機視覺和機器視覺，應(yīng)用場景的不同是計算機視覺和機器視覺的最根本差別。
計算機視覺模擬人眼的功能，而且更重要的是使計算機完成人眼所不能勝任的工作。而機器視覺則是建立在計算機視覺理論基礎(chǔ)之上，偏重于計算機視覺技術(shù)的工程化，能夠自動獲取和分析特定的圖像，以控制相應(yīng)的行為。
與計算機視覺所研究的視覺模式識別、視覺理解等內(nèi)容不同，機器視覺技術(shù)重點在于感知環(huán)境中物體的形狀、位置 、姿態(tài) 、運動等幾何信息 。兩者基本理論框架、底層理論、算法相似，只是研究的最終目的不同。所以計算機視覺一般情形普遍適用，而機器視覺更多用于工業(yè)上。
計算機視覺在落地場景上應(yīng)用較多，現(xiàn)在已擴展到新興領(lǐng)域，例如汽車、醫(yī)療保健、零售、機器人、農(nóng)業(yè)、無人機和制造業(yè)等。
一個典型的視覺應(yīng)用系統(tǒng)包括圖像捕捉、光源系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機械控制執(zhí)行模塊。
視覺技術(shù)通過機器代替人眼進行測量和判斷，其精準識別比人眼更具準確性，尤其隨著深度學習、3D視覺技術(shù)、高精度成像技術(shù)和機器視覺互聯(lián)互通技術(shù)的持續(xù)發(fā)展，機器視覺的性能優(yōu)勢將進一步加大，發(fā)展前景可期。
而在企業(yè)領(lǐng)域則更多應(yīng)用于考勤打卡，但眼考勤云通過計算機視覺SDC/SDK技術(shù)，賦能攝像頭，精準捕捉人像，與數(shù)據(jù)庫圖像進行特征比對計算，識別身份打卡。
其次，通過機器視覺變身智慧前臺，使攝像頭能自動識別訪客登記，通知來訪人員，實現(xiàn)無人值守智慧前臺，企業(yè)更加智能化！
無論是計算視覺還是機器視覺，都是視覺技術(shù)的發(fā)展和延伸，也是人工智能范疇重要的前沿分支之一，隨著我國各行各業(yè)對采用圖像和視覺技術(shù)的工業(yè)自動化、智能需求開始廣泛出現(xiàn)，視覺技術(shù)逐步開始了工業(yè)現(xiàn)場的應(yīng)用，市場規(guī)模將會進一步擴大，迎來快速增長期。
未來，視覺技術(shù)將進一步發(fā)展，有望落地更多的行業(yè)和產(chǎn)業(yè)，帶來產(chǎn)業(yè)的升級轉(zhuǎn)型，促進企業(yè)的智能化發(fā)展。
機器視覺。
視覺技術(shù)在人工智能體系中有很重要的地位，人工智能落地應(yīng)用主要有圖像識別、語音合成、機器翻譯等感知類任務(wù)上的應(yīng)用和產(chǎn)業(yè)應(yīng)用場景。
視覺技術(shù)又可分計算機視覺和機器視覺，應(yīng)用場景的不同是計算機視覺和機器視覺的最根本差別。
學習計算機視覺需要具備的知識儲備有：
1、圖像處理的知識。圖像處理大致包括的內(nèi)容：光學成像基礎(chǔ)、顏色、濾波器、局部圖像特征、圖像紋理、圖像配等。
2、立體視覺的知識。立體視覺大致包括的內(nèi)容：相機幾何模型、雙目視覺、從運動中恢復物體結(jié)構(gòu)、三維重建技術(shù)等。
3、人工智能的知識。人工智能大致包括的內(nèi)容：場景理解與分析、模式識別、圖像搜索、數(shù)據(jù)挖掘、深度學習等。
4、與計算機視覺相關(guān)的學科還有：機器視覺、數(shù)字圖像處理、醫(yī)學成像、攝影測量、傳感器等。
1、博士學歷，計算機、電子信息、軟件或自動化等相關(guān)專業(yè)；
2、計算機視覺領(lǐng)域內(nèi)的領(lǐng)軍人才，在行業(yè)內(nèi)有較大影響力，對專業(yè)技術(shù)有深入的研究和見解，有戰(zhàn)略性的思維和能力；
3、 有很強的研究、工程落地能力；
4、5年以上計算機視覺相關(guān)領(lǐng)域工作經(jīng)驗，具備主導計算機視覺項目研發(fā)的實踐經(jīng)驗；
5、 具備強烈的創(chuàng)新精神和能力，具備較強的抗壓能力，具備優(yōu)秀的溝通能力和豐富的團隊管理經(jīng)驗。
「計算機視覺」（也叫「機器視覺」），就是在機器眼睛的后面安上大腦。這是一個讓計算機能看懂圖像的過程。任務(wù)分為：采集圖像（攝像頭、數(shù)字相機）→圖像處理（計算機）→*控制設(shè)備（機械手臂、警報器或者反饋到下一個處理單元）當然，控制設(shè)備不總是必要的，取決于我們怎么使用計算機告訴我們的信息。我們不再滿足能用更舒適的角度看到汽車周圍的來往車輛，還希望汽車告訴我們，前方有障礙，需要減速。不再滿足于能在監(jiān)控后面看著各個路口擁擠的車輛，還希望計算機告訴我們，這個路口已達到紅色級別擁堵，預(yù)計通過時間一個小時。不再滿足于攝像頭能幫我們在千里之外看著家里的嬰兒和老人，還希望能在他們遇到困惱的時候，計算機第一時間向相關(guān)的人和機構(gòu)發(fā)出警報。讓機器能真正「看見」，這就是「計算機視覺」研究的目的。
就業(yè)前景很好。
隨著人工智能產(chǎn)業(yè)升溫，計算機視覺行業(yè)有望邁向新的發(fā)展階段，市場規(guī)模將加速擴張。樂觀預(yù)計，未來幾年，計算機視覺行業(yè)年均增長率可維持在30%左右，前景廣闊。
計算機視覺是指研究使機器具有“看”的能力的一門技術(shù)。計算機視覺在未來的行業(yè)發(fā)展中屬于前景行業(yè)，但并不意味著畢業(yè)后就一定可以找到工作，除了在學校好好學習外，還要及時了解企業(yè)的崗位需求，以及對企業(yè)招聘要求也應(yīng)了如指掌，成為滿足企業(yè)要求的人才，要先人一步。
講計算機視覺之前，先和大家簡單區(qū)分一下兩個概念“機器視覺”和“計算機視覺”，這兩個技術(shù)都是通過對圖像的獲取、處理、結(jié)合人工智能算法，實現(xiàn)機器/計算機的“看到”、“看懂”之目的，都可以劃分到人工智能行業(yè)。機器視覺通過CMOS和CCD攝取圖像，主要用于工業(yè)，包括物體定位、特征檢測、缺陷判斷、目標識別、計數(shù)和運動跟蹤。計算機視覺比機器視覺更加復雜，通過各種成像系統(tǒng)（包括視頻）獲取圖像信息，由計算機代替人腦觀察理解，做出判斷和決策。
接下來，重點講解計算機視覺(ComputerVision,CV)。CV是AI細分領(lǐng)域目前最大的一個分支，2017年國內(nèi)市場規(guī)模約為15.45億元，2019年約60億元，2022年有望達到146億元（數(shù)據(jù)來源：網(wǎng)絡(luò)資料整理）。在CV領(lǐng)域，我國無論在市場空間，還是在技術(shù)上都處于領(lǐng)先地位。目前CV應(yīng)用最大的領(lǐng)域是安防，其次是金融和手機，也正在逐漸滲透到娛樂、家居、交通（包括自動駕駛）、醫(yī)療等領(lǐng)域。計算機視覺行業(yè)根據(jù)技術(shù)層級從上到下，分為基礎(chǔ)層、技術(shù)層和應(yīng)用層?；A(chǔ)層最靠近“云”，應(yīng)用層最靠近“端”。借用下圖吧。
注：圖片來源網(wǎng)絡(luò)，侵刪
CV界（算法）四大獨角獸分別是曠視科技、依圖科技、商湯科技、云從科技，這四家公司分別成立于2012/2013/2014/2015年。女孩子們最熟悉的美圖秀秀技術(shù)就來源于曠視科技。在安防領(lǐng)域落地項目較多的是云從和依圖，都分別和20-30個省份的城市有合作。在手機領(lǐng)域，商湯和曠世的落地項目更多，都和oppo、vivo、小米等手機品牌有合作。
從技術(shù)流程上看，CV識別分為六個過程：圖像獲取、預(yù)處理、圖片分割、特征提取、機器判別、建模、應(yīng)用。
注：圖片來源網(wǎng)絡(luò)，侵刪
第一步鏡頭獲取圖像后的一系列的動作都是由計算機完成，其中數(shù)據(jù)量、運算力和算法模型是決定CV最終輸出結(jié)果速度、準確率等的關(guān)鍵因素；這三者也是各CV公司之間競爭的核心。
之后會發(fā)文分享CV細節(jié)。
計算機視覺（Computer vision）是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等，用計算機處理成為更適合人眼觀察或傳送給儀式。計算機視覺，圖像處理，圖像分析，機器人視覺和機器視覺是彼此緊密關(guān)聯(lián)的學科，在很大程度上針對圖像的內(nèi)容。
數(shù)位繪圖板是必備工具，另外掃描儀也是常用工具。軟件有很多種，如果是3D效果的，常會用到3DMax和MAYA，但要結(jié)合Photoshop、painter等軟件做貼圖和最終效果，如果是平面手繪風格，?？捎玫降能浖衟ainter、Photoshop，矢量圖效果可用illustrator或coreldraw等。這些軟件都可結(jié)合數(shù)位繪圖板進行創(chuàng)作。
如果是做3D效果，需要的繪圖板精讀更高，更貴一些。
鼠標還是算了，除非是專門追求稚拙的鼠繪效果，要想做出很細膩很漂亮的CG作品，還是買個繪圖板吧。
先學好基礎(chǔ)的再玩高級的吧，這些做起來都不簡單的
屬于計算機專業(yè)。
計算機視覺是用機器人代替人眼進行測量和判斷，是模式識別研究的一個重要方面。計算機視覺通常分為低層視覺與高層視覺兩類，低層視覺主要執(zhí)行預(yù)處理功能，如邊緣檢測、移動目標檢測、紋理分析，以及立體造型、曲面色彩等，主要目的是使得看見的對象更突出。這時還不是理解階段。高層視覺主要是理解對象，需要掌握與對象相關(guān)的知識。
