计算机视觉技术在人工智能领域的应用研究

　　摘要：当前，智能产业快速发展，人工智能已经在各行业领域中得到了广泛应用，计算机视觉作为人工智能的核心技术之一也随着人工智能的发展而逐步“落地”。因此，文章就计算机视觉的概念、核心技术以及在人工智能领域的应用进行初步探讨。

　　1　计算机视觉与人工智能

　　人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。简单地说，它是一种利用计算机来模拟人的意识、思维，从而作出判断、决策的技术。人工智能技术可以帮助人类完成复杂的脑力劳动，为各传统行业实现智能化升级，是对人类能力的补充与提升，是新一代科技革命和产业变革的核心驱动力。

　　人工智能研究大致可以分为6个方向，分别是自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人学。其中，计算机视觉是人工智能领域里应用层面最广、技术较为成熟的一个方向。

　　如果说人工智能是“人”，那么，计算机视觉就是“眼睛”。人类获取的信息量有80%以上都来自于视觉，想要人工智能模拟人的大脑，赋予机器视觉感知力就显得尤为重要。计算机视觉就是通过摄像头或电脑等设备代替人眼对目标事物、数据及信息进行分析识别、检测、跟踪等，使图像信息转化为计算机可以处理的数字信息，让计算机“看得懂”。人工智能完成特定的任务，主要也是依靠计算机视觉的图像识别、目标跟踪、目标检测等关键技术。

　　2　计算机视觉的关键技术

　　计算机视觉一般包括以下4种关键技术。

　　2.1　图像分类

　　图像分类，就是输入一张图像，由计算机根据已有的图像标签对该图像进行判断，找到并分配与该图像相匹配的标签，以实现图像的分类。通俗地说，就是由计算机去判断图像是什么或者有什么，这是计算机视觉技术的核心，是目标检测、物体定位等其他关键技术的基础。

　　2.2　目标检测

　　目标检测是指利用相关的图像处理技术，对图像中的目标对象进行分类，并确定该对象的位置，主要解决图像中“有什么”与“在哪里”这2个问题，为下一步的目标跟踪工作做足准备。

　　2.3　目标跟踪

　　目标跟踪指的是在某一场景中对1个或多个对象进行检测跟踪的过程，主要是通过提取目标对象的信息，分析及确定该对象的位置、速度、位移等，对该对象进行观察，从而预测其下一步行动轨迹，目标跟踪技术目前广泛应用于无人驾驶、监控检测等领域。

　　2.4　图像分割

　　图像分割，是将图像分割为多个子区域的过程。通过对互不重叠的子区域进行标记与分类，简化或改变图像表现形式，以便于图像的理解与后续分析。

　　3　计算机视觉技术在人工智能领域的应用

　　计算机视觉技术的研究为人工智能在各行各业的应用发展创造了条件，帮助传统行业实现降本、增效、提质，带动了新一轮的市场热潮。

　　3.1　人工智能下的电子商务

　　电子商务是建立在计算机技术基础上的一种商业模式。它突破了时空的限制，使人们能够足不出户地完成商品的买卖。随着电子商务的快速发展，人们不再单纯追求便利，而是在商品搜索、购物安全、快递物流等方面提出了更高的要求。电子商务与人工智能的融合，为其发展提供了新的发展思路与模式。 电商中的“顾客行为分析”“商品识别”“物流管理”和“自助结算”都是人工智能的重要体现，都离不开计算机视觉技术的支持。比如，“商品识别”就是由消费者上传图片，通过计算机视觉技术提取图片的颜色、款式、形状等特征，利用人工智能，根据这些特征为消费者推荐同款或相似的商品，降低了消费者的时间成本，提升了用户体验。

　　在物流管理方面，快递分拣机器人改变了传统人工分拣模式，通过计算机视觉技术对快递包裹进行自动识别、分类、搬运等，大大节约了人力成本，提高了货物分拣的准确性。

　　3.2　智能影像诊断

　　智能影像诊断是“人工智能+医疗服务”领域的一项基础应用，它指的是计算机在医学影像的基础上，通过计算机视觉技术完成对影像的分类、目标检测、图像分割和检索工作，从而准确地识别医学影像中的人眼很难识别的细微结构，更快速地对病人进行诊断，提高了医学诊疗的效率。

　　在疫情防控期间，计算机视觉技术更加突显出其优越性。在医疗资源紧张的情况下，有大量的患者需要等待胸部CT检查，人工诊断难以负荷如此大的数据量，且时间长、效率低，但基于图像识别技术的智能影像诊断可以在极短的时间内完成数百张影像的初步诊断分析，再将结果传递给医生复核，极大地减少了错诊、漏诊数量，为快速隔离与治疗争取了时间。

　　3.3　人脸识别

　　人脸识别在人工智能中占据重要地位。这种技术主要是利用基于计算机视觉的人脸分析算法对拍摄获取的人脸五官信息进行划分并提取其面部特征，将所有的数据信息汇总形成独立的数据库，实现对人脸的自动化识别。最早的人脸识别只能对静态图像进行分析，随着计算机技术的不断发展以及各种活体检测分析技术的成熟，如今已能实现人脸检测，提高了该项技术的应用安全性，丰富了应用场景，现已广泛应用在车站出入、系统认证、监控安防等多种场景中。

　　4　趋势和展望

　　《中国人工智能产业研究报告（Ⅲ）》中提到，2020年，我国计算机视觉产品的市场规模占整个人工智能行业的57%，达到862.1亿元。可见，计算机视觉技术在人工智能领域的影响力不容小觑。作为人工智能的核心技术，计算机视觉将机器学习应用于视觉领域，为人工智能提供了感知基础，加速了人工智能在相关产业的应用落地。

　　虽然近年来计算机视觉技术呈现出上升发展态势，但仍存在一定难题，比如非常细粒度的分类，图像识别的准确度以及如何解决数据标注任务耗时长等问题，这些都是研究人员需要进一步攻克的难关。三维视觉也是计算机视觉技术一个重要的研究方向，随着计算机视觉技术与人工智能的发展，三维视觉或将成为该技术的未来发展趋势，但目前的技术研究大多还是停留在二维图像的识别分析上，计算机视觉技术的真正研究目的是希望使用计算机模拟“人眼”，实现人们所期望的机器视觉功能。计算机视觉技术不应局限于识别，而是要超越识别，感知三维环境，做到交互与感知。

　　5　结语

　　综上所述，计算机视觉技术的迅猛发展对推动我国人工智能的发展具有十分重要的价值。传统行业的转型使人工智能成为了一个时代变迁和发展的一种必然趋势，计算机视觉技术必须要有创造性的革新和学习，强培养相关人才的培养力度才能满足社会日益增长的计算机功能需求，促进计算机视觉与人工智能的共同发展。

　　作者简介：方佳乐（1996-），女，广东汕头人，顺德职业技术学院，研究方向：计算机技术。

　　参考文献

　　[1]李翔.浅谈计算机视觉及其在电子商务中的应用[J].商场现代化，2020（4）：35-36.

　　[2]赵敏清.人工智能领域下计算机视觉发展与应用[J].计算机产品与流通，2020（11）：57.

　　[3]景晨凯，宋涛，庄雷，等.基于深度卷积神经网络的人脸识别技术综述[J].计算机应用与软件，2018，35（1）：223-231.

　　（责任编辑：周羿廷）

关注读览天下微信， 100万篇深度好文， 等你来看……