機器視覺是什么？能用來做什么？

  要探討機器視覺的應(yīng)用，首先還是需要精準把握什么是機器視覺，并把其與當下熱門又有重疊部分的人工智能和深度學習區(qū)分開來。人工智能的外延范圍最大，包括了機器視覺、深度學習、機器人技術(shù)、生物識別技術(shù)和自然語言處理。

  可以看出，人工智能包括了深度學習和機器視覺，研究的是人類智能活動規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。

  深度學習，是人工智能研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如視頻、聲音和文本。

  深度學習在安防行業(yè)的應(yīng)用極為熱門，記者在評測產(chǎn)品時關(guān)于人臉和車輛的識別技術(shù)都基于深度學習。

  究其原因，深度學習的關(guān)鍵要素是數(shù)據(jù)，而占大數(shù)據(jù)總量60%以上的為視頻監(jiān)控數(shù)據(jù)，所以，深度學習的在安防行業(yè)的方方面面得到了應(yīng)用：人臉檢測、車輛檢測、非機動車檢測、人臉識別、車輛品牌識別、行人檢索、車輛檢測、人體屬性、異常人臉檢測、人群行為分析、各種感興趣目標的跟蹤等。

  機器視覺是人工智能正在快速發(fā)展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。

  通過分CMOS或CCD傳感器將被攝取目標轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，得到被攝目標的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。

機器視覺主要是對圖像進行識別，因此機器視覺在人臉識別、車牌識別等方面得到大量運用。

  以智能交通行業(yè)為例，機器視覺具有成本低、穩(wěn)定性強、準確性高、應(yīng)用范圍廣等優(yōu)點，目前已經(jīng)在國內(nèi)外高速公路和公路的交通監(jiān)控系統(tǒng)中得到了廣泛的應(yīng)用，具體體現(xiàn)在車牌識別、車身顏色識別、車型識別、違章識別、車流量統(tǒng)計、流量控制等。

  這時有人會產(chǎn)生疑惑，機器視覺和深度學習有太多重疊之處，是否兩者在安防行業(yè)是同一概念的不同表達。

  其實不然，如果僅從視頻監(jiān)控行業(yè)來看，深度學習算法是機器視覺更高層面的應(yīng)用，因為基于巨大樣本采集把握了大量數(shù)據(jù)特征，而機器視覺主要在特征感知、圖像預(yù)處理、特征提取、特征篩選方面擅長，也就是說，機器視覺主要是在特征識別提煉部分，而深度學習是把特征和學習結(jié)合起來，比如用特征的感知和提取來預(yù)判數(shù)據(jù)。

 安防的演進已不僅僅局限于視頻圖像的編解碼技術(shù)、存儲技術(shù)，智能時代下，安防需要更多的ICT能力，把計算、存儲、聯(lián)接、云化、智能、安全等各個領(lǐng)域的珍珠串起來，在構(gòu)建“全棧云、全智能、全場景”的機器視覺和大數(shù)據(jù)解決方案基礎(chǔ)上，構(gòu)建“平臺+AI+生態(tài)”的智能安防開放體系。