计算机视觉及智能影像行业深度研究报告

1. 计算机视觉领跑 AI 产业，应用场景广阔

1.1 什么是计算机视觉?让机器“看懂”影像的 AI技术 

计算机视觉是 AI 核心研究领域，目的在于让机器具备人类的“眼力”。计算机视觉是人工智能的 分支之一，目的在于通过电子化的方式来感知和理解影像，让计算机具备和人一样的"眼力"，能够 识别、理解周围的世界。人脑接受的 80%的信息来自眼睛(视觉)，50%的大脑活动都与处理视觉 信息有关，可见视觉在信息传递中的重要性和复杂性。 

应用场景广阔，技术价值巨大。计算机视觉应用领域广阔，包括安防中的智能监控、人脸识别，金 融中的身份验证，零售中的商品识别，自动驾驶，文娱领域智能营销、AR 特效等，技术价值巨大。 

为了“看懂”世界，计算机必须具备两大能力——感知智能和认知智能，通过两大能力，计算机将 感知到图像中包括哪些物体、人、物，并识别表达。 

能力 1 ——感知智能:图像中有什么 

感知能力既通过方法，机器可知道影像中有什么，主要是局部像素分类及识别，如物体和人的识别、 分类、定位等。以下图为例，计算机视觉的感知智能即为识别出图像中包括了狗、猫、花朵、篮子、 绿叶这些物体。 

从具体技术来看，视觉感知智能有 5 大核心技术，分别为图像分类、物体定位、物体识别、语义分 割、三维重建。

图像分类:根据图像主要内容进行分类。此为最基本视觉任务，它将一副图像分类到一个属 于已知的类别集合中的类别，比如将带有猫的图片归属到猫类。流行的基本方法就是用深度 卷积网络(CNN)提取特征并分类，将图片输入网络直接得到物体的类别。 

物体定位:定位包含主要物体的图像区域，以便识别区域中的物体。当一副图像内的不同位置 存在不同物体时那就不能简单地将图片分为某一类了。这时需要找出图像中有几类物体，准确 地标注出它们所在位置，并把物体在图像中框出来。 

语义分割:把图像中每一个像素分到其所属物体类别。用目标检测方法把物体在图像中框出来， 框一般是用矩形框，但物体一般是流线形的，为了进一步标注出物体，需要指出图像中哪些像 素是对应哪一类的物体——既图像语义分割，效果如下图所示(图 3)。语义分割可看做分类 问题，可以借鉴分类算法把每一个像素划分到某一类物体。

物体识别:定位并分类图像中出现的所有物体。这一过程通常包括:划出区域然后对其中的 物体进行分类。此为图像分类、物体定位和语义分割的结合。 

三维重建:由二维图像升级到立体视觉。三维重建一般是指基于二维图像通过图像预处理、 点云配准与融合、生成表面等过程把真实的三维场景从二维图像中恢复出来。

能力二——认知智能:图像表达了什么

在图像识别基础上，机器还需知道各个局部之间关系、整体关系，即理解和推断物体之间关联，推 测人的情绪和意图，对整体场景判断等，甚至进行决策。具体如下图: 

1)图像识别:男士、女士、餐桌、酒杯、食物、鲜花、灯光

2)人物的动作、表情以及情绪:吃东西、微笑、快乐 

3)图像各部分的关联:男女注视对方、男女是情侣关系、男女在餐桌上吃饭

4)整体场景的含义:一对情侣在餐厅约会，彼此很开心

具备了感知智能和认知智能，计算机就可以像人脑一样处理视觉信息，甚至在识别人脸、物体和场 景的准确率上超过人类，并且在此基础上进行推理、决策。而这种能力洽洽是安防、自动驾驶、金 融、医疗等领域存在强烈需求，计算机视觉技术随着不断成熟将广泛应用于各个行业。

1.2 计算机视觉领跑 AI 产业，安防领域应用最深 

计算机视觉是中国 AI 行业的最大组成部分，市场规模飞速增长。根据中国信通院报告数据，2017 年中国人工智能市场中计算机视觉占比 37%，据艾瑞咨询预测 2018 年计算机视觉市场规模达 120 亿元。从全球来看，MarketsandMarkets报告显示，2017 年基于人工智能的计算机视觉全球市场规 模为 23.7 亿美元，预计 2023 年会达到 253.2 亿美元，预测期内复合年增长率 47.5%。