计算机视觉 - 简介

什么是计算机视觉？

计算机视觉是一门赋予计算机“看”和“理解”图像和视频的能力的科学。它专注于通过获取、处理、分析和理解数字图像来复制人类视觉系统的一部分。

自计算机视觉诞生以来，它已经取得了长足的进步。以下是其发展历程的简要概述：

早期阶段 (1960年代)：计算机视觉的早期阶段始于1960年代，当时研究人员开始寻找让机器理解图片的方法。最初，算法思想主要基于几何形状和模式识别。
特征检测与识别 (1970年代)：边缘检测和特征提取技术领域的工作仍在继续。研究人员设计了算法来识别和识别简单的形状，为更高级的分析奠定了基础。
机器学习时代 (1980-1990年代)：这个时代标志着人们对机器学习的重视发生了转变。统计模型首次被采用以增强目标识别。开发了更强大的算法来处理图像中的真实变化。
神经网络：神经网络越来越受欢迎，尤其是在过去十年深度学习兴起之后。卷积神经网络 (CNN) 的深度成为图像分类和目标检测的强大工具之一，提高了精度和效率。
当前趋势 (2010年代至今)：如今，计算机视觉是人工智能研究和应用中的领先领域，影响着各个行业。当前的趋势是由硬件发展（例如，GPU）和用于模型训练的大型数据集的可用性驱动的。主要应用包括实时视频分析、人脸识别和自主系统。

计算机视觉在许多不同领域都有广泛的应用，其中一些包括：

计算机视觉系统通过一系列步骤来处理和解释视觉数据：

在计算机视觉中，初始阶段是图像采集。图像采集简单来说就是使用相机、智能手机或其他专用传感器来捕获图像。

此阶段捕获的图像质量对计算机视觉的后续部分有很大影响。

预处理是指在将数据馈送到算法之前对其应用的转换。

在 Python 中，我们通常使用scikit-learn库执行预处理。该库提供用于预处理数据的类sklearn.preprocessing。

许多现代目标检测算法依赖于将图像大小调整为预定大小作为其预处理步骤的一部分。我们将从图像中提取两个特征开始：图像中存在的线条和彩色像素。为此，我们需要了解什么是线以及什么是像素。

这里首先需要理解的是，每当我们谈到从图像中识别或提取某些内容时，这基本上意味着我们试图导出有关该事物的一些有意义的信息（特征）（例如高度、重量、坐标）。我们不是在谈论制造像休·杰克曼或汤姆·克鲁斯这样的三维人类！

例如，我们人类有眼睛，对吧？是的！但是自古以来，没有人曾经打开我们的头骨来弄清楚我们的眼睛内部是什么样的……对吧？

特征提取就是找到图像中那些有助于我们解决眼前问题的部分。一些常见的特征包括：

目标检测包括在图像中查找物体并在其周围绘制边界框。目标识别更进一步，识别这些物体是什么。使用的技术如下所示：

最后一步是解释识别的物体并根据它们做出决策。这可能包括：

计算机视觉中使用各种技术来分析和解释视觉数据：

尽管计算机视觉取得了进步，但它仍然面临一些挑战，这些挑战可能会阻碍准确的图像分析和解释：

打印页面