浅谈AI计算机视觉技术

人工智能原本只是人类一个美好的想象，没想到，它却成为了21世纪最热的话题之一。

随着近几年人工智能的发展，已经逐渐渗透到了各个领域，比如：医疗、教育、机械自动化、个性化推荐、信息安全、图像识别等等，也正因为如此，很多准备入门 AI 的新手，都会面临一个共同的问题：AI 应用方向么多，到底该选择哪个？哪个才是最适合自己的？在人工智能的众多细分领域中，有一个入门门槛相对较低、模型成熟但人才缺口大的方向——计算机视觉（Computer Vision）。

1 基于计算机视觉开发的产品

如果你了解计算机视觉，并细心观察，会发现其实它早已成为人们日常生活的一部分了。计算机视觉的应用已经被越来越多的公司部署在自身的产品中，举几个比较前沿的例子：

Facebook “反人脸识别”

扎克伯格提过Facebook将来三大主要发展方向，人工智能就是其中之一，并为此设立了FAIR（Facebook AI Research）。

去年，FAIR针对世界上有关人脸识别技术的滥用事件（AI换脸），开发了一套适用于视频、现场直播等场景的“去识别化”’技术——反人脸识别。

该技术将一个对抗自编码器与一个训练过的面部分类器配对，以使人的面部稍微扭曲，从而在迷惑面部识别系统的同时，又能维持一个人们可以认出来的自然样貌。

虽然Facebook还不打算在其任何商业产品中使用这项技术，但这项技术在很多场景中是有益的，比如保护个人隐私。

Amazon Go

Amazon Go 是计算机视觉试图对零售行业进行改革的尝试。

它所实现的功能是：顾客进入商店，闸机读取顾客的二维码，选择所需商品，离开商店，不用排队结账。

其核心技术基于一种无线射频识别技术的系统——它能识别用户从货架上取货的动作，随后将数据同步到用户的手机中。用户在穿过特别设置的“交易区”（transition area）后，系统会自动识别，算出花销，然后从亚马逊账户中扣款；另外，这套系统还能利用顾客的购买记录，来分析用户偏好，然后调整相应的货物位置和库存。

哎，不知道超市收银员们听了怎么想？

微软 InnerEye

医疗行业当然也少不了计算机视觉的应用。

微软有一款处理医学图像的产品——InnerEye，其基于计算机视觉和机器学习技术，帮助放射科医生、肿瘤专家和外科医生处理放射图像。其主要目的是从恶性肿瘤的 3D 图像中准确识别出肿瘤。

随着计算机视觉技术的引入，现代医疗系统必将实现突破性的发展，风险低、创伤性小的手术方案在未来也将成为可能。

2 入门计算机视觉必知的技术

“工欲善其事必先利其器”，尽管计算机视觉是人工智能中相对入门门槛较低的方向，但作为CV新人，你至少要掌握以下必备技能：

1.编程基础

推荐Matlab，Python，C++，最好熟悉其中2种。

2.数学基础

了解微积分，概率学、矩阵论、线性代数等。

3.专业工具OpenCV

OpenCV（开源计算机视觉库）是一个非常强大的学习资料库，为初学者们降低了计算机视觉的学习门槛。

4.图像处理的基础知识

图像处理 （Image Processing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

5.模式识别的基础知识

模式识别（Pattern Recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。

有了以上基础，你算是半只脚踏进了计算机视觉的大门，但是离找一份相关的工作还有所差距。企业看重的是技术的落地效益，所以，初学者们还需要在计算机视觉的应用方面花功夫。

根据视觉的应用场景不同，计算机视觉分为了传统视觉和与深度学习结合的计算机视觉，两个分支要求你学习的内容也不同。

传统计算机视觉

传统计算机视觉的应用主要在制造针对特定对象的检测器，如边缘检测，霍夫变换，斑点检测，角点检测。其优势体现在精准度和计算复杂性等方面。

对此，你需要学习在一些具体的应用层面的知识。

1、ROS

ROS（robotics operating system）机器人操作系统，目前能够应用的是机器人领域，主要是机器人的建模、感知、导航、规划等。

而ROS与计算机视觉的交织领域是机器视觉，目前，机器视觉解决方案尚面临着9大挑战：照明、变形或铰接、职位和方向、背景、闭塞、比例、照相机放置、运动、期望。

因此，解决机器人在环境中的视觉，任务设置和工作场所等问题，需要在计算机视觉领域的更多投入。

2、自动驾驶

计算机视觉在无人车上的使用有一些比较直观的例子，比如交通标志和信号灯的识别（Google）、高速公路车道的检测定位（特斯拉）。现在基于LiDAR信息实现的一些功能模块，其实也可以用摄像头基于计算机视觉来实现。

从计算机视觉的角度，无人驾驶可能是一次难得的机遇，数据的极大丰富和算法的迭代提高相辅相成，会推动计算机视觉研究前进，并使之在无人驾驶中起到更加不可或缺的作用。