计算机视觉利用人工智能(AI)处理成千上万视频和照片的视觉输入。
计算机轻松实现像素级图像处理和区分颜色，但更高级别的功能是识别个体对象，并根据图像内容对图像进行分类。计算机视觉的作用就在于此，利用计算机视觉，组织能够检测出实时或记录的视觉数据中几乎所有的东西，例如可疑的人类活动和作物长势不良的症状。
它是什么？
计算机视觉是人工智能的细分领域，利用机器学习模型处理图像和视频内容，通常用于识别、分类和跟踪对象。目前最常见的计算机视觉用例包括安全行业和农业：安全行业将计算机视觉用于检测潜在的入侵者和识别可疑行为；农业则用其检测较大动物群或大片作物的健康状况。
计算机视觉已经发展了数十年，但近年来，得益于人工智能和机器学习技术的重大进展，计算机视觉的复杂性和可行性都达到了前所未有的水平。
有何益处？
计算机视觉可自动完成查看视频输入、图像分类等单调的任务，不仅能除人为误差风险，而且具有高度的准确性。这样一来，计算机视觉就可以帮助您省钱。
计算机视觉有数百种潜在应用，其中包括面部识别、互联安全系统、内容分类和增强现实。因此，组织有充足的机会可以利用计算机视觉进行创新。
计算机视觉的应用并不局限于可见光谱，因此您几乎不费什么工夫就能给计算机视觉加上红外视觉等额外功能。
需考量的因素？
经过专门训练后，计算机视觉能很好地识别出训练的对象。但除此之外，计算机视觉能实现的功能非常有限。
由于缺少新事件的确定参考框架，计算机视觉模型无法将发生的新事件识别为威胁或异常。而面对相同的情况，人类则可以利用自身的知识和经验，对所发生的事件做出可靠的判断。
计算机视觉系统在次优条件中可能无法做出准确判断（但这一点在监控应用中尤为重要），因为大雨或照明不足会影响识别的准确性。
目前，解决这一问题的方法是持续向计算机视觉系统输入大量数据，尝试弥补这些情报缺口。
如何应用？
如今，许多入侵检测系统都是由计算机视觉驱动的。计算机视觉工具通过检测移动和扫描人脸，确保进入的人员是获得许可的，从而快速可靠地检测入侵行为，避免受到人为误差的影响。
计算机视觉是促使自动驾驶车辆在驾驶过程中能够处理周围环境、跟踪人员和物体以改进路线以及防止碰撞的关键。
医疗行业中，计算机视觉帮助医生根据扫描结果和 X 射线影像识别潜在问题，有助于加快诊断并确保患者获得所需治疗。研究结果表明，计算机视觉检测某些疾病的能力显著优于人类。
然而，计算机视觉技术具有争议性，特别是在监控应用（尤其是执法监控方面）中，训练模式误差和识别错误可能降低人们对计算机视觉系统的信任。
Would you like to suggest a topic to be decoded?
Just leave your email address and we'll be in touch the moment it's ready.