机器视觉是什么?能用来做什么?

  要探讨机器视觉的应用,首先还是需要精准把握什么是机器视觉,并把其与当下热门又有重叠部分的人工智能和深度学习区分开来。人工智能的外延范围最大,包括了机器视觉、深度学习、机器人技术、生物识别技术和自然语言处理。

  可以看出,人工智能包括了深度学习和机器视觉,研究的是人类智能活动规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

  深度学习,是人工智能研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如视频、声音和文本。

  深度学习在安防行业的应用极为热门,记者在评测产品时关于人脸和车辆的识别技术都基于深度学习。

  究其原因,深度学习的关键要素是数据,而占大数据总量60%以上的为视频监控数据,所以,深度学习的在安防行业的方方面面得到了应用:人脸检测、车辆检测、非机动车检测、人脸识别、车辆品牌识别、行人检索、车辆检测、人体属性、异常人脸检测、人群行为分析、各种感兴趣目标的跟踪等。

  机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。

  通过分CMOS或CCD传感器将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。

机器视觉主要是对图像进行识别,因此机器视觉在人脸识别、车牌识别等方面得到大量运用。

  以智能交通行业为例,机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点,目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,具体体现在车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。

  这时有人会产生疑惑,机器视觉和深度学习有太多重叠之处,是否两者在安防行业是同一概念的不同表达。

  其实不然,如果仅从视频监控行业来看,深度学习算法是机器视觉更高层面的应用,因为基于巨大样本采集把握了大量数据特征,而机器视觉主要在特征感知、图像预处理、特征提取、特征筛选方面擅长,也就是说,机器视觉主要是在特征识别提炼部分,而深度学习是把特征和学习结合起来,比如用特征的感知和提取来预判数据。

  安防的演进已不仅仅局限于视频图像的编解码技术、存储技术,智能时代下,安防需要更多的ICT能力,把计算、存储、联接、云化、智能、安全等各个领域的珍珠串起来,在构建“全栈云、全智能、全场景”的机器视觉和大数据解决方案基础上,构建“平台+AI+生态”的智能安防开放体系。