電子發燒友網報道（文/李彎彎）計算機視覺技術最早開始于20世紀60年代，計算機視覺技其主要是術面模仿人類視覺，讓計算機或機器人看到物體，挑戰到如今計算機視覺已經取得很大進展，計算機視覺技不過就研究和開發來說，術面它還有很大的挑戰探索空間。

當今的計算機視覺技計算機視覺的子領域大概可以包括：場景重建、目標檢測、術面事件檢測、挑戰視頻跟蹤、計算機視覺技目標識別、術面3D姿態估計、挑戰運動估計、計算機視覺技視覺伺服、術面3D場景建模、挑戰圖像修復等。

比如目標檢測，具有目標檢測的設備可以找到目標，在其周圍畫出矩形邊界框，并確定每個被檢測目標的類別，目標檢測可以應用于許多不同的行業，包括零售、體育、醫療保健、營銷、室內設計、農業、建筑、公共安全、交通等。

目標檢測是一個復雜的過程，其實現需要經歷一定的挑戰，比如視角的多樣性、變形、遮擋、光照條件、雜亂或有紋理的背景、多樣性、速度等。具體來看，比如視角的多樣性，物體檢測的最大困難之一是從不同的角度看一個物體，可能看起來完全不同；

再比如照明對物體的定義有很大的影響，相同的物體會因光照條件的不同而看起來不同，可能照亮的空間越少，物體就越不可見，這些都會影響檢測器定義目標的能力；在視頻方面，探測器需要經過訓練，在不斷變化的環境中進行分析，這意味著目標檢測算法不僅必須準確地分類重要的目標，而且還必須在預測過程中具有好的速度，能夠識別運動中的目標。

從某種意義說，這幾年計算機視覺已經進入瓶頸期。以圖像分類、目標檢測、圖像分割為代表的一些基礎技術經過過去幾年的發展，精確度已經達到產業落地水平，但剩下的一些問題比較難攻克，如非常細粒度的分類，非常小和模糊的目標檢測和分割，以及如何保證在復雜光照變化下的分割結果的穩定性等。

可以說過去幾年，計算機視覺技術一直在試圖攻克一些老的難題，如跨年齡、大姿態、有遮擋的人臉識別，有一定的進展，卻不能算是有很大的突破。

在落地應用方面，計算機視覺存在很大的同質化問題，很多公司扎堆在幾個熱門場景中，比如安防場景，智能安防是計算機視覺最主要的應用場景，而且已經持續很多年，目前來說，計算機視覺較為成熟的應用場景也是安防領域。

大家熟知的AI初創企業商湯、曠視、依圖、云從等都在這個領域有重要布局，另外安防企業和互聯網企業也在這個領域投入很大力度，包括海康威視、大華、宇視、百度等，此外還包括幾百家中小計算機視覺企業。

不過除了安防，各企業也有在其他領域進行探索，并逐漸有所進展，比如金融、手機、汽車、工業、醫療、零售等領域，比如虹軟科技，在手機領域、筆記本電腦、智能可穿戴設備等移動終端，以及智能駕駛領域都有布局，再比如格靈深瞳除了城市管理之外，在智慧金融、商業零售等方面都已經取得一定成績。

整體而言，從上世紀60年代到現在計算機視覺技術已經取得很大的進展，不過其在實現上還存在一些難題，發展也遇到了一些瓶頸，而且在落地應用上大多數企業扎堆在少數場景中，不過從近年來的情況來看，計算機視覺企業在技術和應用上還在持續尋找突破，目前除了在安防領域應用比較成熟以外，在金融、醫療、工業、智能駕駛等領域進展明顯。