機器視覺是什么？能用來做什么？

  要探討機器視覺的應用，首先還是需要精準把握什么是機器視覺，并把其與當下熱門又有重疊部分的人工智能和深度學習區分開來。人工智能的外延范圍最大，包括了機器視覺、深度學習、機器人技術、生物識別技術和自然語言處理。

  可以看出，人工智能包括了深度學習和機器視覺，研究的是人類智能活動規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

  深度學習，是人工智能研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如視頻、聲音和文本。

  深度學習在安防行業的應用極為熱門，記者在評測產品時關于人臉和車輛的識別技術都基于深度學習。

  究其原因，深度學習的關鍵要素是數據，而占大數據總量60%以上的為視頻監控數據，所以，深度學習的在安防行業的方方面面得到了應用：人臉檢測、車輛檢測、非機動車檢測、人臉識別、車輛品牌識別、行人檢索、車輛檢測、人體屬性、異常人臉檢測、人群行為分析、各種感興趣目標的跟蹤等。

  機器視覺是人工智能正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。

  通過分CMOS或CCD傳感器將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

機器視覺主要是對圖像進行識別，因此機器視覺在人臉識別、車牌識別等方面得到大量運用。

  以智能交通行業為例，機器視覺具有成本低、穩定性強、準確性高、應用范圍廣等優點，目前已經在國內外高速公路和公路的交通監控系統中得到了廣泛的應用，具體體現在車牌識別、車身顏色識別、車型識別、違章識別、車流量統計、流量控制等。

  這時有人會產生疑惑，機器視覺和深度學習有太多重疊之處，是否兩者在安防行業是同一概念的不同表達。

  其實不然，如果僅從視頻監控行業來看，深度學習算法是機器視覺更高層面的應用，因為基于巨大樣本采集把握了大量數據特征，而機器視覺主要在特征感知、圖像預處理、特征提取、特征篩選方面擅長，也就是說，機器視覺主要是在特征識別提煉部分，而深度學習是把特征和學習結合起來，比如用特征的感知和提取來預判數據。

 安防的演進已不僅僅局限于視頻圖像的編解碼技術、存儲技術，智能時代下，安防需要更多的ICT能力，把計算、存儲、聯接、云化、智能、安全等各個領域的珍珠串起來，在構建“全棧云、全智能、全場景”的機器視覺和大數據解決方案基礎上，構建“平臺+AI+生態”的智能安防開放體系。