計(jì)算機(jī)視覺研究綜述

浙江省紹興魯迅中學(xué) 倪晨旭

1 引言

視覺是人類理解認(rèn)識(shí)外部世界的重要途徑。在人類認(rèn)知的過程中，有超過80%的信息量來自視覺系統(tǒng)[1]，如物體的形狀、大小、顏色、空間位置等。但是，由于主觀和客觀條件限制，很多信息不能由人類視覺系統(tǒng)直接或者準(zhǔn)確的獲取，人類自然的希望借助外部設(shè)備幫助人類處理或者理解信息，這就為人類科學(xué)技術(shù)發(fā)展帶來一個(gè)嶄新的研究課題——計(jì)算機(jī)視覺。計(jì)算機(jī)視覺是研究如何讓機(jī)器“看”的科學(xué)，其可以模擬、擴(kuò)展或者延伸人類智能，從而幫助人類解決大規(guī)模復(fù)雜的問題。計(jì)算機(jī)視覺任務(wù)應(yīng)用相當(dāng)廣泛，如人類識(shí)別、車輛或行人檢測、目標(biāo)跟蹤、圖像生成等，其在科學(xué)、工業(yè)、農(nóng)業(yè)、醫(yī)療、交通、軍事等等領(lǐng)域都有著廣泛的應(yīng)用前景。

隨著并行計(jì)算、云計(jì)算、機(jī)器學(xué)習(xí)等軟硬件技術(shù)的發(fā)展，計(jì)算機(jī)的圖像處理能力不斷提高，計(jì)算機(jī)視覺近幾年獲得了快速的發(fā)展，各項(xiàng)應(yīng)用在各個(gè)領(lǐng)域落地生根，學(xué)術(shù)界和工業(yè)界的研究也如火如荼。本文從計(jì)算機(jī)視覺發(fā)展、研究技術(shù)、面臨的挑戰(zhàn)等方法對(duì)計(jì)算機(jī)視覺進(jìn)行研究，為計(jì)算機(jī)視覺研究奠定基礎(chǔ)。

2 計(jì)算機(jī)視覺概述

計(jì)算機(jī)視覺是從圖像或者視頻中提出符號(hào)或者數(shù)值信息，分析計(jì)算該信息以進(jìn)行目標(biāo)的識(shí)別、檢測和跟蹤等。更形象的說，計(jì)算機(jī)視覺就是讓計(jì)算機(jī)像人類一樣能看到圖像，并看懂理解圖像。

計(jì)算機(jī)視覺開始于20世紀(jì)50年代，主要用于分析和識(shí)別二維圖像，如光學(xué)字符識(shí)別、顯微圖片的分析解釋等。到60年代，通過計(jì)算機(jī)程序可以將二維圖像轉(zhuǎn)換成三維結(jié)構(gòu)進(jìn)行分析，從此開啟三維場景下計(jì)算機(jī)視覺研究。到70年代，麻省理工學(xué)的人工智能實(shí)驗(yàn)室院首次開開設(shè)計(jì)算機(jī)視覺課程，由著名的Horn教授主講，同實(shí)驗(yàn)室的Marr教授首次提出表示形式（representation）是視覺研究最重要的問題。到80，90年代，計(jì)算機(jī)視覺迅速發(fā)展，形成感知特征的新理論框架并逐漸應(yīng)用到工業(yè)環(huán)境中。到21世紀(jì)，計(jì)算機(jī)視覺領(lǐng)域呈現(xiàn)許多新的趨勢，計(jì)算機(jī)視覺與計(jì)算機(jī)圖形學(xué)深度結(jié)合，基于計(jì)算機(jī)視覺的應(yīng)用也呈爆炸性增長，除了在手機(jī)、電腦上的應(yīng)用，計(jì)算機(jī)視覺技術(shù)在交通、安防、醫(yī)療、機(jī)器人上有各種各樣形態(tài)的應(yīng)用。

3 計(jì)算機(jī)視覺任務(wù)常用技術(shù)

計(jì)算機(jī)視覺是讓計(jì)算機(jī)獲取圖像到看懂圖像的過程。圖像處理能力賦予了計(jì)算機(jī)看即獲取的能力，是人工智能的重要輸入。這里主要介紹數(shù)字圖像處理技術(shù)，即將圖像信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)再用計(jì)算機(jī)進(jìn)行處理的技術(shù)[2]。圖像處理的目的，是將輸入的低質(zhì)量的圖像轉(zhuǎn)化成高質(zhì)量的圖像輸出，常用的方法有圖像壓縮編碼、圖像變換、圖像描述、圖像增強(qiáng)和復(fù)原。圖像壓縮編碼是減少描述圖像的比特?cái)?shù)，以節(jié)省傳輸和存儲(chǔ)消耗。圖像變換旨在減少計(jì)算量，如將空間域的圖像陣列變換成頻域空間去處理。圖像描述（representation）是圖像理解的前提，其作用是挖掘一般或主要信息去描述圖像。圖像增強(qiáng)和復(fù)原主要用于提高圖像質(zhì)量，如去除噪聲，強(qiáng)化高頻信息等。以上圖像處理技技術(shù)主要依賴一些數(shù)學(xué)變換。

模式識(shí)別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法賦予計(jì)算機(jī)看懂的能力，是人工智能的核心，更形象的說就是讓計(jì)算機(jī)像人的大腦去理解圖像。模式識(shí)別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)是讓機(jī)器感知或?qū)W習(xí)的工具或方法，本文不對(duì)它們進(jìn)行區(qū)別，主要幫助讀者理解這些方法是如何幫助計(jì)算機(jī)理解圖像或者視頻的。讓計(jì)算機(jī)看懂的過程，就是根據(jù)圖像或者視頻數(shù)據(jù)建模的過程，建模就是用數(shù)學(xué)符號(hào)或者公式推理數(shù)據(jù)之中的一般模式或者規(guī)律，從而可以對(duì)新輸入的數(shù)據(jù)進(jìn)行分類或者回歸，分類就是輸出數(shù)據(jù)的類別，回歸類似與數(shù)學(xué)中的映射函數(shù)，輸出數(shù)據(jù)的可能值。

4 計(jì)算機(jī)視覺任務(wù)的應(yīng)用

隨著信息技術(shù)的發(fā)展，計(jì)算機(jī)視覺應(yīng)用在人們的日常生活中、學(xué)術(shù)界和工業(yè)界已屢見不鮮，計(jì)算機(jī)視覺應(yīng)用呈爆炸式增長，本文重點(diǎn)介紹計(jì)算機(jī)視覺任務(wù)的三大應(yīng)用，分別是圖像識(shí)別、目標(biāo)檢測和圖像分割。

圖像識(shí)別又叫圖像分類，就是輸入一張圖片，輸出該圖像的類別，讓計(jì)算機(jī)識(shí)別人、交通信號(hào)燈、動(dòng)物等這些信息，這是廣義上的圖像識(shí)別[3]。在工業(yè)界和學(xué)術(shù)界還有針對(duì)特定目標(biāo)的識(shí)別，比如車牌識(shí)別，在高速公路的ETC口，不需要人工收費(fèi)，攝像頭會(huì)識(shí)別你的車牌并收取相應(yīng)的費(fèi)用。另外人臉識(shí)別在日常生活中也得到了廣泛的應(yīng)用，如支付寶的人臉支付等。

計(jì)算機(jī)視覺任務(wù)中另一個(gè)常見的應(yīng)用是目標(biāo)檢測，其目的是輸出給定圖像中特定目標(biāo)的位置，類別等。由此可見，目標(biāo)檢測是對(duì)目標(biāo)識(shí)別的進(jìn)一步發(fā)展，計(jì)算機(jī)不僅要輸出圖像中目標(biāo)的位置，還要給出目標(biāo)的類別。目標(biāo)檢測一個(gè)常見的應(yīng)用是行人檢測，比如在一個(gè)交通路口，快速地檢測出攝像頭中拍到的所有行人，可以估計(jì)人流數(shù)，從而對(duì)異常事件進(jìn)行預(yù)警。

與計(jì)算機(jī)視覺任務(wù)相關(guān)的第三個(gè)任務(wù)是目標(biāo)分割，圖像分割又可分為圖像語義分割和個(gè)體分割。圖像語義分割是將圖像分割成一個(gè)個(gè)獨(dú)立的個(gè)體，每個(gè)個(gè)體具有一定的語義意義[4]。圖像個(gè)體分割是比圖像語義分割更進(jìn)一步的任務(wù)，其是圖像語義分割和圖像檢測的結(jié)合，即不僅要獨(dú)立出所有的物體，還要輸出所有物體的位置。圖像分割是計(jì)算機(jī)解釋圖像的過程，這類似于人理解圖像，就需要找出圖像中一個(gè)個(gè)的物體，找出物體之間的關(guān)系等。

以上三個(gè)計(jì)算機(jī)視覺任務(wù)的難度逐漸增加，并逐漸模擬人類理解圖像的過程。另外，計(jì)算機(jī)視覺任務(wù)并不局限于上述三個(gè)應(yīng)用，還有許多有用的應(yīng)用，如目標(biāo)跟蹤。

5 計(jì)算機(jī)視覺面臨的挑戰(zhàn)

未來計(jì)算機(jī)視覺任務(wù)發(fā)展面臨的挑戰(zhàn)主要來自三個(gè)方面：1）有標(biāo)注的圖像和視頻數(shù)據(jù)較少，機(jī)器在模擬人類智能進(jìn)行認(rèn)知或者感知的過程中，需要大量有標(biāo)注的圖像或者視頻數(shù)據(jù)指導(dǎo)機(jī)器學(xué)習(xí)其中一般的模式。當(dāng)前，主要依賴人工標(biāo)注海量的圖像視頻數(shù)據(jù)，不僅費(fèi)時(shí)費(fèi)力而且沒有統(tǒng)一的標(biāo)準(zhǔn)，可用的有標(biāo)注的數(shù)據(jù)有限，這使機(jī)器的學(xué)習(xí)能力受限；2）計(jì)算機(jī)視覺技術(shù)的精度有待提高，如在物體檢測任務(wù)中，當(dāng)前最好的檢測正確率為66%，這樣的結(jié)果只能應(yīng)用于對(duì)正確率要求不是很高的場景下；3）提高計(jì)算機(jī)視覺任務(wù)處理的速度迫在眉睫，圖像和視頻信息需要借助高維度的數(shù)據(jù)進(jìn)行表示，這是讓機(jī)器看懂圖像或視頻的基礎(chǔ)，這就對(duì)機(jī)器的計(jì)算能力和算法的效率提出很高的要求。

6 總結(jié)

計(jì)算機(jī)視覺是人工智能的核心，在學(xué)術(shù)界和工業(yè)界有著廣泛的應(yīng)用。本文簡述計(jì)算機(jī)視覺的發(fā)展歷程，研究意義，分析計(jì)算機(jī)視覺的核心技術(shù)和挑戰(zhàn)。讓計(jì)算機(jī)看得懂，看得遠(yuǎn)是未來視覺的重中之重，計(jì)算機(jī)視覺研究任重而道遠(yuǎn)。

[1]塞利斯基艾海舟,興軍亮.計(jì)算機(jī)視覺#:#算法與應(yīng)用[M].清華大學(xué)出版社,2012.

[2]張波.數(shù)字圖像處理技術(shù)的發(fā)展及應(yīng)用[J].品牌:理論月刊,2011(Z2):158-158.

[3]甄棟志,朱永偉,蘇楠等.基于計(jì)算機(jī)視覺對(duì)目標(biāo)識(shí)別檢測的研究[J].機(jī)械工程與自動(dòng)化,2014(1):129-130.

[4]楊雪.基于紋理基元塊的圖像語義分割[D].西南科技大學(xué),2015.