第5章　實現(xiàn)路徑：AI的核心技術(shù)及其應(yīng)用

計算機視覺技術(shù)

計算機視覺（computer vision, CV）是一門研究如何使計算機具備像人眼那樣的視覺功能的科學(xué)。其主要原理在于利用攝像機和電腦來代替人眼，使得計算機具備像人類視覺那樣可以對各種目標進行識別、分辨、跟蹤、判斷和決策的功能。

計算機視覺的相關(guān)技術(shù)包括圖像處理技術(shù)、信號處理技術(shù)、概率統(tǒng)計分析技術(shù)、計算幾何技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、機器學(xué)習(xí)技術(shù)等。借助這些技術(shù)，計算機能夠?qū)崿F(xiàn)對各種視覺信息的分析和處理。可以說，它是利用計算機技術(shù)和設(shè)備對人類視覺的一種模擬。作為人工智能領(lǐng)域的重要組成部分，計算機視覺能夠使計算機基于二維圖像認知三維環(huán)境信息。

◆人工智能與計算機視覺

計算機視覺與人工智能之間既有聯(lián)系，又有區(qū)別。人工智能是讓計算機去理解圖像、語音和文字，主要涉及看、聽、讀三種感知方式。而視覺是人工智能領(lǐng)域的核心，是讓計算機實現(xiàn)起來最困難的部分。人類視覺所能感知到的信息占所有感知信息的80%左右，因此，計算機要模擬人類視覺在技術(shù)上需要攻克更多的難題。人工智能的革命將從計算機視覺開始，這是其他領(lǐng)域無法勝任的角色。

人工智能非常重視計算機的推理和決策能力，而計算機視覺還沒有達到這個階段，它主要處于表達圖像信息、識別物體的階段。計算機要識別物體和理解場景也需要對圖像特征進行推理和決策，但這種推理和決策與人工智能的推理和決策是有區(qū)別的。計算機視覺和人工智能之間主要有以下三方面的關(guān)系：計算機視覺是實現(xiàn)人工智能需要解決的一大難題；計算機視覺是人工智能變革的重要引擎，人工智能的許多技術(shù)和應(yīng)用都是從計算機視覺衍生出來的，然后再重新運用于人工智能領(lǐng)域中去；計算機視覺的實現(xiàn)要基于大量人工智能的應(yīng)用。

◆計算機視覺技術(shù)的原理

計算機視覺能利用各種成像系統(tǒng)發(fā)揮視覺器官的作用，將各種視覺信息存儲到計算機內(nèi)，并利用計算機發(fā)揮人腦作用，實現(xiàn)對這些信息的處理和解釋。計算機視覺的終極研究目標是使計算機擁有類似于人類的視覺功能，使機器能像人一樣觀察和理解這個世界，并能自主適應(yīng)周圍的環(huán)境。不過，在實現(xiàn)這一終極目標之前，人類需要先完成計算機視覺的中期目標，即使計算機視覺系統(tǒng)能利用某種程度的智能，基于視覺敏感和反饋，完成一定的任務(wù)。

以自動駕駛汽車的視覺導(dǎo)航為例。毫無疑問，自動駕駛汽車的視覺導(dǎo)航是計算機視覺的一個非常重要的應(yīng)用領(lǐng)域。目前，自動駕駛汽車的視覺導(dǎo)航系統(tǒng)還無法像人那樣識別和理解周圍環(huán)境。因此，人們正在努力進行相關(guān)研究，力求使自動駕駛汽車具有道路跟蹤能力，開發(fā)出規(guī)避行人、車輛和其他障礙物的安全可靠的視覺輔助駕駛系統(tǒng)。

另外，還需要指出一點：要讓計算機在視覺系統(tǒng)中代替人眼的作用，并不意味著一定要讓計算機按照人類視覺處理信息的方法來處理視覺信息。一般來說，計算機視覺只需要根據(jù)計算機系統(tǒng)自身的特點來處理視覺信息即可。

如果有人問世界上最強大、最完善的視覺系統(tǒng)是什么，根據(jù)迄今為止的認知，答案一定是人類視覺系統(tǒng)。無疑，人類對自身視覺處理機制的研究能夠在一定程度上啟發(fā)和指導(dǎo)計算機視覺的研究。同樣，利用計算機信息處理技術(shù)和方法研究人類視覺的機理并建立相關(guān)的計算理論，也是一個非常重要和有趣的研究領(lǐng)域。

◆計算機視覺的應(yīng)用領(lǐng)域

計算機視覺主要應(yīng)用于以下領(lǐng)域：一是對照片、視頻資料的解釋，如對航空照片、衛(wèi)星照片、視頻片段等的解釋和精確制導(dǎo)；二是移動機器人視覺導(dǎo)航；三是醫(yī)學(xué)輔助診斷；四是工業(yè)機器人的手眼系統(tǒng)；五是地圖繪制；六是物體三維形狀分析與識別；七是智能人機接口。

早期，利用計算機視覺系統(tǒng)處理數(shù)字圖像的主要目的是提高照片的質(zhì)量，在這個過程中，需要利用到各種數(shù)字技術(shù)對航空圖片、衛(wèi)星圖片等進行輔助處理。具體來說，就是進行圖片的讀取、判別和分類。不過，在實際操作中，需要判讀的照片數(shù)量巨大，于是，人們開始想方設(shè)法創(chuàng)造出一種自動的視覺系統(tǒng)來代替人類完成這項工作。在此背景下，設(shè)計者們紛紛投入到視覺系統(tǒng)的研發(fā)之中，并催生出專門用于判讀航空照片和衛(wèi)星照片的各種視覺系統(tǒng)和方法。

自動判讀只是視覺系統(tǒng)需要完成的第一步，接下來還要進一步確定目標的性質(zhì)，這就需要引入實時自動分類功能，并將視覺系統(tǒng)與制導(dǎo)系統(tǒng)相結(jié)合。目前，普遍使用的制導(dǎo)方式有三類，分別是激光制導(dǎo)、圖像制導(dǎo)和電視制導(dǎo)。例如，導(dǎo)彈系統(tǒng)就會利用到圖像制導(dǎo)，即利用圖像來進行精確制導(dǎo)，不過這種制導(dǎo)方式還需要與慣性制導(dǎo)相結(jié)合。計算機視覺在工業(yè)機器人手眼系統(tǒng)中的應(yīng)用也非常成功。在工業(yè)生產(chǎn)中，光照條件、城鄉(xiāng)因素等諸多因素都是可控的，這大大簡化了對計算機視覺的功能要求，更加便于形成可靠的工業(yè)機器人手眼系統(tǒng)。

與工業(yè)機器人相比，移動機器人對計算機視覺的功能要求更加苛刻，因為移動機器人具有行為能力，在解決計算機視覺問題的同時還要解決行為規(guī)劃問題，或者說要讓計算機視覺對周圍環(huán)境進行理解。隨著移動機器人的發(fā)展，人們對計算機視覺的功能要求也越來越多，比如要求計算機視覺具備道路跟蹤、目標識別、障礙回避等諸多功能。現(xiàn)階段，人們主要采用遙控和遠視的方式來設(shè)計移動機器人視覺系統(tǒng)，整體的研究尚處于實驗階段。

計算機視覺在醫(yī)學(xué)上的應(yīng)用主要涉及壓縮、存儲、傳輸、分類、判讀等功能。對醫(yī)生來說，計算機視覺還可作為一種輔助訓(xùn)練手段。此外，計算機視覺還可用于三維結(jié)構(gòu)的快速重建。長期以來，地圖繪制都是一件費時費力的工作，需要投入大量的人力、物力和時間。傳統(tǒng)的地圖繪制工作都是由人工測量并繪制完成。隨著繪制技術(shù)的突破，地圖繪制的效率有了較大的提高，主要利用航測和立體視覺技術(shù)來繪制地圖。在繪制地圖過程中，繪制員會利用立體視覺技術(shù)將航測數(shù)據(jù)生成物體三維形狀，同時利用計算機視覺對這些物體三維形狀進行分析與識別，提取和表示景物的特征，存儲、檢索和匹配識別相關(guān)知識，形成三維景物分析系統(tǒng)。

近年來，生物特征識別技術(shù)獲得快速發(fā)展和應(yīng)用，并受到社會各界的廣泛重視。生物特征識別技術(shù)主要是對人的面部、虹膜、指紋、聲音等特征進行識別，這些識別大多都需要利用到視覺信息。生物特征識別技術(shù)可以用于構(gòu)成智能人機接口。

目前，除了一些高端工業(yè)計算機和特殊儀器外，計算機與人之間的交流仍處于機械式階段。臺式電腦、筆記本電腦等普通計算機還無法自動識別用戶的真實身份，輸入手段依然以鍵盤、鼠標為主，其他方式尚不成熟。將計算機視覺應(yīng)用到計算機上，可以通過檢測用戶是否存在改變計算機的運行狀態(tài)，通過對人的面部、虹膜、指紋、聲音等特征的識別鑒別用戶身份，同時也能通過識別用戶點頭、搖頭等身體姿勢給出合理化建議。另外，基于計算機視覺的人機交互方式，還可應(yīng)用于入口安全檢測、邊境人員驗放等多種場合。