计算机视觉技术综述

目录

一、技术背景

1、什么是计算机视觉技术

2、该技术兴起的背景

二、国内外计算机视觉技术现状

1、计算机视觉技术分类、发展历程及其可能导致社会问题，研究中存在问题，如何改进。

计算机视觉技术分类：

计算机视觉主要发展历程：

计算机可能导致的社会问题：

计算机视觉技术研究存在不足，如何改进？

2、最新技术

3、计算机视觉技术展望

三、结论

---

一、技术背景

1、什么是计算机视觉技术

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉技术，并进一步对收集图形进行处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。目前主要流行的使用卷积神经网络(CNN)处理图像和目标检测技术(YOLO)。

2、该技术兴起的背景

20世纪50年代，神经生理学家David Hubel和Torsten Wiesel通过猫的视觉实验，首次发现了视觉初级皮层神经元对于移动边缘刺激敏感，发现了视功能柱结构，为视觉神经研究奠定了基础，奠定了深度学习之后的核心准则。经过人们深入相关算法研究，不断完善图像处理技术。计算机视觉不断发展，研究经历了从二维图像到三维到视频到真实空间的探知，3D点云，操作方法从构建三维向特征识别转变，算法从浅层神经网络到深度学习，数据的重要性逐渐被认知，伴随着计算机从理论到应用的速度加快，高质量的各种视觉数据不断沉淀，如今无论是在社会经济农业还是工业检测领域、元宇宙技术结合的VR，还是视频存储、游戏3D场景、电商应用不断发展，计算机视觉技术仍具有巨大发展潜力。

二、国内外计算机视觉技术现状

1、计算机视觉技术分类、发展历程及其可能导致社会问题，研究中存在问题，如何改进。

计算机视觉技术分类：

计算机视觉应用主要有5大技术，分别为图像分类、目标检测、目标跟踪、语义分割、实列分割，通过此基本技术可以实现图像中提取、分析和理解有用信息，常用深度学习主要CNN和YOLO追踪检测技术，理论可实现各种模型。经过70多年的发展研究，如今计算机视觉技术已经取得重大突破，并广泛应用各领域中，并受到各国领导的重视，深刻影响当今社会和科技革命，人工智能发展促进大数据技发展，使得分布式存储技术成为主流。国外人工智能领域技术上突破，促进世界科技发展，如chatGPT