1、计算机视觉：挑战、进展与概率基础

计算机视觉：挑战、进展与概率基础

1. 计算机视觉的目标与挑战

计算机视觉旨在从图像中提取有用信息，但这是一项极具挑战性的任务。过去四十年来，众多聪明且富有创造力的人投身其中，然而，我们距离构建通用的“视觉机器”仍有很长的路要走。

视觉数据的复杂性是问题的一部分。以一个包含众多物体的视觉场景为例，几乎所有物体都部分被遮挡，且物体姿态各异，计算机视觉算法很难确定一个物体的结束和另一个物体的开始。比如，天空与背景中白色建筑的边界处，图像亮度几乎没有变化；而前景中SUV后车窗处，虽有明显的亮度变化，但并非物体边界或材质变化所致。

不过，我们自身的视觉系统能够轻松处理复杂图像，这证明了视觉是可行的。例如，我们能轻易数出图像中的树木数量、勾勒街道布局，甚至通过提取人物种族、汽车和树木类型、天气等细微视觉线索，在世界地图上确定照片拍摄的位置。

计算机视觉虽具挑战性，但并非不可能。我们在观察场景时，大脑已经对视觉信息进行了高度处理。例如，在明亮阳光下观察一块煤，然后移至昏暗室内观察一张白纸，眼睛从煤上接收到的单位面积光子数远多于白纸，但我们仍会将煤视为黑色，白纸视为白色。而在构建视觉算法时，我们无法借助这种预处理。

2. 计算机视觉的进展

近年来，计算机视觉取得了显著进展。过去十年，消费级计算机视觉技术首次大规模应用。例如，如今大多数数码相机都嵌入了人脸检测算法，微软Kinect（可实时跟踪人体的外设）更是创下了有史以来最畅销消费电子设备的吉尼斯世界纪录。

计算机视觉快速发展的原因主要有两个：
- 计算机性能提升 ：计算机的处理能力、内存和存储容量大幅增加。早期计