阿旭算法与机器学习 | 【深度好文】一文读懂计算机视觉：定义、发展、原理、热门模型以及5大应用领域

本文来源公众号“阿旭算法与机器学习”，仅用于学术分享，侵权删，干货满满。

原文链接：https://mp.weixin.qq.com/s/76s2Cf7O6vDQ0r4F80hZDg

引言

二十年前，机器与计算机能够视物并理解世界还只是科幻小说中的构想。如今，得益于人工智能（AI）的飞速发展，这一概念已成为现实。特别是计算机视觉（CV）这一人工智能分支，它使机器具备了分析和理解图像及视频的能力。无论是实时识别物体、升级安全系统，还是自动化复杂任务，计算机视觉的潜力正不断突破想象的边界。

随着各行各业探索运用其独特能力的不同方式，计算机视觉正迅速塑造着技术的未来。全球计算机视觉技术市场规模在2024年达到198.3亿美元，预计未来几年将以每年19.8%的速度增长。

图1. 计算机视觉的全球市场规模

本文将深入探讨计算机视觉，包括其定义、发展历程、工作原理，以及一些有趣的应用。

计算机视觉的定义

计算机视觉是人工智能的一个子领域，它借助机器学习和神经网络，让计算机能够理解图像或视频等视觉数据所包含的内容。从处理后的图像中获取的见解，可用于辅助做出更优决策。例如，在零售业中，计算机视觉可通过分析货架图像跟踪库存水平，或通过自动化结账系统提升购物体验。如今，许多企业已将计算机视觉技术应用于多个方面，涵盖从智能手机照片滤镜到制造业质量控制等诸多领域。

您可能会好奇：为何计算机视觉解决方案的需求如此旺盛？对于那些需要持续关注的任务，如发现缺陷或识别模式，人类往往难以胜任。人的眼睛会疲劳，尤其在快节奏或复杂的环境中，很可能遗漏细节。

尽管人类擅长识别不同大小、颜色、光照或角度下的物体，但在压力环境下却难以保持一致性。而计算机视觉解决方案能够不间断地工作，快速且准确地处理大量视觉数据。比如，它可以实时分析交通状况以检测拥堵、优化信号灯配时，甚至比人类观察员更快地识别事故。

计算机视觉的发展历程

多年来，计算机视觉已从一个理论概念发展成为推动各行各业创新的可靠技术。以下是其发展过程中的一些关键里程碑：

• 20世纪50-60年代：研究人员开始研发处理和分析视觉数据的算法，但受限于计算能力，进展较为缓慢。

• 20世纪70年代：这一时期，算法取得重大改进，如霍夫变换，它提高了图像中线条和几何形状的检测能力。光学字符识别（OCR）技术也应运而生，使机器能够读取印刷文本。

• 20世纪80-90年代：机器学习开始在计算机视觉领域发挥作用，为更高级功能的实现和未来的突破奠定了基础。

• 21世纪00-10年代：深度学习为计算机视觉带来了新的发展维度，使机器能更高效地解读视觉数据，增强了物体识别、运动分析和复杂任务执行等功能。

如今，计算机视觉正快速发展，改变着医疗保健、自动驾驶汽车和智慧城市等领域的问题解决方式。Ultralytics YOLO (You Only Look Once) 模型专为实时[计算机视觉任务设计，让各行业能更高效、准确地应用视觉人工智能。随着人工智能和硬件的持续进步，这些模型正帮助企业通过先进的视觉数据分析做出更明智的决策，简化运营流程。

计算机视觉的工作原理

计算机视觉系统通过神经网络（一种受人类大脑工作方式启发的算法）来分析图像。其中，卷积神经网络（CNN）这种特定类型的网络，尤其擅长识别图像中的边缘和形状等模式。

为简化视觉数据，池化等技术会聚焦于图像的重要部分，而额外的网络层则对这些信息进行处理，以完成特征识别或物体检测等任务。像Ultralytics YOLO11这样的高级模型，因其速度和准确性的优化设计，使实时图像处理成为可能。

图2. 使用Ultralytics YOLO11进行对象检测的示例

一个典型的计算机视觉应用包含多个步骤，将原始图像转化为有用的见解，主要分为以下四个阶段：

• 图像采集：通过相机或传感器收集视觉数据，图像质量取决于所使用传感器的类型。

• 图像处理：运用降噪、突出边缘等预处理技术增强收集到的数据，使其更易于分析。

• 特征提取：筛选出形状、纹理等重要细节，聚焦图像中最关键的部分。

• 模式识别：利用机器学习对识别出的特征进行分析，以完成物体检测、运动跟踪或模式识别等任务。

计算机视觉的主要任务

在探讨计算机视觉的工作原理时，我们提到了计算机视觉任务。像Ultralytics YOLO11这样的模型就是为支持这些任务而构建的，能为实际应用提供快速且准确的解决方案。无论是检测物体还是跟踪其运动，YOLO11都能高效处理。下面我们来了解它所支持的一些关键计算机视觉任务及其工作方式。

目标检测

目标检测是一项关键的计算机视觉任务，用于识别图像中感兴趣的物体。其输出包括一组边界框（在检测到的物体周围绘制的矩形）、类别标签（每个物体的类别，如“汽车”“人”）以及置信度分数（表示模型对每次检测的确定程度）。例如，目标检测可用于识别并精确定位街道上的行人或交通中的汽车。

图 3. YOLO11 用于检测物体

图像分类

图像分类的主要目标是根据输入图像的整体内容，为其分配一个预定义的标签或类别。该任务通常涉及识别图像中的主要物体或特征。例如，图像分类可用于判断图像中是否包含猫或狗。像YOLO11这样的计算机视觉模型甚至可以通过自定义训练，对猫或狗的不同品种进行分类，如下所示。

图 4. 使用 YOLO11 对不同的猫品种进行分类。

实例分割

实例分割是在多种应用中使用的关键计算机视觉任务。它会将图像分解为多个片段，并识别每个单独的物体，即便存在多个相同类型的物体也能做到。与目标检测不同，实例分割会进一步勾勒出每个物体的精确边界。例如，在汽车制造和维修中，实例分割可帮助单独识别和标记每个汽车零件，使过程更准确高效。

图 5. 使用 YOLO11 进行汽车零件分割。

姿态估计

姿态估计的目标是通过预测手、头部、肘部等关键点的位置，确定人或物体的位置和方向。这在需要实时了解物理动作的应用中尤为有用。人体姿态估计通常应用于体育分析、动物行为监测和机器人等领域。

图 6. YOLO11 可以帮助进行人体姿态估计。

主流的计算机视觉模型

尽管市面上有众多计算机视觉模型，但Ultralytics YOLO系列凭借其卓越的性能和多功能性脱颖而出。随着时间的推移，Ultralytics YOLO模型不断改进，速度更快、准确性更高，能处理的任务也更多。Ultralytics YOLOv5推出时，借助PyTorch等视觉AI框架，简化了模型部署，让更广泛的用户能够使用先进的视觉AI，实现了高精度与易用性的结合。

随后，Ultralytics YOLOv8进一步拓展功能，新增了实例分割、姿态估计和图像分类等功能。而最新版本YOLO11在多项计算机视觉任务中表现最佳。YOLO11m的参数比YOLOv8m少22%，但在COCO数据集上的平均精度均值（mAP）更高，这意味着它能更精确、高效地检测物体。无论您是经验丰富的开发人员还是AI新手，YOLO11都能为您的计算机视觉需求提供强大的解决方案。

计算机视觉在日常生活中的应用

前面我们讨论了像YOLO11这样的计算机视觉模型在多个行业的应用。现在，让我们看看更多改变我们日常生活的用例。

医疗保健领域的视觉AI

计算机视觉在医疗保健领域应用广泛。目标检测和分类等任务用于医学成像，可加快疾病检测速度并提高准确性。在X射线分析中，计算机视觉能识别肉眼难以察觉的模式。

它还用于癌症检测，对比癌细胞和健康细胞。同样，在CT扫描和MRI中，计算机视觉可接近人类的准确度分析图像，帮助医生做出更优决策，最终挽救更多生命。

图 7. YOLO11 用于分析医学扫描。

汽车行业的AI应用

计算机视觉对自动驾驶汽车至关重要，能帮助其检测道路标志、交通信号灯等物体。光学字符识别（OCR）等技术使汽车能够读取道路标志上的文本。在行人检测方面，目标检测任务可实时识别人员。

此外，计算机视觉甚至能发现路面的裂缝和坑洼，以便更好地监测不断变化的道路状况。总体而言，计算机视觉技术在改善交通管理、提高交通安全和支持智慧城市规划方面能发挥关键作用。

图 8. 使用 YOLO11 了解交通状况。

农业领域的计算机视觉

试想一下，农民若能自动、准时地播种、浇水和收割庄稼，无需过多担忧，这正是计算机视觉为农业带来的变革。它助力实时作物监测，使农民能比人工更准确地发现作物疾病或营养不足等问题。

除了监测，与计算机视觉集成的AI驱动自动除草机可识别并清除杂草，降低劳动力成本，提高作物产量。这种技术结合帮助农民优化资源、提升效率并保护作物。

图 9. YOLO11 在农业中的应用示例。

制造业的自动化流程

在制造业中，计算机视觉有助于自动监控生产、检查产品质量和跟踪工人。视觉AI加快了流程速度，提高了准确性，同时减少错误，从而降低成本。

具体而言，在质量保证方面，通常会用到目标检测和实例分割技术。缺陷检测系统对成品进行最终检查，确保只有优质产品送达客户手中。任何有凹痕或裂缝的产品都会被自动识别并剔除。这些系统还能实时跟踪和计数产品，实现装配线的持续监控。

图 10. 使用计算机视觉监控装配线。

教育领域的计算机视觉应用

计算机视觉在课堂中的一种应用是手势识别——通过检测学生的动作实现个性化学习。YOLO11等模型非常适合这项任务，能准确实时地识别举手、困惑表情等手势。

当检测到这些手势时，系统可以通过提供额外帮助或调整教学内容以更好地适应学生需求，从而优化课堂教学。这创造了更具活力和适应性的学习环境，帮助教师专注于教学，同时系统为每个学生的学习体验提供支持。

计算机视觉的最新趋势

在探讨了计算机视觉在各行业的应用后，我们来了解推动其发展的关键趋势。

其中一个主要趋势是边缘计算，这是一种分布式计算框架，可在更接近数据源的位置处理数据。例如，边缘计算使相机和传感器等设备能直接处理视觉数据，缩短响应时间、减少延迟并增强隐私保护。

另一个关键趋势是混合现实的应用。它将物理世界与数字元素相结合，借助计算机视觉使虚拟对象与现实世界无缝融合，可用于改善游戏、教育和培训体验。

计算机视觉的优缺点

计算机视觉能为各行业带来诸多主要优势：

• 节省成本：通过计算机视觉实现任务自动化，有助于降低运营成本、提高生产力并减少错误。

• 可扩展性：计算机视觉系统一旦实施，可轻松扩展以处理大量数据，适用于成长型企业或大规模运营。

• 应用定制化：可利用您的数据集对计算机视觉模型进行微调，从而获得高度专业化的解决方案，满足特定应用需求。

尽管这些优势凸显了计算机视觉对各行业的影响，但也需考虑其实施过程中的挑战，主要包括：

• 数据隐私问题：在监控或医疗保健等敏感领域使用视觉数据，可能引发隐私和安全方面的担忧。

• 环境限制：计算机视觉系统在光线不足、图像质量差或背景复杂等具有挑战性的环境中，可能难以正常运行。

• 初始成本高昂：由于需要专门的硬件、软件和专业知识，开发和实施计算机视觉系统的成本可能很高。

总结

计算机视觉正通过让机器像人类一样观察和理解世界，重塑机器与世界的交互方式。它已在多个领域得到应用，如提高自动驾驶汽车的安全性、帮助医生更快诊断疾病、实现个性化购物，甚至辅助农民进行作物监测。

随着技术的不断进步，边缘计算和混合现实等新趋势正开辟更多可能性。尽管存在偏差和高成本等挑战，但计算机视觉在未来有望对众多行业产生巨大的积极影响。

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。