计算机视觉（ComputationalVision，简称CV）是一门研究如何使机器“看”的科学，广义上包含了非可见光的图谱分析、热传感图像分析等领域，但狭义来讲就是图像和视频分析：在没有文字或其他信息（例如访问图像的用户信息等）的辅助下，仅根据图片像素信息分析出图像的语义。
计算机视觉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。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要实现这个目标，第一是图像处理，第二是图像理解。
作为一个工程学科，计算机视觉寻求基于相关理论与模型来建立计算机视觉系统。这类系统的组成部分包括5个部分：程序控制、事件检测、信息组织、物体与环境建模以及交感互动。
我们列举国际上主要的计算机视觉公司：
计算机视觉应用领域极其广阔，现列举几个主要的直接应用领域：
1 智能视频监控：爆发式增长可期
随着平安城市建设等各项政策的继续开展和深化，以及交通、教育、金融等各行业用户安防意识的不断增强，预计视频监控市场将保持强劲增长。2014年整个视频监控市场规模为304亿元，同比增长21.12%。而未来，在政策扶持、意识提升、治安需要、经济增长等因素的推动下，我国视频监控设备市场将拥有更大的发展空间，预计未来5年年均增长率维持在20%左右。
我国视频监控行业的下游涉及众多行业，包括交通、城市治安、政府项目、金融、教育、民用、电信、公共设施、酒店娱乐、石油石化等，其中交通、城市治安、政府项目、企业应用、金融和教育为六个最主要的应用行业，广阔的应用领域为下游需求增长奠定了基础。
目前的视频监控只能实现记录功能，计算机尚无法准确识别视频中的人、物以及场景，要实现全方位的实时监控，还必须依靠大量的安保人员时刻紧盯屏幕，监视所有摄像头传过来的全部视频，这显然难以在实际工作中做到。即便能够做到，安保人员也会因为疲劳和疏忽而错漏掉某些稍纵即逝的重要情况。以警方办案为例，往往要调用案发现场及周边大量的历史监控录像进行持续数天甚至更长时间的肉眼识别，才可能发现破案线索。而具备视觉的智能视频监控系统将彻底改变现状，监控的及时性和有效性都将大大提升。
智能视频监控系统应用主要包括几个大类：1、对人、物的识别；2、对人、物运动轨迹的识别；3、对视频环境影响的判断和补偿。对人、物的识别是识别监控系统关心的内容，包括人脸识别、车牌号识别等；人、物运动轨迹的识别和处理，目前细分的很多，主要包括虚拟警戒线、人数统计、车流统计等；对视频环境影响的判断和补偿：环境的影响主要包括雨、雪、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移等，智能视频监控系统技术应用能够在恶劣视频环境情况下实现较正常的监控功能。在实现智能分析功能时，一些关键技术尤为重要，比如移动目标检测提取中的帧差背景去除，光流法，混合高斯模型背景差分等；目标分类和行为分析中的相似度分类和特征分类；异常行为分析中的运动矢量跟踪，数据关联，最大似然算法，超分辨率重建等。
随着技术的突破，我们预计智能视频监控在不久后将出现爆发式增长，增长一方面来自新市场的开拓，另一方面来自对现有监控系统的改造和替代。
医疗图像具有很大的数据量，面向医疗图像的数据研究成为医学和计算机科学交叉学科研究的一个十分重要的领域。医疗图像的高分辨率、数据的海量性、图像特征表达的复杂性等特点，使得人工智能技术在医疗图像中的研究具有较大的学术价值和广泛的应用前景。医疗图像分析是用计算机对医学图像进行自动处理、特征抽取和分类的技术。分析的主要对象是人体细胞涂片图像、人体各部位的X射线照片和超声图像，这对辅助医生进行医疗图像临床诊断具有重要实用价值。
从全球产业市场规模来看，随着人们越来越重视对慢性疾病的预防，全球影像诊断设备市场规模不断扩大。2012年全球医疗器械市场销售额达3490 亿美元，其中影像诊断产品市场销售额达361亿美元，预计2018年,全球影像诊断设备市场份额将以年均 3.8%的速度增长，市场销售将达到451亿美元，而不同细分领域复合增长率约为15%-40%。我国医疗器械市场规模维持高速增长，将成为继美日两国之后的世界第三大市场。预计市场总规模将按19.8%复合年增长率，由 2012 年 2420 亿元增加至 2017 年 5970 亿元。其中，医疗影像诊断设备在我国医疗器械细分市场中规模最大，占据 38%的份额。
计算机视觉在医疗领域的应用目前已经很多，但还主要停留在图像处理的层面，例如CT和核磁共振，就是采用了图像处理中的图像重建技术。这类图像处理技术可以为医生诊断提供帮助，但系统本身并不具备诊断功能。当计算机系统具备接近人类的图像理解能力时，将可以智能化地完成一些诊断功能，这也是目前研究的重点。
机器视觉主要指的是计算机视觉在工业自动化领域的应用。机器视觉把计算机的快速性、可重复性与人眼视觉的高度智能化和抽象能力相结合，大大提高了生产的柔性和自动化程度，机器视觉广泛应用于工业控制领域。
根据工业环境的不同，机器视觉主要分为以下两类：一类是用于大规模或者高测试要求的生产线上，如包装、印刷、分拣等，或者在野外、核电等不适合人员工作的环境中，利用机器视觉方式代替传统人工测量或检试，同时实现人工条件下无法达到的可靠性、精确度及自动化程度。另一类应用是高精密的专业设备制造，典型代表是最早带动整个机器视觉行业崛起的半导体制造设备。从上游晶圆加工制造的分类切割，到末端电路板印刷、贴片，这类设备都依赖于高精度的视觉测量以对运动部件进行导引与定位。
在大批量工业生产中，用机器视觉检测方法可以大大提高生产效率，减少人工风险。比如在药品生产中，采用机器视觉产品不仅可以提高药品质量检测的准确度和生产效率，还可以避免人眼长时间工作而造成的视觉疲劳。另外,将机器视觉应用于机器人的引导中，可以实现生产的柔性化，使生产线很容易适应产品的变化，这成为未来发展趋势之一。2014年全球机器视觉系统及部件市场规模为36.52亿美元，预计2014 - 2018年的年复合增长率(CAGR) 为8.2%，2018年全球机器视觉市场将达到50.43亿美元。
4 无人驾驶：让汽车看懂一切
在2015年CES展上，汽车行业成为本次展会的一大亮点，多家汽车厂商和科技公司展示了无人驾驶和智能汽车技术。奔驰发布可自动驾驶的F015LuxuryinMotion概念车；大众发布高尔夫RTouch概念车，展示全新的车载信息技术；奥迪公司则展示其研发的PilotedDriving无人驾驶技术。而作为该领域领导者的谷歌表示，第一款真正自动化的无人驾驶汽车能在5年内做好量产的准备。无人驾驶会让汽车的使用更加高效、安全和节能，它能够自动规划行驶路线，避免发生交通事故，同时降低尾气排放和节约能源。汽车的终极目标就是无人驾驶，将是第一个被人类广泛使用的机器人。
汽车要无人驾驶，最大的障碍就是计算机视觉。要控制汽车的方向盘、油门、刹车等，汽车的传动系统就可以做到，但是要让汽车能够看懂路况是非常困难的，只有当汽车能够看懂路上发生的一切，能够自己判断的时候，才能真正的实现无人驾驶。谷歌无人驾驶汽车顶上的摄像头能够判断前方路况，实现对前方物体的三维成像，用于检测前方突然出现的障碍，如行人，动物，以及判断信号交通标志等。
根据美国市场研究机构LuxResearch预测，到2030年，全球将有1200万辆无人驾驶汽车售出，而汽车普及量逐年增长的中国将占有这个新市场高达35%。鉴于停车辅助雷达或紧急刹车系统都需要摄像头，一辆高端汽车身上可能藏有8个摄像头，如果再加上替代后视镜以及路况监测等系统的摄像头，总数将达到12个，因此预计2030年全球无人驾驶汽车摄像头需求量将达1.44亿个，我们按每个车载摄像机价格100美元计算，无人驾驶汽车在计算机视觉领域的市场规模将达144亿美元。
（编辑：谢凤）
