人工智能时代计算机视觉技术的发展趋势研究

陈 婕

（湖南铁路科技职业技术学院 湖南 株洲 412006）

1 引言

计算机视觉技术，即应用计算机实现人的视觉功能，利用技术来测量、判断。计算机视觉技术涵盖软件、硬件两个层面，融合了多种元素，包括相应算法、采集设备、镜头控制设备等，在某些不适合真人作业的环境中，计算机视觉技术表现出良好的应用前景。目前，计算机视觉技术已经在农业、工业、气象、航天、军事、交通、科研、安全、公安等领域中得到了广泛使用，并不断地进行着技术更迭，表现出了极强的优越性。

2 人工智能与计算机视觉技术

2.1 人工智能

对于人工智能的定义，主要包括4种：（1）借助人工智能，让机器具备人的智能行为；（2）人工智能是与人类行为相似的计算机程序；（3）人工智能是会学习的计算机程序；（4）人工智能能够根据环境感知来做出相应的行动，获得收益。总体来看，人工智能即像人一样思考、行动的技术手段。

关于人工智能发展的萌芽，可追溯至20世纪三四十年代。2000年后，人工智能进入了爆发式增长阶段；2006年，神经网络深度学习领域取得了突破性进展。与发达国家相比，我国人工智能技术的起步相对较晚、发展艰难，但如今也迎来了蓬勃的发展时期，国家出台了一系列的政策文件，人工智能研究取得了显著成就，包括模式识别、吴氏方法、水下机器人、智能驾驶、情感计算等，人工智能在多个领域中大放异彩。人工智能是一个新的学科，是以研究人类智慧作为主要目的，将研究成果转化为有形的技术。人工智能发展迄今为止，其应用领域也越来越大，对于多个行业也产生了深刻影响，尤其是信息领域。

2.2 计算机视觉技术

计算机视觉属于人工智能的重点研究领域，通过模拟人类视觉特征为各项工作服务，可针对图像内容进行高效分析、运算，既能够对图形信息进行技术分析，还能够根据图形数据内容来识别、处理图像。例如应用计算机视觉技术，可在海量图像内容中找到目标内容，以公安侦查为例，应用计算机视觉技术，可针对目标人物图像进行对比，结合云处理、云加速、云计算，在最短时间内锁定罪犯特征，在天眼系统进一步完善之后，计算机视觉分析的精度将会持续提升[1]。当前，这一技术也开始应用在交通领域中，有效降低了交通管理部门的压力与负担，可对交通运输体系进行精准管理与控制。计算机视觉领域的发展空间非常大，是当前业界研究的热点话题。

3 计算机视觉技术的研究进展

3.1 简单评测阶段

在计算机视觉的发展早期，研究的主要内容是对于基础视觉理论的研究，这一时期主要将各类实验数据用在特定视觉理论的验证中，形式比较单一。1963年，研究人员利用算法从单一几何图片中提取了简单结构；在1966年，麻省理工学院举办了“人工智能实验室”项目，利用前景-背景分割来自动提取出研究对象。进入了80年代后，研究人员将生理学、心理学、信息学等领域结合，技术手段的成熟让计算机视觉成了独立的研究学科，从理论逐步走入实际应用。

3.2 开放评测阶段

在信息技术的发展下，人工智能在多个领域得到了广泛使用，也在多个行业引起了重大变革。从20世纪90年代开始，关于计算机视觉的研究开始转化为具体的视觉任务，通过数据的筛选、整理，具备了一定规模。在2009年，大规模数据集ImageNet诞生，对分类任务、物体识别带来了新的挑战，计算机视觉也步入了大规模数据库发展阶段，以ImageNet为代表的数据集有着精度高、数据全面、规模大、准则科学的特点，促进了深度学习的发展[2]。

3.3 竞赛评测阶段

基于开放评测作为基础，诞生了竞赛评测模式，这一评测是利用参赛算法性能，采用论文、排行榜等方式发布结果，根据结果来更新数据库，促进计算机视觉技术的发展。在2012年，基于卷积神经网络的AlexNet模型获得冠军，引起了学界对深度学习方法的关注。

3.4 图灵评测阶段

发展计算机视觉技术的目标是为了超越人类视觉感知力，但是以往单一的竞赛评测、开放评测以及简单评测，更加注重算法性能对比，忽视了与人类视觉能力之间的对比。对此，有学者提出了图灵评测，这是采用视觉问答、视觉描述方式，评估是否具备人类的理解能力。目前，这一技术还处于初级发展阶段，还未取得突破性进展。

4 人工智能时代计算机视觉技术的发展趋势

4.1 人工智能在计算机视觉中的应用

将人工智能应用在计算机视觉中，可对各类图形、图像进行分析、处理，快速甄别海量图像数据，发现分析目标。在当代社会，人们对于图像动态化分析提出了新要求[3]。例如，在电商领域中，人们想购买一个商品，却不了解商品的价值、作用以及其他信息，而现今即可应用人工智能与计算机视觉技术在全网中进行对比，分析商品的外部特征，很快便可获取到精准的产品信息，在这一过程中，涉及计算机视觉技术、人工智能技术以及大数据技术。其运行流程为：借助计算机视觉技术来捕捉商品的图像与图形，并衍生出相关的核心数据，再利用大数据对内容进行分析、搜索，寻找相似内容，借助人工智能来识别、捕捉海量信息。人工智能在计算机视觉中的应用具有广阔发展空间，也是下一阶段人工智能的重点研究方向。

4.2 人工智能在网络中的应用

人工智能在网络中的应用也有着不可估量的价值。在当代社会，网络领域的融合度显著提升，利用互联网可便利地实现数据的共享，满足人们的各项诉求。人工智能在网络中的应用，也解决了人力资源不足的问题，降低了管理、运营上的成本，大幅优化网络运行效率，提高网络系统覆盖率。

人工智能在网络中的应用主要集中在网络安全、管理层面。其中，网络安全是网络发展中的核心问题，借助人工智能可对各项数据进行加密，保证数据安全性，通过对用户数据的梳理、整合，都可能会影响网络安全，利用人工智能的辅助作用，能够对各项信息进行加密处理，提升网络使用的安全性。人工智能的应用还可提升网络科学化管理水平，例如传统的网络维护工作由人力负责，在人工智能的完善下，即可利用人工智能技术，这可有效减轻人员的工作压力[4]。又如，网站在应用了人工智能技术后，可满足大量用户的同时在线交流，帮其答疑解惑，降低了人工客服的服务成本，提升了网络服务质量与用户满意度。

5 人工智能时代计算机视觉技术应用的代表案例

5.1 智慧工程

在工业生产与制造中，质检工作是其中的重点，传统质检工作一直存在质检质量不稳定、成本高、培训难、留人难、招工难的问题。利用人工智能与计算机视觉技术，提前部署计算机视觉系统，与云计算结合，将视觉检测识别算法移植到MEC上进行执行，从而优化视觉算法，满足工业智能化的生产要求。

5.2 智慧矿山

在传统的矿山领域中，维护成本偏高、网络投资重复，每一套系统都需要配备独立光纤，有线连接常常无法很好地适配。利用人工智能与计算机视觉技术，再借助5G网络，能够将井下画面实时传播出来，利用AI来分析视频内容，可精准识别出采矿工作中的岩石，帮助人员躲避，还能对掉落的煤块进行监控，确保井下人员的安全。

5.3 智慧医疗

当前，计算机视觉技术也开始应用到了应急救护、智慧医疗服务、健康养老、公共卫生等领域，可用于移动医护、远程重症监护以及远程实时会诊中。目前，我国多个医院打造了智慧医联系统平台，提供包括医疗业务、基础服务等在内的内容，覆盖各个医疗服务、手术、应急救治场景。

5.4 智慧港口

在传统的港口场景中，缺乏网络部署能力。因此，计算机视觉技术在港口中的应用也变得非常必要，利用人工智能与计算机视觉技术，可对起吊装置进行远程控制，还可提供高清视频回传、设备数据采集、现场人员通信、定位防碰撞、人工智能识别分析工作。

5.5 智慧电网

利用人工智能与计算机视觉技术，可以打造智慧电网，具有快速移动、海量连接、低实延等特征，满足了数据采集、巡检终端遥控工作要求。目前，这一技术已经进入推广阶段，在各项技术的辅助下，机器人巡检、无人机训练将推动电网领域朝着高清化、可视化、智能化的方向发展，在不破坏原有环境的基础上，让无线高清视频监控变得更加简单、易行，利用智能巡防机器人、无人机巡防、高清视频监控、VR/AR监控仪器，可以实现优势互补，显著提升突发事件响应能力。

5.6 智慧教育

进入了教育信息化2.0时代后，VR、XR、HR、MR等产业迅速发展，与教育学实现了深度结合，成了现代化教育领域的重要发展趋势。利用AI智能识别技术，可满足交互式体验要求，为教育领域提供3D模型、全景视频、全景图片，借助计算机视觉的确定性精准网、分布式精准云等，用户只需要利用轻量XR终端，即可获取到优质的教育资源[5]。

6 结语

人工智能在计算机视觉中的应用，已经取得了初步成效。在科技水平的发展与相关技术的推广下，人工智能会在计算机视觉领域中表现出更大的应用潜力，推动人类社会的智能化发展进程。但是，以人工智能、大数据为基础的计算机视觉技术与真实场景需求之间依然有差异，在下一阶段，需要进一步创新技术发展，为超越人类视觉信息感知能力提供坚实的技术依托。