关于计算机视觉的识别与检索问题的思考

计算机视觉所有的识别与检索问题，目标追踪问题，行人检测问题，行人重识别问题，移动机器人目标跟随问题，都是想法设法找出跟随目标的不变量出来。有了不变量，才有谈论后续工作的可能性。

 

假如人都无法从图像中识别出目标，那么让计算机找出来也就无从谈起。

 

假如是一个数学问题，需要求解，我们的思路是，先证明问题有解，再求解。

 

问题有解是求解的必要条件。

 

只有问题有解，我们求解才是有意义的。否则就是徒劳的，求解一个没有解的问题，就像希腊神话里，每天推着石头到山上的西西福斯，石头快到顶就会滚下来，周而复始。

 

学生时代，数学课本经常出现证明题，一般都是存在性证明。

 

脱离了别人提问、我们解答的学生时代，进入真正解决问题的时候，我们很多人就忘记了关注一个问题的有解性。

 

但是这一部分展开的讨论很少。我们在计算机视觉方面的工作更像是胡子眉毛一把抓，任何对象拿来就求解。之后花大力气提高识别率。

 

识别问题是局部有解的问题。不同的识别对象，有解的条件不一样。控制领域关心一个解是否鲁棒，意思是就算条件苛刻，解依然存在。这个概念也可以用在计算机视觉识别领域。识别是否鲁棒？

 

人脸的特征随时间变化缓慢，人脸识别是鲁棒的。人体重识别就不鲁棒，因为被识别对象变化因素太多。能够唯一确定一个人的，几乎只能是DNA比对。仅仅靠视觉来重识别一个人，条件是很苛刻的，数学上会说这是一个很强的条件。被识别对象的变量越多，识别越不鲁棒，变化到一定程度，已经没有重识别的意义，比如光线差异巨大，视角差异巨大，服饰变化巨大，视觉上的视觉已经失去意义。

 

生物从出现感光细胞，到进化出眼球、视觉，用视觉处理环境，绝不仅仅是输入像素，对像素的各种处理。转到计算机视觉，就只剩下对像素的处理。我认为识别领域的泡沫太多，现在的计算机视觉处理问题的方式，本质上都是寻找像素之间关系，再数学一点说，都是寻找二维矩阵中数字关系，最后想要实现眼睛和大脑对问题处理的效果。

 

我们应该谨慎对待生物意义上和计算机软硬件层面上的输入层差异，这一差异是否遗漏了重要信息？假如遗漏了重要信息，我们想要的效果就达不到了。