计算机视觉的某个应用场景研究报告,计算机视觉研究报告-发布版.pdf

·

前 言

本报告深入分析了计算机视觉产业链及核心技

术，提出产业链相互融合的发展趋势，以及核心技

术向轻量化&低成本及端边云协同方向发展，以解

决成本高、时延高、功耗高、部署难、隐私顾虑等

产业痛点问题，并介绍了六大行业领域对计算机视

觉的场景需求及解决方案。希望能够为产业在规划

设计计算机视觉相关产品和解决方案时提供参考和

指引。

目录

1.计算机视觉概述 1

1.1 计算机视觉的概念 1

1.2 产业发展驱动力分析 1

1.3 产业链分析及发展趋势展望 2

2.核心技术及发展趋势 7

2.1 核心技术介绍 7

2.1.1 视觉传感器技术7

2.1.2 计算芯片技术8

2.1.3 计算平台技术9

2.1.4 开源框架技术10

2.1.5 视觉算法技术12

2.2 技术发展趋势 19

3.行业需求和解决方案 23

3.1 智慧城市23

3.1.1 业务需求分析23

3.1.2 解决方案介绍26

3.2 工业29

3.2.1 业务需求分析29

3.2.2 解决方案介绍31

3.3 医疗33

3.3.1 业务需求分析33

3.3.2 解决方案介绍34

3.4 农业35

3.4.1 业务需求分析35

3.4.2 解决方案介绍36

3.5 教育37

3.5.1 业务需求分析37

3.5.2 解决方案介绍38

3.6 自动驾驶39

3.6.1 业务需求分析39

3.6.2 解决方案介绍39

4.展望41

参考资料附录1

联合编写单位及作者附录2

1

1.计算机视觉概述

1.1 计算机视觉的概念

计算机视觉是计算机科学的分支，是指用摄像头和电脑代替人眼

对目标进行识别、跟踪和测量，并处理成更适合人眼观察或传送给仪

器检测的图像。作为科学学科，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是

使计算机能像人那样通过视觉观察理解世界，并具有自主适应环境的

能力。

与计算机视觉概念相关的另一专业术语是机器视觉。机器视觉是

计算机视觉在工业场景中的应用，目的是替代传统的人工，提高生产

效率，降低生产成本。计算机视觉与机器视觉侧重有所不同。计算机

视觉主要是对质的分析，如物品分类识别。机器视觉主要侧重对量的

分析，如测量或定位。此外，计算机视觉的应用场景相对复杂，识别

物体类型多，形状不规则，规律性不强。机器视觉则刚好相反，场景

相对简单固定，识别类型少，规则且有规律，但对准确度、处理速度

要求较高。

1.2 产业发展驱动力分析

计算机视觉产业的发展受到市场与技术的双重驱动。

1

一是市场驱动，随着人口红利的消失以及人生理能力的局限性，

机器代人过程的不断进行，带来巨大的经济效益。以工业机器视觉系

统为例，在发达国家一台典型的10000 美元的工业机器视觉系统可

替代3 个年工资在20000 美元左右的工人，投入回收期非常短，且

后续维护费用低，具备明显的经济性。

二是技术驱动，以5G 为代表的新一代信息通信技术及以深度学

习为代表的人工智能技术，推动计算机视觉产业不断成熟。一方面，

在4G 时代就出现了简单的计算机视觉业务，例如人脸识别、OCR

等。随着5G 的普及，高速率、无线化、可移动视觉的需求将得到进

一步满足。另一方面，人工智能技术随着算