移动空间应用和图像识别的未来

图像识别软件和算法开发可能是业界最大的关注领域之一，包括谷歌和微软等巨头，以及计算机和数据科学的学术研究。这已经扩展到其在地理空间分析和日常用户的实际应用中的效用。

未来增长的一个领域是为移动应用程序用户提供有关他们正在访问或计划短期访问的地点的实时信息。Jetpac创建的软件允许捕获公共Instagram数据，然后分析有关该位置的图片，然后向用户提供信息。这可以像分析谁正在访问餐馆以了解用户数量一样简单。谷歌在2014年收购了这家公司，其功能可能会扩展到使用照片提供其他实时数据，以更好地了解给定地点的情况。虽然目前主要针对城市指南，但这可以扩展到评估流量模式或更好地了解客户对企业的选择等方面。[1]

鉴于游戏行业的影响以及对增强现实（AR）的兴趣增加，图像识别可能会继续取得进步，从而有助于许多行业。CrowdOptic等公司正在为虚拟世界提供实时视频和传感器增强功能，使观众能够分析建筑物，区域和其他位置的系统。其他公司，如Blippar，在其广告促销中使用增强现实。例如，监控人群行为是增长的一个领域，其中AR可用于导航和管理拥挤的空间，提供用户和管理工具。[2]

CROWDOPTIC与HEWLETT PACKARD ENTERPRISES（HPE）合作，使用计算机算法分析视频流，以发现环境中的实时异常。
基于视觉的数据库，也包含空间数据和位置信息，是另一个具有巨大潜力的领域。随着诸如Deja Vu之类的新工具的创建，其允许自动数据捕获和从照片中提取单词或其他信息，现在还可以将空间数据与该数据一起使用以通过简单地拍摄照片来创建快速空间数据库。这种技术被用于使用移动应用程序组织视觉记忆; 但是，它确实有可能用于从图像中捕获自动空间数据的其他领域。

其他增长领域包括使用空间技术主动从视觉信息中采取行动。这已经应用于自动驾驶汽车; 但是，对于将用户引导到特定目的地的应用程序，可以增强此功能。例如，用户可以使用图像来找到销售看起来像给定图像的东西的最近的商店，而不是搜索目的地。更复杂的分析甚至可以通过照片或视频输入的搜索和神经网络分析提供警告或其他主动信息。[3]

虽然很明显图像识别和计算机视觉的最大应用之一是自动驾驶汽车，但是有一些新领域技术可能会在未来十年内发展。例如，在黑暗中驾驶陆地车辆可能是当前系统的挑战，这些系统主要使用视觉信息来确定障碍物和其他危险。DRIVE PX 2的新技术正被用于帮助夜间驾驶或视觉障碍驾驶。包含夜视的传感器可以更好地集成，以在有限的光场景中提供物体识别功能。[4]

使用卷积神经网络捕获道路标志信息。来自：LIM，K.，HONG，Y.，CHOI，Y。，＆BYUN，H。（2017）。基于通用GPU和深度学习的实时交通标志识别。PLOS ONE，12（3），E0173317。
显而易见的是，图像识别可能越来越多地应用于空间应用。我们已经看到了这种情况，但是通过与人工智能的集成和主动学习，允许应用程序以最少的视觉输入做出决策，我们可能会看到应用领域扩展到比目前应用图像识别技术更多的领域。