智慧城市网

 

　　#1：物体检测
 

　　传统的计算机视觉实现使用对输入和输出的深入分析。老式 CV 的典型流程依赖于边缘检测等图像处理技术来识别和标记图像中的对象。
 

　　计算机科学中深度学习架构的出现导致了从经典的 CV 技术(如基于定义的特征结构)到 AI 驱动的图像神经网络分析的巨大转变，这使得图像中数据的提取和分类几乎完全自动化。简单来说，人工智能将编程从画面中剔除，取而代之的是一种监督较少的方法，在这种方法中，计算机解释输入数据并训练自己识别图像的内容。
 

　　用例
 

　　当 AI 进入医学成像等领域时，计算机会利用卓越的模式识别来识别原始图像中的细微元素，例如 X 射线或 MRI 中是否存在微量癌细胞。尽管仍然需要人工解释和专业知识来检查机器的推断，但额外的闪电般的快速分析层有助于补充人类智能并挽救生命。
 

　　随着自动驾驶汽车在美国和其他许多国家上路，CV 领域将迎来爆发式增长。没有计算机视觉，自动驾驶汽车就无法存在。由于车辆的车载计算机需要对道路上的潜在障碍物做出快速决策，因此它依赖于一套高度优化的基于 CV 的技术。
 

　　值得注意的是，在医学、安全、制造等领域，人工智能驱动系统如何做出决策的透明度至关重要。这就是可解释的人工智能发挥作用的地方。该技术允许以人类可以理解的方式解释系统的发现，并显示人工智能算法做出的特定决策的可靠性。
 

　　使用计算机视觉解决以下业务挑战：
 

　　公安(车辆识别、武器类型识别、可疑物体定位等)
 

　　销售自动化和库存管理(识别货架上的低库存或错放物品、检测空货架、执行质量控制、自助结账的产品识别等)
 

　　消除人为错误并防止工作流程中的重复计算
 

　　#2：光学字符识别(OCR)
 

　　光学字符识别 (OCR) 是计算机视觉的独特实现，可解决各种特定领域的任务。 OCR 旨在从输入图像中检测和提取字母、数字和其他字符。
 

　　用例
 

　　Google Lens 使用 OCR 让客户从照片中翻译外语，并从图像或 Google 搜索中提取文本。 OCR 技术还使传统媒体的数字化变得简单，从报纸、杂志和书籍的扫描中提取文本。以前，大学很难将藏传佛教宗教文本等更晦涩的文件数字化，但现代 OCR 技术使得从非标准语言文件中提取文本变得简单。
 

　　金融机构使用 OCR 来改善客户的生活质量，例如让客户从文件中提取他们的国际银行帐号 (IBAN) 或扫描支票图像，这样就不必去银行存款.一些应用程序可以扫描借记卡或信用卡以输入付款详情，因此您不必在结帐窗口繁琐地输入所有付款信息。
 

　　政府通常使用 OCR 来缩短国家边境的处理时间或识别和登记文件。现代护照和驾驶执照上的机器可读区域与政府和商业环境中的 OCR 系统兼容。
 

　　#3：面部识别
 

　　与对象识别类似，面部识别旨在使用计算机视觉识别图像中的人类面部特征。经典的计算机视觉方法利用“Haar-like features”来计算面部特征之间的片段，但现代面部识别实现依赖于人工智能，就像人工智能用于物体识别一样。
 

　　用例
 

　　面部识别技术对于安全应用程序至关重要，因为它有助于防止移动和 Web 应用程序漏洞。无数 Apple iPhone 用户依靠 Apple 的 Face ID 技术进行生物识别来解锁他们的手机。
 

　　零售商已经部署了类似的实现来识别已知的商店扒手。实时扫描仪从安全摄像头流中抓取客户的面部，并交叉引用已知*分子的数据库。同样的技术通过从执法数据库中提取来帮助寻找失踪儿童。
 

　　面部识别还可以帮助您完成以下任务：

　　安全和访问控制

　　身份验证

　　员工跟踪

　　医疗保健中的患者筛查程序

　　识别和追踪*分子
 

　　下一代面部识别软件甚至可以查看姿势、手势和面部表情，以确定客户是否可能在赌场作弊。与相同的安全软件捆绑的步态分析还可以帮助根据他们独特的脚步和步幅模式来检测*分子，因为许多*分子通过戴口罩来躲避面部识别。
 

　　#4：图像恢复和场景重建
 

　　计算机视觉技术还可以恢复严重退化的档案镜头和图像，这可能是一项关键的业务技术。与从照片中去除噪点就足够的简单情况不同，计算机视觉可以帮助处理更多损坏的图像，这些图像需要进行重大更改和详细分析。图像的损坏部分通常使用评估照片广播内容的生成模型来填充。
 

　　用例
 

　　除了恢复图像和视频之外，现代神经网络还可以仅通过扫描照片中的对象来重建 3D 场景。考古学家、法医专家、环境科学家和许多其他专业人士使用场景重建，这是一种改变游戏规则的计算机视觉范例。 RetrievalFuse 等项目能够从单个 RGB 图像构建全景 3D 场景。
 

　　#5：人体姿势估计
 

　　姿势估计旨在模拟人类视觉能力，特别是识别图像和视频中的姿势和手势。一些最早的高级人体姿势估计示例出现在大预算电影中，例如彼得杰克逊的《指环王》。随着计算资源随着时间的推移而扩大，姿势估计将在许多不同的产品中发挥作用。
 

　　用例
 

　　在安全应用中，姿势估计通过分析面部识别不可行的步态来帮助识别潜在的麻烦制造者。计算机视觉可以通过分析身体姿势来帮助实时检测入店行窃。该系统可以区分正常的购物行为和可疑行为，例如拿走物品并将其藏在口袋或外套中。当检测到可疑行为时，管理人员会收到警报，并可以在小偷离开商店之前迅速做出反应。
 

　　以下是在您的业务中使用姿势估计的一些方法：

　　康复措施分析

　　开发基于人工智能的健身教练应用程序

　　识别人体在空间中的位置以改进增强现实的应用

　　游戏角色动画

　　人在商店和购物中心的活动分析
 

　　尽管姿态估计曾经是一项巨大的计算挑战，但云计算和硬件的创新使更多公司能够接触到这项技术。
 

　　一切都是可能的
 

　　对象检测、面部识别、场景重建、图像恢复和人体姿态估计只是计算机视觉技术的几种不同实现方式。由于下一代 AI 的强大功能，无论您的企业从事何种行业，计算机视觉都可以提供独特的优势，使您的公司在竞争中处于领先地位。从重建*现场照片的全深度 3D 模型到识别工厂线上量产产品的缺陷，计算机视觉不断改变每个人的业务方式。