计算机视觉与人工智能有密切联系，但也有本质的不同。人工智能的目的是让计算机去看、去听和去读。图像、语音和文字的理解，这三大部分基本构成了我们现在的人工智能。而在人工智能的这些领域中，视觉又是核心。大家知道，视觉占人类所有感官输入的80%，也是最困难的一部分感知。如果说人工智能是一场革命，那么它将发轫于计算机视觉，而非别的领域。
人工智能更强调推理和决策，但至少计算机视觉目前还主要停留在图像信息表达和物体识别阶段。“物体识别和场景理解”也涉及从图像特征的推理与决策，但与人工智能的推理和决策有本质区别。
1、计算机视觉是一个人工智能需要解决的很重要的问题。2、计算机视觉是目前人工智能的很强的驱动力。因为计算机视觉有很多应用，很多技术是从计算机视觉诞生出来以后，再反运用到AI领域中去。
3、计算机视觉拥有大量的量子AI的应用基础。
在深度学习出现之前，计算机视觉可以执行的任务非常有限，并且需要开发人员和人工操作人员进行大量的人工编码和工作。
例如，如果要执行人脸识别，则必须执行以下步骤：
创建数据库：你必须以特定格式捕获要跟踪的所有主题的单个图像。
为图像添加注释：对于每个单独的图像，你都必须输入几个关键数据点，例如眼睛之间的距离，鼻梁的宽度，上唇与鼻子之间的距离以及数十种定义独特特征的其他测量值每个人。
捕获新图像：接下来，你必须捕获新图像，无论是照片还是视频内容。然后，你必须再次执行测量过程，在图像上标记关键点。你还必须考虑拍摄图像的角度。
经过所有这些手动工作，应用程序最终将能够将新图像中的测量结果与数据库中存储的测量结果进行比较，并告诉你它是否与所跟踪的任何配置文件相对应。实际上，涉及到的自动化很少，大部分工作都是手动完成的。而且误差幅度仍然很大。
尽管最近取得了令人印象深刻的进步，但我们甚至还没有解决计算机视觉问题。但是，已经有多家机构和AI公司找到了将由神经网络驱动的C计算机视觉系统应用于解决实际问题的方法。而且，AI人工智能下的机器学习与深度学习已经成为了趋势。
从应用前景看，基于计算机视觉的视频监控技术所面临的巨大市场潜力为视频结构化技术提供了广阔的应用前景。
联系客服
