视觉技术在人工智能体系中有很重要的地位，人工智能落地应用主要有图像识别、语音合成、机器翻译等感知类任务上的应用和产业应用场景。
视觉技术又可分计算机视觉和机器视觉，应用场景的不同是计算机视觉和机器视觉的最根本差别。
计算机视觉模拟人眼的功能，而且更重要的是使计算机完成人眼所不能胜任的工作。而机器视觉则是建立在计算机视觉理论基础之上，偏重于计算机视觉技术的工程化，能够自动获取和分析特定的图像，以控制相应的行为。
与计算机视觉所研究的视觉模式识别、视觉理解等内容不同，机器视觉技术重点在于感知环境中物体的形状、位置 、姿态 、运动等几何信息 。两者基本理论框架、底层理论、算法相似，只是研究的最终目的不同。所以计算机视觉一般情形普遍适用，而机器视觉更多用于工业上。
计算机视觉在落地场景上应用较多，现在已扩展到新兴领域，例如汽车、医疗保健、零售、机器人、农业、无人机和制造业等。
一个典型的视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
视觉技术通过机器代替人眼进行测量和判断，其精准识别比人眼更具准确性，尤其随着深度学习、3D视觉技术、高精度成像技术和机器视觉互联互通技术的持续发展，机器视觉的性能优势将进一步加大，发展前景可期。
而在企业领域则更多应用于考勤打卡，但眼考勤云通过计算机视觉SDC/SDK技术，赋能摄像头，精准捕捉人像，与数据库图像进行特征比对计算，识别身份打卡。
其次，通过机器视觉变身智慧前台，使摄像头能自动识别访客登记，通知来访人员，实现无人值守智慧前台，企业更加智能化！
无论是计算视觉还是机器视觉，都是视觉技术的发展和延伸，也是人工智能范畴重要的前沿分支之一，随着我国各行各业对采用图像和视觉技术的工业自动化、智能需求开始广泛出现，视觉技术逐步开始了工业现场的应用，市场规模将会进一步扩大，迎来快速增长期。
未来，视觉技术将进一步发展，有望落地更多的行业和产业，带来产业的升级转型，促进企业的智能化发展。
机器视觉。
视觉技术在人工智能体系中有很重要的地位，人工智能落地应用主要有图像识别、语音合成、机器翻译等感知类任务上的应用和产业应用场景。
视觉技术又可分计算机视觉和机器视觉，应用场景的不同是计算机视觉和机器视觉的最根本差别。
学习计算机视觉需要具备的知识储备有：
1、图像处理的知识。图像处理大致包括的内容：光学成像基础、颜色、滤波器、局部图像特征、图像纹理、图像配等。
2、立体视觉的知识。立体视觉大致包括的内容：相机几何模型、双目视觉、从运动中恢复物体结构、三维重建技术等。
3、人工智能的知识。人工智能大致包括的内容：场景理解与分析、模式识别、图像搜索、数据挖掘、深度学习等。
4、与计算机视觉相关的学科还有：机器视觉、数字图像处理、医学成像、摄影测量、传感器等。
1、博士学历，计算机、电子信息、软件或自动化等相关专业；
2、计算机视觉领域内的领军人才，在行业内有较大影响力，对专业技术有深入的研究和见解，有战略性的思维和能力；
3、 有很强的研究、工程落地能力；
4、5年以上计算机视觉相关领域工作经验，具备主导计算机视觉项目研发的实践经验；
5、 具备强烈的创新精神和能力，具备较强的抗压能力，具备优秀的沟通能力和丰富的团队管理经验。
「计算机视觉」（也叫「机器视觉」），就是在机器眼睛的后面安上大脑。这是一个让计算机能看懂图像的过程。任务分为：采集图像（摄像头、数字相机）→图像处理（计算机）→*控制设备（机械手臂、警报器或者反馈到下一个处理单元）当然，控制设备不总是必要的，取决于我们怎么使用计算机告诉我们的信息。我们不再满足能用更舒适的角度看到汽车周围的来往车辆，还希望汽车告诉我们，前方有障碍，需要减速。不再满足于能在监控后面看着各个路口拥挤的车辆，还希望计算机告诉我们，这个路口已达到红色级别拥堵，预计通过时间一个小时。不再满足于摄像头能帮我们在千里之外看着家里的婴儿和老人，还希望能在他们遇到困恼的时候，计算机第一时间向相关的人和机构发出警报。让机器能真正「看见」，这就是「计算机视觉」研究的目的。
就业前景很好。
随着人工智能产业升温，计算机视觉行业有望迈向新的发展阶段，市场规模将加速扩张。乐观预计，未来几年，计算机视觉行业年均增长率可维持在30%左右，前景广阔。
计算机视觉是指研究使机器具有“看”的能力的一门技术。计算机视觉在未来的行业发展中属于前景行业，但并不意味着毕业后就一定可以找到工作，除了在学校好好学习外，还要及时了解企业的岗位需求，以及对企业招聘要求也应了如指掌，成为满足企业要求的人才，要先人一步。
讲计算机视觉之前，先和大家简单区分一下两个概念“机器视觉”和“计算机视觉”，这两个技术都是通过对图像的获取、处理、结合人工智能算法，实现机器/计算机的“看到”、“看懂”之目的，都可以划分到人工智能行业。机器视觉通过CMOS和CCD摄取图像，主要用于工业，包括物体定位、特征检测、缺陷判断、目标识别、计数和运动跟踪。计算机视觉比机器视觉更加复杂，通过各种成像系统（包括视频）获取图像信息，由计算机代替人脑观察理解，做出判断和决策。
接下来，重点讲解计算机视觉(ComputerVision,CV)。CV是AI细分领域目前最大的一个分支，2017年国内市场规模约为15.45亿元，2019年约60亿元，2022年有望达到146亿元（数据来源：网络资料整理）。在CV领域，我国无论在市场空间，还是在技术上都处于领先地位。目前CV应用最大的领域是安防，其次是金融和手机，也正在逐渐渗透到娱乐、家居、交通（包括自动驾驶）、医疗等领域。计算机视觉行业根据技术层级从上到下，分为基础层、技术层和应用层。基础层最靠近“云”，应用层最靠近“端”。借用下图吧。
注：图片来源网络，侵删
CV界（算法）四大独角兽分别是旷视科技、依图科技、商汤科技、云从科技，这四家公司分别成立于2012/2013/2014/2015年。女孩子们最熟悉的美图秀秀技术就来源于旷视科技。在安防领域落地项目较多的是云从和依图，都分别和20-30个省份的城市有合作。在手机领域，商汤和旷世的落地项目更多，都和oppo、vivo、小米等手机品牌有合作。
从技术流程上看，CV识别分为六个过程：图像获取、预处理、图片分割、特征提取、机器判别、建模、应用。
注：图片来源网络，侵删
第一步镜头获取图像后的一系列的动作都是由计算机完成，其中数据量、运算力和算法模型是决定CV最终输出结果速度、准确率等的关键因素；这三者也是各CV公司之间竞争的核心。
之后会发文分享CV细节。
计算机视觉（Computer vision）是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等，用计算机处理成为更适合人眼观察或传送给仪式。计算机视觉，图像处理，图像分析，机器人视觉和机器视觉是彼此紧密关联的学科，在很大程度上针对图像的内容。
数位绘图板是必备工具，另外扫描仪也是常用工具。软件有很多种，如果是3D效果的，常会用到3DMax和MAYA，但要结合Photoshop、painter等软件做贴图和最终效果，如果是平面手绘风格，常可用到的软件有painter、Photoshop，矢量图效果可用illustrator或coreldraw等。这些软件都可结合数位绘图板进行创作。
如果是做3D效果，需要的绘图板精读更高，更贵一些。
鼠标还是算了，除非是专门追求稚拙的鼠绘效果，要想做出很细腻很漂亮的CG作品，还是买个绘图板吧。
先学好基础的再玩高级的吧，这些做起来都不简单的
属于计算机专业。
计算机视觉是用机器人代替人眼进行测量和判断，是模式识别研究的一个重要方面。计算机视觉通常分为低层视觉与高层视觉两类，低层视觉主要执行预处理功能，如边缘检测、移动目标检测、纹理分析，以及立体造型、曲面色彩等，主要目的是使得看见的对象更突出。这时还不是理解阶段。高层视觉主要是理解对象，需要掌握与对象相关的知识。
