计算机视觉CV的入门理解

最近开始，工作中需要使用计算机视觉CV，而博主之前没有系统学习过，因此把学习的知识记录下来，作为入门理解。

如果想要机器能够进行思考，我们需要先教会它们去看。 ——斯坦福人工智能实验室和视觉实验室主任-李飞飞

在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech Recognition）并列为机器学习方向的三大热点方向。

用于自动驾驶的图像分割：

1. 计算机视觉cv

1.1 基本概念

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、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成更适合人眼观察或进行仪器检测的图像。

1.2 主要技术点

计算机视觉五大技术：图像分类、对象检测、目标跟踪、语义分割和实例分割。

1.3 应用场景

以下给出关于CV技术的使用场景：

（来自商汤）：

（来自百度）：

1.4 实际应用：

近几年随着人脸识别在生活中的应用场景不断增加，计算机视觉开始渐渐走入大众视野，近年来的一些实际的使用中：

人脸识别： Snapchat 和 Facebook 使用人脸检测算法来识别人脸。
图像检索：Google Images 使用基于内容的查询来搜索相关图片，算法分析查询图像中的内容并根据最佳匹配内容返回结果。
游戏和控制：使用立体视觉较为成功的游戏应用产品是：微软 Kinect。
监测：用于监测可疑行为的监视摄像头遍布于各大公共场所中。
生物识别技术：指纹、虹膜和人脸匹配仍然是生物识别领域的一些常用方法。
智能汽车：计算机视觉仍然是检测交通标志、灯光和其他视觉特征的主要信息来源。

除了上面这些看起来高大上的技术，其实在现实生活中，我们都有过接触类似的。比如美图秀秀里的美妆，就用到了人脸检测、人脸关键点定位的技术。百度识花，用到了通用物品识别的技术等等。

1.5 专业工具

工欲善其事，必先利其器。

OpenCV（开源计算机视觉库）是一个非常强大的学习资料库，包括了计算机视觉，模式识别，图像处理等许多基本算法。它免费提供给学术和商业用途，有C++，C，Python和java接口，支持Windows、Linux、Mac OS、iOS和Android。

在编程语言方面，我主要使用Python，计算机视觉离开计算机编程是完全行不通的。

基础技能，需要学会一些数字图像处理，它是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

参考文献：
图片：https://www.jianshu.com/p/91de7a37d8e1
慕课：https://www.imooc.com/article/27970
李飞飞计算机视觉系列视频：https://study.163.com/course/introduction.htm?courseId=1003223001#/courseDetail?tab=1

好了，我要开始我的计算机视觉学习之旅了。