鈦媒體注：從1966年到2016年，正好恰恰過去了50年，過去的50年計算機視覺發(fā)展非?？?。今天計算機視覺是不是變成了很成熟、很完美的技術？在鈦媒體和《商業(yè)價值》主辦的移動互聯(lián)網(wǎng)創(chuàng)新大會（MIIC2016）上，xPerception創(chuàng)始人包英澤不這么認為（鈦媒體作者硅星聞曾介紹過包英澤創(chuàng)辦的公司見《這家做智能感知的公司，想要給你的家居設備都安上“眼睛”》）
在他看來，新的技術革命即將到來。手機之后的計算平臺有兩個方向，一種是VR、AR；另一種是智能機器人，而這兩者都需要計算機視覺技術做基礎。
歷經50年的發(fā)展，計算機視覺產生了諸多的應用。而包英澤則用特斯拉車禍事件，給我們講述這樣一個觀點：雖然計算機視覺技術并沒有發(fā)展到成熟的階段，但隨著應用市場的打開，新的機會與技術革新將馬上到來。
對于未來3-5年，他認為這個領域有三個方向值得注意：
計算機視覺有很多開源軟件包，可以解決很多問題，但是問題復雜與安全性要求高的需求，則會催生解決問題的專業(yè)團隊。
在移動化的設備里面，要以低能耗的方式進行復雜的算法，芯片一定是必經之路。
深度學習之后會產生什么樣的數(shù)學模型，解決計算機負責問題的終極框架到底是怎樣的。
以下是包英澤在2016MIIC移動互聯(lián)網(wǎng)創(chuàng)新大會上的演講實錄，經鈦媒體編輯：
手機是當今最主流的計算平臺，手機之前的計算平臺是PC，手機之后計算平臺是什么？
VR、AR可能會取代手機，他們是最接近我們日常生活的平臺。但是這種虛擬技術，其中存在很多技術細節(jié)，技術難點。第一個是AR系統(tǒng)需要對房間進行準確的3D建模，這樣才能把物質展現(xiàn)給用戶；位置角度也要進行跟蹤，這樣才把虛擬世界正確的視覺呈現(xiàn)給大家。像是判斷你手指在空間的位置，這就需要AR系統(tǒng)中的計算機部分，以及對環(huán)境進行感知。如果沒有計算機視覺，就不可能有真正意義上的AR和VR。
另一種可能是智能機器人。智能機器人也需要通過攝像機對環(huán)境進行掃描，從而確認對自己的軌跡進行合理的規(guī)劃。在這個場景中，我們看到機器人平臺需要對房間進行3D建模，還需要檢測場景中動態(tài)物體，這樣確保百分之百的安全。
對于計算機視覺這個詞，我想下一個定義：它是一個過程，是真實世界的信息，經過傳感器的捕捉，再將抽象信息（包括事件、位置、大小等等）進行提取的過程。比如去海邊玩拍照片，照片用人類視角很容易看到大海、船只，而同樣一張照片，計算機只能看到一組抽象的數(shù)字。
計算機視覺技術風風雨雨50載，仍舊不能說成熟
大概十年前，包英澤在清華進行計算機研究的時候，很少有人提到這個詞，今天隨著新科技的普及，人們越來越多地談論起計算視覺。它不是最近才出現(xiàn)的黑科技，這個學科年齡比在座的各位都要大。
1966年，麻省理工大學教授突發(fā)奇想——計算機能否像人類一樣讀圖片？于是，他便給自己的研究生布置了這個課題，這個事件標致著計算機視覺的誕生。
計算機視覺首先被應用于軍事領域，在80年代開始應用于工廠，進行流水線上瑕疵品的檢測，隨著PC的普及，越來越多的應用走入我們生活。在座開車的都能記得，以前在進入停車場的時候，進門時候要拿一張卡片，出門的時候歸還，停車場以此來記錄停車時間。之后，進出的時候只需要拍兩張照片，后臺就直接識別出你停車時間。
進入2000年，計算機視覺遍地開花，舉兩個例子：一個是人臉的檢測和識別，用智能手機拍照的時候可以檢測出人臉，以此來確定焦距和視角；還有一個例子是二維碼掃描，一維碼五十年代就得到了發(fā)明和普及，照片中獲取二維碼，這是最近十年成熟的技術。最新的進展大家都非常熟悉，像是信息檢索，自動駕駛。
從1966年到2016年，正好恰恰過去了五十年，過去的五十年計算機視覺發(fā)展非?？臁＝裉煊嬎銠C視覺是不是變成了很成熟、很完美的技術？并不是。
比如說，藍天白云下，公路上有一輛白色的大卡車，計算機就可能說，這是一朵白云。大家可能都想到了這是一個慘劇：一輛特斯拉沒有檢測出的卡車，使得高速行駛的特斯拉司機當場死亡。
盡管計算機視覺技術并沒有發(fā)展到成熟的階段，但隨著應用市場的打開，新的機會與技術革新將隨之而來。
未來3-5年，計算機視覺領域將有三個變化值得關注
做為一個計算機視覺行業(yè)的從業(yè)者，講講我個人對未來三到五年的看法。
首先，計算機視覺有很多開源軟件包，但是隨著視覺的問題越來越復雜，以及我們對安全性的要求越來越高，復雜的問題一定要找專業(yè)的團隊來解決。比如解決攝像機運動軌跡的問題，你如果拿一個手機從一個房間走到另外一個房間，再回到原來的位置，生成了一條軌跡。把這個數(shù)據(jù)給Orb slam去分析，它所得出的軌跡就有所變化，而且和墻壁有很大的重疊。如果有一個機器人使用了這個Orb slam項目，出門的時候會撞到墻。
即使現(xiàn)在有許多開源的項目，但商用化的計算機視覺系統(tǒng)能在不同的平臺和不同的使用環(huán)境下反復測試對比，最終可以實現(xiàn)平均性能更加優(yōu)越，并且沒有重大安全隱患。復雜的問題與應用，一定要找專業(yè)的團隊去解決。這個領域會出現(xiàn)超過十億臺下一代測算平臺，新一代的智能手機，還有無人機。與這對應的技術有數(shù)百億的市場，計算機視覺領域將誕生出很多上市企業(yè)。
第二個關注的變化是芯片化。我們知道計算機視覺往往需要非常復雜的算法去解決，應用往往都是移動化的，例如移動化的設備，移動的機器人。在移動化的設備里面，要以低能耗的方式進行復雜的算法，芯片一定是必經之路。現(xiàn)在行業(yè)里面，大量團隊在進行算法的研發(fā)，一些走的比較快的同行已經開始將成熟的算法芯片化了。這樣，除了算法的優(yōu)越程度以外，肯定還存在芯片的功耗與成本問題。
第三個關注的變化是理論上的，即深度學習之后會產生什么樣的數(shù)學模型。深度學習的缺點也是人盡皆知，它需要進行海量的資料的學習。曾經有這個領域的權威Davis Marr，在生前預言說，計算機是復雜的問題，最后會有單一理論框架使之得到解決。
深度學習不會是這種終極框架，還將有更強大的數(shù)學模型出現(xiàn)。它對人類影響也會是更深遠的，我們應該深刻關注理論上的變化，把最新的技術做成產品來解決實際的問題。（本文首發(fā)鈦媒體，由張霖根據(jù)包英澤在2016MIIC大會上的演講整理）
更多趣聞和爆料，關注鈦媒體微信號：鈦媒體（ID：taimeiti）
鈦媒體微信二維碼
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
自動識別的范圍。未來自動識別的應用將高度整合和堆積。