注：本小节内容来自 China Academic Journal Electronic Publishing House：《计算机视觉技术的应用进展》作者：李雅琪、冯晓辉、王哲

【基础】产业链和行业应用

1.计算机视觉的产业链构成

计算机视觉产业链分为基础支撑层、技术提供层及场景应用层三个主要环节。

计算机视觉产业链上游为基础支撑层，主要包含核心硬件与基础算法两部分。核心硬件主要包含芯片与视觉传感器两类。芯片是基础算法运算的基础，主要包括GPU、CPU、FPGA 以及ASIC 等。其中，定制化的视觉处理芯片以相对较低的功耗带来优秀的图形处理能力。基础算法提供商为计算机视觉技术提供基础模型与框架，主要包括R-CNN，Fast-RCNN，Faster-RCNN，YOLO 等。

计算机视觉产业链中游为技术提供层。计算机视觉技术提供商通过提供计算机视觉技术支持，进而满足不同行业、不同场景下的智能视觉应用需求。技术提供层，是目前国内计算机视觉创业公司最集中的环节，主要的技术开发方向包括图像分类、目标检测、图像语义分割及目标跟踪等。

场景应用层包含系统解决方案与终端产品开发两部分。计算机视觉的产品形式可依据应用场景的具体需求而采用系统解决方案或软硬一体的终端产品形式。计算机视觉的应用范围十分广泛，可用于智能安防、人脸识别、ADAS 视觉方案等领域，还可集成于无人机、机器人、无人驾驶汽车等诸多终端产品中。

image.png

数据来源：赛迪智库整理，2019.03

2. 计算机视觉的行业应用进展

应用领域

计算机视觉的应用领域十分广泛，按照行业应用成熟度来看，目前计算机视觉技术在公共安全、自动驾驶、医疗健康、新零售等领域应用具有一定规模。

  • 公共安全领域

在公共安全领域，计算机视觉技术多用于进行智能视频分析，解决视频画面中物体识别、物体形状判定、物体三维空间方位判定、物体运动姿态判定等四个层面的问题。当前基于计算机视觉技术的智能视频分析工具，已经被广泛用于安防监控、刑侦追逃、罪犯识别、边防安全检查、金融安保、交通监管、监狱人员管理等关系国计民生的诸多公共安全相关领域。 计算机视觉技术在公共安防领域的快速进展得益于两方面因素支持。一是在技术层面，视频监控的IP 化、高清化使得视频数据规模和可获得性得到显著改善，同时深度学习算法和并行计算芯片的出现，消除了智能视频分析的部分技术障碍。二是在市场层面，我国多部委陆续推出“平安城市”、“天网工程”、“雪亮工程”等重大系统性安防工程，推动了视频监控基础设施的快速建设和完善，有力推动了计算机视觉技术在公共安全领域的应用。

  • 智能驾驶领域

智能驾驶指的是利用先进的车载传感器、控制器、执行器、雷达等装置，融合人工智能芯片、计算机视觉算法、现代通信与网络技术，使车与车、路、人、云等道路交通参与者进行智能信息交换、共享，使汽车具备复杂环境感知、智能决策、自主控制等功能，最终实现以更安全、更高效、更舒适、更节能的形式替代人类操控机动车辆的新一代信息技术。从全球看，宝马、通用、奥迪等主机商，博世、奥托立夫等供应商，谷歌Waymo、英特尔Mobileye 等科技巨头均注重计算机视觉技术在智能驾驶场景下的应用研发；在国内，百度Apollo、驭势科技、图森未来、小马智行、文远知行等技术较为领先。

智能驾驶产业链复杂多元，涉及芯片、传感器、软件算法、高精地图、安全控制等诸多环节。其中，定位传感器、雷达传感器、听觉传感器、视觉传感器以及姿态传感器等是智能驾驶技术所需的核心感知器件，也是计算机视觉技术应用于智能驾驶领域的数据来源。计算机视觉技术通过与多类型传感器的感知信息融合，对视觉元素进行分类、定位、检测和分割，可支撑智能驾驶平台实现决策规划、路径规划、运动障碍物预测、车辆转向控制、油门刹车等动力控制等复杂活动。

  • 医疗健康领域

人工智能技术在医疗领域的应用可分为医学影像、药物研发、医疗助手、生物技术与疾病风险预测、医院管理五大类，其中，以计算机视觉技术为基础的医学影像应用在我国发展较为迅速。计算机视觉技术可实现医学图像识别、癌变细胞病灶识别、皮肤病自检等功能。从全球来看，IBM，微软、西门子、美国通用电气等企业占据了医疗影像人工智能研究的主流位置；在国内，腾讯觅影、阿里云ET 医疗大脑、讯飞医疗、推想科技、依图科技等技术较为领先。

  • 新零售领域

计算机视觉技术在零售行业的应用最早是在电商领域，亚马逊、阿里巴巴、京东、腾讯等平台型互联网企业最早关注计算机视觉技术在新零售领域的应用潜力。近年来，计算机视觉技术已经越来越多地应用在实体零售领域中，打通了线上线下各个零售环节，实现了更完善的货架展示，提升了O2O 零售作业效率，为消费者创造一个无摩擦的零售体验。

计算机视觉技术在市场营销领域主要有三方面的应用。一是用于面部识别。主要是识别用户性别、年龄范围、浏览记录、浏览习惯等基本个人信息，提醒服务提供商和零售商注意及时反应，达到识别老顾客、收获忠诚度、提升广告投放回报率的效果。例如，美食糖果零售商Lolli & Pops 依靠计算机视觉技术，在老顾客进店的时候就能认出他们，提取其消费记录和个人喜好，提供个性化的商品推荐，顾客可由此获得个性化的消费体验。知名户外广告公司Val Morgan Outdoor（VMO）则采用面部识别技术来收集消费者数据。二是实现“货架数字化”，推动货架生态变革。零售企业通过计算机视觉技术，实时监控货架上发生的情况，并对缺货、调货等作出反应。例如，亚马逊就会利用计算机视觉技术，依托RFID、NFC 和各类传感器，跟踪货品，精准管理库存，提升库存管理准确性，节约成本和减少损耗。三是实现个性化、定制化的营销互动。利用人脸识别、手势识别、图片处理等技术，实现与用户在多种营销场景下的互动，让营销更趋人性化，使得视觉成为品牌连接用户的新流量入口。例如，计算机视觉技术在Amazon Go 无人商店中就得到了广泛应用，通过智能终端识别物体，结账时不必依靠收银员和条码扫描仪结算。RetailNext 公司的Aurora 利用计算机视觉技术进行用户行迹策略，捕捉用户脚步、步态、购物线路，促进客户和销售人员之间的互动，提供门店实时服务情况的可视化信息，实现个性化的营销和宣传活动。