近几年，人工智能技术异常的火爆。在这个火爆的过程中，有的人看好，有的人看衰人工智能。不管人工智能技术未来再经历几次大起大落，目前人工智能技术给我们带来的落地的应用还是非常让人满意的。人工智能技术目前已经落地的应用，主要集中在人脸识别、城市安防、自然语言翻译与处理、智能推荐、自动驾驶等。而在这些应用场景中，视觉技术的地位可谓是非常重要。

谈到视觉技术，我们一般会想到摄像头。然而，摄像头只是视觉技术体系中的输入端，采集图像或视频信息。而这些图像或视频信息需要利用专用的视觉技术处理之后，才能给用户提供有用的信息。我们常听说的视觉技术分为三类：计算机视觉、机器视觉、图像处理。通过百度百科我们可以了解到，

“计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。”

“机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、 I/O卡等)。一个典型的机器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。”

由上可以看出，计算机视觉和机器视觉实际上是一个事情，只不过这两个分类刚出现的时候，计算机和机器所用的处理系统差别比较大，所以就用计算机视觉代指专用电脑来处理图像的视觉方法，而机器视觉代指嵌入到机器人系统中的软硬件结合的相关视觉技术。而随着嵌入式处理系统与个人计算机在架构和配置上趋同，视觉系统配置上趋同，计算机视觉与机器视觉渐渐地可以看作是一个主题。而图像处理是视觉技术的一个关键环节。

典型的视觉系统包括图像传感模块、信息处理模块、应用模块。而图像传感模块按照类型不同，分为可见光图像传感器、非可见光图像传感器、激光雷达扫描传感器等，按照图像传感模块配置数量不同，分为单目、双目、多目（意思是同时用很多个眼睛去看世界）。信息处理模块，除了必须的嵌入式硬件或计算机硬件、软件系统作为平台之外，还需要相应的图像处理技术。经典的图像处理技术，依赖于视觉几何方面的研究成果，利用几何投影的原理去判断两幅图像中的内容是否表示一个东西，以及判断前后两幅图像拍摄的地点和姿态有何不同。

随着人工智能技术的发展，视觉系统中开始大量引入人工智能技术作为信息处理模块的核心技术。与传统的图像处理技术相比，人工智能视觉技术在经典图像处理技术的基础上引入机器学习、神经网络等技术，可以同时处理大量的数据，并且利用大量的历史数据去提升系统的性能。系统可以随着输入数据增多而性能逐渐提高，这是传统视觉系统比不上的。

但不管是传统视觉技术，还是人工智能视觉，其目的都是：识别图像传感器输入的图像中包含哪些内容，并且与云端或边缘端数据库进行实施匹配，确定图像中是否含有某个特定的目标，以及对该目标未来的行为进行预测。