OpenCV-Python:计算机视觉介绍

目录

1.背景

2.计算机视觉发展历史

3.计算机视觉主要任务

4.计算机视觉应用场景

5.知识笔记 

---

 

1.背景

        OpenCV是计算机视觉的一个框架，想要学习OpenCV，需要对计算机视觉有一个大致的了解。计算机视觉是指通过计算机技术和算法来模拟人类视觉系统的能力。它涉及使用计算机来理解、分析和处理图像和视频，并从中提取有价值的信息。计算机视觉的目标是使计算机能够识别和理解图像和视频中的对象、场景、动作等，并能够进行自动化的视觉决策和处理。

2.计算机视觉发展历史

• 最早的历史可以追溯到中国古代的小孔成像。
• 现代计算机视觉的发展和相机的发明和使用密切相关。
• 1966年，的MIT马文.明斯基的学生实现了PC和摄像机的连接。
• 1982年，马尔发布的一本书《视觉》标志着正式成为学科。
• 1999年，David Lowe提出的Sift算法局部特征描述子，2004年进行了更深入的发展和完善。
• 2001年，V&J发表的基于HAAR特征的实时人脸检测。
• 2005年，HOG特征提取的行人检测算法提出。
• 2006年，Pascal VOC数据集发布。
• 2012年，AlexNet模型赢得ImageNet图像分类冠军
• 深度学习开始在视觉领域流行
• 计算机视觉+5G，未来世界信息都在像素中

3.计算机视觉主要任务

早期，计算机视觉的主要任务是重建。

2012年以后，受深度学习的影响，计算机视觉的主要研究领域是感知和重建。

通过图灵测试。

4.计算机视觉应用场景

        计算机视觉可以应用于许多领域，包括图像识别、物体检测和跟踪、人脸识别、行人检测、医学图像分析、无人驾驶汽车、机器人视觉等。它在工业、医疗、军事、安防、交通等领域具有广泛的应用前景。当前比较流行的场景包括：

1. 自动驾驶/辅助驾驶（新能源汽车等）
2. 机器视觉-AI+机构/工业质检智能（工业瑕疵检测等）
3. 安防监控-人脸识别/火灾监控/异常监控等
4. 其它待开展行业

5.知识笔记