机器视觉网：机器视觉离消费市场还有多远

---

        作为人工智能的两个分支，计算机视觉与机器视觉在近年都取得了长足的进步。前者自2010年以来，随着深度学习再度流行并用于目标识别，在人脸识别等方面已经超过了人类；而后者在工业应用方面，也有不少突破性的应用。

        但是，在消费级市场方面，计算机视觉与机器视觉的进展并不大。不少人对于计算机视觉与机器视觉在消费级市场能有多大实质性地应用，存在深深地担忧。

        计算机视觉与机器视觉

        首先，我们有必要理清楚机器视觉与计算机视觉之间的关系。从学科分类上， 二者都被认为是 Artificial Intelligence 下属科目，不过计算机视觉偏软件，通过算法对图像进行识别分析，而机器视觉软硬件都包括（采集设备，光源，镜头，控制，机构，算法等），指的是系统，更偏实际应用。简单的说，我们可以认为计算机视觉是研究“让机器怎么看”的科学，而机器视觉是研究“看了之后怎么用”的科学。

        计算机视觉与机器视觉的问题是，前者太学术，后者太工业，因而一直以来在消费级市场缺乏好的产品。

        机器视觉的很多核心技术和原理多年前就比较成熟了，近年来的进展主要集中在工程化，比如GPU和视觉计算加速器的出现解决了计算量问题。但与此同时，要想把视觉技术实现真正产品落地，中间还有不少其他问题，他们也在摸索中。

        视觉技术在消费级市场最早的尝试是微软的Kinect。2010年，微软联合深度摄像头技术方案提供方PrimeSense正式对外推出Kinect，利用骨骼捕捉技术，Kinect可以捕捉游戏玩家的骨骼动作，从而让游戏玩家可以不接触屏幕即可玩游戏。在Kinect之后，华硕、Intel、谷歌以及苹果也相继在深度摄像头的应用场景上跟进，一切都看起来往好的方向发展。

        但深度摄像头作为独立产品，市场化难度颇大。例如Intel在13年在开发者会议上宣布，将推出自己的微型深度感知模块，华硕、戴尔、惠普、联想等多家 PC厂家都将从2014年下半年开始在产品线中部署这款深度感知模块。而两年多过去了，曾经预言的集成深度摄像头的产品迟迟未见。

        那么，处于计算机视觉和机器视觉交叉部分的深度摄像头，应该如何打开消费级市场？

        机器视觉的很多核心技术和原理多年前就比较成熟了，近年来的进展主要集中在工程化，比如GPU和视觉计算加速器的出现解决了计算量问题。但与此同时，要想把视觉技术实现真正产品落地，中间还有不少其他问题，他们也在摸索中。

        视觉技术在消费级市场最早的尝试是微软的Kinect。2010年，微软联合深度摄像头技术方案提供方PrimeSense正式对外推出Kinect，利用骨骼捕捉技术，Kinect可以捕捉游戏玩家的骨骼动作，从而让游戏玩家可以不接触屏幕即可玩游戏。在Kinect之后，华硕、Intel、谷歌以及苹果也相继在深度摄像头的应用场景上跟进，一切都看起来往好的方向发展。

        但深度摄像头作为独立产品，市场化难度颇大。例如Intel在13年在开发者会议上宣布，将推出自己的微型深度感知模块，华硕、戴尔、惠普、联想等多家 PC厂家都将从2014年下半年开始在产品线中部署这款深度感知模块。而两年多过去了，曾经预言的集成深度摄像头的产品迟迟未见。

        那么，处于计算机视觉和机器视觉交叉部分的深度摄像头，应该如何打开消费级市场？

        主动式获取所采用的方式则是从蝙蝠等生物上寻找灵感，通过主动发射探测光通过计算获取深度图像。这当中又分为三类：“RF-modulated light sources with phase detector”、“Range gated imagers”、“Direct Time-of-Flight imagers”，如Kinect一代所采用的PrimeSense就属于第二类，随着苹果收购PrimeSense，微软也在Kinect二代中改为微软自有技术，一般认为二代采用的是直接TOF的技术。

        以Kinect的深度摄像头为例，它包含了一个红外投射器、一个RGB摄影头和一个红外感应器，由于深度摄像头自带光源，而且是不可见的红外光，对我们的生活无任何影响。似乎深度摄像头获取景深信息就已经完美了，但也有他的弊端。由于是主动方式，两个同波段红外光会出现干涉，导致两台一样的深度摄像头没有办法一起使用，而且受发射功率的影响，检测距离也会受到很大影响。

​

更多资讯请见http://www.visionsystem.cn