2017年-数据局_36Kr：计算机视觉行业研究报告_40页_2mb

报告摘要

计算机视觉是人工智能的基础技术之一，旨在让机器模拟人眼功能，实现对物体识别、形状方位判断、运动识别等任务。它在多个领域如金融、安防、医疗、工业、消费等具有广泛的应用前景。技术发展主要依赖于数据量、运算力和算法技术三大要素，其中深度学习技术的出现极大提升了视觉识别的准确率。

技术流程：通用视觉识别技术流程包括目标检测、目标识别、行为识别三个阶段，分别解决“去背景”、“是什么”、“干什么”的问题。
应用场景：
- 生物特征识别：主要用于身份鉴定，其中人脸识别因非接触性和高并发性成为主流。
- 光学字符识别（OCR）：用于信息录入，如证件识别、单据处理等，技术较为成熟，但照片中多字符文本识别仍是难点。
- 物体与场景识别：技术尚处于早期阶段，多数公司专注于数据标注。
- 视频对象提取与分析：在监控系统、行为识别、电商营销等领域应用广泛，具有高技术难度，需处理动态视频数据。
行业驱动：
- 数据量：2000年后数据量迅速增长，为深度学习算法提供了丰富的训练素材。
- 运算力：GPU的出现显著提升了数据处理速度，使深度学习模型训练时间大幅缩短。
- 算法技术：深度学习技术推动了计算机视觉从传统方法向自学习模式的转变，准确率显著提高。
政策法规：各国政府积极支持人工智能发展，尤其在安防、交通等领域。中国出台多项政策鼓励计算机视觉技术在这些领域的发展。
投资热度：全球和中国对计算机视觉的投资持续升温，其中人脸识别和视频监控是主要投资方向。2016年全球投资约16亿美元，中国则以早期融资为主。

代表企业：旷视科技、商汤科技、依图科技、格灵深瞳、云从科技、合合信息、DeepCare、拍医拍等。
商业模式：主要包括软件服务（To C和To B）及软硬件一体解决方案。
行业竞争：
- 工业巨头：如海康威视、美的集团，具备全产业链布局和强大渠道优势。
- 互联网巨头：如Google、百度，拥有顶尖技术团队和大量数据资源。
- 创业公司：专注于特定应用场景，如人脸识别、OCR、医疗影像识别等，技术壁垒较高，但商业化能力较弱。