20160910-36氪-计算机视觉行业研究报告_机器之眼_看懂世界_40页_2mb

机器之眼，看懂世界 - 计算机视觉行业研究报告总结

核心内容

计算机视觉是人工智能的重要组成部分，旨在通过模拟人类视觉系统，使机器能够识别物体、判断形状和方位、分析运动状态，从而理解并适应环境。其发展受到数据量、运算力和算法技术三方面驱动，且与政策法规、投资热度及市场规模密切相关。

主要观点

1. 数据量：随着互联网、社交媒体和移动设备的普及，全球数据量迅速增长，为深度学习提供了丰富的训练素材，是计算机视觉发展的关键燃料。
2. 运算力：GPU的出现极大提升了并行计算能力，使得深度学习算法的训练和推理效率显著提高，成为推动计算机视觉发展的核心技术。
3. 算法技术：深度学习技术的兴起使计算机视觉的识别准确率大幅提升，从70%提升至95%以上，改变了传统视觉识别方式。
4. 政策支持：国家政策对人工智能发展给予高度重视，尤其在安防和交通领域，推动了计算机视觉技术的广泛应用。
5. 投资热度：全球和国内对计算机视觉的投资持续增长，尤其在2016年，融资总额和公司数量均显著上升，显示出行业的高潜力。
6. 市场规模：人脸识别和视频监控等应用领域在2015年已达到十亿和百亿级别，未来增长空间巨大。

关键信息

技术流程

计算机视觉识别通常包括以下三个步骤：

• 目标检测：从背景中识别出感兴趣的目标。
• 目标识别：判断目标是什么，涉及特征提取和分类。
• 行为识别：分析目标在视频中的行为，构建行为模型进行识别。

技术分类与应用

1. 生物特征识别：

   • 技术简介：包括指纹、虹膜、人脸识别等，通过分析生理特征进行身份鉴定。
   • 应用场景：广泛应用于金融、安防、生活等领域，其中人脸识别因非接触性和高并发性，成为主流。

2. 光学字符识别（OCR）：

   • 技术简介：通过图像识别将文字转化为计算机可读格式，包括扫描、版面分析、文字识别等步骤。
   • 应用场景：适用于证件识别、单据处理、医疗影像分析等，尤其在金融和医疗领域应用成熟。

3. 物体与场景识别：

   • 技术简介：通过检测定位、特征提取、模型比对等方式识别物体和场景。
   • 应用场景：涵盖军事、工业、医疗、消费生活等多个领域，如无人驾驶、智能家居等。

4. 视频对象提取与分析：

   • 技术简介：基于动态视频进行分析，处理速度快且具有较高的准确性。
   • 应用场景：监控系统、行为识别、电商营销等，如车牌识别、恐怖分子检测、用户画像分析。

产业链

计算机视觉产业链可分为：

• 基础支撑层：包括芯片（CPU、GPU）和初级算法提供商（如Google、Microsoft）。
• 技术提供层：提供图像识别平台和嵌入式视觉软件，如Face++、OCR识别平台。
• 场景应用层：包括智能安防、智能家电、无人驾驶等，由集成商和终端产品开发企业主导。

商业模式

1. 软件服务：提供在线API、离线SDK、私有云等服务，如合合信息的名片全能王。
2. 软硬件一体解决方案：结合硬件和算法，满足特定场景需求，如地平线机器人、阅面科技。

行业竞争

• 工业巨头：如海康威视、美的集团，具有产业链布局完整和强大市场优势。
• 互联网巨头：如Google、百度，技术先进但商业化压力较大。
• 创业公司：如旷视科技、商汤科技、依图科技，专注于细分领域，如人脸识别、OCR识别、医疗影像分析等，具有较高的技术集成能力。

技术趋势

1. 智能前端化：随着对实时响应的需求增加，前端设备的智能化成为趋势，提升处理速度和效率。
2. 数据驱动：高质量的数据集是提升算法准确率的关键，创业公司通过数据标注和算法优化增强竞争力。
3. 应用场景拓展：各行业对计算机视觉的应用探索不断深入，如医疗、工业、消费电子等，推动技术发展和商业化落地。

创业公司分析

• 旷视科技：专注于人脸识别，与多家企业合作，未来可能拓展至机器人视觉。
• 商汤科技：提供人脸识别技术，合作对象广泛，计划布局更多领域。
• 依图科技：在人脸识别和车辆识别领域领先，与多家金融机构合作。
• 云从科技：专注于人脸识别，拓展至教育等领域。
• 格灵深瞳：提供人脸识别解决方案，未来可能进入无人驾驶行业。
• 地平线机器人：专注于智能家电和智能驾驶，开发深度神经网络算法。

总结

计算机视觉技术正迅速发展，受到数据、运算力和算法的共同推动。其应用场景广泛，涵盖安防、金融、医疗、消费等多个领域，未来潜力巨大。创业公司在该领域具有较强的竞争力，尤其在特定应用场景和技术集成方面。随着技术的进步和政策的支持，计算机视觉将在更多领域实现突破和商业化落地。