2017中国计算机视觉行业研究报告_61页-5mb

中国计算机视觉行业研究报告（2017年）

核心内容总结

一、计算机视觉技术概述

计算机视觉是一种通过电子化方式感知和理解影像的技术，旨在达到甚至超越人类的视觉智能效果。该技术横跨感知与认知智能，现阶段主要应用于感知智能，如图像分类、物体检测等。计算机视觉在金融、安防、互联网、医疗、工业、零售、自动驾驶等领域发挥着重要作用，其发展受到深度学习算法的推动，显著提升了图像识别和处理能力。

二、行业概况

2017年中国计算机视觉市场规模预计为40亿人民币，预计到2020年将增长至725亿人民币。行业增长主要得益于安防领域的爆发性增长，以及技术在各行业的渗透与应用。计算机视觉行业呈现快速发展的趋势，技术壁垒与商业壁垒并存，开源环境虽降低了技术门槛，但前沿算法的突破仍需技术专家的持续投入。

三、主要应用场景

• 安防领域：人脸识别、视频结构化等技术被广泛用于道路卡口、车站、机场等监控场景，提升案件侦办效率。
• 金融及互联网：刷脸认证成为身份验证的重要方式，应用于远程开户、无卡取款、VIP迎宾等场景，提升用户体验并降低交易成本。
• 手机及娱乐：计算机视觉技术赋能手机图像处理、AR特效等，提升设备智能化水平。
• 零售领域：商品识别技术用于商品属性分析、库存管理、智能导购等，优化供应链与零售体验。
• 工业制造：产品质检与3D分拣技术被用于自动化生产，提高效率并降低成本。
• 医疗领域：医疗影像分析用于辅助诊断、疾病筛查等，提升诊断效率与准确性。
• 自动驾驶领域：计算机视觉用于环境感知、高精地图、定位等，推动自动驾驶技术发展。

四、主要技术挑战与趋势

• 深度学习：深度学习算法通过多层非线性变换和大规模数据训练，显著提升了图像分类与识别的准确率，成为计算机视觉发展的核心技术。
• 数据与算力：深度学习依赖大量数据和强大算力，如GPU、FPGA、ASIC等硬件设备，推动模型训练与推断效率。
• 前端与后端协同：随着嵌入式智能系统的成熟，前端设备逐步实现基础视觉感知，与后端协同提升整体分析效率与准确性。
• 多模态融合：结合多种生物特征与大数据分析，提升人脸识别与身份识别的准确性与可靠性。

五、行业发展趋势

• 商业化进程：计算机视觉技术正逐步向各行业渗透，从API、SDK到一体化解决方案，推动技术落地。
• 政策支持：国家推动“平安城市”“智慧城市”等建设，为智能安防与计算机视觉提供政策保障。
• 技术融合：计算机视觉与人工智能、大数据、AR/VR等技术融合，形成多维度的智能解决方案。
• 产业链协同：技术供应商与设备厂商、平台服务商、集成商等协同合作，共同推动行业生态发展。

六、典型公司案例

• 商汤科技：专注于深度学习与计算机视觉，技术领先，商业化能力强，服务多个行业。
• 云从科技：深耕安防、银行、机场等领域，获得多项技术突破，与政府、银行等合作紧密。
• 依图科技：在人脸识别、医疗影像分析等领域表现突出，获得融资支持，推动技术落地。
• 旷视科技：以Face++技术闻名，与多家手机厂商合作，推动智慧城市与金融安全发展。
• 触景无限：专注于嵌入式人工智能，推动前端智能感知，降低系统成本与带宽压力。
• 码隆科技：聚焦商品识别领域，技术领先，商业化落地进展迅速。
• 360人工智能研究院：提供AI技术支持，涵盖计算机视觉、大数据、语音语义等方向。

七、未来展望

计算机视觉行业将在未来三年内迎来快速发展，尤其在安防、金融、医疗、零售等场景中，技术将逐步成熟并实现大规模应用。随着技术迭代与政策支持，行业将迎来更多创新与突破。