本文共 1787 字，大约阅读时间需要 5 分钟。

中国计算机视觉应用专题研究报告2016 ——中国人工智能行业系列研究

2016年，Alpha Go战胜韩国围棋选手李世乭再次引爆了全球对于人工智能的讨论和关注。计算机视觉作为人工智能技术的基础，受到深度学习的成功影响在近几年内取得了突破性的进展，正在成为影响行业发展的下一个引擎。巨头纷纷布局，市场也吸引了越来越多的人才创业参与其中。计算机视觉正在成为人工智能最火热的细分领域之一。本报告将针对计算机视觉技术发展的关键节点、市场现状及应用场景进行分析和研究。

技术发展及市场现状分析

人工智能是一场从终极概念到分级落地的技术演变

人工智能（理想）指的是通过技术创造「类人」的机器，使其具备人的感知能力、表达能力和思考能力。这是继1955年约翰·麦卡锡提出人工智能概念的初衷，但受技术局限目前远不能达到这一目的，其形态更多出现在虚构的影视作品中。

人工智能（现实）指的是技术能够训练机器掌握某项「近于人」的能力，将人从最基础最单一的繁杂事务中解放出来，作为工具提高人的生活和工作体验。这是目前学术界和工业界共同努力的方向，伴随技术的发展已经取得了一定的成果。

人工智能所依赖的基础设施已经就位，但当前仍属于早期阶段

1955年人工智能概念诞生

2000年互联网发展进入拐点，数据量开始逐步增长

2012年深度学习算法通过ImageNet比赛中名声大噪，进而被广泛采用

目前GPU芯片/云计算成本被大范围使用；巨头与创业公司开始涌入，探索应用及商业化

当前国内人工智能领域产业格局尚未成熟，上中下游均蕴含着不俗的创业空间，但进入门槛较高

计算机视觉是机器认知世界的基础，也是最主要的人工智能技术之一

信息采集（大数据）：计算机识别的图像一类为静态内容，以图片为主；另一类为动态内容，包括视频和实景，其中实景需要利用传感器技术进行采集编码。

特征定位及提取（模型训练）：将采集到的信息进行检测、关键点定位及特征提取，给定相应的数据和标签提交到学习平台进行训练，提高识别的精度。

人脸识别 图像识别：经过大量的训练之后，最终计算机给予相应的识别反馈信息，主要有人脸、物体、手势等。目前计算机识别主要停留在感知的表层，未来识别的广度与深度还需要进一步的挖掘。

2010年-2015年ImageNet ILSVRC大赛冠军团队识别分类的错误率

受技术发展影响，计算机视觉正在带动全球新一轮的市场热潮

截至2016年第三季度国内计算机视觉创业公司一览

国外巨头自研和收购双管齐下布局，将视觉技术广泛应用于自身产品升级，并基于自身基因打造技术服务平台和新品类持续提升影响力

国内巨头百度相对激进，阿里巴巴、腾讯基于自身产品进行功能试水

技术应用场景及典型厂商分析

计算机视觉技术已应用于传统行业和前沿创新，安全/娱乐/营销成最抢先落地的商业化领域

计算机视觉的应用从软硬件两个层面优化安防人员的作业效率和深度

计算机视觉的应用有效迎合直播平台的前端用户体验和后端监管要求

计算机视觉的应用促进视频环境中广告主和用户间交互闭环的落地

计算机视觉还将逐步拓展服务和工商业等多重应用场景

金融服务场景下刷脸进行身份认证

工业检测屏幕质量

商场租铺分级管理，商场根据客流统计数据在店铺招商过程中可进行科学定价及营销管理

展品陈列，博物馆、展览馆根据展品的人气调整陈列，提前预案

消费引导，识别消费者在货架前的购物行为，可有针对性地推送广告

ADAS/无人驾驶/无人机技术的发展面临的首要问题是对道路上的关键目标物进行有效识别（比如对前方相同大小的垃圾袋和硬石块，系统的反馈应该有所不同），在此基础上才能为驾驶员提供预警或自动做出正确的判断和反应。

计算机视觉是VR/AR技术搭建视觉呈现模型、提供逼真的交互渲染效果的核心基础。

针对癌症、疟疾等病理切片识别的疾病检测，可以有效地缓解医疗资源匮乏、医术水平参差不齐等世界性难题，并提高医者的工作效率。

趋势分析

当前产业细分程度不足，市场处于早期探索阶段

B端需求强于C端，商业模式较为清晰

技术应用场景可复制性较强，拥有自研技术的团队容易享受技术红利

实际应用的价值以提升效率为主，并非取代人类，而是辅助作用，从业者需管理市场预期，耐心培育市场

计算机视觉创业投资成本巨大，行业壁垒高，对行业痛点的洞察以及对产品性价比的控制是影响商业变现的关键因素

转载地址：http://ppgfk.baihongyu.com/