视觉识别技术包括以下几种：

图像识别

这相当于给机器装上“眼睛”去理解静态画面。核心任务是从一张图片中，精准地辨识出里面的物体、特定的场景布局，甚至是人脸身份等关键信息。

视频识别

如果说图像识别是看照片，那视频识别就是看连续的电影。技术不仅要能分析视频流中的物体、场景和人脸，还得具备“跟踪”的能力，实时捕捉并描绘出物体的运动轨迹。

文字识别

我们俗称的OCR技术就属于这一类。它的强项是，能从复杂的图片或动态的视频画面中，“读出”其中嵌入的文字信息，并将其转换成可编辑、可搜索的文本格式，极大地提升了信息处理的效率。

模式识别

这是一种更为基础且强大的能力。它通过对海量数据进行分析，从中挖掘出潜在的规律和固定模式。基于这些发现，系统便能进行智能的分类、预测等高级操作，可以说是很多识别任务的底层逻辑。

人脸识别

这项技术大家可能最为熟悉。它专注于对人脸图像进行深度分析，提取诸如五官比例、轮廓等独特的生物特征。之后，便可用于快速的1:N比对或1:1身份验证，在安防、金融等领域应用广泛。

物体识别

目标是让机器认识世界万物。通过对物体图像的分析，不仅要知道它是“猫”还是“狗”，还要能判断其属性，比如颜色、型号等，进而完成精确的分类与识别任务，是自动驾驶、零售分析等场景的核心。

场景识别

这项技术更侧重于宏观理解。它致力于分析图像或视频的整体环境，识别出是室内还是户外，是办公室还是商场，甚至能辨识出著名的地标建筑，从而理解图像所处的上下文环境。