我们来聊聊计算机视觉。简单说，这个技术目标就是给计算机装上“眼睛”，让它能像我们人类一样“看”世界——然后，从装配线的产品质检，到辅助驾驶、机器人巡检，各种应用都因此有了可能性。不过，计算机可没这个本事，它不会像人类一样凭直觉去“看”。所以，我们必须给它设计一套专门的算法，告诉它怎么分析图像，而且要针对不同的任务场景来定制。
这篇文章想从一个更根本的视角切入：计算机如何通过“看”来理解世界。我们会快速过一遍计算机视觉的各种流派，尤其关注那些把数据采集、处理、决策都放在本地完成的嵌入式系统——而不是总依赖云端的资源。
什么是计算机视觉？
要说计算机视觉的起点，得追溯到上世纪60年代。那时候，它已经能干点简单活了，比如从纸上读出文字（光学字符识别），或者认出来一个圆形、一个矩形。从那以后，计算机视觉就成了AI的核心拼图之一——凡是能从数据里感知、分析、推断出点“意思”来的计算机系统，基本都能算进去。
通常来说，计算机视觉的实现路径有三种，咱们一个一个来看。
传统计算机视觉，本质上是用标准信号处理和逻辑算法来干活。比如运动估计、全景图像拼接、直线检测这些任务，工程师需要手动选好特征提取的函数，然后用这些特征去驱动算法。典型的例子：Canny边缘检测算法能画出物体的轮廓，光流算法能算出运动的矢量方向——这些信息可以用来在图像中分离物体，或者跟踪相邻帧里的运动轨迹。不过，这里面每一步的参数，都需要人工或者靠辅助算法来反复校准。
经典机器学习计算机视觉，则多了一个关键环节：先由专家手工设计好一个“特征集”，然后拿这个特征集去训练机器学习模型。很多特征其实跟传统计算机视觉里用的是共通的。问题是，不是所有特征都有用，所以还得做一轮分析，把信息量少的特征筛掉。然后，机器学习算法就用这些精炼后的特征去训练，试图找出那些很难靠肉眼或手工规则分离出来的模式。想把这套搞有效，你得同时精通图像处理和机器学习。
深度学习计算机视觉，虽然也属于机器学习范畴，但思路完全不同。它用的是超大规模的神经网络模型，直接对大量未经处理的原始数据做运算。这玩意儿对计算机视觉的影响是碘伏性的——它把“特征提取”这个操作直接融进了模型内部，算法自己就能学会哪些特征最重要，完全不需要专家手动去打造特征集。深度学习甚至能揪出那些更隐蔽、更微妙的模式，但代价也摆在那：对计算能力和内存的要求高得离谱。
那么，这三类方法到底哪个最好？
这个问题的答案很灵活，完全取决于具体场景。下表虽然做了个粗略对比，但每一项指标的权重都得结合你的实际应用来看。
| 方面 | 传统计算机视觉 | 经典机器学习 | 深度学习 |
| 精度 | 中等 | 中等 | 高 |
| 需要专业技术 | 高 | 高 | 低 |
| 复杂任务处理效果 | 低 | 中等 | 高 |
| 计算强度 | 低 | 中等 | 高 |
| 针对特定任务或环境进行调优的通用性或简单性 | 低；需要专家调优 | 中等；使用更多数据进行调优 | 高；使用更多数据进行调优 |
| 可解释性 | 高 | 中等偏低 | 低甚至无 |
| 样本或训练数据需求 | 低甚至无 | 中等 | 高 |
| 增长和研发兴趣 | 低 | 低 | 高且加速上升 |
表 1：计算机视觉技术比较
从表里能看出来，经典机器学习计算机视觉的位置很微妙——它夹在传统方法和深度学习方法之间。能靠它获益的应用场景，其实比另外两种要窄一些。在那些逻辑简单直接、需要高吞吐量、或者安全要求极高的场景里，传统计算机视觉反而可能又快又准。而深度学习呢，通用性超强、开发难度门槛最低、在复杂任务上的准确性最高——比如在高密度设计的印刷电路板（PCB）装配线上，要发现一个肉眼几乎看不见的微小缺失元件，深度学习就特别拿手。
有意思的是，很多实际应用并不会只挑一种方法用，而是把多种计算机视觉算法混合起来，让它们取长补短。这在环境变化很大的安全攸关型应用里尤其常见，比如驾驶辅助系统。举个具体例子：你可以让一个基于传统方法的光流算法和一个深度学习模型同时工作，各自去跟踪附近的车辆。然后，用另一个融合算法来看两者的结果是否一致。如果不一致？系统可以立刻向驾驶员发出警告，甚至启动安全操作。
还有一种玩法是“串联”使用。比如条形码读取器，可以先拿深度学习来定位图像中的兴趣区域，把这个区域裁剪出来，再交给传统计算机视觉算法去解码。各司其职，效率很高。
深度学习在计算机视觉应用中的益处
不管怎么比，深度学习在准确性上的优势是实打实的，而且因为研究界、开源社区和商业公司都在疯狂追捧它，它的进步速度还在加速。图1从开发者的角度，直观展示了三种技术背后的数据流差异。
图 1：各种计算机视觉方法的数据流
当然，深度学习是出了名的“算力老虎”。但好消息是，我们现在有了更强大的处理器、更快的速度、专门的硬件翻跟斗（比如神经处理单元和图形处理单元），加上底层软件对矩阵和向量运算的支持也越来越好，计算这个瓶颈正在被逐步打开。即使在嵌入式系统上，情况也大不相同了。像AM62A7这样的微处理器，借助硬件翻跟斗就能以很高的帧率跑起深度学习算法。
计算机视觉实践
那么在实际产品里，怎么把这些技术落地呢？TI的AM6xA系列处理器（比如AM62A7）就是一个典型例子——它内部集成了深度学习加速硬件和配套的软件，既能跑传统任务，也能搞定深度学习任务。在像TDA4VM和AM68PA这样的更高端处理器上，还有数字信号处理器内核（比如C66x）以及专门为光流和立体声深度估计设计的硬件翻跟斗，可以给高性能传统计算机视觉任务提供实打实的算力支撑。
有了这种能同时支持传统和深度学习计算机视觉的处理器，很多以前只存在于科幻片里的工具，现在真有可能造出来了。想象一下：自动购物车能帮你简化整个购物流程；手术和医疗机器人能帮医生更早发现疾病的蛛丝马迹；移动机器人能自己修剪草坪、递送包裹。这些场景，正在一步步变成现实。