匯智聯恒2016-20222016-2022年圖形圖像識別和處理系統市場分析與預測報告匯智聯恒2016匯智聯恒20162016-2022年圖形圖像識別和處理系統市場分析與預測報告報告目錄報告目錄 1圖表目錄 12第一章 2013-2015年全球圖形圖像識別和處理系統行業發展分析 1第一節 全球圖形圖像識別和處理系統行業發展軌跡綜述 1一、 全球圖形圖像識別和處理系統行業發展歷程 1二、 全球圖形圖像識別和處理系統行業發展面臨的問題 5三、 全球圖形圖像識別和處理系統行業技術發展現狀及趨勢 6第二節 全球圖形圖像識別和處理系統行業市場情況 8第三節 部分國家地區圖形圖像識別和處理系統行業發展狀況 9一、 美國圖形圖像識別和處理系統行業發展分析 9二、 歐洲圖形圖像識別和處理系統行業發展分析 10三、 日本圖形圖像識別和處理系統行業發展分析 10四、 韓國圖形圖像識別和處理系統行業發展分析 11第二章 2013-2015年中國圖形圖像識別和處理系統行業發展形勢 12第一節 圖形圖像識別和處理系統行業發展概況 12一、 圖形圖像識別和處理系統行業發展特點分析 12二、 圖形圖像識別和處理系統行業投資現狀分析 12三、 圖形圖像識別和處理系統行業總產值分析 15四、 圖形圖像識別和處理系統行業技術發展分析 15第二節 圖形圖像識別和處理系統行業市場情況分析 24一、 圖形圖像識別和處理系統行業市場發展分析 24二、 圖形圖像識別和處理系統市場存在的問題 28三、 圖形圖像識別和處理系統市場規模分析 30第三節 圖形圖像識別和處理系統產銷狀況分析 30一、 圖形圖像識別和處理系統產量分析 30二、 圖形圖像識別和處理系統市場需求狀況分析 31第四節 產品發展趨勢預測 31一、 產品發展新動態 31二、 技術新動態 34三、 產品發展趨勢預測 35第五節 宏觀經濟環境分析 37一、 國民經濟運行情況GDP 37二、 消費價格指數CPI、PPI 38三、 全國居民收入情況 39四、 社會消費品零售總額 42五、 工業發展形勢 43六、 固定資產投資情況 46七、 財政收支情況 49八、 對外貿易&進出口 53第三章 2013-2015年中國圖形圖像識別和處理系統行業區域市場分析 58第一節 華北地區圖形圖像識別和處理系統行業分析 58一、 行業發展現狀分析 58二、 市場規模情況分析 58三、 市場需求情況分析 59四、 行業發展前景預測 59五、 行業投資風險預測 59第二節 東北地區圖形圖像識別和處理系統行業分析 60一、 行業發展現狀分析 60二、 市場規模情況分析 60三、 市場需求情況分析 61四、 行業發展前景預測 61五、 行業投資風險預測 61第三節 華東地區圖形圖像識別和處理系統行業分析 62一、 行業發展現狀分析 62二、 市場規模情況分析 62三、 市場需求情況分析 63四、 行業發展前景預測 63五、 行業投資風險預測 63第四節 華南地區圖形圖像識別和處理系統行業分析 64一、 行業發展現狀分析 64二、 市場規模情況分析 64三、 市場需求情況分析 65四、 行業發展前景預測 65五、 行業投資風險預測 65第五節 華中地區圖形圖像識別和處理系統行業分析 66一、 行業發展現狀分析 66二、 市場規模情況分析 66三、 市場需求情況分析 67四、 行業發展前景預測 67五、 行業投資風險預測 67第六節 第六節西南地區圖形圖像識別和處理系統行業分析 68一、 行業發展現狀分析 68二、 市場規模情況分析 68三、 市場需求情況分析 69四、 行業發展前景預測 69五、 行業投資風險預測 69第七節 西北地區圖形圖像識別和處理系統行業分析 70一、 行業發展現狀分析 70二、 市場規模情況分析 70三、 市場需求情況分析 71四、 行業發展前景預測 71五、 行業投資風險預測 71第四章 2013-2015年圖形圖像識別和處理系統行業投資與發展前景分析 73第一節 圖形圖像識別和處理系統行業投資情況分析 73一、 總體投資情況 73二、 投資規模情況 73三、 投資增速情況 74四、 分地區投資分析 74第二節 圖形圖像識別和處理系統行業投資機會分析 75一、 圖形圖像識別和處理系統投資項目分析 75二、 可以投資的圖形圖像識別和處理系統模式 75三、 圖形圖像識別和處理系統投資機會 75四、 圖形圖像識別和處理系統投資新方向 76第三節 2016-2022年行業發展前景分析 80第五章 2013-2015年圖形圖像識別和處理系統行業競爭格局分析 81第一節 圖形圖像識別和處理系統行業集中度分析 81一、 圖形圖像識別和處理系統市場集中度分析 81二、 圖形圖像識別和處理系統企業集中度分析 82三、 圖形圖像識別和處理系統區域集中度分析 82第二節 圖形圖像識別和處理系統行業主要企業競爭力分析 82一、 重點企業資產總計對比分析 82二、 重點企業從業人員對比分析 83三、 重點企業全營業收入對比分析 83四、 重點企業利潤總額對比分析 83五、 重點企業綜合競爭力對比分析 83第三節 圖形圖像識別和處理系統行業競爭格局分析 84一、 圖形圖像識別和處理系統行業競爭分析 84二、 中外圖形圖像識別和處理系統產品競爭分析 84三、 我國圖形圖像識別和處理系統市場競爭分析 84四、 主要圖形圖像識別和處理系統企業動向 85第六章 2013-2015年中國圖形圖像識別和處理系統行業整體運行指標分析 89第一節 中國圖形圖像識別和處理系統行業總體規模分析 89一、 企業數量結構分析 89二、 行業生產規模分析 90第二節 中國圖形圖像識別和處理系統行業產銷分析 90一、 行業產成品情況總體分析 90二、 行業產品銷售收入總體分析 91第三節 中國圖形圖像識別和處理系統行業財務指標總體分析 91一、 行業盈利能力分析 91二、 行業償債能力分析 91三、 行業營運能力分析 92四、 行業發展能力分析 92第四節 產銷運存分析 92一、 圖形圖像識別和處理系統行業產銷情況 92二、 圖形圖像識別和處理系統行業庫存情況 93三、 圖形圖像識別和處理系統行業資金周轉情況 93第五節 盈利水平分析 94一、 圖形圖像識別和處理系統行業價格走勢 94二、 圖形圖像識別和處理系統行業毛利率情況 94三、 圖形圖像識別和處理系統行業贏利能力 95四、 圖形圖像識別和處理系統行業贏利水平 95五、 圖形圖像識別和處理系統行業贏利預測 96第七章 2013-2015年圖形圖像識別和處理系統行業盈利能力分析 97第一節 中國圖形圖像識別和處理系統行業利潤總額分析 97一、 利潤總額分析 97二、 不同規模企業利潤總額比較分析 98三、 不同所有制企業利潤總額比較分析 98第二節 中國圖形圖像識別和處理系統行業銷售利潤率 99一、 銷售利潤率分析 99二、 不同規模企業銷售利潤率比較分析 99三、 不同所有制企業銷售利潤率比較分析 100第三節 中國圖形圖像識別和處理系統行業總資產利潤率分析 100一、 總資產利潤率分析 100二、 不同規模企業總資產利潤率比較分析 101三、 不同所有制企業總資產利潤率比較分析 101第四節 中國圖形圖像識別和處理系統行業產值利稅率分析 102一、 產值利稅率分析 102二、 不同規模企業產值利稅率比較分析 102三、 不同所有制企業產值利稅率比較分析 103第八章 圖形圖像識別和處理系統重點企業發展分析 104第一節 漢王科技 104第二節 賽為智能 106第三節 捷順科技 109第四節 大恒科技 112第九章 2013-2015年圖形圖像識別和處理系統產品競爭力優勢分析 115第一節 整體產品競爭力評價 115第二節 整體產品競爭力評價結果分析 115第三節 競爭優勢評價及構建建議 116第四節 觀點與結論 117第十章 2013-2015年圖形圖像識別和處理系統行業投資策略分析 118第一節 行業發展特征 118一、 行業的周期性 118二、 行業的區域性 119三、 行業的上下游 119四、 行業經營模式 120第二節 行業投資形勢分析 121一、 行業發展格局 121二、 行業進入壁壘 121三、 行業SWOT分析 123四、 行業五力模型分析 124第三節 圖形圖像識別和處理系統行業投資效益分析 129第四節 圖形圖像識別和處理系統行業投資策略研究 130第十一章 2016-2022年圖形圖像識別和處理系統行業投資風險預警 132第一節 影響圖形圖像識別和處理系統行業發展的主要因素 132一、 影響圖形圖像識別和處理系統行業運行的有利因素 132二、 影響圖形圖像識別和處理系統行業運行的穩定因素 132三、 影響圖形圖像識別和處理系統行業運行的不利因素 132四、 我國圖形圖像識別和處理系統行業發展面臨的挑戰 132五、 我國圖形圖像識別和處理系統行業發展面臨的機遇 133第二節 圖形圖像識別和處理系統行業投資風險預警 133一、 圖形圖像識別和處理系統行業市場風險預測 133二、 圖形圖像識別和處理系統行業政策風險預測 134三、 圖形圖像識別和處理系統行業經營風險預測 134四、 圖形圖像識別和處理系統行業技術風險預測 135五、 圖形圖像識別和處理系統行業競爭風險預測 136六、 圖形圖像識別和處理系統行業其他風險預測 136第十二章 2016-2022年圖形圖像識別和處理系統行業發展趨勢分析 138第一節 中國圖形圖像識別和處理系統市場趨勢分析 138一、 我國圖形圖像識別和處理系統市場趨勢總結 138二、 我國圖形圖像識別和處理系統發展趨勢分析 139第二節 圖形圖像識別和處理系統產品發展趨勢分析 139一、 圖形圖像識別和處理系統產品技術趨勢分析 139二、 圖形圖像識別和處理系統產品價格趨勢分析 141第三節 中國圖形圖像識別和處理系統行業供需預測 141一、 中國圖形圖像識別和處理系統供給預測 141二、 中國圖形圖像識別和處理系統需求預測 142第四節 圖形圖像識別和處理系統行業規劃建議 142第十三章 圖形圖像識別和處理系統企業管理策略建議 146第一節 市場策略分析 146一、 圖形圖像識別和處理系統價格策略分析 146二、 圖形圖像識別和處理系統渠道策略分析 147第二節 銷售策略分析 149一、 媒介選擇策略分析 149二、 產品定位策略分析 149三、 企業宣傳策略分析 150第三節 提高圖形圖像識別和處理系統企業競爭力的策略 150一、 提高中國圖形圖像識別和處理系統企業核心競爭力的對策 150二、 圖形圖像識別和處理系統企業提升競爭力的主要方向 153三、 影響圖形圖像識別和處理系統企業核心競爭力的因素及提升途徑 153四、 提高圖形圖像識別和處理系統企業競爭力的策略 154第四節 對我國圖形圖像識別和處理系統品牌的戰略思考 158一、 圖形圖像識別和處理系統實施品牌戰略的意義 158二、 圖形圖像識別和處理系統企業品牌的現狀分析 159三、 我國圖形圖像識別和處理系統企業的品牌戰略 159四、 圖形圖像識別和處理系統品牌戰略管理的策略 160

圖表目錄TOC\h\z\c"圖表"圖表1：2013-2015年全球圖形圖像識別和處理系統行業市場規模 8圖表2：2013-2015年我國圖形圖像識別和處理系統行業總產值 15圖表3：圖像識別系統 16圖表4：玻璃瓶口識別及處理 17圖表5：俯拍圖像缺陷檢測 18圖表6：封鎖環橫裂紋及處理后圖像 18圖表7：頂拍圖像缺陷檢測 19圖表8：瓶口極坐標圖像 19圖表9：圖像處理技術 20圖表10：圖像亮度對比 20圖表11：圖像色彩對比 21圖表12：不同方向的灰度直方圖 22圖表13：直方圖均衡化前后的圖形變化以及直方圖變化 23圖表14：采用濾波器對帶噪聲圖像進行濾波處理 24圖表15：2013-2015年我國圖形圖像識別和處理系統行業市場規模 30圖表16：2013-2015年我國圖形圖像識別和處理系統行業總產值 30圖表17：2013-2015年我國圖形圖像識別和處理系統行業需求規模 31圖表18：2011-2015年國內生產總值及增長速度 37圖表19：2011-2015年三次產業增加值占國內生產總值比重 38圖表20：2015年居民消費價格月度漲跌幅度 38圖表21：2015年居民消費價格比上年漲跌幅度單位：% 39圖表22：2015年新建商品住宅月同比價格上漲、持平、下降城市個數變化情況 39圖表23：2011-2015年全國居民人均可支配收入及增長速度 40圖表24：2015年按收入來源分的全國居民人均可支配收入及占比 41圖表25：2011-2015年社會消費品零售總額 42圖表26：2011-2015年全部工業增加值及其增長速度 43圖表27：2015年主要工業產品產量及增長速度 44圖表28：2011-2015年建筑業增加值及其增長速度 45圖表29：2011-2015年全社會固定資產投資 46圖表30：2015年按領域分固定資產投資（不含農戶）及其占比 47圖表31：2015年分行業固定資產投資（不含農戶）及其增長速度 47圖表32：2015年固定資產投資新增主要生產與運營能力 48圖表33：2015年房地產開發和銷售主要指標完成情況及其增長速度 48圖表34：2011-2015年全國一般公共預算收入 49圖表35：2011-2015年貨物進出口總額 54圖表36：2015年貨物進出口總額及其增長速度 54圖表37：2015年主要商品出口數量、金額及其增長速度 55圖表38：2015年主要商品進口數量、金額及其增長速度 55圖表39：2015年對主要國家和地區貨物進出口額及其增長速度 56圖表40：2015年外商直接投資（不含銀行、證券、保險）及其增長速度 56圖表41：2015年對外直接投資額（不含銀行、證券、保險）及其增長速度 57圖表42：2013-2015年華北地區圖形圖像識別和處理系統行業市場規模 58圖表43：2013-2015年華北地區圖形圖像識別和處理系統行業需求規模 59圖表44：2013-2015年東北地區圖形圖像識別和處理系統行業市場規模 60圖表45：2013-2015年東北地區圖形圖像識別和處理系統行業需求規模 61圖表46：2013-2015年華東地區圖形圖像識別和處理系統行業市場規模 62圖表47：2013-2015年華東地區圖形圖像識別和處理系統行業市需求規模 63圖表48：2013-2015年華南地區圖形圖像識別和處理系統行業市場規模 64圖表49：2013-2015年華南地區圖形圖像識別和處理系統行業需求規模 65圖表50：2013-2015年華中地區圖形圖像識別和處理系統行業市場規模 66圖表51：2013-2015年華中地區圖形圖像識別和處理系統行業需求規模 67圖表52：2013-2015年西南地區圖形圖像識別和處理系統行業市場規模 68圖表53：2013-2015年西南地區圖形圖像識別和處理系統行業需求規模 69圖表54：2013-2015年西北地區圖形圖像識別和處理系統行業市場規模 70圖表55：2013-2015年西北地區圖形圖像識別和處理系統行業需求規模 71圖表56：2013-2015年我國地區圖形圖像識別和處理系統行業投資場規模 73圖表57：2013-2015年我國地區圖形圖像識別和處理系統行業投資增速 74圖表58：2015年我國地區圖形圖像識別和處理系統行業地區投資情況 74圖表59：2016-2022年圖形圖像識別和處理系統行業市場規模預測 81圖表60：2015年我國圖形圖像識別和處理系統行業市場集中度分析 81圖表61：2015年我國圖形圖像識別和處理系統行業區域集中度 82圖表62：重點企業資產總計對比分析 82圖表63：重點企業從業人員對比分析 83圖表64：重點企業全營業收入對比分析 83圖表65：重點企業利潤總額對比分析 83圖表66：重點企業綜合競爭力對比分析 83圖表67：2015年我國圖形圖像識別和處理系統行業企業數量結構 89圖表68：2013-2015年我國圖形圖像識別和處理系統行業生產規模 90圖表69：2013-2015年我國圖形圖像識別和處理系統行業產成品 90圖表70：2013-2015年我國圖形圖像識別和處理系統行業銷售收入 91圖表71：2013-2015年我國圖形圖像識別和處理系統行業盈利能力變化 91圖表72：2013-2015年我國圖形圖像識別和處理系統行業盈利能力變化 91圖表73：2013-2015年我國圖形圖像識別和處理系統行業盈利能力變化 92圖表74：2013-2015年我國圖形圖像識別和處理系統行業盈利能力變化 92圖表75：2013-2015年我國圖形圖像識別和處理系統行業產銷率 92圖表76：2013-2015年我國圖形圖像識別和處理系統行業存貨 93圖表77：2013-2015年我國圖形圖像識別和處理系統行業資產周轉率 93圖表78：2013-2015年我國圖形圖像識別和處理系統行業價格指數 94圖表79：2013-2015年我國圖形圖像識別和處理系統行業毛利率 94圖表80：2013-2015年我國圖形圖像識別和處理系統行業盈利能力 95圖表81：2013-2015年我國圖形圖像識別和處理系統行業總利潤 95圖表82：圖形圖像識別和處理系統行業贏利預測 96圖表83：2013-2015年我國圖形圖像識別和處理系統行業利潤總額 97圖表84：2015年不同規模企業利潤總額比較分析 98圖表85：2015年不同所有制企業利潤總額比較分析 98圖表86：2013-2015我國圖形圖像識別和處理系統行業銷售利潤率 99圖表87：不同規模企業銷售利潤率比較分析 99圖表88：不同所有制企業銷售利潤率比較分析 100圖表89：2013-2015年我國圖形圖像識別和處理系統行業資產利潤率 100圖表90：不同規模企業總資產利潤率比較分析 101圖表91：不同所有制企業總資產利潤率比較分析 101圖表92：2013-2015年我國圖形圖像識別和處理系統行業產值利稅率分析 102圖表93：不同規模企業產值利稅率比較分析 102圖表94：不同所有制企業產值利稅率比較分析 103圖表95：漢王科技資產負債表 105圖表96：漢王科技利潤表 105圖表97：漢王科技成長能力分析 106圖表98：漢王科技盈利能力分析 106圖表99：漢王科技償債能力分析 106圖表100：賽為智能資產負債表 108圖表101：賽為智能利潤表 108圖表102：賽為智能成長能力分析 108圖表103：賽為智能盈利能力分析 109圖表104：賽為智能償債能力分析 109圖表105：捷順科技資產負債表 111圖表106：捷順科技利潤表 111圖表107：捷順科技成長能力分析 112圖表108：捷順科技盈利能力分析 112圖表109：捷順科技償債能力分析 112圖表110：大恒科技資產負債表 113圖表111：大恒科技利潤表 114圖表112：大恒科技成長能力分析 114圖表113：大恒科技盈利能力分析 114圖表114：大恒科技償債能力分析 114圖表115：行業的周期性 118圖表116：企業區域分布 119圖表118：圖形圖像識別和處理系統行業投資方向預測 130圖表119：圖形圖像識別和處理系統產品價格趨勢分析 141圖表120：中國圖形圖像識別和處理系統供給預測 141版權申明本報告是北京匯智聯恒咨詢有限公司的研究成果。本報告內所有數據、觀點、結論的版權均屬北京匯智聯恒咨詢有限公司擁有。未經北京匯智聯恒咨詢有限公司的明確書面許可，任何人不得以全文或部分形式（包含紙制、電子等）傳播。不可斷章取義或增刪、曲解本報告內容。北京匯智聯恒咨詢有限公司對其獨立研究或與其他機構共同合作的所有研究數據、研究技術方法、研究模型、研究結論及衍生服務產品擁有全部知識產權，任何人不得侵害和擅自使用。本報告及衍生產品最終解釋權歸北京匯智聯恒咨詢有限公司所有。免責聲明本報告所載資料的來源及觀點的出處皆被北京匯智聯恒咨詢有限公司認為可靠，但北京匯智聯恒咨詢有限公司對這些信息本身的準確性和完整性不作任何保證。盡管北京匯智聯恒咨詢有限公司相信本報告的研究和分析成果是準確的并體現了行業發展趨勢，但所有閱讀本報告的讀者在確定相關的經營和投資決策前應尋求更多的行業信息作為依據。讀者須明白，本報告所載資料、觀點及推測僅反映北京匯智聯恒咨詢有限公司于最初發布此報告時的判斷，北京匯智聯恒咨詢有限公司可能會在此之后發布與此報告所載資料不一致及有不同觀點和推測的報告。北京匯智聯恒咨詢有限公司不對因使用此報告的材料而引致的損失負任何法律責任。2013-2015年全球圖形圖像識別和處理系統行業發展分析全球圖形圖像識別和處理系統行業發展軌跡綜述全球圖形圖像識別和處理系統行業發展歷程移動互聯網、智能手機以及社交網絡的發展帶來了海量圖片信息，國內的微信朋友圈也是以圖片分享為驅動。不受地域和語言限制的圖片逐漸取代了繁瑣而微妙的文字，成為了傳詞達意的主要媒介。圖片成為互聯網信息交流主要媒介的原因主要在于兩點：第一，從用戶讀取信息的習慣來看，相比于文字，圖片能夠為用戶提供更加生動、容易理解、有趣及更具藝術感的信息；第二，從圖片來源來看，智能手機為我們帶來方便的拍攝和截屏手段，幫助我們更快的用圖片來采集和記錄信息。但伴隨著圖片成為互聯網中的主要信息載體，難題隨之出現。當信息由文字記載時，我們可以通過關鍵詞搜索輕易找到所需內容并進行任意編輯，而當信息是由圖片記載時，我們卻無法對圖片中的內容進行檢索，從而影響了我們從圖片中找到關鍵內容的效率。圖片給我們帶來了快捷的信息記錄和分享方式，卻降低了我們的信息檢索效率。在這個環境下，計算機的圖像識別技術就顯得尤為重要。圖像識別是計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。識別過程包括圖像預處理、圖像分割、特征提取和判斷匹配。簡單來說，圖像識別就是計算機如何像人一樣讀懂圖片的內容。借助圖像識別技術，我們不僅可以通過圖片搜索更快的獲取信息，還可以產生一種新的與外部世界交互的方式，甚至會讓外部世界更加智能的運行。現在隨著圖形識別技術的不斷進步，越來越多的科技公司開始涉及圖形識別領域，這標志著讀圖時代正式到來，并且將引領我們進入更加智能的未來。圖像識別的初級階段——娛樂化、工具化在這個階段，用戶主要是借助圖像識別技術來滿足某些娛樂化需求。例如，百度魔圖的“大咖配”功能可以幫助用戶找到與其長相最匹配的明星，百度的圖片搜索可以找到相似的圖片；Facebook研發了根據相片進行人臉匹配的DeepFace；雅虎收購的圖像識別公司IQEngine開發的Glow可以通過圖像識別自動生成照片的標簽以幫助用戶管理手機上的照片；國內專注于圖像識別的創業公司曠視科技成立了VisionHacker游戲工作室，借助圖形識別技術研發移動端的體感游戲。這個階段還有一個非常重要的細分領域——OCR(OpticalCharacterRecognition，光學字符識別)，是指光學設備檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機文字的過程，就是計算機對文字的閱讀。語言和文字是我們獲取信息最基本、最重要的途徑。在比特世界，我們可以借助互聯網和計算機輕松的獲取和處理文字。但一旦文字以圖片的形式表現出來，就對我們獲取和處理文字平添了很多麻煩。這一方面表現為數字世界中由于特定原因被存儲稱圖片格式的文字；另一方面是我們在現實生活中看到的所有物理形態的文字。所以我們需要借助OCR技術將這些文字和信息提取出來。在這方面，國內產品包括百度的涂書筆記和百度翻譯等；而谷歌借助經過DistBelief訓練的大型分布式神經網絡，對于Google街景圖庫的上千萬門牌號的識別率超過90%，每天可識別百萬門牌號。在這個階段，圖像識別技術僅作為我們的輔助工具存在，為我們自身的人類視覺提供了強有力的輔助和增強，帶給了我們一種全新的與外部世界進行交互的方式。我們可以通過搜索找到圖片中的關鍵信息；可以隨手拍下一件陌生物體而迅速找到與之相關的各類信息；可以將潛在搭訕對象拍下提前去她的社交網絡了解一番；也可以將人臉識別作為主要的身份認證方式……這些應用雖然看起來很普通，但當圖像識別技術滲透到我們行為習慣的方方面面時，我們就相當于把一部分視力外包給了機器，就像我們已經把部分記憶外包給了搜索引擎一樣。這將極大改善我們與外部世界的交互方式，此前我們利用科技工具探尋外部世界的流程是這樣：人眼捕捉目標信息、大腦將信息進行分析、轉化成機器可以理解的關鍵詞、與機器交互獲得結果。而當圖像識別技術賦予了機器“眼睛”之后，這個過程就可以簡化為：人眼借助機器捕捉目標信息、機器和互聯網直接對信息進行分析并返回結果。圖像識別使攝像頭成為解密信息的鑰匙，我們僅需把攝像頭對準某一未知事物，就能得到預想的答案。攝像頭成為連接人和世界信息的重要入口之一。圖像識別的高級階段——擁有視覺的機器目前的圖像識別技術是作為一個工具來幫助我們與外部世界進行交互，只為我們自身的視覺提供了一個輔助作用，所有的行動還需我們自己完成。而當機器真正具有了視覺之后，它們完全有可能代替我們去完成這些行動。目前的圖像識別應用就像是盲人的導盲犬，在盲人行動時為其指引方向；而未來的圖像識別技術將會同其他人工智能技術融合在一起成為盲人的全職管家，不需要盲人進行任何行動，而是由這個管家幫助其完成所有事情。舉個例子，如果圖像識別是一個工具，就如同我們在駕駛汽車時佩戴谷歌眼鏡，它將外部信息進行分析后傳遞給我們，我們再依據這些信息做出行駛決策；而如果將圖像識別利用在圖形圖像識別和處理系統和人工智能上，這就如同谷歌的無人駕駛汽車，機器不僅可以對外部信息進行獲取和分析，還全權負責所有的行駛活動，讓我們得到完全解放。在人工智能中，感知是通過解釋傳感器的響應而為機器提供它們所處的世界的信息，其中它們與人類共有的感知形態包括視覺、聽覺和觸覺，而視覺最為重要，因為視覺是一切行動的基礎。我們對世界的感知不是直接的，而是依賴于“無意識推理”，也就是說在我們能感知物體之前，大腦必須依據到達感官的信息來推斷這個物體可能是什么，這構成了人類最重要的預判和處理突發時間的能力。而視覺是這個過程中最及時和準確的信息獲取渠道，人類感覺信息中的80%都是視覺信息。圖形圖像識別和處理系統之于人工智能的意義就是視覺之于人類的意義，而決定著圖形圖像識別和處理系統的就是圖像識別技術。更重要的是，在某些應用場景，圖形圖像識別和處理系統比人類的生理視覺更具優勢，它更加準確、客觀和穩定。人類視覺有著天然的局限，我們看起來能立刻且毫無費力的感知世界，而且似乎也能詳細生動的感知整個視覺場景，但這只是一個錯覺，只有投射到眼球中心的視覺場景的中間部分，我們才能詳細而色彩鮮明的看清楚。偏離中間大約10度的位置，神經細胞更加分散并且智能探知光和陰影。也就是說，在我們視覺世界的邊緣是無色、模糊的。因此，我們才會存在“變化盲視”，才會在經歷著多樣事物發生時，僅僅關注其中一樣，而忽視了其他樣事物的發生，而且不知道它們的發生。而機器在這方面就有著更多的優勢，它們能夠發現和記錄視力所及范圍內發生的所有事情。拿應用最廣的視頻監控來說，傳統監控需要有人在電視墻前時刻保持高度警惕，然后再通過自己對視頻的判斷來得出結論，但這往往會因為人的疲勞、視覺局限和注意力分散等原因影響監控效果。但有了成熟的圖像識別技術之后，再加以人工智能的支持，計算機就可以自行對視頻進行分析和判斷，發現異常情況直接報警，帶來了更高的效率和準確度；在反恐領域，借助機器的人臉識別技術也要遠遠優于人的主觀判斷。許多科技巨頭也開始了在圖像識別和人工智能領域的布局，Facebook簽下的人工智能專家YannLeCun最重大的成就就是在圖像識別領域，其提出的LeNet為代表的卷積神經網絡，在應用到各種不同的圖像識別任務時都取得了不錯效果，被認為是通用圖像識別系統的代表之一；Google借助模擬神經網絡“DistBelief”通過對數百萬份YouTube視頻的學習自行掌握了貓的關鍵特征，這是機器在沒有人幫助的情況下自己讀懂了貓的概念。值得一提的是，負責這個項目的AndrewNG已經轉投百度領導百度研究院，其一個重要的研究方向就是人工智能和圖像識別。這也能看出國內科技公司對圖像識別技術以及人工智能技術的重視程度。全球圖形圖像識別和處理系統行業發展面臨的問題分辨現實世界中的各種復雜景物對為類來說是一件輕而易取的事，而用計算機進行圖像識別卻非常困難，圖像識別大多數成功的應用是相對簡單（或對識別環境有嚴格的限制）的領域，并且多是二維的。當前圖像識別所面臨者許多問題：首先，完成一幅圖像的識別要經過許多不同的處理過程，圖像的識別正是這些過程的綜合作用的結果。但是缺少一個普遍的原理來指導這些過程在完成特定任務時應該如何組織和搭配，即使是對于各種常用的圖像分割算法之間的性能比較，也沒有一個較好的統一的標準。還有，現在的各種圖像識別算法都或多或少帶有一定的局限性，圖像識別是人工智能的一個重要領域。為了編制模擬人類圖像識別活動的計算機程序，人們提出了不同的圖像識別模型。例如模板匹配模型。這種模型認為，識別某個圖像，必須在過去的經驗中有這個圖像的記憶模式，又叫模板。當前的刺激如果能與大腦中的模板相匹配，這個圖像也就被識別了。例如有一個字母A,如果在腦中有個A模板,字母A的大小、方位、形狀都與這個A模板完全一致,字母A就被識別了。這個模型簡單明了，也容易得到實際應用。但這種模型強調圖像必須與腦中的模板完全符合才能加以識別，而事實上人不僅能識別與腦中的模板完全一致的圖像，也能識別與模板不完全一致的圖像。例如,人們不僅能識別某一個具體的字母A,也能識別印刷體的、手寫體的、方向不正、大小不同的各種字母A。同時,人能識別的圖像是大量的，如果所識別的每一個圖像在腦中都有一個相應的模板，也是不可能的。在一種環境下效果很好，但另一種環境下就可能很差，傳統的只簡單處理方法很難構造圖像中景物的完整描述。再次，一些能用性，效果好的算法往往計算量很大，難以實時應用。最后，為類對生物體的視覺機理還不清楚，不能給計算機圖像識別提供有力的指導。全球圖形圖像識別和處理系統行業技術發展現狀及趨勢格式塔心理學家又提出了一個原型匹配模型。這種模型認為，在長時記憶中存儲的并不是所要識別的無數個模板，而是圖像的某些“相似性”。從圖像中抽象出來的“相似性”就可作為原型，拿它來檢驗所要識別的圖像。如果能找到一個相似的原型，這個圖像也就被識別了。這種模型從神經上和記憶探尋的過程上來看，都比模板匹配模型更適宜，而且還能說明對一些不規則的，但某些方面與原型相似的圖像的識別。但是，這種模型沒有說明人是怎樣對相似的刺激進行辨別和加工的，它也難以在計算機程序中得到實現。因此又有人提出了一個更復雜的模型，即“泛魔”識別模型。盡管計算機圖像識別技術面臨著很大的挑戰，但還是取得了很大的發展，多年的發展變化，不難看出一些特點：1.立體視覺與人工智能仍然是計算機圖像識別今后發展的方向，短時間內實現全自動的通用性很大的計算機視覺系統的可能性不大，今后應結合各種實際應用開發各種用途的計算機視覺系統。2.七十年代末Marr提出的視覺計算理論極大地促進了計算機視覺的發展，但同時也存在不少缺陷，視覺識別是一個極其復雜的過程，在Marr的理論中，有些東西是作為一種假設出現的，有些重要問題甚至還沒有涉及，圖像識別技術的發展必須以視覺計算理論的發展為前提。3.一些優秀的數學方法，如神經網絡，模糊集，分形理論，小波分析，遺傳算法紛紛應用于圖像識別領域，取得了一定的成就，這些方法的繼續發展完美以及各種方法相互融合，取長補短的綜合集成是往后發展的重要任務。全球圖形圖像識別和處理系統行業市場情況圖表SEQ圖表\*ARABIC1：2013-2015年全球圖形圖像識別和處理系統行業市場規模數據來源：國家統計局今后有兩點值得關注。一是亞洲市場的動向。除了日系及歐洲制造設備廠商在亞洲設立制造基地之外，還有越來越多的當地廠商開始開發制造設備及檢查裝置，因此，圖像處理系統的需求不斷擴大。另一點是數字標準。在歐美的圖像處理標準化團體力圖主導標準的情況下，日本的圖像處理標準團體也為了掌握主導權而展開了對抗。今后需求有望增加的地區為東南亞、中南美及非洲。在泰國、印尼及馬來西亞，車載圖像處理系統的需求保持旺盛勢頭。另外，在東南亞市場，歐美廠商的食品工廠對圖像處理系統的需求也很高。墨西哥、巴西、阿根廷及非洲市場方面，汽車相關產品及數字家電的生產基地備受關注，圖像處理系統的需求有望增加。部分國家地區圖形圖像識別和處理系統行業發展狀況美國圖形圖像識別和處理系統行業發展分析美國普渡大學（PurdueUniversity）的研究者們正在開發一種能夠讓機器識別一般環境原本是什么樣的人工智能技術。谷歌眼鏡和諾基亞城市萬花筒（NokiaCityLens）等設備讓我們認識了增強現實技術，這些設備幫助我們識別四周環境中的“有趣點”。不久之后我們智能手機上的攝像頭也將具備類似的能力，識別給定視野中的所有東西。這不只是“面部識別”技術，而是識別“所有”的物體。美國普渡大學（PurdueUniversity）的研究者們正在開發一種能夠讓機器識別一般環境原本是什么樣的人工智能技術。打個比方，你曾在數年前與朋友們拍下了在演唱會的合影照片。你現在想找到這張照片，但是需要在手機存儲的數千張照片里查找。如果你可以啟動基于對圖片內環境的搜索，如“音樂會”或“舞臺”，你就可以很輕松地把這張照片找出來。普渡大學的研究者們現在正在構建這一被稱為“深度學習”的人工智能技術。它能讓機器像人一樣來處理信息。機器借助這一技術就能識別像“樹”和“轎車”等物體，并創建多個可以被檢索和搜索的信息層。很自然地，進行這一處理過程的最優平臺不是移動設備，但是隨著科技的進步，這種技術最終將在手機等移動設備上得到應用。它能分析場景，并把標簽帖到所有物體上。當你讓這種機器獲得視覺，天空就是它的極限。這種人工智能技術“提升”移動設備功能的潛力將是非凡的。這種方法絕不會導致低效率，研究顯示這一圖形處理方法的效率是常規方法的15倍以上。它能被用于醫學設備，比如掃瞄病人的設備，而這些設備也因此能“學會”發現癌癥或其他風險因素。這種技術“何時”和“是否”能夠在智能手機和可穿戴設備上得到應用，是目前大家都非常關心的問題。美國海軍研究辦公室、國家科學基金會和美國國防部高級研究計劃署（DARPA）正在提供該項目的研究經費。此外，卡洛西亞洛還創建了一家名為TeraDeep的公司使這項研究進入商業化應用。歐洲圖形圖像識別和處理系統行業發展分析2014年,歐洲圖像處理的需求增長率高達20%,總銷量中有37%用于出口。亞洲是歐洲圖像處理產品的最大市場(占總銷售額的20%,與2013年同比增長19%),之后是北美(占總銷量的14%,與2013年同比增長21%)。中國占總銷量份額為7%,同比增長13%,是歐洲機器視覺行業的第三大市場。從歐洲機器視覺行業用戶所屬的行業來看,工業和非工業領域的需求都十分強勁。2014年,工業領域的銷量占總銷量的76%,較去年增長16%。汽車行業是最大的用戶群,占2014年總銷售額的21%,較上一年同比增長17%。其次是電子和電氣行業(包括半導體,占比14.6%)、餐飲業(6.5%)和金屬工業(5.7%)。2014年,除了德國之外,歐洲機器視覺行業的企業從前一年的48家升至60家。這些企業來自奧地利、丹麥、芬蘭、法國、以色列、意大利等國。日本圖形圖像識別和處理系統行業發展分析日本研發出用于圖像識別的數據壓縮為16分之1大小技術。同樣容量大小的存儲空間，能對16倍多的對象物進行識別。對于像可穿戴設備和智能手機這樣存儲空間有限的移動終端，他們提出將把該技術運用到相關圖像識別app上。電氣通信大學研究院情報理工學研究科開發出了把用于圖像識別的數據壓縮為16分之1大小的技術。如此一來，同樣容量大小的存儲空間，能對16倍多的對象物進行識別。對于像可穿戴設備和智能手機這樣存儲空間有限的移動終端，他們提出將把該技術運用到相關圖像識別app上。采用了“標量量化”壓縮技術和機械學習相結合的方法，將圖像分類標本大幅壓縮。能識別256種圖像的app數據量從54MB減少到3.4MB，能識別1000種圖像的則從72MB減少到4.5MB。識別精度和速度則基本不變。因為是在移動終端內部完成一系列識別過程，因此能實時進行圖像識別。對于應用場景，研發人員進行的設想是，比如，當攝像頭對著一個物體時，能實時判斷出該物體是什么，并顯示出與之相關的文章或文字介紹。具體說來，像健康管理app中對食物進行卡路里計算、觀光app中對風景名勝進行講解等。計劃將推動智能手機、智能眼鏡等廠商使用該技術。韓國圖形圖像識別和處理系統行業發展分析為了回應來自世界其他區域的廉價勞動力所帶來的威脅，自動化系統已成為保證韓國制造業競爭力的一大關鍵法寶。而圖形圖像識別和處理系統則成為現在許多工業流程中必不可少的一部分，因為它的成本較低廉，富有競爭力，更重要的是能提供快速、準確、可重復的檢測能力。視覺化系統和機器人解決方案正得到越來越多的應用，不論它們是獨立成套還是互相結合，都會對大大提高競爭實力有所助益。

2013-2015年中國圖形圖像識別和處理系統行業發展形勢圖形圖像識別和處理系統行業發展概況圖形圖像識別和處理系統行業發展特點分析近一兩年來，人工智能領域得到了媒體界、產業界和學術界等前所未有的關注，大家一致認為智能化時代正在到來，機器正在越來越多的取代人類特有的優勢和技能，而其中最為重要的可能就是圖像識別技術。圖像識別是計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。簡單來說，就是讓機器能夠通過對感知信息的處理像人類一樣讀懂圖片的內容，而不是只看到像素。目前，伴隨著圖片成為互聯網中的主要信息載體，難題隨之出現。當信息由文字記載時，我們可以通過關鍵詞搜索輕易找到所需內容并進行任意編輯，而當信息是由圖片記載時，我們卻無法對圖片中的內容進行檢索，從而影響了我們從圖片中找到關鍵內容的效率。圖片給我們帶來了快捷的信息記錄和分享方式，卻降低了我們的信息檢索效率。在這個環境下，計算機的圖像識別技術就顯得尤為重要。計算機視覺有著廣泛應用，其中包括，醫療成像分析被用來提高疾病的預測、診斷和治療；人臉識別被Facebook用來自動識別照片里的人物；在安防及監控領域被用來指認嫌疑人；在購物方面，消費者現在可以用智能手機拍攝下產品以獲得更多購買選擇。圖形圖像識別和處理系統行業投資現狀分析隨著我國國民經濟的迅速增長,機動車的規模與流量大幅增加,隨之而來的管理問題也日益嚴重。因此迫切需要采用高科技手段,對這些違法違章車輛牌照進行登記,汽車牌照識別系統的出現成為了交通管制必不可少的有力武器。汽車牌照的識別系統在公共安全,交通管理,及相關軍事部門有著重要的應用價值。它是一個基于數字圖像處理和字符識別的智能化交通管理系統,該系統先通過圖像采集,再對圖像進行處理以

克服圖像干擾,改善識別效果,而后進行二值化,歸一化等處理,最后進行識別。車牌識別系統使得車輛管理更趨于數字化,網絡化,大大提高了交通管理的有效性與方便性。車牌識別系統作為整個智能交通系統的一部分,其重要性不言而喻。車牌識別是一項涉及到數字圖像處理、計算機視覺、模式識別、人工智能等多門學科的技術,它在交通監視和控制中占有很重要的地位,已成為現代交通工程領域中研究的重點和熱點之一。該項技術應用前景廣泛,例如用在自動收費系統、不停車繳費、失竊車輛的查尋、停車場車輛管理、特殊部門車輛的出入控制等等。

車牌識別一般可以分為車牌的定位、牌照上字符的分割和字符識別三個主要組成部分。通過研究進行車牌識別的各項關鍵技術,在分析了近年來一些典型的車牌識別算法的基礎上,最終確定一系列有效的算法對車牌進行識別。

在車牌定位上,根據車牌圖像在HSV色彩空間各分量的取值范圍規律,首先對符合該取值范圍的像素進行色彩過濾,然后利用數學形態學進行處理,形成多個符合車牌顏色特征的連通區域。接下來,分別根據車牌的形狀特征和車牌上字符的紋理特征,逐步對得到的連通區域進行分析和排除,從而得到車牌區域。該定位方法優點是可以過濾掉車牌臨近區域那些顏色、紋理與車牌特征不符合的干擾紋理,如柵格、邊框等。在字符分割階段,在進行了車牌的傾斜矯正和確定了車牌字符的上下邊界后,主要借助相關的投影信息和先驗知識來確定每個字符的分割位置,并針對斷裂和粘連字符進行了簡單而有效的處理。對于單個字符的識別問題,我們在進行必要的預處理后采用改進的BP神經網絡來進行單個字符的識別。

由于在車牌識別中用到的算法一般都比較復雜,直接用高級語言編程很困難,所以本文通過編寫VC++與Matlab的接口來實現算法編程,并且最終編寫的程序可以脫離VC++和Matlab平臺獨立運行。Matlab的編程高效而靈活,它具有強大、豐富的內置函數,并且其在圖像處理方面的應用有著獨特優勢。通過接口來調用我們在Matlab下編寫好的函數,這樣做能夠使我們從繁瑣的編程工作中解脫出來,從而可以集中精力進行車牌識別算法的研究。手勢識別系統和人臉識別系統相似主要從攝像頭中采集手勢數據,進行特征提取,再將提取到的信息傳輸給機器，讓機器理解信息的含義。以下一手勢識別為例。手勢識別也是講特征提取到的信息傳送給機器，讓機器理解手勢信息的含義。手勢識別工作主要分三個階段:預處理、特征提取、歐式距離判定。預處理階段應當從手勢圖片中去除噪聲信號,利用膚色和背景在HIS顏色模型空間中的不同數值范圍將手勢從背景中提取出來,利用邊緣檢測算子提取手勢的輪廓曲線。利用傅里葉描述子對輪廓曲線進行數學建模進而進行特征提取。通過歐氏距離的比較,對手勢進行識別。通過對視頻流采樣,完成對幾種動態手勢的識別。利用若干人對手勢一到手勢十十種靜態手勢在該手勢庫上做統計實驗。在背景光線均勻的情況下,手勢基本能夠正確識別。利用若干人進行動態手勢識別,在背景光線均勻的情況下,手勢動作基本能夠正確識別。本系統具有旋轉不變,比例伸縮性,平移不變性,利用實驗者在手勢一到手勢十十種靜態手勢庫上做旋轉不變性,比例伸縮性,平移不變性統計實驗,效果良好。本系統最大特色是符合人的操作習慣進行數據采集,和傳統的佩戴顏色手套,在手上做標記等數據采集方式比較更加貼近人的操作習慣。操作者在手勢動作時更加自然。不足之處客觀上容易受外界環境干擾例如光線、溫度、背景顏色等等。主觀上和操作者的操作習慣也有關系。

圖像識別系統的應用還有很多，在此不一一列舉。隨著科技的發展，圖像識別技術越來越被人類所需求，可見圖像識別技術的重要性。圖形圖像識別和處理系統行業總產值分析圖表SEQ圖表\*ARABIC2：2013-2015年我國圖形圖像識別和處理系統行業總產值數據來源：國家統計局圖形圖像識別和處理系統行業技術發展分析從目的上可以將圖像處理分為兩類，分別是圖像識別技術和圖像處理技術。針對圖像處理技術，可以是旋轉、亮度、對比度、飽和度、RGB調節、調節圖像尺寸等屬性方面的處理技術和添加文字、圖像增強、弱化、水印、特效、鏤空等處理方法。甚至為了達到更精微的處理效果，一些軟件還使用了圖層。圖表SEQ圖表\*ARABIC3：圖像識別系統數據來源：匯智聯恒缺陷檢測識別玻璃瓶口缺陷識別包括俯拍圖像識別、頂拍圖像識別兩個部分，識別算法主要包括三部分：圖像定位、缺陷提取和缺陷識別。圖表SEQ圖表\*ARABIC4：玻璃瓶口識別及處理數據來源：匯智聯恒圖表SEQ圖表\*ARABIC5：俯拍圖像缺陷檢測數據來源：匯智聯恒圖表SEQ圖表\*ARABIC6：封鎖環橫裂紋及處理后圖像數據來源：匯智聯恒圖表SEQ圖表\*ARABIC7：頂拍圖像缺陷檢測數據來源：匯智聯恒圖表SEQ圖表\*ARABIC8：瓶口極坐標圖像數據來源：匯智聯恒圖像處理技術的主要內容圖表SEQ圖表\*ARABIC9：圖像處理技術數據來源：匯智聯恒圖像的基本屬性亮度：也稱為灰度，它是顏色的明暗變化，常用0％～100％(由黑到白)表示。以下三幅圖是不同亮度對比。圖表SEQ圖表\*ARABIC10：圖像亮度對比數據來源：匯智聯恒對比度：是畫面黑與白的比值，也就是從黑到白的漸變層次。比值越大，從黑到白的漸變層次就越多，從而色彩表現越豐富。圖表SEQ圖表\*ARABIC11：圖像色彩對比數據來源：匯智聯恒直方圖：表示圖像中具有每種灰度級的象素的個數，反映圖像中每種灰度出現的頻率。圖像在計算機中的存儲形式，就像是有很多點組成一個矩陣，這些點按照行列整齊排列，每個點上的值就是圖像的灰度值，直方圖就是每種灰度在這個點矩陣中出現的次數。我們可以具體看一下下面兩個不同圖形的灰度直方圖：圖表SEQ圖表\*ARABIC12：不同方向的灰度直方圖數據來源：匯智聯恒直方圖均衡化通過灰度變換將一幅圖像轉換為另一幅具有均衡直方圖的圖像，即在一定灰度范圍內具有相同的象素點數的圖像的過程。下面是直方圖均衡化前后的圖形變化以及直方圖變化：圖表SEQ圖表\*ARABIC13：直方圖均衡化前后的圖形變化以及直方圖變化數據來源：匯智聯恒圖像的噪聲圖像的噪聲：就像對于聽覺而言，在打電話時對方說話我們有時候會聽到很嘈雜的噪聲，以至于聽不清楚對方在說什么。同樣的，對于圖像，原本我們可以很清晰的看到一幅圖像，但是有時候圖像上會有一些我們不需要的圖案，使我們無法很清楚的看清一幅圖，這就是圖像的噪聲。主要是采用濾波器對帶噪聲圖像進行濾波處理。圖表SEQ圖表\*ARABIC14：采用濾波器對帶噪聲圖像進行濾波處理數據來源：匯智聯恒圖形圖像識別和處理系統行業市場情況分析圖形圖像識別和處理系統行業市場發展分析圖像識別技術在安防領域的應用展望說起圖像識別，人類的這一能力非常突出。圖形作用于感覺器官，人們辨認出它是經驗過的某一圖形，甚至能感知到與圖像距離或者形狀的改變，這一過程叫做圖像再認。在圖像識別中，既要有當時進入感官的信息，也要有記憶中存儲的信息。只有通過存儲的信息與當前的信息進行比較的加工過程，才能實現對圖像的再認。計算機圖像識別技術，則是利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術。圖像識別所研究的問題，是如何用計算機代替人類去自動處理大量的物理信息，解決人類所無法識別或者識別過于耗費資源的問題，從而很大程度上解放人類的勞動力。圖像識別技術是人工智能的一個重要領域。圖像識別技術是以圖像的主要特征為基礎的。每個圖像都有它的特征，對圖像識別時眼動的研究表明，視線總是集中在圖像的主要特征上，也就是集中在圖像輪廓曲度最大或輪廓方向突然改變的地方，這些地方的信息量最大。而且眼睛的掃描路線也總是依次從一個特征轉到另一個特征上。由此可見，在圖像識別過程中，知覺機制必須排除輸入的多余信息，抽出關鍵的信息。同時，在大腦里必定有一個負責整合信息的機制，它能把分階段獲得的信息整理成一個完整的知覺映象。為了編制模擬人類圖像識別活動的計算機程序，人們提出了不同的圖像識別模型。例如模板匹配模型。這種模型認為，識別某個圖像，必須在過去的經驗中有這個圖像的記憶模式，又叫模板。當前的**如果能與大腦中的模板相匹配，這個圖像也就被識別了。但這種模型強調圖像必須與腦中的模板完全符合才能加以識別，有一定的局限性。格式塔心理學家又據此提出了一個原型匹配模型。這種模型認為，在長時記憶中存儲的并不是所要識別的無數個模板，而是圖像的某些“相似性”。從圖像中抽象出來的“相似性”就可作為原型，拿它來檢驗所要識別的圖像。如果能找到一個相似的原型，這個圖像也就被識別了。但是，這種模型沒有說明人是怎樣對相似的刺激進行辨別和加工的，它也難以在計算機程序中得到實現。因此又有人提出了一個更復雜的模型，即“泛魔”識別模型。隨著計算機技術及人工智能技術的發展，圖像識別技術越來越成為人工智能的基礎安防技術，它將是未來科技領域幾大關鍵產業的核心技術之一。微軟、谷歌、Facebook、亞馬遜、百度、騰訊等巨頭都在傾注大量資源推動這項功能進步。比如微軟的圖像識別應用“我看起來有多大”(HowOldDoILook?)，成為網絡上紅極一時的話題。在去年舉行的第六屆ImageNet圖像識別技術比賽中，微軟憑借“圖像識別的深度殘差學習”(DeepResidualLearningforImageRecognition)系統獲得第一名?？萍脊救绱藷嶂杂趫D像識別技術的應用和創新，這種進步顯然會大大方便互聯網、傳媒行業及科研領域的相關工作。圖像識別技術與安防技術的融合現在，圖像識別技術的應用范圍已經遠遠突破視覺的范圍，而更多地體現為機器智能、數字技術的特點?？梢哉f，圖像識別技術就是人類視覺認知的延伸。視頻監控在過去的實際應用中，面臨的最大問題就是必須由人工查看視頻。視頻智能分析技術正是為解決這一問題而生，它通過對視頻進行智能分析、有效信息的結構化數據提取，從而讓視頻監控的使用者真正告別人工安防而走進自動化安防的新時代。目前視頻智能分析主要有兩種產品形態：前端智能和后端智能。前端智能以科達感知型攝像機為代表，將智能分析算法嵌入到前端攝像機，前端攝像機對采集的視頻內容立即進行分析，提取出畫面中關鍵的、感興趣的、有效的信息，形成結構化的數據，將后端感興趣的內容實時傳給后端做存儲或深入分析。后端智能是前端攝像機只負責采集視頻圖像，將碼流傳遞到后端服務器做集中處理。這樣對于后端的計算壓力比較大，也不利于實時處理。更合理的方式是前端攝像機進行基礎的結構化數據提取，后端服務器再進行深度二次分析;也就是說，將前端和后端配合起來做智能分析，才真正讓視頻圖像智能分析實現最大化價值。視頻監控領域是圖像識別技術一直在尋求突破的主要領域之一。視頻智能分析技術目前在公安、交通、零售、司法、教育等行業都獲得了普及性應用。公安公安行業借助智能視頻分析主要用于實現城市道路、廣場及各類重點場所的人、車、物等目標的識別，提取包括人的性別、人臉、全身等信息，車的車標、車牌、車身顏色等信息，這些信息均可提煉為計算機能識別的結構化數據，送入后端進行專業的安全管理應用，主要包括實時布控、高危人員比對、以圖搜圖、多點碰撞、語義搜索等方面。交通具有分析、感知能力的智能攝像機通過視頻識別分析技術，可對每輛車進行完整的違法行為分析、識別、抓拍和錄像，記錄車輛違法的整個過程，再將每條記錄生成非結構化的視頻、照片數據和結構化的文本數據提交給后端智能管理與分析系統，由系統進行高度智能的交通違法行為處理?；谥悄芤曨l分析技術，智能交通管理系統還能得出不同品牌的車型擁有量、過車高峰期、車輛進出城高峰期及行駛方向等豐富的交通數據，為城市交通流量管控、交通道路規劃等提供詳實的數據支撐。零售視頻智能分析在零售門店視頻監控方面的領先應用，是科達為聯合利華門店建設的熱點統計系統，系統通過感知型攝像機和后端的大數據分析平臺相配合，用于開展個人護理類商品陳列和貨架布局的顧客行為數據收集及分析，比如顧客在不同商品前的停留時間是多少、商品陳列和貨架布局調整前后的人流動向對比和購買金額對比等，進而作為最終的經營決策參考。這一系統不僅創新了視頻監控系統遠程管理零售門店的應用，更為連鎖零售行業如何通過視頻監控系統開展消費數據比對、分析等大數據應用開創了有益啟示。司法和教育在監獄和看守所，視頻智能分析技術更是較早得到了運用。除傳統的智能分析技術應用之外，感知型攝像機也被用在AB門等出入口，用于對所有過往人員進行臉部和全身的圖像采集，同時提供結構化和半結構化數據給后端管理平臺，平臺對人員進行實時比對，用于有效杜絕非法出入。學校采用視頻智能分析技術可以開展安全管理和教育錄播兩種應用，后者通過教室內的智能跟蹤攝像機自動識別、跟蹤老師的運動圖像，同時對視頻和聲音進行記錄，再生成錄播課程。應該說，圖像識別技術對于整個安防方案來說都是一項艱巨而又關鍵的任務，直接決定了后續圖像處理與分析的準確性和便捷性。在視頻監控領域，圖像識別技術正面臨著不小的挑戰，具體可闡釋為：其一，對圖像質量的要求越來越高，圖像識別與處理的算法也越來越復雜;其二，對圖像的實時性處理和傳輸要求越來越高;其三，圖像識別的算法更加個性化，也更加成為市場競爭力的關鍵所在;其四，圖像數據往往涉及隱私，因此也需要提供可以信任的安全保證。面對這些挑戰，科達深知要使圖像識別技術與安防技術實現更好的融合，任重而道遠。盡管在業界已經擁有了一定的知名度，科達仍然深耕于安防行業，把感知型攝像機視為視頻監控的未來，在將圖像識別技術更好地應用于具體的行業需求方面，為其他人工智能的應用提供了一條有價值的參考路徑。圖形圖像識別和處理系統市場存在的問題第一是技術層面：室外夜間光照不足、惡劣天氣、圖像壓縮處理、網絡傳輸鏈路帶寬受限等因素造成圖像質量下降，給安防智能視頻分析帶來先天困難；目標與背景相似或背景雜亂等導致目標分割以及特征信息提取困難；針對復雜異常行為、事件建模困難，相應的智能分析算法識別性能不高。上述因素容易造成虛假報警、漏報警、跟蹤困難等不良后果，制約了智能視頻分析應用系統實戰性能的提升。而在產品硬件上還存在一些問題，硬件包括前端攝像機和后端服務器。就基于像素比對的智能分析來說，圖像的清晰度直接影響到比對的結果，而越清晰的攝像機圖像像素點越多，運算比對也讓服務器壓力更大。例如智能分析中的車牌識別，不同清晰度的攝像機得到的視頻資源，分析準確率相差很大，同時后端服務器的比對效率也會有明顯的不同，使用標清時單臺服務器的分析能力可能是20路，準確率為90%，而使用200萬高清時，處理能力可能是5路，但準確率卻可達到98%。該問題需在前端的更新換代和“云計算”技術得到高效推廣的情況下才能夠得以較好的解決。第二是產業層面：主要的困惑還是客戶對智能視頻分析產品的過高期望與該技術的性能表現易受使用條件的限制。由于用戶對智能分析這類產品接觸不多，對這類產品的效果有疑問。而有的廠家為了能夠吸引客戶進行夸大宣傳，結果實際使用效果與宣傳效果不符，使得這些客戶對智能視頻分析產品再無好感。廠商對產品大部分用戶沒有認真梳理應用需求；產品研發部門缺乏對安防行業的深入理解，導致智能視頻分析產品功能千遍一律，缺乏針對性。再者，缺少權威的標準認證體系，導致用戶對產品的性能無法有效把控。第三是市場層面：目前很多智能視頻分析產品多是自主研發，而這類企業就需要攤薄早期的開發成本。因此，這類產品在定價方面可能要高于一般客戶的承受能力，這也就決定了智能分析產品尤其是行為分析產品只能在監獄、高檔小區或者機關重地等具有嚴格、精準監控需求的地方。圖形圖像識別和處理系統市場規模分析圖表SEQ圖表\*ARABIC15：2013-2015年我國圖形圖像識別和處理系統行業市場規模數據來源：國家統計局圖形圖像識別和處理系統產銷狀況分析圖形圖像識別和處理系統產量分析圖表SEQ圖表\*ARABIC16：2013-2015年我國圖形圖像識別和處理系統行業總產值數據來源：國家統計局圖形圖像識別和處理系統市場需求狀況分析圖表SEQ圖表\*ARABIC17：2013-2015年我國圖形圖像識別和處理系統行業需求規模數據來源：國家統計局產品發展趨勢預測產品發展新動態人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行的一系列計算和分別判斷的相關技術，通常也叫做人像識別、面部識別。人臉與人體的其他生物特征（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復制性為身份鑒別提供了必要的前提，與其他類型的生物識別比較，人臉識別具有如下特點：非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”。非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像。并發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別。符合視覺特性：具有“以貌識人”的特性及操作簡單、結果直觀、隱蔽性好等特點。人臉識別技術流程主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。（1）人臉圖像采集不同的人臉圖像都能通過攝像鏡頭采集得到，比如靜態圖像、動態圖像、不同的位置、不同表情等，當采集對象在設備的拍攝范圍內時，采集設備會自動搜索并拍攝人臉圖像。（2）人臉檢測人臉檢測在實際應用中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。主流的人臉檢測方法是基于以上特征采用Adaboost學習算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。人臉檢測過程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征（弱分類器），按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。（3）人臉圖像預處理對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并最終服務于特征提取的過程。系統獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理。對于人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。（4）特征提取人臉識別系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征提取就是針對人臉的某些特征進行的，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數特征或統計學習的表征方法?；谥R的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征。基于知識的人臉表征主要包括基于幾何特征的方法和模板匹配法?；诖鷶堤卣鞣椒ǖ幕舅枷胧菍⑷四樤诳沼騼鹊母呔S描述轉化為頻域或者其他空間內的低維描述，其表征方法分為線性投影表征方法和非線性投影表征方法。基于線性投影的方法主要有主成分分析法或稱K-L變換、獨立成分分析法和Fisher線性判別分析法。非線性特征提取方法有兩個重要的分支：基于核的特征提取技術和以流形學習為主導的特征提取技術。（5）匹配與識別提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程；另一類是辨認，是一對多進行圖像匹配對比的過程。技術新動態中國生物特征識別行業基本與國外同步，在80年代初就開始了研究，最早發展的是指紋識別技術，并掌握了核心技術，產業發展相對比較成熟。1996年之后，我國開始對人臉識別、虹膜識別等生物認證技術進行研究。2000年以后，中國的生物特征識別技術開始步入產業化階段，形成了一定的產業供求關系，指紋技術也從單一的門禁考勤設備向公安刑偵、金融內部防控、社保養老金領取、醫療等行業領域發展，指紋識別產業開始步入由點到面的全面發展階段。在技術應用層面，生物特征識別技術也在慢慢地和新興的自動識別技術進行融合，如智能卡、二維條形碼、RFID等，并且不同的生物特征識別技術（如指紋識別、人臉識別）也在相互結合，通過多重技術整合提高識別的精準性。盡管當前全球經濟形勢整體低迷，但人們對身份識別與驗證、風險管控等需求日益增長，全球生物特征識別市場增長迅速，特別是在發展中國家，生物識別市場年增長率高達60%～70%。從市場應用的角度而言，國內較認可指紋、虹膜、人臉等幾種生物特征識別技術，根據國際生物識別集團（IBG）最新權威報告《生物識別市場與產業報告2009-2014》顯示，在各種生物特征識別技術中，自動指紋識別系統和實時掃描所占份額最大，為38.3%；指紋識別占到28.4%；人臉識別占到11.4%；虹膜識別、語音識別、靜脈識別和掌形識別各占8.0%、3.0%、2.4%和1.8%。在我國生物特征識別一個突出的市場變化就是，經過短短三年時間，我國人臉識別技術的市場份額從零增長到16%，指紋識別的市場份額則從98%下降到82%，充分顯示了人臉識別技術的市場前景。產品發展趨勢預測圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。隨著科學技術的發展，數字圖像處理技術的應用領域也將隨之不斷擴大。數字圖像處理技術未來應用領域主要有以下七個方面：（1）航天航空技術方面：數字圖像處理技術在航天航空技術方面的應用，除JPL對月球、火星照片的處理之外，另一方面是在飛機遙感和衛星遙感技術中。圖像在空中先處理（數字化編碼）成數字信號存人磁帶中，在衛星經過地面站上空時，再高速傳送下來，然后由處理中心分析判讀。這些圖像無論是在成像、存儲、傳輸過程中，還是在判讀分析中，都必須采用很多數字圖像處理方法?，F在世界各國都在利用各類衛星所獲取的圖像進行資源調查、災害檢測、資源勘察、農業規劃、城市規劃。在氣象預報和對太空其它星球研究方面，數字圖像處理技術也發揮了相當大的作用。（2）生物醫學工程方面：數字圖像處理技術在生物醫學工程方面的應用十分廣泛，且很有成效。除了CT技術之外，還有一類是對醫用顯微技術的處理分析，如染色體分析、癌細胞識別等。此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫學診斷方面都