计算机视觉作为人工智能的核心分支，旨在赋予机器人类视觉系统的感知、理解与分析能力，让机器能从图像、视频等视觉数据中提取有价值的信息。随着深度学习技术的爆发式发展，计算机视觉的技术体系与应用边界不断拓展，其分类方式也日益多元化。从核心任务目标到实际应用场景，计算机视觉可被划分为多个相互关联又各具特色的类别。
### 一、按核心任务目标分类
这是计算机视觉最基础的分类方式，依据机器处理视觉数据的核心目的划分，涵盖从基础感知到高级认知的全链条任务。
#### 1. 基础视觉感知任务
这类任务聚焦于对视觉数据的底层特征提取与基础理解，是所有高级任务的技术基石：
– **图像分类**：将单张或多张图像映射到预定义的类别标签，是计算机视觉最入门的任务，核心是识别图像的“是什么”。例如，区分照片中的物体是猫还是狗、识别交通标志类型。经典算法包括ResNet、Vision Transformer等，广泛应用于相册智能分类、内容审核等场景。
– **目标检测**：不仅要识别图像中的物体类别，还要通过边界框精准定位物体的位置，解决“是什么、在哪里”的问题。例如，自动驾驶中识别道路上的车辆、行人、红绿灯；安防监控中检测异常闯入的人员。主流算法有YOLO系列、Faster R-CNN等。
– **语义分割**：对图像中的每一个像素进行类别标注，实现像素级的场景理解，让机器能区分“哪些区域属于什么”。例如，自动驾驶中分割出道路、人行道、绿化带；卫星图像中识别农田、建筑、水域。常用模型包括U-Net、DeepLab等。
– **实例分割**：在语义分割的基础上进一步区分同一类别的不同实例，例如，将图像中的三只猫分别单独分割出来，而不是统一标注为“猫”区域。代表算法为Mask R-CNN，广泛应用于机器人抓取、图像编辑等领域。
– **姿态估计**：通过识别关键点（如人体关节、动物骨骼）来分析物体的姿态结构。其中人体姿态估计应用最广，例如，识别视频中人体的关节位置，用于动作捕捉、虚拟现实交互、体育赛事分析等。
– **图像检索**：通过提取图像的特征向量，在大规模图库中匹配找到与查询图像相似的内容，解决“找相似”的问题。应用场景包括图片版权保护、电商同款商品搜索、文物数字档案管理等。
#### 2. 高级视觉理解与生成任务
这类任务突破了基础感知的边界，聚焦于对视觉数据的深度理解、推理与创造，是当前计算机视觉的前沿方向：
– **图像生成**：基于算法生成全新的图像内容，核心是学习真实数据的分布规律。从早期的GAN（生成对抗网络）生成逼真人脸，到如今的扩散模型（Diffusion Model）实现文生图、图生图，图像生成技术已广泛应用于创意设计、游戏开发、数字内容创作等领域。
– **视频分析**：针对序列图像（视频）的处理任务，核心是捕捉时间维度的动态信息。包括动作识别（如识别视频中人物在跑步、跳舞还是摔倒）、视频目标跟踪（如在监控视频中持续追踪特定嫌疑人）、视频摘要（自动提取视频关键帧生成精简版内容），应用于智能家居、体育赛事分析、安防监控等场景。
– **三维视觉**：将二维视觉数据拓展到三维空间，实现对物体或场景的三维结构感知。例如，从单张或多张照片重建三维物体模型、处理激光雷达采集的点云数据、AR/VR中的空间定位与三维交互。这类技术是自动驾驶、机器人导航、工业数字孪生的核心支撑。
– **多模态视觉**：结合视觉与文本、语音等其他模态数据，实现跨模态的理解与交互。例如，视觉问答（VQA）：根据图像内容回答自然语言问题；图文匹配：判断文本描述与图像内容是否一致（如CLIP模型）；文生视频：根据文字描述生成连贯的视频片段。多模态视觉是通用人工智能的重要组成部分。
### 二、按实际应用场景分类
除了任务目标，计算机视觉也可依据落地场景划分，不同场景下的技术需求与任务重点各有差异：
– **工业计算机视觉**：聚焦于工业生产环节的自动化与智能化，包括产品缺陷检测（如识别电路板焊点缺陷、汽车零部件划痕）、尺寸测量、装配引导、机器人视觉抓取等，能大幅提升生产效率与产品质量。
– **自动驾驶视觉**：是自动驾驶汽车的“眼睛”，核心任务包括车道线检测、交通标志识别、动态目标检测与跟踪、语义地图构建等，为车辆提供实时的环境感知能力，保障行车安全。
– **医疗计算机视觉**：应用于医学影像分析，如CT、MRI、X光片的病灶检测、肿瘤分割、辅助诊断，能帮助医生更精准地发现病变，提升医疗诊断效率，尤其在早期癌症筛查、心血管疾病诊断等领域发挥重要作用。
– **安防计算机视觉**：涵盖人脸识别、行人重识别、异常行为分析（如打架、摔倒）、人群密度预警等，广泛应用于小区监控、机场安检、城市公共安全等场景，提升安防管理的智能化水平。
– **零售计算机视觉**：包括商品识别、智能货架管理、客流统计、顾客行为分析（如停留时长、购买偏好），帮助零售企业优化库存管理、提升用户体验、精准营销。
### 总结
计算机视觉的各类别并非孤立存在，而是相互交叉融合。例如，自动驾驶视觉需要结合目标检测、语义分割、三维视觉等多种技术；医疗计算机视觉则融合了图像分类、语义分割与多模态交互。随着大模型技术的发展，通用计算机视觉模型正逐步打破任务与场景的边界，未来将催生更多跨领域的新兴分类与创新应用，持续拓展机器“看世界”的深度与广度。
本文由AI大模型（Doubao-Seed-1.8）结合行业知识与创新视角深度思考后创作。