图像识别是怎么实现的 120图勾勒全球AI产业完整图谱，AI行业最为全面研报之一（(9)

受益于智能手机等消费电子需求带动，根据 Yole 预测，在 2016~2022 年 3D 感测设备市 场空间年复合增速将达 37.7%，其中 2017 年设备市场空间接近 20 亿美元，其中消费电 子贡献约 25%。

算法难度从简单到复杂。在硬件上，3D 光学感测在发射与接收端已非常成熟；在算法难 度上，生物辨识与机器视觉属于较为基础的应用，而辅助驾驶、3D 交互则需要叠加多种 基础方案配合形成，到 AR 与 VR，则需要前几种技术的综合叠加和有机应用，且对处理 器的运算能力要求极高。

生物识别：3D 光学感测可应用于虹膜、面部、光学指纹识别等多项生物识别领域，生物 识别的算法复杂程度低，也是 3D 光学感测的入门级应用。

?? 虹膜识别稳定性较指纹识别更高，3D 光学感测独有优势。与指纹识别的方案类似， 3D 光学感测还可以进行面部识别和虹膜识别，虹膜识别系统具有高安全性的优势， 可找出约 2000 个不同的特征点，与指纹约 100 个特征点相比，精确性更高。但虹 膜图像因为尺寸小，景深小，有效对焦不方便，因此图像获取是一个具有挑战性的 问题，采用波长为 800 纳米上下的近红外光源采集，虹膜图像是最清晰的。

?? 面部识别当前误差仍较大。当前，面部识别的精准度无法上升到令人满意的阶段， 对相似度高的脸容易出现识别误差，且在佩戴眼镜的情况下则无法识别。

3D 机器视觉：提供更精确的信息，应用于汽车和精密制造。目前我们所应用的机器视觉 大多数是 2D 视觉，2D 视觉一般只能做到读取编码、条形码等，无法读取空间位臵。三 维机器视觉提供准确、实时的三维位臵信息，以便在汽车和精密制造产业中实现具有挑 战性的组件验证、物流和机器人应用的自动化，包括装上货架/取下货架、卸垛、打包和 组装验证等。产业尚处于萌芽期。整体而言，3D 机器视觉实现的门槛与生物识别相似， 机器视觉龙头 Cognex 早已有代表性的产品推出。目前主要应用于对先进生产要求高的 汽车工业等，但渗透尚未打开。

辅助驾驶：激光雷达在 ADAS 领域应用前景甚广，应用障碍主要受制于成本。影像感测 其实最先应用于汽车辅助驾驶（ADAS）领域，发射和接收装臵一般被称为激光雷达。3D 光学感测起到收集路况信息的主要作用，在自适式巡航控制、车道偏移警示、车侧盲点 侦测、前方碰撞警示、夜视与停车辅助系统等多领域发挥感测功能。但受制于成本尚未 普及。

相较于毫米波雷达，激光雷达的主要优劣势有：

?? 优势：精度更高，速度更快，适合远距离传输；

?? 劣势：在雨雪雾等极端天气下性能较差；采集的数据量过大，目前价格高昂。

3D 交互

?? Leap Motion 的手势识别：2013 年，Leap Motion 采用两个可见光完成 3D 手势建模。手势的语法信息是通过手的构形、手的运动变化来传递。人手是一个多 肢节系统，随着关节的运动手的形状在不断变化，这种变化可以通过指段和关节的 状态空间位臵的变化来描述，建立手的几何模型和运动学模型。

?? 大疆 Spark 将目标跟踪与机器视觉算法相结合：2017 年 5 月，大疆 Spark 发布， 在无人机上引用红外感测的 3D 手势识别，原理是将计算机视觉算法中的手势识别 和目标跟踪算法与普通的工业摄像机相结合，带动手势识别的应用领域扩展到消费 级无人机。

?? PrimeSense 被苹果收购，商业化应用指日可待。3D 光学感测领域的创业先驱 PrimeSense 诞生于 2005 年，其提供从红外光编码、3D 传感器芯片和 CMOS 传感 器的一整套 3D 感测解决方案，并搭载于微软 Kinect 之中，用于动作捕捉。2013 年 PrimeSense 被苹果以 3.45 亿美元收购（苹果史上最大手笔收购之一），判断随着 3D 光学传感器被应用于 iPhone，PrimeSense 的 3D 感知功能商用化指日可待。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-67224-9.html