根據(jù)亞馬遜官方的說法，Amazon Go是技術(shù)創(chuàng)新的成果，無人便利店內(nèi)應(yīng)用了計(jì)算機(jī)視覺、深度學(xué)習(xí)算法，無線射頻識別、圖像分析和感測融合等多種技術(shù)，原理類似于無人駕駛。

那么下邊就介紹一下計(jì)算機(jī)視覺與圖像處理、模式識別、機(jī)器學(xué)習(xí)之間的關(guān)系。

要實(shí)現(xiàn)計(jì)算機(jī)視覺必須有圖像處理的幫助，而圖像處理倚仗與模式識別的有效運(yùn)用，而模式識別是人工智能領(lǐng)域的一個重要分支，人工智能與機(jī)器學(xué)習(xí)密不可分。縱觀一切關(guān)系，發(fā)現(xiàn)計(jì)算機(jī)視覺的應(yīng)用服務(wù)于機(jī)器學(xué)習(xí)，各個環(huán)節(jié)缺一不可，相輔相成。

計(jì)算機(jī)視覺

計(jì)算機(jī)視覺(computer vision):用計(jì)算機(jī)來模擬人的視覺機(jī)理獲取和處理信息的能力。就是指用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識別、跟蹤和測量等機(jī)器視覺，并進(jìn)一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。

計(jì)算機(jī)視覺研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取'信息'的人工智能系統(tǒng)。計(jì)算機(jī)視覺的挑戰(zhàn)是要為計(jì)算機(jī)和機(jī)器人開發(fā)具有與人類水平相當(dāng)?shù)囊曈X能力。

機(jī)器視覺需要圖象信號，紋理和顏色建模，幾何處理和推理，以及物體建模。一個有能力的視覺系統(tǒng)應(yīng)該把所有這些處理都緊密地集成在一起。

圖像處理

圖像處理(image processing):用計(jì)算機(jī)對圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)。又稱影像處理。

圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。

圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識別3個部分。常見的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割和圖像分析等。

模式識別

模式識別(Pattern Recognition)是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。

模式識別又常稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角度，模式識別分為有監(jiān)督的分類(Supervised Classification)和無監(jiān)督的分類(Unsupervised Classification)兩種。模式還可分成抽象的和具體的兩種形式。前者如意識、思想、議論等，屬于概念識別研究的范疇，是人工智能的另一研究分支。我們所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器等對象的具體模式進(jìn)行辨識和分類。模式識別研究主要集中在兩方面:一是研究生物體(包括人)是如何感知對象的，屬于認(rèn)識科學(xué)的范疇;二是在給定的任務(wù)下,如何用計(jì)算機(jī)實(shí)現(xiàn)模式識別的理論和方法

應(yīng)用計(jì)算機(jī)對一組事件或過程進(jìn)行辨識和分類，所識別的事件或過程可以是文字、聲音、圖像等具體對象，也可以是狀態(tài)、程度等抽象對象。這些對象與數(shù)字形式的信息相區(qū)別，稱為模式信息。

模式識別與統(tǒng)計(jì)學(xué)、心理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)、生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(Machine Learning)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。

機(jī)器學(xué)習(xí)在人工智能的研究中具有十分重要的地位。一個不具有學(xué)習(xí)能力的智能系統(tǒng)難以稱得上是一個真正的智能系統(tǒng)，但是以往的智能系統(tǒng)都普遍缺少學(xué)習(xí)的能力。隨著人工智能的深入發(fā)展，這些局限性表現(xiàn)得愈加突出。正是在這種情形下，機(jī)器學(xué)習(xí)逐漸成為人工智能研究的核心之一。它的應(yīng)用已遍及人工智能的各個分支，如專家系統(tǒng)、自動推理、自然語言理解、模式識別、計(jì)算機(jī)視覺、智能機(jī)器人等領(lǐng)域。

機(jī)器學(xué)習(xí)的研究是根據(jù)生理學(xué)、認(rèn)知科學(xué)等對人類學(xué)習(xí)機(jī)理的了解，建立人類學(xué)習(xí)過程的計(jì)算模型或認(rèn)識模型，發(fā)展各種學(xué)習(xí)理論和學(xué)習(xí)方法，研究通用的學(xué)習(xí)算法并進(jìn)行理論上的分析，建立面向任務(wù)的具有特定應(yīng)用的學(xué)習(xí)系統(tǒng)。這些研究目標(biāo)相互影響相互促進(jìn)。

人類研究計(jì)算機(jī)的目的，是為了提高社會生產(chǎn)力水平，提高生活質(zhì)量，把人從單調(diào)復(fù)雜甚至危險(xiǎn)的工作中解救出來。今天的計(jì)算機(jī)在計(jì)算速度上已經(jīng)遠(yuǎn)遠(yuǎn)超過了人，然而在很多方面，特別是在人類智能活動有關(guān)的方面例如在視覺功能、聽覺功能、嗅覺功能、自然語言理解能力功能等等方面，還不如人。

這種現(xiàn)狀無法滿足一些高級應(yīng)用的要求。例如，我們希望計(jì)算機(jī)能夠及早地發(fā)現(xiàn)路上的可疑情況并提醒汽車駕駛員以避免發(fā)生事故，我們更希望計(jì)算機(jī)能幫助我們進(jìn)行自動駕駛，目前的技術(shù)還不足以滿足諸如此類高級應(yīng)用的要求，還需要更多的人工智能研究成果和系統(tǒng)實(shí)現(xiàn)的經(jīng)驗(yàn)。

人工智能

人工智能，是由人類設(shè)計(jì)并在計(jì)算機(jī)環(huán)境下實(shí)現(xiàn)的模擬或再現(xiàn)某些人智能行為的技術(shù)。一般認(rèn)為，人類智能活動可以分為兩類:感知行為與思維活動。模擬感知行為的人工智能研究的一些例子包括語音識別、話者識別等與人類的聽覺功能有關(guān)的"計(jì)算機(jī)聽覺"，物體三維表現(xiàn)的形狀知識、距離、速度感知等與人類視覺有關(guān)的"計(jì)算機(jī)視覺"，等等。模擬思維活動的人工智能研究的例子包括符號推理、模糊推理、定理證明等與人類思維有關(guān)的"計(jì)算機(jī)思維"，等等。

從圖像處理和模式識別發(fā)展起來的計(jì)算機(jī)視覺研究對象之一是如何利用二維投影圖像恢復(fù)三維景物世界。計(jì)算機(jī)視覺使用的理論方法主要是基于幾何、概率和運(yùn)動學(xué)計(jì)算與三維重構(gòu)的視覺計(jì)算理論，它的基礎(chǔ)包括射影幾何學(xué)、剛體運(yùn)動力學(xué)、概率論與隨機(jī)過程、圖像處理、人工智能等理論。計(jì)算機(jī)視覺要達(dá)到的基本目的有以下幾個:(1) 根據(jù)一幅或多幅二維投影圖像計(jì)算出觀察點(diǎn)到目標(biāo)物體的距離;(2) 根據(jù)一幅或多幅二維投影圖像計(jì)算出目標(biāo)物體的運(yùn)動參數(shù);(3) 根據(jù)一幅或多幅二維投影圖像計(jì)算出目標(biāo)物體的表面物理特性;(4) 根據(jù)多幅二維投影圖像恢復(fù)出更大空間區(qū)域的投影圖像。

計(jì)算機(jī)視覺要達(dá)到的最終目的是實(shí)現(xiàn)利用計(jì)算機(jī)對于三維景物世界的理解，即實(shí)現(xiàn)人的視覺系統(tǒng)的某些功能。

在計(jì)算機(jī)視覺領(lǐng)域里，醫(yī)學(xué)圖像分析、光學(xué)文字識別對模式識別的要求需要提到一定高度。又如模式識別中的預(yù)處理和特征抽取環(huán)節(jié)應(yīng)用圖像處理的技術(shù);圖像處理中的圖像分析也應(yīng)用模式識別的技術(shù)。在計(jì)算機(jī)視覺的大多數(shù)實(shí)際應(yīng)用當(dāng)中，計(jì)算機(jī)被預(yù)設(shè)為解決特定的任務(wù)，然而基于機(jī)器學(xué)習(xí)的方法正日漸普及，一旦機(jī)器學(xué)習(xí)的研究進(jìn)一步發(fā)展，未來"泛用型"的電腦視覺應(yīng)用或許可以成真。

人工智能所研究的一個主要問題是:如何讓系統(tǒng)具備"計(jì)劃"和"決策能力"?從而使之完成特定的技術(shù)動作(例如:移動一個機(jī)器人通過某種特定環(huán)境)。這一問題便與計(jì)算機(jī)視覺問題息息相關(guān)。在這里，計(jì)算機(jī)視覺系統(tǒng)作為一個感知器，為決策提供信息。另外一些研究方向包括模式識別和機(jī)器學(xué)習(xí)(這也隸屬于人工智能領(lǐng)域，但與計(jì)算機(jī)視覺有著重要聯(lián)系)，也由此，計(jì)算機(jī)視覺時常被看作人工智能與計(jì)算機(jī)科學(xué)的一個分支。

機(jī)器學(xué)習(xí)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演譯。 為了達(dá)到計(jì)算機(jī)視覺的目的，有兩種技術(shù)途徑可以考慮。 第一種是仿生學(xué)方法，即從分析人類視覺的過程入手，利用大自然提供給我們的最好參考系--人類視覺系統(tǒng)，建立起視覺過程的計(jì)算模型，然后用計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)之。 第二種是工程方法，即脫離人類視覺系統(tǒng)框框的約束，利用一切可行和實(shí)用的技術(shù)手段實(shí)現(xiàn)視覺功能。此方法的一般做法是，將人類視覺系統(tǒng)作為一個黑盒子對待，實(shí)現(xiàn)時只關(guān)心對于某種輸入，視覺系統(tǒng)將給出何種輸出。

這兩種方法理論上都是可以使用的，但面臨的困難是，人類視覺系統(tǒng)對應(yīng)某種輸入的輸出到底是什么，這是無法直接測得的。而且由于人的智能活動是一個多功能系統(tǒng)綜合作用的結(jié)果，即使是得到了一個輸入輸出對，也很難肯定它是僅由當(dāng)前的輸入視覺刺激所產(chǎn)生的響應(yīng)，而不是一個與歷史狀態(tài)綜合作用的結(jié)果。

不難理解，計(jì)算機(jī)視覺的研究具有雙重意義。

其一，是為了滿足人工智能應(yīng)用的需要，即用計(jì)算機(jī)實(shí)現(xiàn)人工的視覺系統(tǒng)的需要。這些成果可以安裝在計(jì)算機(jī)和各種機(jī)器上，使計(jì)算機(jī)和機(jī)器人能夠具有"看"的能力。

其二，視覺計(jì)算模型的研究結(jié)果反過來對于我們進(jìn)一步認(rèn)識和研究人類視覺系統(tǒng)本身的機(jī)理，甚至人腦的機(jī)理，也同樣具有相當(dāng)大的參考意義。