機器視覺與計算機視覺的區(qū)別？

計算機視覺與機器視覺，首先是應(yīng)用場景不一樣

其次，我感覺最大的區(qū)別，在于技術(shù)要求的側(cè)重點不一樣，甚至差別很大。

計算機視覺，主要是對質(zhì)的分析，比如分類識別，這是一個杯子那是一條狗?；蛘咦錾矸荽_認，比如人臉識別，車牌識別?；蛘咦鲂袨榉治?，比如人員入侵，徘徊，遺留物，人群聚集等。

機器視覺，主要側(cè)重對量的分析，比如通過視覺去測量一個零件的直徑，一般來說，對準確度要求很高。我記得以前接觸過一個需求: 視覺測量鐵路道岔缺口。剛畢業(yè)的時候在鐵路上班，做過控制系統(tǒng)，還開過內(nèi)燃機車，很清楚道岔缺口的重要性，這玩意兒你說要是測不準，呵呵:)

當(dāng)然，也不能完全按質(zhì)或量一刀切，有些計算機視覺應(yīng)用也需要分析量，比如商場的人數(shù)統(tǒng)計。有些機器視覺也需要分析質(zhì)，比如零件自動分揀。但，計算機視覺一般來說對量的要求不會很高，商場人數(shù)統(tǒng)計誤差個百分之幾死不了人的，但機器視覺真的會，比如那個道岔缺口測量。

既然要求這么高，是不是機器視覺就比計算機視覺難呢？也不是的，應(yīng)該說各有各的難處。

計算機視覺的應(yīng)用場景相對復(fù)雜，要識別的物體類型也多，形狀不規(guī)則，規(guī)律性不強。有些時候甚至很難用客觀量作為識別的依據(jù)，比如識別年齡，性別。所以深度學(xué)習(xí)比較適合計算機視覺。而且光線，距離，角度等前提條件，往往是動態(tài)的，所以對于準確度要求，一般來說要低一些。

機器視覺則剛好相反，場景相對簡單固定，識別的類型少(在同一個應(yīng)用中)，規(guī)則且有規(guī)律，但對準確度，處理速度要求都比較高。關(guān)于速度，一般機器視覺的分辨率遠高于計算機視覺，而且往往要求實時，所以處理速度很關(guān)鍵，目前基本上不適合采用深度學(xué)習(xí)。

以上討論的是技術(shù)，商業(yè)方面，計算機視覺的應(yīng)用面更廣一些，畢竟很多業(yè)務(wù)是跟人相關(guān)，比如人臉識別，行為分析等，很多垂直領(lǐng)域都有計算機視覺潛在需求，相對來說，更適合創(chuàng)業(yè)；

而機器視覺顧名思義，業(yè)務(wù)主要跟機器相關(guān)，而且對準確度甚至安全性要求很高，也就在資質(zhì)品牌方面有較高的門檻，所以寡頭壟斷嚴重，一般來說，更適合上班而不是創(chuàng)業(yè)。