你有没有想过这些问题：手机相册怎么自动把照片分成”人物””风景””动物”？小区门禁怎么”刷脸”开门？医院的 X 光片怎么自动识别肺癌？自动驾驶怎么识别红绿灯和行人？这些应用背后都是同一个技术——计算机视觉（Computer Vision，简称 CV）。
计算机视觉是人工智能的一个分支，让计算机”看懂”图像和视频——这听起来简单，做起来极难。人类大脑识别一只猫只需要 0.1 秒，但要教会计算机做同样的事，人类花了 60 年。
CV 主要解决几类问题：
- 图像分类：给一张图，回答”这是什么”。是猫还是狗？是飞机还是汽车？这是最基本的 CV 任务。
- 目标检测：找出图里所有目标并标记位置。图里有几只猫分别在哪儿？自动驾驶场景里这辆车前面有几个人、几辆车、几个红绿灯？
- 图像分割：把图的每一个像素都分类。医学影像里要标出肿瘤的精确边界，自动驾驶要标出可行驶区域的精确边界。
- 人脸识别：从摄像头画面中找到人脸并识别身份。小区门禁、手机解锁、公安系统都在用。
- 姿态识别：识别人体的姿态——站着、坐着、摔倒、跳舞。体育训练、康复医疗、老人监护都用得上。
- 图像生成：让 AI 自己”画”出新图像。文生图模型（Stable Diffusion、Midjourney、DALL·E）能根据文字描述生成逼真图像。
- 视频理解：不只理解单张图，还理解视频序列——动作识别、异常事件检测、视频摘要。
CV 这 10 年的核心突破是 2012 年的 AlexNet——它第一次用深度学习（CNN 卷积神经网络）在 ImageNet 图像识别大赛上把错误率从 26% 降到 15%，从此开启了深度学习时代。后续的 VGG、ResNet、YOLO 等网络让 CV 能力持续提升，到 2020 年后，CV 在多数任务上已经超过人类水平。
今天，CV 已经渗透到几乎所有行业：
- 消费电子：手机相册分类、拍照美颜、AR 特效。
- 安防：人脸识别门禁、异常行为检测、车牌识别。
- 医疗：CT/MRI 影像诊断、病理切片分析、手术导航。
- 自动驾驶：识别行人、车辆、交通标志、可行驶区域。
- 工业：产品缺陷检测、装配线视觉定位、智能仓储。
- 农业：病虫害识别、果蔬分拣、产量预估。
- 零售：无人商店、智能试衣镜、商品识别。
CV 是 AI 商业化最成熟的领域之一，也是普通人能”看见”AI 的最直接方式——下一次你用手机”刷脸”解锁时，背后的神经网络已经帮你工作了。
