1.1 计算机视觉的定义

人类视觉系统主要由眼睛、外侧膝状体以及视皮层组成，通过这三部分完成对外界光线的感知并形成视觉的功能。计算机视觉，顾名思义，是指利用计算机进行图像和视频中获取、分析和处理，使其具有接近人类视觉系统能力的学科。

从学术研究角度看，计算机视觉从现实世界中提取高层次的信息，产生特征和语义信息，并将图像（视网膜的输入）转换为可以与其他个体交互并产生影响的信息，其过程可以看作利用几何学、物理学、统计学习理论构建模型，并从视觉数据中提炼符号信息的过程。研究人员希望，计算机可以像人类一样，将外界输入的光信号转换为对外界的理解与认知，这将在一定程度上促进人类科技与社会的发展，创造更高的科研价值。

而对于计算机视觉相关专业的从业者来说，计算机视觉旨在将其理论和模型应用于计算机视觉系统的构建。

由于计算机视觉的主要任务是模拟人类视觉，从而可以代替人类完成某些基于人类视觉的任务，因此计算机视觉的主要任务与人类视觉系统的主要任务是一致的。计算机视觉的主要任务包括场景重建、事件检测、视频跟踪、对象识别、三维姿态估计、运动估计和图像恢复。