一、计算机视觉行业概况
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
计算机视觉行业产业链示意图
资料来源：公开资料整理
目前，计算机视觉是深度学习领域最热门的研究领域之一。视觉识别是计算机视觉的关键组成部分，如图像分类、定位和检测。神经网络和深度学习的最新进展极大地推动了这些最先进的视觉识别系统的发展。
计算机视觉的五大技术
资料来源：公开资料整理
二、中国计算机识别技术发展现状分析
2018年中国计算机视觉市场规模突破100亿元。随着计算机视觉极少数的逐渐成熟，除了安防、视频广告、泛金融、智能手机以及互联网娱乐领域，医疗影像、工业制造、批发零售等创新领域将逐步解锁，预计2019年中国计算机视觉市场规模将进一步扩大，达到300亿元。
2016-2019年中国计算机视觉行业市场规模及增长
资料来源：公开资料整理
近年来中国人工智能产业发展迅速。从市场规模来看，自2015年开始，中国人工智能市场规模逐年攀升。2017年中国人工智能市场规模达到152.1亿元，增长率达到51.2%。
随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，2018年中国人工智能市场规模约为238.2亿元，增长率达到56.6%。
2016-2019年中国人工智能行业市场规模及增长
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2019-2025年中国计算机视觉行业市场发展现状调研及投资趋势前景分析报告》
三、中国计算机视觉行业竞争格局分析
近年来中国人工智能产业发展迅速，已引起全社会的广泛关注。随着人工智能技术的逐渐成熟，中国计算机视觉步入快速发展阶段。
有全球人工智初创企业多处于萌芽状态，产品成熟、经营稳健的初创企业较少，大部门人工智能企业已开发出基本产品模式，需要资本继续扩，商业模式还在摸索中。
计算机视觉行业融资情况
资料来源：公开资料整理
据统计，商汤科技以24.3%的企业知名度排名各计算机视觉企业首位，旷视科技与云从科技则分别以23.1%以及21.7%的知名度分列二三位。商汤科技计算机视觉技术及算法能力在行业内较为出色，同时在安防、金融、商业、手机端等多个领域均有商业落地应用，在企业认知和品牌推广方面具有优势。
2018年中国计算机视觉企业知名度排行
资料来源：公开资料整理
商汤科技在营收上同样处于行业领先水平，2017年已实现全面盈利，营收相比2016年增长420%，其本质专注于技术发展，强大的技术基础能较好支撑商汤科技在上层应用场景的扩展。
商汤目前的营收来源的四个方向：安防、汽车、手机以及新型业务，其中，最大的一块收入来自智能安防领域，占整体营收的30%。此外，60%来自于智能汽车、手机移动互联网方面，剩下10%来自于遥感、机器人、视频等新型业务。
商汤科技业务板块结构（单位：%）
资料来源：公开资料整理
四、中国计算机视觉行业发展前景及趋势分析
1、计算机视觉的信息处理过程
学术界以及理论界在对计算机视觉心理分析以及研究时提出，计算机视觉可以划分为三个不同的层次，通过信息处理过程的深入分析来了解各层次之间的联系，计算理论，硬件实现与算法描述在整个工作环节之中扮演着关键的角色，三维物体识别研究主要以现有的计算机视觉理论为切入点，将实际的物体识别看作为一个综合的过程，通过对图像的描述与建立来实现景物层次性的分析。第一个层次主要以初始简图为主，这一个层次能够实现基本意义上的局部几何性质分析和变动，通过线条的形式来勾画出前期的草图，第二个层次则是二维半简图，其通过物体可视面的描述来了解表面方向与观察点之间的距离和不同之处，第三个层次则是三维模型表示，这一个层次能够实现对整个物体形状清晰而准确的描述。另外学术界所提出的视觉计算理论也以该层次为主，在计算机视觉研究的过程之中，大部分的学者都积极的将初始建图，二维半简图以及三维模型表示相结合，实现这三大层次之间的紧密结合。
2、计算机视觉发展的重点工作
除了需要了解计算机视觉所涉及的三大层次和工作程序之外，还需要站在宏观的角度，结合计算机视觉的具体工作要求，了解三大方面的具体工作。第一个工作是计算的鲁棒性问题，第二个则是主动视觉研究，第三个则是计算机视觉的研究。在对视觉进行定义及分析时，学者提出，计算机视觉主要以图像理解警务信息的处理过程为核心，积极的利用不同的计算机手段以及方法，保障整个信息处理过程的通畅性以及完整性，具体主要以图像预处理的获取描述风格、理解和识别为主。在上个世纪60年代，学者在对三维物体的感知进行分析时提出了与三维信息处理相关的基本方法，这些基本方法在现有的计算机视觉领域之中也有着较为广泛的应用。
3、计算机视觉发展功能体系的完善
结合计算机视觉领域的应用研究成果分析可以看出，计算机视觉还没有形成较为完善的理论体系，同时在技术应用上大部分的功能所发挥的作用十分有限，实际的应用还处于较低的水平。对此，要想真正的突破计算机视觉研究存在的不足，中国必须要以计算机视觉机理的深入了解为切入点，通过三维描述精度的有效提升来更好的实现部分模拟世界系统的完善建立，真正的将自然景物的识别与分析相结合，加强图像识别环节之间的紧密联系。
