计算机视觉是一门研究如何让机器‘看’的科学，进一步说，是指用摄像机和计算机代替人眼来识别、跟踪和测量目标等机器视觉，并进一步做图形处理，使计算机处理一幅图像更适合人眼观察或传输给仪器进行检测，计算机视觉作为一门科学学科，研究相关的理论和技术，试图建立一个能够从图像或多维数据中获取‘信息’的人工智能系统。这里的信息指的是香农定义的信息，可以用来帮助做‘决策’。因为感知可以被视为从感官信号中提取信息，所以计算机视觉也可以被视为一门研究如何让人工系统从图像或多维数据中‘感知’的科学。

　　计算机视觉、图像处理和机器视觉共同面临的一个经典问题是确定一组图像数据中是否包含特定的物体、图像特征或运动状态。这个问题通常可以由机器自动解决，但是到目前为止，还没有一种单一的方法可以广泛地判断各种情况：识别任何环境中的任何物体。现有技术只能解决特定目标的识别，如简单的几何图形识别、人脸识别、印刷或手写文档识别或车辆识别。此外，这些识别需要在特定的环境中具有特定的光照、背景和目标姿态要求。广义的识别在不同的场合又演化成了几个略有差异的概念：

　　识别（狭义的）：识别一个或多个预先定义或学习到的物体或类别，通常在识别过程中提供其二维位置或三维姿态。鉴别：识别单个对象本身。比如：人脸的识别，指纹的识别。监测：从图像中寻找特定的情境内容。比如：医学上发现细胞或组织的异常技能，交通监控仪器发现过往车辆。监控往往通过简单的图像处理发现图像中的特殊区域，为后续更复杂的操作提供了起点。

　　识别的几个具体应用方向：1.基于内容的图像提取：在庞大的图像集合中找到包含指定内容的所有图片。分配的内容可以是多种形式，例如红色和大致圆形的图案，或者自行车。在这里，后一种内容的搜索显然比前一种更复杂，因为前一种描述的是一种低级直观的视觉特征，而后一种则涉及一种抽象概念(或高级视觉特征)，即‘自行车’。很明显，自行车的外观不是固定的。2.姿态评估：对物体相对于摄像机的位置或方向的评估。例如，机器人手臂的姿态和位置的评估。光学字符识别(OCR)识别图像中的印刷或手写字符，通常的输出是将其转换为易于编辑的文档。