计算机视觉作为计算机的眼睛，是机器认识世界、看懂世界的一种方式。而认识世界、看懂世界是人工智能产品或方案不可或缺的重要部分。唯有看见，才能够做出分析判断，进而代替人类完成更多的任务。计算机视觉技术与语音识别、语言识别一并构成了人工智能的感知智能，让机器完成对外部世界的探测，进而做出判断，采取行动，让更复杂层面的智慧决策、自主行动成为可能。

　　剖析计算机视觉产业链，产业链上游为基础层，包括人工智能芯片、算法技术和数据；中游技术层大体包括生物特征识别、物体与场景识别、光学字符识别、视频对象提取与分析等四种技术；下游则是具体的场景应用。计算机视觉技术拥有广阔的发展前景，产业应用进入快速发展期，国内企业纷纷展开了大量的相关项目的开发和研究。对于我国来说，研究计算机视觉技术已迫在眉睫。

　　本报告从专利分析的角度出发，分析计算机视觉技术相关专利的申请趋势、主要国家和区域、关键技术、技术发展历程等内容，以期掌握人工智能核心技术，了解其市场布局态势，协助人工智能产业在市场上稳定发展。分析采集所用的专利数据库是合享智慧有限公司开发的专利检索系统incoPat，对于数据，其收录了105个国家和地区的专利数据。中国和全球专利的检索数据为截至2018年2月28日已被收录公开的专利数据。

　　计算机视觉技术全球专利分析

　　1、 专利申请趋势及发展阶段

　　计算机视觉相关专利最早出现于1953年的英国（GB19530011998），其主要内容是有关三维图像处理技术，是当前三维重建技术的前身。经过60多年的发展，截止2018年2月28日，相关专利申请共45308件。

　　在这60多年的发展中，按1995年为节点，大体可以把计算机视觉技术分为两个阶段。在1995年以前，计算机视觉发展缓慢，技术停留于理论研究和基础探索时期，相关专利申请量很少，技术迭代很慢；1995年后,随着多视几何与分层三维重建技术的发展,计算机视觉技术进入了快速发展阶段，专利申请大量出现，尤其是进入21世纪，以机器学习为主要技术手段的计算机视觉研究，进一步推动了计算机视觉的蓬勃发展，为人工智能的推广与应用奠定了坚实的基础。

　　2、 主要国家或地区专利分布

　　从计算机视觉技术专利申请目标国家或地区的申请排名情况来看，申请量排在前10位的国家或地区分别为美国、中国、日本、欧洲、韩国、德国、英国、印度、法国和中国台湾。其中，向美国和中国提交的申请量远大于向其他国家或地区提交的申请量，美国和中国是该技术最大的2个市场，技术迭代快，技术创新能力强。向日本和欧洲提交的申请量也比较大，说明该技术在这些国家或地区也有较好的市场。

　　计算机视觉技术在美国申请量最大，这主要是因为美国在计算机视觉技术方面起步较早，大型跨国公司如微软、高通、英特尔、IBM、柯达等掌握着大量的核心技术，技术相对较为成熟，市场份额较大。中国的计算机视觉技术起步相对较晚，但发展迅速，生物特征识别技术和三维重建技术的快速发展，使得中国在计算机视觉方面市场快速开拓，逐渐成为新兴的技术聚焦地。

　　3、 技术原创地区分析

　　技术原创分析主要可以包括两部分：具有优先权专利的优先权国别分析和没有优先权专利的首次专利申请国分析。具有优先权的专利中，有9058件来自美国，远远超过其他国家，日本和中国分别以2887件和1141件位居第2和第3，英国、法国、韩国和德国原创技术实力也相对较强，均大于500件，其他国家原创技术专利相对较少，均小于200件。在没有优先权的专利中，首次申请国为中国的专利最多，有12343件，其次是美国，具有专利7745件，日本作为首次申请国的专利申请也较多，具有2400件，韩国和德国也具有一定的技术实力，专利申请均大于600件，首次申请国为其他国家的专利申请相对较少，均小于400件。

　　总体来看，美国是最大的原创技术国家，具有很强的技术创新能力，这与其在计算机视觉技术方面起步较早和拥有较多大型跨国企业息息相关。中国、日本、韩国和德国原创技术也相对较多，技术迭代较快，技术创新能力较强，是非常重要的技术输出国，这主要与这些国家大力鼓励创新，积极寻求合作有关。

　　4、 主要申请人排名

　　图1统计了全球计算机视觉领域专利申请量前20的机构，微软以554件专利位居榜首，具有很强的技术实力，英特尔、高通和飞利浦紧随其后，专利申请均大于500件，佳能、汤姆逊、西安电子科技大学、三星、谷歌和索尼也具有较强技术创新能力，均跻身前10位。

　　总体来看，在前20位申请人排名中，美国企业有8家，中国申请人也有8家，但均为高校和研究院所，日本企业有2家，韩国1家，荷兰1家。这表明，美国是计算机视觉领域技术最为先进的国家，具有大量顶尖企业，掌握着大多数的核心技术，技术应用广泛，市场占比很大。中国在计算机视觉领域正处于技术研发期，技术应用尚在探索阶段，未来发展潜力强劲。日本、韩国和欧洲也具有一定的技术实力，技术更新较快，市场前景较好。

　　5、 关键技术构成

　　根据国际专利代码统计全球计算机视觉领域的关键技术构成，可以得出，视频在线分析与图像分析理解技术专利最多，占比达42.99%，其次为基于人类视觉生物特征识别技术，占比21.67%，超越人类视觉能力的感知获取技术和超越人类视觉能力的运动追踪技术相关专利申请紧随其后，分别占18.00%和14.60%，三维重建技术相对较少，仅占2.75%。视频在线分析与图像分析理解技术起步较早，应用范围广，技术相对较为成熟，专利申请量较多。人工智能技术是当前发展的热点，而基于人类视觉生物特征识别技术是人工智能技术的核心，技术相对较为成熟，因而也具有相对较多的专利申请。三维重建技术是未来的研发重点，技术成熟度相对较低，占比相对较少。

　　中国计算机视觉技术以基于人类视觉生物特征识别技术专利最多，占比为37.81%，其次为视频在线分析与图像分析理解技术，占比35.68%，两者占比较接近。超越人类视觉能力的运动追踪技术和超越人类视觉能力的感知获取技术专利申请占比分别为13.34%和7.97%，相关技术也较为成熟。中国三维重建技术专利申请也相对较少，仅占5.20%，技术成熟度较低。我国计算机视觉技术构成与全球技术构成有所差异，主要是因为我国计算机视觉目前仍处于研发阶段，专利申请大多集中于高校和科研院所，技术应用于开发尚处于探索阶段。

　　6、 关键技术发展历程

　　全球计算机视觉关键技术的发展历程中，图形识别技术和图像分析技术发展较快。1995年以前，图形识别技术和图像分析技术发展较为缓慢，相关专利申请量很少，技术处于研发和探索阶段；1995年以后，随着传感技术和小波理论与变换方法的诞生，图形识别技术和图像分析技术开始快速发展，相关专利申请大量出现，尤其是进入21世纪，计算机技术的飞速发展与各类理论的不断完善，再加上人工智能的快速推广，对图形识别技术和图像分析技术提出了更高的要求，使得这两项技术进入了黄金发展时期。其他8种技术发展相对较为缓慢，从2013年开始有快速增长的势头。

　　计算机视觉技术中国专利分析

　　1、 全国专利申请趋势分析

　　我国计算机视觉相关专利最早出现于1985年，来自清华大学的专利CN85100090，其主要内容是有关手写汉字识别技术，是我国模式识别技术的萌芽。经过30多年的发展，截止2018年2月28日，我国计算机视觉相关专利共13415件。我国计算机视觉技术以2006年为节点，大体可分为两个阶段：技术萌芽期和快速增长期。在2006年以前，我国计算机视觉技术发展缓慢，相关专利很少，申请量均小于100件；2006年以后，随着人工智能技术的快速升温，我国计算机视觉技术相关专利开始大量出现，相关技术研究不断取得新的突破，新理论、新方法的引进，进一步推动了计算机视觉的发展。

　　在我国，计算机视觉技术相关专利申请人构成复杂，有大专院校、企业、科研单位、个人和机关团体。其中，大专院校是最主要的申请人，占比58.93%，技术创新能力强，研发力度大，具有较强的技术优势。企业占比27.89%，但多以高通、索尼、英特尔等大型跨国企业为主，中国本土企业很少，相关技术相对较弱，技术研发创新能力有待提升。科研单位占比8.21%，其中主要为中科院的申请，尤以中国科学院自动化研究所提交的专利申请最多，其具有很强的研发能力和技术创新能力，技术综合实力很强。

　　总体来看，我国计算机视觉技术专利多以大专院校为主，企业申请相对较少，这在一定程度上表明该技术在我国尚处于技术研发阶段，技术成熟度较低，距离大规模应用和推广还有较大的距离。

　　2、 中国主要申请人排名

　　我国计算机视觉技术的专利申请人中，西安电子科技大学以428件专利位居第1，其研发实力很强，具有绝对的技术优势。清华大学、天津大学和电子科技大学也具有一定技术实力，专利申请量均在300件以上。北京航空航天大学、浙江大学、中科院自动化所、上海交通大学、华南理工大学和浙江工业大学在计算机视觉技术领域也占据一定地位，跻身前10位。

　　总体来看，我国排名前20位申请人中，高校占据19个席位，中科院自动化所是唯一的科研院所。可见，我国计算机视觉技术还处于研发阶段，技术应用尚处于探索中，加大研发力度以及加强校企合作势在必行。中科院自动化所具有较强的技术实力，技术创新走在了我国前列，但与发达国家的优势企业仍存在一定差距，可以适当引进国外先进技术，推动自身研发。

　　3、 科研院所专利持有情况分析

　　科研院所在计算机视觉领域的专利最早出现于2001年，来自于中国科学院自动化研究所的专利CN01144157，其主要内容涉及步态识别。科研院所计算机视觉技术经过近二十年的发展，截止2018年2月28日，共有相关专利1077件。从2004年到2011年，专利申请虽有一定起伏，但大体呈上升趋势；2011年以后，相关专利申请开始大量出现，并于2013年首次突破100件，相关技术发展迅猛。

　　从科研院所的技术构成来看，科研院所专利申请主要涉及10大技术，从多到少分别为图形识别、图像分析、图像增强或复原、生物学计算机系统、电视系统、数据处理、数据传输、图形图像转换、3D建模和医学检测。其中图形识别技术相关专利最多，占据主要地位，图像分析和图像增强或复原技术也较为强劲，专利数量均大于100件，其他技术相关专利较少。另外，科研院所中，以中科院为主要申请人，尤其以中科院自动化所专利最多，其研发能力和技术创新能力均跻身我国前列。

　　4、 主要发明人及团队分析

　　表1和表2为我国在计算机视觉领域的重要发明人，可以看出，发明人团队大多来自科研院校，专利申请量排名前10的机构，如西安电子科技大学、清华大学、北京航空航天大学和中科院自动化所的发明人团队纷纷上榜。清华大学的戴琼海院士，其发明人团队主要侧重于图形识别技术，并在图像分析方面具有很强优势；西安科技大学的焦李成教授在图形识别和图像分析方面研究也颇深，对智能感知与图像理解非常擅长；中科院谭铁牛院士比较擅长图形识别技术，在模式识别方面造诣很高；北京航空航天大学的赵沁平院士，其发明人团队图像分析方面比较擅长，具有很强的技术研发能力。

　　谭铁牛院士团队，来自于中国科学院自动化研究所该团队擅长图像识别和分析，具体体现在通过射频信号手段和虹膜手段进行图像识别，这两项技术目前重点应用于物联网和身份识别两大热门技术领域。

　　西安电子科技大学的研发团队有3个合作小组，第一小组是由焦李成教授带领的电子工程学院团队。焦教授目前任职西安电子科技大学电子工程学院院长，兼任西安电子科技大学智能信息处理研究所所长，并带领其团队研究有关网络智能信息处理与计算机视觉中模式识别方面的相关技术；第二个小组是由王爽教授带领的团队，其目前主要从事数字图像处理、大数据处理、机器学习、深度学习等方面的研究，包括：图像稀疏表示和压缩感知理论、机器学习与大数据处理技术在计算机视觉中的应用；第三个小组来自于刘芳教授带领的研究团队，其擅长智能信号处理、图像识别与处理技术。由此可见，目前西安电子科技大学在人工智能计算机视觉领域中有多位业内资深专家，技术较为突出和先进。

　　清华大学的戴琼海院士团队主要侧重于电视系统故障测试，并在立体视频重建与显示技术及装置上具有很强优势。

　　从计算机视觉五大关键技术的角度来分析，核心发明人团队的技术优势如图2所示：

　　（1）在基于视觉的生物特征识别技术领域中，谭铁牛院士的团队以及西安电子科技大学焦李成教授、王爽教授的团队表现亮眼，技术成果数量多、质量较高。

　　（2）在超越人类视觉能力的感知获取技术领域中，主要是吴茗蔚副教授带领的浙江科技学院团队和清华大学的戴琼海院士团队较为突出，但是两个团队的擅长领域并不相同。吴茗蔚教授团队更加擅长图像识别领域，而戴琼海院士则更擅长三维场景重建技术。

　　（3）在超越人类视觉能力的运动追踪技术领域中，谭铁牛院士、西安电子科技大学焦李成教授、王爽教授以及刘芳教授的团队均表现亮眼，而除此之外，浙江工业大学的留日工学博士汤一平教授带领其团队也拥有多项先进技术。汤一平教授目前在运动追踪技术领域中技术申请量排名第一，最近两年，有大批技术由上市公司银江股份有限公司作为专利权人所拥有。银江股份由银江科技集团投资建立，目前已发展成为中国领先的城市智能化整体解决方案提供商。

　　（4）在视频在线分析与图像分析理解技术领域方面，西安电子科技大学的焦李成教授、王爽教授、刘芳教授和中科院自动化研究所的谭铁牛院士以及清华大学的戴琼海院士均有建树，在此计算机视觉分支领域中平分秋色。

　　（5）在三维场景重建技术中，清华大学的戴琼海院士带领的团队依然拥有着先进的技术。但是目前此项技术的整体水平稍低，各个团队的优势并不明显，而呈现百花齐放的态势，大连理工大学的贾镇元团队、北京理工大学的王涌天、刘越团队也均有其优势。而值得关注的是成都通甲优博科技有限责任公司，其法定代表人周剑也是多项技术的发明者。

　　中科院所计算机视觉专利技术分析

　　1、 技术构成及功效

　　在计算机视觉技术领域，纵览全部中科院所全部的355件专利申请，技术主要集中在如下5大类中：（1）应用电子设备进行识别的方法或装置；（2）用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置；（3）图像分析，例如从位像到非位像；（4）图像特征或特征的抽取；（5）运动分析。

　　这355件专利申请中，目前尚在有效状态的172件，处于审查阶段的有100件，而已经失效的有69件。在失效的69件专利中，主要涉及用于阅读或识别印刷或书写字符或者用于识别图形方面的技术，而172件仍然有效的专利主要涉及应用电子设备进行识别的方法或装置领域。

　　对172件有效专利按照申请日进行升序的排序，我们发现最早的申请是在2001年提交的，有关身份识别的方法，经过对于早期申请的阅读我们发现，中科院所利用虹膜识别等手段对于身份识别的方法和装置一直有效至今，也足以看出其对于此项技术的重视，因此中科院所的核心技术应该为身份识别，且是基于生理特征和行为特征的身份识别技术。

　　人脸识别是目前技术最集中且专利申请量最大的识别技术，但是虹膜识别相较于人脸识别更加可靠，因此中科院所利用虹膜识别手段实现对于身份的识别技术是其优势技术，也是目前的热门技术。

　　2、 技术发展路线

　　在计算机视觉技术领域，中科院自动化研究所领跑所有中科院所，其专利申请数量大，技术集中度高，发展较为迅速，其技术发展脉络如图3所示，其中涉及的专利申请均为高质量专利申请，是其重点技术，也是获得国家奖项的技术。从2001年开始，其计算机视觉领域的技术高速发展，主要涉及身份识别的领域，而通过不同手段去进行身份识别是其技术研究的重点。在身份识别中较为稳定可靠的虹膜识别手段出现在2004年，由谭铁牛院士带领其团队进行的研究成果，自2007年授权以来一直保持有效，并在2008年12月30日东南大学递交的专利CN200810242950.X，名称为“一种大型动物虹膜识别方法”所引用，其将此成熟的人眼虹膜识别技术引入到萌芽阶段的大型动物的虹膜识别技术中去，为实现大型动物的有效管理和信息跟踪以及大型动物肉类食品污染的个体溯源而提出一种大型动物虹膜识别方法。

　　在2010年之后，计算机视觉由被动检测逐步发展出了主动检测和识别的方法装置，例如在2014年，出现了“一种应用于仿生机器鱼的水下主动视觉跟踪方法”，这是一种嵌入式视觉信息处理技术，而嵌入式系统，由于其系统资源有限，要求目标识别与定位算法有更低的复杂度、更快的运行速度，基于嵌入式视觉的水下主动目标跟踪，通常是对人工目标或者对增加标示的自然目标的跟踪。但是，目前基于嵌入式视觉的水下主动目标跟踪中，目标形状设置不尽理想，算法复杂度较高，环境适应性有待提高，难以达到快速、准确识别与定位的要求，所以这项发明为了增强仿生机器鱼自主目标识别与定位系统在水下环境中的适应能力，提高定位的精度，提供了一种基于嵌入式视觉的应用于仿生机器鱼的水下主动视觉跟踪方法。很快，在2015年，这种主动识别的技术又应用到了基于视觉的无人机对地运动目标检测方法中。该发明的主要目的在于针对小型无人机平台的运动性、机载资源的有限性、及目标环境的复杂性，提出一种系统性的具有较高环境适应性的运动目标检测方法。

　　在射频识别领域，中科院自动化研究所仍然表现亮眼，在2010年提出的“一种RFID天线快速部署的系统及方法”，RFID即为一种无线射频识别技术，是物联网的核心技术之一，使用RFID设备对出入库的商品进行自动、批量、远距离的识别是RFID技术最典型的应用之一，可以用来控制库存水平、决定补充时间及订购量大小。在入库环节，使用固定式RFID设备对物料进行数量清点和核对，做到帐物相符，进而确定物料在仓库中的存放位置；在出库环节，根据出库商品的唯一标识确定存放位置，并按照订单数量取出相应物料，然后再次对提出的物料进行数量清点和核对，发往目的地。基于RFID技术的仓储管理在满足供应链管理要求的前提下，通过对企业的库存水平进行控制，可以提高物流系统效率，降低企业流动资金，强化企业竞争力。因此，计算机视觉领域中的射频识别技术是连接计算机视觉和物联网的关键技术，中科院所在2010年的这项专利申请很快得到授权，并一直持续有效，是中科院所的核心技术所在。

　　3、 合作研发企业分析

　　表3为在计算机视觉领域与中科院开展专利合作的企业，在这25家机构中，除了一些研究所、研究院和科技公司外，腾讯公司与中科院所合作申请了一项计算机视觉相关专利，即2016年5月申请的“一种图像处理方法和系统”，目前此项专利申请仍然在实质审查过程中。该项技术可以直接从图像卷积神经网络（Convolutional Neural Networks，CNN）特征中获得空间结构信息，从而帮助人们进一步理解CNN特征，可以应用于图像文本交叉检索、图像标注、物体检测、零样本学习、视觉问答系统等领域，是计算机视觉和人工智能互相交汇的部分。

　　（1）   烟草行业

　　通过对中科院所技术合作伙伴的分析，我们发现计算机视觉作为人工智能的一个分支技术，不仅能够应用于人工智能的相关领域，例如机器学习、语义处理等等，还介入到了烟草行业。在中科院所技术合作伙伴列表中，我们看到了浙江中烟、安徽中烟、国家烟草质量监督检验中心、中国烟草总公司郑州烟草研究院以及中华人民共和国云南出入境检验检疫局。

　　在烟草行业计算机视觉运用较为深入，例如基于计算机视觉的烟丝中叶丝比例测定方法，能够通过计算机对单一组分叶丝的图像进行采集处理，获取叶丝的特征数据量并建立特征数据库，通过特征数据库分析识别多组分烟丝中的叶丝，最终实现烟丝中叶丝组分的快速、准确、自动化测定，提高测定效率与准确性，降低工作人员劳动强度。

　　（2）   中科院所下属企业

　　“北京盛开互动科技有限公司”与中科院所合作申请了8件计算机视觉相关专利申请，而这家公司本身只有10件专利申请，80%来自于与中科院的合作。盛开互动与中科院联合建立了“数字互动媒体实验室”，具备深厚技术研发与创新实力，并开发出了诸多多媒体技术和产品，专注于新媒体与虚实互动技术的研发应用，并向各类展馆与会展活动提供多媒体及数字化展示整体解决方案和服务，其先后参与了2008北京奥运会、2010上海世博会、2012首届京交会、中国科技馆新馆、北京自然博物馆、大同城市规划展览馆等百余项大型场馆建设与活动组织，以及多项科技部863计划和其他国家项目。纵览其专利申请，涉及计算机视觉中的三维重建技术领域，多数是对于人脸的三维重建技术。但是目前该公司所有专利均已失效，专利寿命较短，可参考性不大。

　　总结

　　计算机视觉技术是人工智能的核心技术，随着人工智能的日益成熟，对计算机视觉技术的要求将会越来越高。目前国内和国外的计算机视觉技术差距较大，首先从技术起步时间来看，国内较国外技术晚了整整十年；从技术拥有量来看，目前国外的技术集中在美国、欧洲，日本和韩国也拥有少部分先进技术，而国内近两年技术数量才开始持续走高。

　　目前，计算机视觉技术在我国还处于研究阶段，与国外不同的是，我国的高精尖技术并非集中于大型企业，而是来自于高校和科研院所，并且在相当长的一段时间内，均由高校和科研院所持有。大型企业的总体研发能力低于国外企业，而且我们重点关注的三支国内技术团队均来自于高校和科研院所。

　　纵观整个产业链，目前计算机视觉产业发展的芯片设计、软件开发等关键技术与核心环节长期被国外垄断，我国的优势仅仅集中于应用领域，因此，亟须加强自主技术研发，突破制约产业长远发展的技术难题。应鼓励我国计算机视觉领域领军企业、创业团队与国内外高校、科研院所和知名实验室加强合作，形成完善的产学研组织体系，强化原始创新能力，实现前沿技术创新的重大突破。

　　作者单位：姚作芳  初玉  黄韶勇  王萌

　　中国科学院科技创新发展中心、中国科学院北京国家技术转移中心

　　黄柏翔 中国科学院自动化研究所

　　杨雨寒 中国科学院文献情报中心