现代计算机视觉依赖于深度学习（Deep Learning），这是机器学习的一个特定子集，它使用算法从数据中收集见解。另一方面，机器学习依赖于人工智能，人工智能是这两种技术的基础。深度学习代表一种更有效的计算机视觉方法，它使用一种称为神经网络的特定算法。神经网络用于从提供的数据样本中提取。该算法来源于人类对大脑功能的理解，特别是大脑皮层中神经元之间的相互联系。神经网络核心层是感知器，它是生物神经元的数学表示。与大脑皮层中的生物神经元类似，可以有几层相互连接的感知器。输入值（原始数据）通过物联网感知器创建网络传递，最后进入输出层，这是一种预测，或者说是对某一对象高度培养猜测。

计算机视觉技术应用

计算机视觉已经融入到我们日常生活的许多领域, 主要有如下几个方面：

图像扫描

面部识别技术用于将面部与其身份进行匹配。这项技术已被集合到我司主要产品中。目前市场上的许多物联网终端都允许用户进行面部解锁。前置摄像头用于面部识别，紧接着边沿设备或者云计算将处理此图像，并根据处理结果来判断持有该终端的人员是否得到授权。

虚拟现实技术

计算机视觉是增强现实（Augmented Reality）应用程序的核心元素。该技术可帮助AR应用程序实时检测物理对象（包括表面和特定物理空间内的单个物体），并利用这些信息将虚拟对象放置在真实环境中。

无人驾驶技术

计算机视觉能够对周围环境进行感知。智能汽车具有很多个摄像头，这些摄像头可以从不同角度捕获视频，并将视频作为输入发送到计算机视觉软件。下一步，系统会对该视频或图像进行实时处理，并检测道路标记、汽车附近的障碍物（例如行人或其他车辆）、交通灯等物体。