计算机视觉是一个大方向，应用场景非常丰富，包括但不限于美颜、人脸是被、医学影响、安防监控、视频理解、无人驾驶、虚拟现实等等。
除了这些经济效益很大的应用之外，还有一些经济效益比较小的应用。比如改作业APP，处于不同场景的计算机视觉工程师，工作是有大区别的，像我自己加上实习，做图像大概有六七年了吧。算是累积了一些经验，但是我依然是一个非常普通的程序员。除了自己做过的业务，其他场景也不太好妄言。
接下来我想介绍一下曾今参与过的一个项目。
经过我与多位一线工程师确认，这个项目涉及到的工作，具备一定的囊括性。也就是说，这里面涉及到的工作流程和技术栈，是具备通用性的。
我曾经在一家安防企业做了2年，这是一家设备商，客户需要在林区瞭望塔安装摄像头，实时监控森林火灾的情况。这里面涉及结构、硬件、软件和图像处理，因此不同岗位存在协作问题。我和同事主要负责图像处理和硬件部分，拿到需求之后首先开会分析业务场景，显然这是一个2D图像的检测识别问题，目标是明火和烟雾，目标和背景都是复杂多变的，且只有少量数据。
当时深度学习已经开始火起来了，深度学习号称人工智障嘛，没有数据就没法搞，我看到客户提供的数据太少了，按照惯例，就用谷歌搜了一波公开数据集。搜到了一点，但是和我们场景差别比较大。另外考虑到端侧部署，就拟定采用传统图像处理技术来做。
思路敲定之后就开始弄了。
首先在网上疯狂搜索相关业务场景的论文，找到一篇英国剑桥大学发的SCI文章，用的也是传统的图像处理方案，下载之后丢到谷歌翻译成中文，花了半天时间读完之后，发现并不是适合我们。没办法，只能继续找，又找到一篇美国康奈尔大学发的一篇文章，同样研读评估之后，发现比较适合我们，于是我们就开始了复现。
在实验阶段，用Python的opencv捣鼓了几天，包括各种预处理，混合高斯模型、形态学处理、小波变换等等，折腾了一遍终于有一个小的demo了，测试了一下，效果还行，终于松了一口气。然后把这个demo用C++写了一遍，放到一个linux工控机里面跑，顺便给客户展示了一遍，在客户带领之后，到一个森林公园进行测试。
可是结果却敲了我一棒子，在公司还不错的demo在实际环境下立马崩溃，惨不忍睹。没办法，只能回到公司重新分析数据，跟客户更多的业务逻辑沟通，找相关论文，重新写代码。调BUG，调各种模型的参数，来来回回的尝试很多次，最后又跑了一趟林区测试，结果还是不行。
因为我们在测试的时候是中午，阳光比较火辣，极端光照环境下我们的烟雾检测模块直接崩溃了，完全不可用.....
注意，前面讲述的工作内容，涉及一些同学们需要掌握的通用技能，python、C++、Linux、opencv、传统图像处理技术，以及论文筛选和复现，还有就是搞图像都要懂的一个尝试，无论你的算法模型有多先进，无论你是传统模型还是深度学习模型，光照问题会让你立马凉凉。
OK!到目前为止，已经过去了几个月，连图像算法都没搞定。
感觉自己已经竭尽所能了，可就是无法应对一些极端环境下的测试。我们部门老大是港大的博士，还不是一样没有办法，这玩意不是拼智力，是拼体力的吧。我仿佛看到了我的同事头发又掉了几根，又摸摸自己的头发，还好，没怎么掉，还是那么帅!
未完待续...........（后来是解决了，下次有空再更新）
免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLP、YOLO、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。
下面是部分截图，文末扫码加我免费领取（AI技术问题我也可解答一二）
目录
一、人工智能免费视频课程和项目
二、人工智能必读书籍
三、人工智能论文合集
四、机器学习+计算机视觉基础算法教程
五、深度学习机器学习速查表（共26张）
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。