问计算机视觉的各个分支是否完全不同？

EN

想想什么是“物体”--物体是脸还是飞机？当然可以，所以从技术上讲，一切都是一个物体。但是一张脸看起来一点也不像一架飞机，所以你需要专门化它来发现不同之处。

现在我知道了，当涉及到人脸检测的时候，已经有很多参数你需要通过来检测不同类型的面孔--胡子和戴眼镜的人是不同的，帽子会把检测工作搞砸。如果您查看OpenCV haar层叠目录，它已经训练了眼睛、eye_tree_glasses、frontalcatface、profileface、fullbody、lowerbody，甚至是牌照的xml文件。

因此，您的检测例程是通用的，因为只有一个例程(例如haar或lpb分类)，但是您必须传递很多不同的训练参数。

CV是关于算法级的“对象”检测，但在“训练”级别非常专门。

运动检测要么是通过逐帧检测来跟踪一个物体，要么是检测帧中的变化，而不跟踪正在移动的物体。我想说，这是一个独立的话题与简历。

当然，计算机视觉中有一些主题，但问题领域的差异使得除了最先进的应用程序(机器人技术)以外的所有人都不可能需要通用引擎，甚至在短期内也是不可能的。

文本识别可以说是最简单的领域，但即使在这里，你也必须考虑字体、字体大小、对比度、打印质量等方面的问题。

人脸识别是相对简单的，只要照片是针对摄像机拍摄的。一种算法可以检测出各种面部元素的位置，并通过对比检验，可以在一定程度上验证图像中是否有人脸。

对象检测问题稍微多一些。以一只猫为例。这可能是在不同的姿态，在不同的颜色和与不同的背景。一个非常复杂的问题。事实上，谷歌采取了相反的方法。他们的算法获取了已知包含猫的图片，并反向设计了一种更精确的算法。最后一件事是如此复杂，以至于人类无法理解。

类似于猫的问题是识别人类--特别是当一个人加上共同的伴随物，如轮椅、衣服、车辆等。

运动检测/跟踪虽然明显相关，但有一套完全不同的技术障碍需要克服。