Главным недостатком СМЗ, заметно ограничивающим рост их рынка, считается отсутствие единых стандартов на оборудование и программные интерфейсы. Пользователи СМЗ постоянно жалуются на невозможность использовать системы разных производителей, а интеграционные продукты в этой области стоят недешево. В плане аппаратной стандартизации большинство поставщиков ориентируются сегодня на типовые коммерческие решения - прежде всего цифровое видео (Digital Video), подразумевающее формирование видеоизображения с разрешением 720х480 пикселов и частотой 30 ФПС. Но разработчики систем автоматической микросборки, заинтересованные в точном позиционировании манипуляторов промышленных роботов, требуют повышения разрешающей способности камер, а это ведет к их сильному удорожанию. Кроме того, по мере улучшения качества сканируемого изображения будет расти нужда в эффективном системном ПО для быстрого захвата видеоданных, их очистки, сжатия и хранения. По всей видимости, со временем такие функции будут реализованы аппаратно, в связи с чем можно предсказать рост спроса на встраиваемые СМЗ.
Заманчивой и многообещающей выглядит концепция мультиспектральных СМЗ, обрабатывающих изображения не только в области видимого человеком спектра, но и получаемых с помощью радарных или лазерных установок, а также инфракрасных камер (есть примеры применения СМЗ при распознавании тепловых полей людей в охранных системах и при анализе качества горячих булочек в кондитерской промышленности). Основная помеха на этом пути развития машинного зрения - дороговизна и сложность эксплуатации соответствующих датчиков.
Продолжительна и сложна процедура калибровки СМЗ при настройке на определенную предметную область. Нередко она требует значительного времени и вычислительных ресурсов для обучения нейронной сети. Прикладное ПО также нередко отличается неудобным интерфейсом, а перенастройка системы на новую номенклатуру, да еще в реальном масштабе времени, на чем нередко настаивает пользователь, чаще всего невозможна - необходимо перепрограммирование СМЗ. А покупателям уже нужны системы, способные анализировать продукцию на конвейере не поштучно, а разом - осматривая все, что находится в данный момент времени на ленте, и мгновенно оценивая состояние всех изделий.
Ощущается нехватка хороших математических алгоритмов, ориентированных на компьютеры с высокой производительностью и поддерживающих параллельную обработку. Остается пока нерешенной проблема распознавания схожих, но по-разному освещенных объектов, и вряд ли с ней удастся справиться в обозримом будущем.
Негативно сказываются на рынке завышенные ожидания потребителей, не очень высокая прибыльность уже существующих СМЗ, небольшое число хороших продуктов, а также возможность решать производственные задачи другим путем - без СМЗ, с помощью дешевого персонала.
Но все эти проблемы временные. Ведущие поставщики уже договариваются о единых стандартах, для чего планируется создать общедоступный репозиторий знаний и типовых шаблонов продуктов, определить программные интерфейсы, а также выработать соглашение по языкам описания и представления данных СМЗ.
Интерес к СМЗ во многом поддерживается успехами машин в тех областях, где они намного превосходят человека по своим возможностям. Так, компьютер способен выявлять в изображении тысячи градаций серого и различать миллионы цветов, очень быстро решать типовые и хорошо формализуемые задачи распознавания и определять мелкие детали изображений. А растущая вычислительная мощь дешевых процессоров стимулирует выпуск общедоступных бытовых и промышленных "зрячих" роботов, управляемых обычным ПК.
Если же удастся эффективно распознавать все объекты, входящие в произвольный набор изображений, то такой набор можно будет переводить в формальное описание, занимающее лишь сотни байтов. В результате не столь острой будет проблема нехватки полосы пропускания для видеосистем.
Производители электронных систем безопасности рассчитывают научить СМЗ автоматической классификации объектов. Хорошая СМЗ будет выявлять в видеоизображении все виды автомобильной техники и определять их марки, отыскивать в толпе конкретных людей, отслеживать траектории перемещения отдельных лиц и даже движения частей их тел, предсказывая возможное поведение, и т. д.
Но это в недалеком будущем. Пока же значительные ожидания производители СМЗ возлагают на системы идентификации личности и связанные с ними внушительные госзаказы. Так, Международная организация гражданских авиаперевозок
ICAO (www.icao.org) остановилась на технологии распознавания лиц как глобальном стандарте хранения биометрических данных о пассажирах. А правительство Великобритании намерено с середины 2005 г. поместить на удостоверения личности своих граждан не только фотографию, но и чип с биометрическими данными. На первых порах в нем будет храниться оцифрованное фото с э-подписью паспортной службы, а с 2007 г. официально добавится информация об отпечатках пальцев или радужной оболочке глаза владельца. Система распознавания лиц была создана учеными Кембриджского университета и дает при идентификации 2-4% ложных срабатываний - но это в тестовых условиях с группами из сотни человек. В реальных же условиях уровень ошибок достигает 40%, поэтому и решено дополнить удостоверения сведениями об отпечатках пальцев, которые определяются гораздо точнее, или радужной оболочке, идентифицируемой с точностью до 99% [3].
Заключение
Машинное зрение достаточно неоднозначная тематика. С одной стороны, в этой области получены впечатляющие результаты и решены многие поставленные задачи. Системы машинного зрения справляются с автоматизацией производства, видеонаблюдением, анализом медицинских снимков. С другой стороны, машинному зрению все еще далеко до человеческого. Многие высоты достигнуты, многие еще впереди. Поэтому существует два взгляда на развитие машинного зрения. Одни говорят, что машины достигнут небывалых высот и разовьют огромную мощь, опередят человека. Другие утверждают, что машины никогда не превзойдут человека и машинное зрение так и останется непригодным для решения некоторых проблем, где необходимо вмешательство человека.
Несовершенство машинного зрения обусловлено отчасти техническими причинами, однако идет бурное развитие информационных технологий и находится все больше решений технических проблем.
Системы машинного зрения становятся все более актуальны, так как призваны решать наиболее актуальные проблемы человечества, такие как безопасность, медицинские вопросы, вопросы качества продукции.