视觉技术在人工智能体系中有很重要的地位，人工智能落地应用主要有图像识别、语音合成、机器翻译等感知类任务上的应用和产业应用场景。
视觉技术又可分计算机视觉和机器视觉，应用场景的不同是计算机视觉和机器视觉的最根本差别。
计算机视觉模拟人眼的功能，而且更重要的是使计算机完成人眼所不能胜任的工作。而机器视觉则是建立在计算机视觉理论基础之上，偏重于计算机视觉技术的工程化，能够自动获取和分析特定的图像，以控制相应的行为。
与计算机视觉所研究的视觉模式识别、视觉理解等内容不同，机器视觉技术重点在于感知环境中物体的形状、位置 、姿态 、运动等几何信息 。两者基本理论框架、底层理论、算法相似，只是研究的最终目的不同。所以计算机视觉一般情形普遍适用，而机器视觉更多用于工业上。
计算机视觉在落地场景上应用较多，现在已扩展到新兴领域，例如汽车、医疗保舰零售、机器人、农业、无人机和制造业等。
一个典型的视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
视觉技术通过机器代替人眼进行测量和判断，其精准识别比人眼更具准确性，尤其随着深度学习、3D视觉技术、高精度成像技术和机器视觉互联互通技术的持续发展，机器视觉的性能优势将进一步加大，发展前景可期。
而在企业领域则更多应用于考勤打卡，但眼考勤云通过计算机视觉SDC/SDK技术，赋能摄像头，精准捕捉人像，与数据库图像进行特征比对计算，识别身份打卡。
其次，通过机器视觉变身智慧前台，使摄像头能自动识别访客登记，通知来访人员，实现无人值守智慧前台，企业更加智能化！
无论是计算视觉还是机器视觉，都是视觉技术的发展和延伸，也是人工智能范畴重要的前沿分支之一，随着我国各行各业对采用图像和视觉技术的工业自动化、智能需求开始广泛出现，视觉技术逐步开始了工业现场的应用，市场规模将会进一步扩大，迎来快速增长期。
未来，视觉技术将进一步发展，有望落地更多的行业和产业，带来产业的升级转型，促进企业的智能化发展。
