- 现有视觉计算情况：绝大多数摄像头+计算机
目前的两个方向：
- 小：将各类传感器集合，例如手机
- 城市：摄像，安保等功能。智能摄像头，传感器+模式识别或摄像头+云计算
例如城市大脑，摄像头+云平台，信息压缩编码等储存；
而简单的智能只是将例如分析是人还是动物将结果传到云
- 现有视觉计算目的
视觉认知，要和人一样，人看到的东西在送到脑子的过程中层层筛选，最终很小的一部分传送到脑子里，讲解生物系统是如何做的，单细胞到多细胞到感光细胞，光感蛋白，眼睛，视神经，神经元眼睛进化，视网膜等慢慢进化的过程，例如昆虫、鱼、鸟和哺乳动物演化等。
人的视觉系统生成距今300多万年，眼睛和脑同时分工进化的，视觉眼，完成不同功能分担（优胜劣汰，自然选择），最高明的地方在于脑的分工，也为人工系统借鉴的地方。
眼睛：抽象和特征提取，最终到达大脑视网膜获取的信息的百分之一或者更少，经过了层层处理。
- 现有问题：系统，类似人，速度快，精度高，高能效
其中云计算的效能非常低，数据处理速度慢、低能效等问题，为了解决此类问题：
1.数字视网膜，特征编码或者组块编码，时空编码再到云计算。
现在摄像头加功能，时钟对标，地理位置信息功能，高效的视频编码，关键是视频数据紧缩方法，高效视频编码等的联合优化以及软件可定义等功能
做到信息缩减，尤其对特征进行缩减
视频特征紧缩表达，类视频特征紧缩编码，面向图像和面向视频的特征表达，优化曲线约束，视频编码和特征编码的联合优化，现有摄像头的算算力预留等
2.类脑数字视网膜，注意，扭头看等采样
类脑+数理模型：脉冲阵列编码压缩表达，像素点，亮点处，很容易实现注意等功能
四、总结
特征紧凑表示与编码，视频内容与特征的联合优化