张志敏 王鸿飞

摘 要：计算机视觉是一门综合了计算机科学、工程科学、神经科学等多个学科的综合性科学技术。近年来计算机视觉发展迅速，已成为成为人工智能领域商业化最顺利的技术之一，市场前景广阔。本文对国家知识产权专利数据库收录的2000—2019年申请的计算机视觉领域专利技术进行统计，从专利申请的年度分布、地区分布、IPC分类、专利强度等方面展开分析，并对中国计算机视觉技术创新发展给出意见。

关键词：专利分析;计算机视觉;Innography数据库

中图分类号：G306文献标识码：A

Abstract：Computer vision is a comprehensive science and technology which integrates computer science，engineering science，neuroscience and other disciplines.In recent years，with the rapid development of computer vision，it has become one of the most successful commercialization technologies in the field of artificial intelligence，with a broad market prospect.This paper makes statistics on the patent technology applied in the field of computer vision in 2000-2019 included in the national intellectual property patent database，analyzes the annual distribution，regional distribution，IPC classification，patent intensity of patent applications，and gives opinions on the innovation and development of computer vision technology in China.

Key words：Patent analysis;computer vision;Innography database

近年来，由于海量数据的涌现、GPU计算普及和高性能学习算法的不断突破，计算机视觉迎来了巨大的发展机遇，成为人工智能领域商业化最顺利的技术之一[1]。作为一个跨领域的交叉学科，计算机视觉融合了计算机科学、工程科学、神经科学等多个学科，其研究目标是以人类视觉能力作为仿生基础，使计算机能够从图像、视频数据中自动提取层次化语义信息，理解图像或动态场景[2]。目前，计算机视觉研究已经在生物识别、智慧交通、智能安防、医学影像分析等多个领域取得丰硕成果，计算机在图像的检测、分类和理解任务上的性能已接近甚至超过人类视觉系统[3-6]。从市场规模来看，国内外有超过40%的人工智能企业专注于计算机视觉领域，2018年国内市场规模达100亿元，2019年达300亿元，商业成熟度较高[7]。

本文对国家知识产权专利数据库收录的2000-2019年申请的计算机视觉领域专利技术进行统计分析，给出了国内外计算机视觉领域专利申请的年度分布、地区分布、IPC分类、专利强度等。本研究能够反映计算机视觉科研发展趋势以及核心技术的领域、地域分布信息，为科研人员提供综述性技术支持，对优化高校在该领域的科研布局具有重要意义。

1 数据来源与检索方法

本研究使用innography专利检索分析平台，检索式为：@（abstract，claims，title）“Machine Vision”or “computer vision”，检索时间为2019年12月13日。检索到的计算机视觉相关国内外专利26039件，对所得专利进行同族扩展、类型限定与合并去重后，得到16403件专利。对这16403件专利进行情报分析。

2 数据分析

2.1 专利申请年份及趋势分析

专利申请状况可反映该目标领域的发展态势。将16403件专利按其申请年份统计，结果如图1所示（由于专利申请需要18个月的公开时间，2018-2019年的数据仅供参考分析），计算机视觉专利在2007年前的申请量相对较少，每年全球申请总量少于300件，2008年开始申请量快速增加。2005年以来，中国计算机视觉专利申请迎来快速增长，申请量超过其他国家并逐渐取得全球主导地位，2018年中国在该领域专利申请量接近2000件，占全球计算机视觉专利申请的90%以上。这主要得益于中国在信息技术产业领域深耕布局，十三五以来人工智能产业进入稳步增长阶段，计算机视觉领域相关技术不断突破和落地应用，同时越来越重视人工智能领域人才培养和知识产权保护，整体研发水平得以提高[8]。

2.2 技术来源与地域布局分析

对检索到的16403件专利的来源地进行分析，这可以在一定程度上反应计算机视觉技术在世界各地区的研发热度和专利保护趋势，为选择专利布局目标国和市场开发目标国提供参考依据[9]，分析結果如图2所示。来源于中国的计算机视觉专利达12363件，占世界专利总量的75%，远高于其他国家或地区，这表明了中国注重在机器智能领域的产业布局，拥有充足的人才储备，并且在计算机视觉产业应用上具有广阔前景。专利数量排在第二和第三位的是日本和韩国，分别检索到943件和650件，分别占比5.7%和3.9%。这与日韩两国本世纪以来人口数量持续走低的社会现实密切相关，这促使了工业生产自动化的进程[10]，而计算机视觉是工业自动化的核心技术之一，因此计算机视觉相关技术得到了较快发展和在知识产权保护方面的重视。其他主要的专利申请目标国家和地区组织包括英国、世界知识产权组织WO、欧洲专利局EP和美国等。

2.3 核心专利分析

Innography数据库根据利引用数、同族专利数量、权利要求数量、说明书页数、有无许可诉讼、专利族所在国家的经济总量等客观因素，对每个专利给出一个0-100的专利强度评分，一般认为专利强度在0～30之间的专利为一般专利，30～80之间的为重要专利，80～100之间的为核心专利[11]。本文对专利强度的区间分布数量进行了统计，如图3所示，在检索到的16403件专利中，核心专利共66件，占专利总数的0.4%。

我们对核心专利的来源国进行了分析，结果如图3所示。在本文检索到的66件核心专利中，来自于美国的达56件，例如Criticom集团的“具有图形用户界面和远程摄像机控制的计算机视觉系统”[12]，波音公司的“钣金检测系统及仪器”等。尽管美国在计算机视觉领域的专利申请量仅占全球2.1%，但其核心专利全球占比超过84%，可见美国在计算机视觉领域的专利申请质量更高，在该领域研发水平处于全球领先地位。相比而言，来源于中国的核心专利仅有3件，全球占比仅为4.5%，例如中兴通讯的“手势识别的方法、设备和系统”[13]，IRBT的“使用机器视觉系统执行同步定位和映射的系统和方法”[14]等。从专利申请量来看，中国的申请量是美国的35倍，但核心专利仅为美国的5.3%，由此可见，中国专利申请价值与美国存在较大差距，计算机视觉领域研发水平亟待提升。

2.4 核心专利的专利权人分析

我们利用innography平台分析工具，从技术实力和经济实力两个方面进行分析，比较核心专利申请机构的综合竞争力，分析结果如图4所示。该气泡图的横坐标表示专利申请机构的技术实力，由专利数量、技术分类和专利引用三个要素构成;纵坐标表示申请机构的经济实力，由公司收入、专利国家分布和专利涉案情况三个要素构成[15]。气泡大小表示专利数目，横坐标由左到右表示技术实力增强，纵坐标由下至上表示经济实力增强，两坐标轴交点表示申请机构间两类指标平均值的交点。从技术实力来看，康耐视公司处于绝对领先地位，其余技术实力较强的机构还包括麦格纳国际、Reveo公司、先锋影像和欧姆龙。从经济指标来看，实力较强的是伊士曼柯达公司和波音公司。从数量来看，核心专利数量最多的是康耐视公司，共18件占比27%。综上所述，尽管康耐视公司在经济实力方面落后于伊士曼柯达、波音公司和麦格纳国际等，但其在技术实力和研发水平上处于业内领先位置，在计算机视觉领域具有明显地技术优势。

2.5 专利构成及研究热点分析

我们利用innography分析平台，根据国际IPC分类[16]，对检索到的16403件计算机视觉专利进行分析，对申请量排名前十的IPC分类进行统计，结果如表1所示。分析发现在物理相关技术领域计算机视觉专利申请量最多，达7561件;其次是在运算、计数相关领域，专利申请量为4224件。专利申请量排名第三的是测量和测试相关领域，专利申请量为2695件。此外，专利申请量排名靠前的技术领域还包括图像处理或生成、数据识别、图像分析、角度和位置测量等。

3 总结与建议

3.1 总结

本文使用innography专利检索分析平台对过去20年的计算机视觉领域专利进行分析，结果表明，计算机视觉近年来发展迅速，是专利申请增长较快的研究领域;虽然中国在该领域专利申请增长最快，但核心专利总数的84%来自于美国，美国在计算机视觉领域的技术创新具有较强优势;计算机视觉专利的主要技术领域包括物理、运算、测量等。

3.2 建议

通过对计算机视觉专利的挖掘与分析，得出了以下建议：在鼓励人工智能领域科技创新和产业落地的同时，还应该关注于技术质量，注重人才培养和源头创新;提高专利保护意识，注重国外专利的申请与布局。

参考文献：

[1]孙剑.云、端、芯上的视觉计算[J].人工智能，2019（2）：6-17.

[2]李雅琪，冯晓辉，王哲.计算机视觉技术的应用进展[J].人工智能，2019（2）.

[3]Danuser G.Computer vision in cell biology[J].Cell，2011，147（5）：973-978.

[4]李均利，尹宽，储诚曦，等.视频目标跟踪技术综述研究[J].燕山大学学报，2019，43（3）：251-262.

[5]Wang H，Shen Y，Wang S，et al.Ensemble of 3D densely connected convolutional network for diagnosis of mild cognitive impairment and Alzheimers disease[J].Neurocomputing，2019，333：145-156.

[6]林洁.浅谈人工智能在安防领域的深度应用[J].中国公共安全，299（6）：116-119.

[7]李子青.计算機人工智能技术的应用与未来发展分析[J].科技经济市场，2019（10）：9-11.

[8]张鑫，王明辉.中国人工智能发展态势及其促进策略[J].改革，2019（9）：31-44.

[9]李克颖.专利地图在专利情报分析中的应用探究[J].科技创新与应用，2019（7）.

[10]张季风，邓美薇.人口老龄化、技术创新对经济增长质量的影响——基于中日两国的比较分析[J].日本问题研究，2019，33（1）：20-31.

[11]栾春娟，郑保章.全球专利强度计量分析与中国知识产权保护[J].科技与经济，（2）：57-60.

[12]Ellenby J，Ellenby T W，Ellenby P，et al.Computer vision system with a graphic user interface and remote camera control：U.S.Patent 6，037，936[P].2000-3-14.

[13]刘海军.手势识别方法、装置和系统[P].CN104866083A，2015-08-26.

[14]M.穆尼奇，N.罗马诺夫，D.格尔，P.冯，J.梅尔策尔，M.巴纳达里乌斯.用于使用机器视觉系统执行同时定位和映射的系统和方法[P].CN106537186A，2017-03-22.

[15]王帆，崔笑.气泡图在排名变化分析中的应用[J].电脑知识与技术，2013（9）：2131-2134.

[16]马磊，宋建玮.IPC分类法在科技查新工作中的应用[J].图书馆学刊，000（3）：32-34.

作者简介：张志敏（1987—），女，硕士，助理馆员，研究方向：科技查新;王鸿飞（1994—），男，硕士，香港中文大学（深圳瓦谢尔计算生物研究院），研究方向：生物信息学，深度学习。