Page 12 -

년대 들어와서는 실시간 얼굴 검출, 크기 불변 특징점 검출 및 매칭 등의 기술이 개발되면서 실생
활에도 컴퓨터 비전 기술이 밀접하게 다가오기 시작했습니다. 예를 들어 실시간 얼굴 검출 기술은
현재 대부분의 디지털 카메라에 기능이 탑재되어 얼굴에 자동으로 초점을 맞춰 주는 용도로 활용

되고 있습니다. 2010년대에 들어와서는 딥러닝(deep learning) 기술이 크게 발전하면서 컴퓨터 비
전의 가능성과 활용 영역이 훨씬 확대되고 있습니다.
컴퓨터 비전을 제대로 공부하기 위해서는 그림 1-2와 같은 다양한 관련 분야 지식이 필요합니다.

특히 컴퓨터 비전에서 수학이 차지하는 비중은 상당히 큽니다. 행렬 연산과 관련된 선형대수, 미
적분학, 확률과 통계, 기하학 등의 다양한 수학적 이해가 있으면 컴퓨터 비전에 좀 더 쉽게 다가
갈 수 있습니다. 또한 신호 처리(signal processing) 학문에도 컴퓨터 비전과 관련된 이론적 배경이

다수 존재합니다. 과거에는 영상 처리가 2차원 디지털 신호 처리의 한 분야로서 간주되기도 하였
으며, 지금도 많은 연구 분야에서 영상 처리와 신호 처리는 밀접한 관계를 가지고 있습니다. 패
턴 인식(pattern recognition)과 딥러닝으로 대표되는 머신 러닝도 컴퓨터 비전과 떼어 내서 생각
할 수 없는 분야입니다. 이외에도 수치 해석, 알고리즘, 최적화 등을 다루는 컴퓨터 과학(computer
sciences), 카메라 구조 및 영상 획득과 관련된 광학, 사람이 영상을 이해하는 방식을 연구하는 인

지 과학도 컴퓨터 비전과 관련이 많은 분야입니다. 최근에는 영상 분석 정보를 이용하여 자연스럽
게 영상을 재구성하는 컴퓨터 그래픽스와 컴퓨터 비전이 로봇의 눈과 머리 역할을 담당하는 로봇
공학 분야도 컴퓨터 비전과 함께 발전하고 있습니다.

그림 1-2 컴퓨터 비전 관련 분야
디지털
신호 처리
주파수 분석
아날로그
선형대수 신호 처리
확률/통계 신호 처리
광학
미적분학 수학
기하학
컴퓨터 비전 로봇
영상 처리 공학

컴퓨터
그래픽스 머신 러닝
딥러닝
인지 컴퓨터 과학
과학 패턴 인식
수치 해석
최적화
알고리즘

컴퓨터 비전이 수학과 밀접한 관계가 있기 때문에 이 책의 내용을 제대로 이해하려면 고등학교 이
상의 수학적 지식이 필요합니다. 특히 행렬과 미분에 대한 개념은 필수적입니다. 또한 OpenCV

018

openCV(00_09)최종.indd 18 2019-03-26 오후 11:26:34