感知是指信息從物理域或信息域映射到認知域的一種輸入過程，人類80%的感知信息來自視覺。智能視覺感知是指針對光學傳感器信息，借鑒生物視覺感知機制，融合計算機視覺處理方法和相關智能算法，執行以計算機運算為核心的圖像信息察覺、理解和預測的過程。
計算機視覺認知是指基于感知系統理解的基本環境信息，進一步通過推理、決策和學習等程序運算表達內在知識，進而為改變環境狀態提供支持，是未來態勢認知的關鍵。
微美全息以計算機視覺技術、深度學習和增強現實技術為基礎，開發了混合增強智能視覺系統。該系統可以自動識別、跟蹤和分類物體，并提供實時判定、預測和決策。此外，該系統還能利用增強現實技術來實現信息的增強和交互。
混合增強智能視覺系統包含四個部分：數據采集與預處理，特征提取，模型訓練，實時識別與決策。過程主要分為兩個階段：一是對客觀世界信息的感知，識別并理解;二是自主學習、推理決策的過程。
1、數據采集與預處理：由視覺傳感器采集目標與環境數據。多種傳感器結合，數據來源豐富，從多個角度獲取環境信息，減少單一傳感器因為環境變化導致的識別錯誤，使得系統的感知能力更為全面，提高系統的可靠性和穩定性。采集的數據將會被串行處理，去噪和濾波等多層次數據處理，以減少干擾和提升精度。并將多種傳感器獲取的信息進行融合，多模態信息融合，從多個角度分析與判斷，提高系統的感知能力和識別準確度。例如，圖像識別可以結合激光雷達測得的距離信息，進行更為精確的目標檢測。
2、特征提取：系統使用基于卷積神經網絡的算法對預處理后的數據進行特征提取，這些提取的特征將用于訓練模型和實時識別。
3、模型訓練：系統根據提取到的特征進行機器學習算法的訓練。訓練數據來源于實際場景中采集到的各種數據。系統可以通過適應性學習算法不斷自我優化，提高系統對復雜環境的適應能力和智能化水平。
4、實時識別與決策：系統實時對實際場景中采集到的數據進行分析和識別，并根據預先訓練好的機器學習模型進行預測和決策。實現自主決策與規劃功能，從而實現智能化控制。系統還可以與增強現實技術相結合，實現對人機交互的增強和引導。
微美全息混合增強智能視覺系統可應用于自動駕駛、智能制造、醫學、智能安防與虛擬現實等領域。在自動駕駛領域，混合增強智能視覺系統可自動識別道路標志、交通標志、其他車輛和行人，實現自動駕駛和智能導航，提升交通安全性。 在智能制造領域，混合增強智能視覺系統可實現對產品制造流程、產品質量等進行自動化檢測和分析，提高生產效率和減少產品缺陷。在醫學領域，混合增強智能視覺系統可實現對生理信號和人體數據的快速識別和分析，提高精度和準確性，從而提供更好的醫療服務。在智能安防領域，混合增強智能視覺系統可通過監控實現主動預警和管理，提高安全性和防范能力，同時還可應用于人臉識別、身份辨識等場景。在虛擬現實領域，混合增強智能視覺系統可結合AR技術，實現對場景、物體的實時替換、增強、虛擬展示等，為用戶提供更加沉浸式的體驗。
