通俗地讲

计算机视觉是 AI 的一个分支，让机器能够解读和分析视觉数据。摄像头或扫描仪先采集影像，软件再找出其中重要的内容：一页文件上的文字、视频画面中的人，或产品上的瑕疵。最终得到的是可以搜索、统计并据此行动的信息，而不是一张需要人工逐一目测核对的图片。

常见用途包括人脸识别、缺陷检测、图像识别和实时视频分析。

具体流程

• 您向我们展示目前处理的图像、文件或视频，以及需要从中获取的信息。
• 我们选择合适的方法，从文字提取（OCR）、视觉大语言模型到视频分析，并根据您的文件或场景调整模型。
• 我们用您的真实样本测试系统。
• 结果直接写入您的数据库、ERP 或案件管理系统；无法确定的结果会被标记出来，交由人工复核。
• 模型会随着学习您所在行业的文件格式和特殊符号而持续优化。

您将获得什么

• 一套针对您的文件或摄像头画面构建的视觉系统。
• 结构化数据，例如姓名、号码、日期和金额，取代一堆图片或 PDF。
• 每个提取字段附带置信度评分，让您知道哪些结果可以直接使用、哪些需要核对。
• 与您现有系统集成，例如数据库、ERP 或案件管理系统。
• 权限管控、加密和日志监控，保护敏感文件。

应用场景

• 读取扫描的发票、合同和记录，取代人工录入数据。
• 从手写填写的物业文件（例如香港的临时买卖合约，PASP）中提取买卖双方姓名、身份证号码、成交价和日期。
• 在金融、医疗、物流和法律行业实现文件数字化，例如病历、检验报告和运单。
• 分析商场监控视频，了解人流，从而更合理地安排广告位置。
• 在产品检验中发现外观瑕疵。

OCR 文字提取

OCR（光学字符识别）是一种计算机视觉技术，可以从图像、扫描文档和手写笔记中提取文字，转换为可编辑、可搜索的数字文本。企业用 OCR 实现数据录入自动化、加快文档处理，减少人工重新录入带来的错误；把发票、合同和记录数字化，也让合规工作更轻松。OCR 广泛应用于金融、医疗、物流和法律行业。

视觉大语言模型

传统 OCR 只能识别字符，视觉大语言模型则更进一步：它像人一样阅读整页文件，同时理解版面、手写字迹、印章以及中英混排文字。

我们将这项技术应用于一家处理物业交易的律师事务所，其合约多为手写填写后扫描的表格。模型逐页阅读，识别出关键数值，例如买卖双方姓名、身份证号码、成交价与重要日期，并以结构化数据输出，每个字段附带置信度评分。只有低置信度的字段才交由人工复核，其余数据直接进入案件管理系统，取代了数小时的人工重复录入与核对。

示例：商场监控视频分析

在商场中将计算机视觉与监控摄像头结合，可以看出人们在场内如何走动。视频分析可以追踪人流方向、找出人流最密集的区域，并分析年龄、性别等顾客属性。

商场和零售商可以据此把数字广告牌和促销展示放在最多人看到的位置，并依据实时数据改进广告效果和客户定位，而不是单凭估计。

能读取中文和手写字吗？

可以。视觉大语言模型能同时读取中英混排文字、手写字迹和印章，正如上文的物业合约示例。传统 OCR 工具处理这类文件时往往力不从心。

系统不确定时怎么办？

每个提取字段都附带置信度评分。低置信度的字段会交由人工复核，您的团队只需检查存疑的部分，而不必逐页核对。

能和我们现有的系统对接吗？

可以。提取出的数据可以直接进入您的数据库、ERP 或案件管理系统，员工无需重新录入。

我的数据如何得到保护？

我们的文件处理系统采用权限管控、加密和日志监控，避免文件在处理过程中被未经授权的人员访问。这对金融、医疗和法律等敏感文件尤为重要。

如果您的团队仍在花时间人工录入文件，或逐段查看视频，欢迎联系 MAGO AI。告诉我们您处理的文件或画面，我们会和您一起评估计算机视觉能带来哪些帮助。