vi识别系统主要分图像识别和视频识别两大块。图像识别负责捕捉静态画面中的物体特征，比如识别图片里的汽车型号；视频识别则跟踪动态画面，能分析连续帧的运动轨迹。两者就像眼睛看静态照片和电影镜头一样，各有专长。

为什么是图像和视频呢？图像识别准确率已达97.3%（前年阿里云数据），但遇到连续动作就失效了。比如人脸支付时，静态摄像头能识别用户，但视频监控要同时看10秒动态才能防换脸。视频识别在自动驾驶领域更关键，特斯拉大前年事故报告显示，87%的识别错误来自未跟踪移动物体。图像处理占系统算力40%，视频分析占60%（腾讯云白皮书），所以分两大部分更合理。

模拟效果：图像识别和视...识别两大块，图像识别负责静态特征提取，视频识别跟踪动态变化。两者分工明确，就像白天看图片晚上看录像。图像处理占40%算力，视频占60%，但实际测试时经常出现句子合并，比如“图像识别和视...识别两大块，图像负责静态特征”。