目前的計算機圖像識別，透過現象看本質，主要分為兩大類:

1、基于規則運算的圖像識別，例如顏色形狀等模板匹配方法

2、基于統計的圖像識別。例如機器學習ML，神經網絡等人工智能方法

**區別：**模板匹配方法適合固定的場景或物體識別，機器學習方法適合大量具有共同特征的場景或物體識別。

**對比：**無論從識別率，準確度，還是適應多變場景變換來講，機器學習ML都是優于模板匹配方法的；前提你有大量的數據來訓練分類器。如果是僅僅是識別特定場景、物體或者形狀，使用模板匹配方法更簡單更易于實現。

**目標：**實現在iOS客戶端，通過攝像頭發現并標記目標。

實現效果圖

可能出現的異常：

將從官網下載的opencv2.framework拖入項目后，出現找不到opencv2庫的錯誤：ld: framework not found opencv2 clang:error: linker command failed with...。原因估計是打開項目用的XCode 9，而拖入的opencv2.framework版本為3.2版本；看opencv2.framework的3.3版本更新說明，估計XCode 9與3.2版本不兼容，下載最新3.3版本https://opencv.org/opencv-3-3.html，拖入ThirdFramework文件夾下，編譯即可通過。

拖入opencv2.framework的3.3版本后，編譯出現大量類似警告：

Direct access in function '___cxx_global_var_init' from file ...
Direct access in function '___cxx_global_var_init.2' from file ...
Direct access in function '___cxx_global_var_init.3' from file ...

Google搜索，以及在stackoverflow上發現很多人遇到同樣問題，暫時未找到解決辦法，但不影響功能使用，暫時忽略即可，估計下一版本會修復。