目前的计算机图像识别，透过现象看本质，主要分为两大类:
1、基于规则运算的图像识别，例如颜色形状等模板匹配方法
2、基于统计的图像识别。例如机器学习ml，神经网络等人工智能方法
**区别：**模板匹配方法适合固定的场景或物体识别，机器学习方法适合大量具有共同特征的场景或物体识别。
**对比：**无论从识别率，准确度，还是适应多变场景变换来讲，机器学习ml都是优于模板匹配方法的；前提你有大量的数据来训练分类器。如果是仅仅是识别特定场景、物体或者形状，使用模板匹配方法更简单更易于实现。
**目标：**实现在ios客户端，通过摄像头发现并标记目标。
实现效果图
可能出现的异常：
将从官网下载的opencv2.framework拖入项目后，出现找不到opencv2库的错误：ld: framework not found opencv2 clang:error: linker command failed with...。原因估计是打开项目用的xcode 9，而拖入的opencv2.framework版本为3.2版本；看opencv2.framework的3.3版本更新说明，估计xcode 9与3.2版本不兼容，下载最新3.3版本https://opencv.org/opencv-3-3.html，拖入thirdframework文件夹下，编译即可通过。
拖入opencv2.framework的3.3版本后，编译出现大量类似警告：
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*上发现很多人遇到同样问题，暂时未找到解决办法，但不影响功能使用，暂时忽略即可，估计下一版本会修复。