計算機視覺的一個領域是主動視覺，有時也稱為主動計算機視覺。主動視覺系統是一個可以操縱攝像機視角的系統，以調查環境并從中獲得更好的信息。

早在二十年前，人們就開始對主動攝像系統感興趣。從20世紀80年代末開始，Aloimonos等人提出了xxx個主動視覺的總體框架，以提高跟蹤結果的感知質量。主動視覺對于應對諸如遮擋、有限的視場和有限的相機分辨率等問題尤為重要。其他的優勢可以是減少移動物體的運動模糊，并通過將兩臺攝像機聚焦在同一物體上或移動攝像機來增強物體的深度感知。主動控制攝像機的視點也有助于將計算資源集中在場景的相關元素上。在這種選擇性方面，主動視覺可以被看作是與生物體內的（公開和隱蔽的）視覺注意力嚴格相關的，它已被證明可以增強對視野中選定部分的感知。人類（主動）視覺的這種選擇性可以很容易地與人眼的眼窩結構聯系起來，在大約5%的視網膜上有超過50%的顏色感受器。也有人認為，視覺注意力和主動相機控制的選擇性可以幫助完成其他任務，如用較少的標記樣本或自主地學習更強大的物體和環境模型。

自主攝像機方法自主攝像機是可以在其環境中引導自己的攝像機。最近有一些使用這種方法的工作。在Denzler等人的工作中，被跟蹤物體的運動是用卡爾曼濾波器建模的，而使用的焦距是使狀態估計的不確定性最小化的焦距。使用了帶有兩個變焦相機的立體裝置。為數不多的論文是為變焦控制而寫的，并沒有涉及到物體-攝像機的總位置估計。在Bagdanov等人的工作中，可以發現在同一框架中加入估計和控制的嘗試，其中使用了一個Pan-Tilt-Zoom相機來跟蹤人臉。所用的估計和控制模型都是臨時性的，而且估計方法是基于圖像特征而不是被跟蹤目標的三維屬性。

在主/從配置中，一個監督性的靜態攝像機被用來xxx一個寬闊的視野，并跟蹤每個感興趣的移動目標。然后將這些目標中的每一個隨時間變化的位置提供給凹面相機，該相機試圖以更高的分辨率觀察這些目標。靜態攝像機和主動攝像機都被校準到一個共同的基準上，因此，來自其中一個的數據可以很容易地投射到另一個上，以便協調主動傳感器的控制。主/從方法的另一種可能的使用包括靜態（主）相機提取感興趣的物體的視覺特征，而主動（從）傳感器使用這些特征來檢測所需的物體，而不需要任何訓練數據。

近年來，人們對建立主動攝像機和可選靜態攝像機的網絡越來越感興趣，這樣就可以覆蓋大片區域，同時保持對多個目標的高分辨率。這最終是主/從方法或自主攝像機方法的放大版本。這種方法可能非常有效，但成本也高得驚人。不僅涉及多個相機，而且你還必須讓它們相互通信，這可能是計算上的昂貴。

受控主動視覺可以被定義為視覺傳感器的受控運動，可以使任何涉及移動視覺傳感器的機器人算法的性能最大化。它是控制理論和傳統視覺的混合體。這個框架的一個應用是圍繞靜態或移動的任意3-D物體的實時機器人伺服。見視覺伺服。結合使用多個窗口和數值穩定的置信度量的算法與隨機控制器相結合，以便為計算機視覺和控制相結合引入的跟蹤問題提供滿意的解決方案。在存在不準確的環境模型的情況下，可以引入自適應控制技術。上述信息和受控主動視覺的進一步數學表示可以在NikolaosPapanikolopoulos的論文中看到。

主動視覺系統的例子通常涉及一個安裝在機器人上的攝像機，但其他系統也采用了人類操作員安裝的攝像機（又稱可穿戴設備）。應用包括自動xxx、人類機器人互動（視頻）、SLAM、路線規劃等。