金光正是日裔美国计算机科学家，卡内基梅隆大学教授，被广泛认为是计算机视觉和机器人学的先驱。他的研究塑造了图像理解、人脸检测和自动驾驶领域，影响了学术研究和工业应用。金光正的工作跨越数十年，从早期光流算法到Lucas-Kanade方法的开发，该方法成为运动估计的基石。
金光正出生于日本，在京都大学获得电气工程学士、硕士和博士学位，并于1974年完成博士学业。他在京都大学开始了学术生涯，后移居美国，于1980年加入卡内基梅隆大学。在CMU，他创立了机器人研究所的视觉小组，并于1992年至1998年担任机器人研究所所长，促进了跨学科研究文化，连接了计算机科学、机械工程和认知心理学。
早期贡献与Lucas-Kanade方法
金光正在1970年代和1980年代的早期工作为现代计算机视觉奠定了基础。1981年，他与Bruce Lucas共同发表了Lucas-Kanade方法，这是一种用于估计图像序列中光流和跟踪特征的迭代技术。该算法至今仍广泛应用于视频稳定、目标跟踪和3D重建，并已集成到众多商业和开源系统中。该方法的效率和鲁棒性使其成为该领域的标准工具，其影响延伸至融入经典视觉先验的当代深度学习方法。
人脸检测与Viola-Jones框架
金光正在人脸检测方面的贡献同样重要。在1990年代，他与学生开发了最早的真实时人脸检测系统之一，该系统结合了肤色建模和模板匹配。这项工作早于后来的Viola-Jones检测器，但确立了基于特征识别的关键原理。金光正对表情分析的研究还促成了CMU-Pittsburgh AU编码面部表情数据库的创建，该资源已广泛用于情感计算和人机交互研究中。
机器人学与自动驾驶车辆
在卡内基梅隆大学，金光正指导了推动机器人学边界的项目。他是Navlab系列自动驾驶车辆的首席研究员，该系列始于1980年代，证明了计算机视觉驱动的导航可行性。这些车辆使用激光测距仪和摄像头在道路和越野地形上行驶，取得了显著里程碑，如1995年的横贯大陆自动驾驶实验（“无手横穿美国”）。金光正的虚拟现实系统工作从多摄像头视角重建3D场景，也影响了增强现实和远程呈现的后续发展。
后期研究与产业影响
在2000年代和2010年代，金光正持续创新。他开发了Kanade-Lucas-Tomasi（KLT）特征跟踪器，这是其早期方法的扩展，成为同时定位与地图构建（SLAM）系统中的标准工具。他还探索了视觉与人工智能的交汇点，为早期机器学习在物体识别中的应用做出了贡献。他在CMU的研究小组产生了许多关于明暗恢复形状、立体视觉和图像拼接的有影响力论文，其中许多在现代面向视觉任务的神经网络和变换器架构中被引用。
金光正的产业合作包括与诺基亚贝尔实验室在视频压缩方面的合作，以及与三星电子在相机系统方面的合作。他还担任多家科技公司的顾问，就消费电子和汽车安全中的计算机视觉应用提供建议。他的专利和算法已被从英特尔到高通等公司许可，凸显其研究的商业相关性。
奖项与遗产
金光正获得了众多荣誉，包括2019年ACM图灵奖（与学生共同获得，但该奖项特别表彰了他在计算机视觉方面的贡献）、2018年富兰克林研究所鲍尔奖和2022年IEEE荣誉奖章。他是IEEE、ACM和美国人工智能协会的会士。他的指导培养了一代顶尖研究者，其中许多人现在在顶尖大学担任教职或领导谷歌深度思维和OpenAI等公司的人工智能实验室。
金光正的遗产在于他结合理论严谨性与实践工程的能力。他的算法嵌入在从智能手机摄像头到自动驾驶车辆等数十亿设备中，他的教学方法塑造了全球计算机视觉的教学方式。直至职业生涯后期，他仍是CMU的名誉教授，继续指导学生并参与涉及机器人学和机器学习的项目。他的工作体现了人工智能基础研究的变革力量。