Vision 是 Apple 在 WWDC 2017 推出的图像识别框架，它基于 Core ML，所以可以理解成 Apple 的工程师设计了一种算法模型，然后利用 Core ML 训练，最后整合成一个新的框架，相比开源模型然后让开发者自己整合起来，这种方式更安全也更方便我们使用。
那么既然是图像识别框架，那就是用来识别图像的，具体识别啥？我们可以看看官方文档：
- Face Detection and Recognition：面部检测
- Machine Learning Image Analysis：机器学习图像分析
- Barcode Detection：矩阵码/条形码检测
- Image Alignment Analysis：图像对齐分析
- Text Detection：文字检测
- Horizon Detection：水平面检测
- Object Detection and Tracking：物体检测和追踪
可以看到，能做的事还是很多的，在此之前我们许多类似的工作都是利用第三方识别框架，例如面部识别，现在我们可以尝试使用官方提供的框架。当然，不能做的事情也有，比如面部特征对比，物体特征对比，这些功能或许以后会有。
那么，具体该怎么用呢。Apple 在 Vision 框架中提供了非常统一的调用方式，我们想要获取系统检测到的数据如同从字典里获取数据一样简单。
1.首先，每一种识别类型都有对应的 Request 方法，例如面部特征检测就有 VNDetectFaceLandmarksRequest，Barcode 检测有 VNDetectBarcodesRequest
2.在创建 Request 的时候，指定你的 completeHandler，Handler 可以是一个闭包，也可以是一个方法，只要类型一致即可
3.现在有了 Request，我们还需要一个容器，这个容器存放即将处理的图片以及一些配置信息，处理单一图片使用 VNImageRequestHandler，处理图片序列使用 VNSequenceRequestHandler
4.如果我们使用的是 VNImageRequestHandler，那么在初始化时就提供需要处理的图片，初始化以后使用 perform(_:) 方法执行我们的 Request
5.在第二步提供的 Handler 中处理系统提供的分析数据
看起来似乎很麻烦，实际上代码量很少，这个框架最麻烦的地方不在于 API 的使用，而在于图片处理方案的取舍，以及分析数据的使用。
在这里大家可以看一看我的使用 Vision 识别照片的人物面部，这是一个利用 VNDetectFaceLandmarksRequest 来检测面部矩形区域的最基本的样例，如果我有空的话会写更多的样例，同时也会更新在这里（拖延症如是说 (¬_¬)）
