Durante os últimos anos as aplicações informáticas passaram de um simples processamento de dados para a aprendizagem automática, graças à disponibilidade e acessibilidade de um enorme volume de dados recolhidos através de sensores e da Internet. A idéia da aprendizagem de máquinas demonstra e propaga os fatos de que o computador tem a capacidade de melhorar a si mesmo com o passar do tempo. Os países ocidentais têm demonstrado grande interesse no tema da aprendizagem de máquinas, visão computacional e reconhecimento de padrões através da organização de conferências, workshops, discussão coletiva, experimentação e implementação da vida real. Este estudo sobre aprendizagem de máquinas e visão computacional explora e avalia analiticamente as aplicações de aprendizagem de máquinas em visão computacional e prevê perspectivas futuras. O estudo descobriu que as estratégias de aprendizagem de máquinas em visão computacional são supervisionadas, sem supervisão, e semi-supervisionadas. Os algoritmos comumente usados são redes neurais, agrupamento de meios k, e máquina vetorial de suporte. As aplicações mais recentes da aprendizagem mecânica em visão computacional são detecção de objetos, classificação de objetos e extração de informações relevantes de imagens, documentos gráficos e vídeos. Além disso, Tensor flow, modelo Faster-RCNN-Inception-V2, e ambiente de desenvolvimento de software Anaconda usado para identificar carros e pessoas em imagens.