神经网络是一种计算机模型，他的灵感来源于人类大脑的构造和运作原理。人的神经元通过突触连接在一起，形成一个庞大的网络用于处理人类运动、语音、视觉等等信息。神经元受到各种各样外界信息并通过神经元之间的连接进行处理。当神经元的输入激发程度达到一定程度时，神经元会发出信号来影响周围的神经元。整个系统通过这种方式自主地学习、归纳和推理。吸引计算机科学家的是，人类的大脑是一种非常不确定、并行和分布式的计算工具。对于人类难以解决的问题（如语音识别、图像识别等问题），人工神经网络能以某种方式解决，从而在计算机领域引起了极大的关注。
BP神经网络就是一类非常流行的神经网络，广泛地应用于模式识别、分类、数据挖掘、控制等诸多领域。BP神经网络通过误差反传算法提高自身的准确率和适应性。它的本质是对目标函数的优化，在每次学习过程中都尝试减少当前状态与目标状态之间的误差，以使神经网络能更准确地完成自己的任务。BP神经网络适用于多种环境和场合下的模式识别和预测，并且在计算机视觉领域有着广泛的应用，如图像识别、边缘检测、目标跟踪等方面。