视觉算法体系包括以下几个方面：

1. 图像处理：主要包括图像去噪、图像增强、图像分割和图像融合等技术，用于对图像进行预处理和优化。

2. 目标检测：主要用于在图像中检测出目标物体的位置和大小，常见的方法包括基于深度学习的目标检测算法，如Faster R-CNN、YOLO、SSD等。

3. 目标跟踪：主要用于在视频流中跟踪目标物体的运动轨迹，常见的方法包括基于卡尔曼滤波的目标跟踪算法、基于深度学习的目标跟踪算法等。

4. 人脸识别：主要用于对人脸进行识别和验证，常见的方法包括基于深度学习的人脸识别算法，如FaceNet、DeepFace、VGGFace等。

5. 姿态估计：主要用于估计人体或物体的姿态和运动状态，常见的方法包括基于深度学习的姿态估计算法，如OpenPose、AlphaPose等。

6. 三维重建：主要用于从图像或视频序列中重建出三维场景模型，常见的方法包括基于结构光、立体视觉、多视角图像等技术的三维重建算法。

7. 图像生成：主要用于生成逼真的图像或视频，常见的方法包括基于GAN、VAE等深度学习模型的图像生成算法，如DCGAN、CycleGAN、Pix2Pix等。

以上是视觉算法体系的主要方面，其中还有很多细分领域和具体算法，如图像分割中的语义分割、实例分割等，目标检测中的单阶段检测、双阶段检测等，人脸识别中的人脸属性分析、人脸表情识别等。