人工智能在模式识别领域的应用

摘要：随着信息科技和人工智能的不断发展，模式识别作为人工智能的一个方面，在该领域的研究也不断深入，特别是该模式的理论基础和研究范围也不断在扩展。本文首先介绍了人工智能和模式识别的涵义，并着重介绍了人工智能在模式识别方面的应用。

关键词：人工智能； 模式识别；应用

随着计算机技术的飞速发展，特别是对于计算机硬件领域的不断拓展，使计算机在感知外界的声音、文字、图像等信息资料方面有了进一步的发展。当我们去超市购物时，在结帐口收银员用扫码器轻轻一扫，便可感知我们所购商品的各项参数，从而快速的算出应付金额；在医院，通过做B超可以感知我们脏腑情况；电视台每天准确的预报天气情况等。诸如扫码器等物品就是计算机感知外界的产物，是人工智能的产物。为此相应而生的模式识别技术也成研究人员当前研究的热点。

模式识别作为人工智能研究的一个方面，主要是通过计算机来模拟人类并以人类的感知力来完成对外界环境的感知并做出正确的判断。

1 人工智能（Artificial Intelligence）

与自然智能相对应，人工智能是计算机模拟人工的方法、技术，来完延伸和扩展人的智能，所得到的结果是“机器思维”所产生。

人工智能作为一门学科，科研人员的主要科研方向是研究计算机的智能行为，并研制具有人类思维活动相似的计算系统，如在感知、推理、学习、联想等等方面，特别是在决策等方面可以解决人类专家才能处理的复杂问题，最终实现计算机与人类的高度统一。人工智能的本质就是实现计算机对人类思维的模仿。

2 模式识别

广义的模式识别主要涉及到两个方面：一类是以生物体作为研究对象，属于认识科学；一类是以计算机为研究方向，研究如何实现计算机的拟人化。本文主要讨论的是对计算机的模拟识别的理论和方法。

模式识别是人工智能研究的一个方向，主要是以计算机为媒介，采用数学技术的方法来实现模式的自动处理、判读。而这里所说的“模式”是指外界的环境和环境中所客观存在的客体，随着信息技术和人工智能研究的不断深入，人类对于复杂信息的处理有了一定的发展，但是这些研究尚处于初级阶段，还需要我们继续不断的深入研究。当前计算机对外界环境（文字、声音、人物等）的识别是计算机模式识别的主要研究点。信息处理是人类根据环境的不同及情况来完成对信息的识别、判断，对于人类而言，主要信息来源是光学信息和声学信息，光学信息的采集主要是视觉器来获得，声学信息主要通过听觉器获得，而模式识别主要也是要让计算机能完成与人类相类似的信息采集。当前，市场上比较成熟的信息采集系统有光学字符识别系统（Optical Character Recognition）、语音识别系统等。

模式识别的研究起源于上个世纪五十年代，由F.罗森布拉特首先提出，并初步实现了对给定样本的识别，随着对模式识别的不断研究，在八十年代，由J.荷甫菲爾德提出了人工神经元，使计算机在模式研究方面有了更为广阔的空间，并且，在短时间内取得了显著成就。

3 人工智能在模式识别方面的应用

3.1 数字识别、汉字识别、语音识别

手写数字在过去的银行业务、邮政编码识别方面起到了非常重要的作用，但是由于个体差异，不同的人的书写习惯，使工作人员在识别方面非常困难，增加了工作难度，也容易造成失误，所以手写数字的智能识别是人工智能识别中的一部分，并且随着人工智能的发展，完全可以解决这一问题。

与数字识别相比较，汉字的识别则更为困难，当前常用汉字有6763个，在使用过程中，不仅受到人为书写习惯的影响，同时还会受到特殊符号、外国字符等多种因素的干扰，这就为智能识别增加了难度。每个字符都会有对应的符号，如果在识别过程中，开头出现变化，即相应的后续识别都会发生畸变。并且由于庞大的汉字系统和所呈现的模式不同，也让计算机的识别难度大大提升。因此实现手写汉字的识别是较为困难的。解决这一问题的基础是需要神经网络技术的支持，同时还需要不断丰富不同类型手写字体的模式作为样本在计算机中录入不断训练计算机的神经网络，使其熟悉不同类型的字体。当前，比较成熟的汉字识别软件已经实现了对扫描图片中的文字高精确度的识别，如清华紫光OCR软件。

语音识别简而言之就是让计算机可以听懂人类的语言，当前常用的口语自动翻译系统可以实现七国语言的翻译，七国语言即英、日、意、法、德、中、韩。中文的实验平台由中国科学院自动化所来承担和构建。属于国家级重点实验室，也使我国的口语翻译处于世界领先水平。该系统的构建，让我国人民在国外的生活、旅行等方面更为便捷。

3.2 基于模式识别的网络考试系统

基于模式识别的网络考试系统主要采用SQL Serve数据库和指纹模式，并且也成功的实现了网上考试、培训和学习。

随着信息技术的飞速发展，各个公司、单位的人员需要不断的进行学习、培训，才能满足工作的发展需要，由于人员的数量庞大和流动性，这就给安排的工作人员增加了很大的负担，而基于模式识别的网络考试系统则简化了工作流程，减轻了工作人员的负担。

在企业中，基于模式识别的考试系统主要在多媒体教室中应用，主要构成由一台服务器和两个指纹识别仪即可。开发工具是c++Builder5.0，Windows是操作系统。对于考试系统的软件构成主要有四个方面：指纹校验、试卷管理、考试管理、考试记录。

指纹校验是该系统的关机技术，采用的就是模式识别，指纹校验分为验证和识别，验证即是对已采集的指纹和考试人员的指纹进行匹配，来确认身份的一个过程，识别则是把现场采集的指纹与已采集的指纹相匹配，从而证明其合法性。计算机的指纹采集所得到的只是有限的信息，并不能做到百分之百的精确，因此结果也不能完全保证没有差池。尽管在指纹识别方面存在安全隐患，但相比较传统的用户ID+密码的方式，已经有更高的安全等级。

3.3 人脸立体模式识别

人脸的识别过程较为复杂，主要分为三个部分：人脸模式库、面部特征的定位、比对。首先是要对人脸进行采集，并构建数据库；其次是对现场采集的人脸的主要器官和形状信息进行归一化处理；最后要与以后数据库进行比对，从而确定人物的身份。当前比较常用的人脸识别技术主要有以下几个方面：第一是基于几何特征的方法，这个方法最为典型，但是需要与其他方法相结合，才能获得满意的效果；第二是基于模板的方法，根据模板对象的不同，分为基于脸部特征的方法、基于线性判别分析的方法、基于神经网络的方法等等；第三是基于模型的方法，常用的有基于隐马尔可夫模型的方法、基于主动外观模型的方法等等。

基于人脸特征来实现身份的验证，精确度高、认可程度高，更重要的是稳定性好，因此从推广初期就受到了用户的一致好评。在应用过程中，由于表情、光照等因素的影响，也是当前人脸识别技术中主要的影响因素。在人脸二维、三维所获得的人脸特征各有所长，二维获得的图像灰度值所呈现的是脸部表面亮度的差异，三维所获得的则是脸型数据的差异，信息获取方面，三维则更为丰富，对于人脸识别的精准度更高。

TMS320C6701 DSP是由TI公司研发的，其信息的存储都采用片内存储，图像的操作在片上执行，这种模式不仅耗能低，并且可以提供高性能。特别适用于人脸识别。并且根据图像数据库的大小，可智能化的扩展Flash；还可以根据人脸识别中的具体要求来更换合适的DSP。并且TI公司还推出了集成性DSPs软件开发工具，即CCS，通过这个工具，可以根据不同要求对软件进行编辑、翻译、调试，以达到想要的效果。

4 结语

本文简要介绍了人工智能和模式识别的涵义，并着重介绍了人工智能在模式识别中的应用。当前对于人工智能在模式识别中的研究还处于发展阶段，随着科研人员对模式识别研究的不断深入，其应用范围也会越来越广，人工智能化在未来则会有出更为广阔的天地。

参考文献：

[1]陕粉丽.人工智能在模式识别方面的应用[J].长治学院学报，2007（4）：3032.

[2]Adaptive Signal Dependent Audio Watermarking Based on Human Auditory System and Neural Networks. Applied Intelligence 23， 191 206， 2005. 2005 Springer Science +Business Media， Inc. Manufactured in The Netherlands.Manufactured in The Netherlands.

[3]鄭高.人工智能方法在电梯交通模式识别中的应用[J].湖南农技，2014，2（41）：4849.

作者简介：郝彦琴（1975），女，山西原平人，本科，讲师，主要从事计算机语言研究。