人工智能背景下图像识别技术研究

2022-11-17蔺伟，张驰

无线互联科技 2022年14期

蔺伟，张驰

（陕西交通职业技术学院，陕西西安 710016）

0 引言

随着现代科技水平的发展，图像识别技术已经成为信息时代下的常规技术之一，并在生活实践中得到了广泛的应用。其主要通过计算机完成物理信息和物理数据的识别，通过对信息的获取、处理及辨别，最终将图像信息应用于特定领域。现如今，图像识别技术在现实生活中已经拥有着广泛的空间，如人脸识别、指纹识别等，其后续将在医疗领域、信息搜集领域、质量控制领域、安全检查领域等得到广泛应用。计算机技术以及微电子技术的发展萌生了图像识别技术，并在人工智能领域中发挥着越来越重要的作用，具有广阔的发展空间。

1 图像识别技术概述

1.1 图像识别技术的理论概念

图像识别技术是一种信息比较技术，将原先的存档的信息即存储在记忆中的信息与最新进入感官的信息进行特征比较。图像识别技术首先要以图像描述为基础，利用符号以及数字等语音对景物或者图像以及两者相互关系进行基本描述，给予图像描述反馈的信息并获得一种抽象的表达。此外，在利用图像识别技术进行特征分析时，可以使用模板匹配模型作为辅助工具。图像识别技术是一项功能十分全面的技术，不仅可以反映识别对象的外部特征，还可以实现对其的定位以及形态分析，反馈信息更加全面灵活。目前图像识别技术渗透在各个领域，比如交通领域的车牌号识别检测、军事领域的飞行物监测识别、系统安全领域的指纹识别解锁以及人脸识别技术［1］。

1.2 图像识别技术的工作原理

图像识别技术具有很强的视觉感官性，可以有效地反映目标事物的变化。当目标事物所处的位置、距离或角度等发生明显变化时，在人眼中反映的图像的形状以及大小也会随之改变，视觉效果会随着外部事物的变化而不断调整，并形成不同的感官，从而影响人们对事物的认知和判断。图像识别技术是人工智能技术的重要组成部分，图像识别技术与眼睛的感知系统工作原理相似，都是对目标事物进行平面成像。图像识别最关键的是图像特征，首先，进行特征归纳，比如大写字母“A”突出的形状特征是尖角，“O”形似一个圆圈，而“Y”可以看作是由钝角、锐角、线条组成的综合体，图像识别技术通过捕捉这些具有突出特点的信号完成识别。其次，图像识别技术具有判断功能，可以分析信息含义。图像识别技术是以计算机为辅助，模拟人眼的识别过程，从而获得目标物的外观属性以及相互关系，存储图像识别的模型。当计算机识别的图像与存储的模型相吻合时，即可完成图像匹配并识别［2］。

2 人工智能中图像识别技术的过程

计算机识别技术与人脑识别技术工作原理相似，就是运用科学技术进行电子成像，分别由以下几个步骤完成：首先，获取信息数据，通过各种传感器将光以及声音等自然信息转换成电子信息，并收集存储获取的信息。图像识别技术最关键的就是可以抓取特殊信息，快速地识别目标事物区别于其他事物的显著特征，为不同种类的事物建立独立的数据库，提高图像识别技术的快捷度以及精准度。其次，信息数据的初步处理，这个过程主要是对图像进行去噪、处理清晰度等，呈现图像的重要信息，防止信息丢失。再次，就是图片信息的选择以及提取工作，该项工作是图像识别技术中最关键也是难度系数最大的技术，尤其是图像识别，特征的抓取。图像识别技术提取以及选择信息的有效性直接影响着后期图像识别的精准度，决定着图像识别能否顺利完成。所以要提升图像识别技术对关键突出信息的敏锐度，准确抓取事物特征，选择性地筛选保留信息。最后，通过设计分类器对信息就进行系统分类。设计分类器的主要功能就是设计识别规则，使计算机系统按照规则进行图像识别，为图像识别技术提供辨别标准，有效提高图像识别技术的精准度。利用识别规则捕捉目标事物的关键特征，并对图像进行评价以及有区分度的归类［3］。

3 人工智能中的图像识别技术的常见应用形式

3.1 模式识别技术的形式

目前我国的模式识别技术是人工智能识别技术中比较成熟的技术，可以在数据量大的复杂环境中使用。模式识别作为一项综合性较强的技术，是对以往识别技术经验以及图像识别认知的总结，以计算机技术为依托，利用数学逻辑运算对图像的形状、字符、格式、曲线等各个特征进行信息评价，最后完成图像识别。图像识别技术要经历两个阶段，第一个是学习阶段。学习阶段最本质的就是信息存储，即图像信息采集，将图像的特征、信息、样本等信息进行提前采集存储，建立一个庞大的信息库，再利用识别规则系统的归纳分类信息，建立具有明显区分度的图像识别程序。第二个是实现阶段。要想有效地实现计算机精准识别，这就要求图像与模板完全吻合，目标物与模板的重合度越高，图像识别技术的效果就越好。虽然图像识别技术与人脑的识别具有较高的相似度，但是在现实的操作过程，两者存在着明显的差异。对于计算机识别技术而言，当最新呈现的图像与数据库中的图像特征吻合时，图像识别程序就会启动并完成识别。但这种基于相似度的识别技术其功能是有限的，当两种事物存在高度相似的特征时，就会造成识别误差并发生识别错误。此技术在实际运用中缺乏灵活性，要提高模式识别技术的性能，加强相似度的区分，有效避免识别误差。

3.2 神经网络图像识别技术形式

神经网络识别技术是一种比较新颖的识别技术，该项技术是传统图像识别技术与神经网络算法的有机融合。神经网络识别技术并不是单纯的动物神经网络，而是人类基于动物神经识别原理进行人为加工形成的图像识别技术。其中最具代表性的神经网络识别技术就是遗传算法和BP网络二者有机融合的新型识别技术，目前该项技术已经运用到多个领域，具有极强的现实应用性。神经网络图像识别技术的工作原理是预先对图像特征进行抓取，然后将图像特征信息反映到神经网络上，通过神经判断完成图像精准识别以及系统分类。

3.3 非线性降维识别技术形式

计算机识别技术最突出的特点是识别异常精准，主要是因为该技术摆脱分辨率高低区别，使得基于该图像形成的图像数据信息具有对维性，加大了计算机的识别难度。所以，在图像识别工作开始前要进行降维处理，以提升图像识别技术的精准度。降维可以分为两类，包括线性降维以及非线性降维。其中应用最广泛的就是线性降维，主要包括主成分分析(PCA）和线性奇异分析(LDA）两类。线性降维的最突出优势是理解功能，该项技术是对整体的数据集合开展处理，获得的为最优低维度。虽然线性降维具有自身独特的优势，但该技术在现实应用中运算需要耗费大量的时间及空间，而且程序更为复杂。基于此，非线性降维立足线性降维的理论基础，具有高效提取的特点，该技术可以有效抓取图像特征，并在保持数据完整性的前提下实现对图像有效降维，保障计算机图像识别始终在最低维度上运行，有效提高图像识别技术的速度以及精准度。

4 人工智能图像识别技术的应用

4.1 人脸识别

人脸识别是以人脸面部特征为基础的身份识别技术，需要通过对人脸面部特征信息的采集，实现对人脸的准确检测和身份识别。人脸识别技术具有广泛的应用空间：首先是人脸支付，用户可以将人脸信息与支付渠道进行绑定，在不使用移动设备或者卡片的情况下实现刷脸支付。其次是人脸考勤，指企业将人脸识别技术应用于考勤系统，有助于提高考评效率。最后是人脸闸机，一般应用于机场、火车站等特定场合，主要用于识别乘客身份。

4.2 商品识别

商品识别是实际生活中最常见的图像识别技术，主要应用于商品流通过程。在实际生活中，超市自助结账设备就使用了商品识别技术。顾客在采购完成后，可以使用自助结账设备识别商品，并快速完成结账，提高了结账效率，节约人力成本［4］。

4.3 图片识别

图片识别目前被广泛应用于移动设备，主要是对静态图片进行识别，如车型识别、服装识别、植物识别等，图片识别具有广泛的应用空间，给人们的生活带来一定便利。

5 人工智能中图像识别技术的发展关注点

基于人工智能的图像识别技术在功能定位和操作性能方面均符合现阶段社会和科技的发展趋势。对科技发展而言，如今的社会大环境决定了现代科技的更新换代速度加快，所以在科技发展的前提下图像识别技术的问题也随之而来。基于人工智能的图像识别技术的实际发展，需要关注以下几方面的问题。

5.1 使用需求问题

人工智能背景下的图像识别技术在本质上依然是为人的需求而服务，后续发展过程中需要关注人们的实际需求。因此，图像识别技术的优化及改良升级的前提条件就是做好市场调查工作，通过有效的市场分析和用户需求调查，能够帮助相关研究人员明确图像识别技术的研究和发展方向。

5.2 功能问题

不同用户对图像识别技术的使用需求有着本质上的差异，这也意味着不同用户对图像识别技术的功能要求也会呈现出较大的区别。因此，图像识别技术在未来的发展过程中必须多样化，能够依据不同的用户群体设置出相应的功能类型。这样不仅有利于简化软件，同时也能够保证实际的应用效果。

5.3 科技革新问题

图像识别技术的发展依据是科技革新，在追求功能性和实用性的基础上，应当持续性进行科技革新，以期通过技术层面的先进性带动整个技术体系的升级和进步。对国家而言，应当高度认可图像识别技术对于推动社会进步的重要价值，一方面是要加强资金投入，保证研究资金的充足性；另一方面则要给予一定的政策支持，鼓励更多的科研单位、研究人员参与其中。对研究人员而言，需要在日常工作中进一步加强学习和研究，持续性开发新型的图像识别技术，让图像识别技术更加智能化和实用化。

5.4 安全问题

人工智能中的图像识别技术在实际生活中有着广泛的应用空间，且后续的研究和发展推动图像识别技术进一步与日常生活融合。考虑到图像识别技术在手机使用、解锁和支付等多个领域中的价值，部分图片内容涉及个人隐私，因此，安全性问题也就成了图像识别技术在发展过程中必须考虑的问题。从目前的图像识别技术应用现状来看，大部分图像识别技术的安全性相对较高，但这并不意味着已经达到彻底安全的程度。因此，随着图像识别技术的不断发展和应用，需要进一步提升和优化安全性能。只有这样才能够符合时代发展的趋势和基本需求，确保图像识别技术能满足更多人的使用需求［5］。

6 图像识别技术的优势分析

图像识别技术目前已经形成了独有的技术体系，且在各个领域中有着广泛的应用价值。现阶段，图像识别技术的优势主要包括智能化、便捷化和实用化3个方面。图像识别技术的优势是其应用范围和空间的基础，而这些优势所能够给用户带来的体验如下：一是智能化。在人工智能化背景下的图像识别技术，图片处理的智能化是其基本要求，而智能化的图片处理也是衡量图像识别技术现代化程度的关键所在。在人工智能技术的加持作用下，图像识别技术能够实现自动化的图片识别和选择，并通过计算机应用图片识别结果。以手机的人脸识别功能为例，其本质上是将人脸图片存储于手机的安全系统，由图片识别技术提取人脸图片的关键信息，提取出的图片特征作为后续解锁手机时的关键依据。图片识别技术的智能化功能不仅可以实现图片的简单识别，同时也能进行图片的分析和处理保存。二是便捷化。图像识别技术的快速发展及广泛应用给现代人的日常生活带来了诸多便利，这也意味着后续在处理图像时可以通过一键操作的形式在短时间内完成图像处理。与此同时，人工智能下图像处理技术的关键作用在于改善了现代人的生活方式，无论是钥匙识别、人脸识别、指纹解锁等都在极大程度上方便了现代人的日常生活。三是实用化。现阶段，人工智能下的图像识别技术主要应用于手机软硬件使用、支付、解锁等常规领域，自身高度的实用性特征也进一步拓宽了图像识别技术的应用空间，且目前暂无相关技术可以替换。因此，人工智能下的图像识别技术将在未来很长一段时间内成为人们日常生活中的组成部分。