人工智能在模式識別領域的應用

摘要：隨著信息科技和人工智能的不斷發展，模式識別作為人工智能的一個方面，在該領域的研究也不斷深入，特別是該模式的理論基礎和研究范圍也不斷在擴展。本文首先介紹了人工智能和模式識別的涵義，并著重介紹了人工智能在模式識別方面的應用。

關鍵詞：人工智能； 模式識別；應用

隨著計算機技術的飛速發展，特別是對于計算機硬件領域的不斷拓展，使計算機在感知外界的聲音、文字、圖像等信息資料方面有了進一步的發展。當我們去超市購物時，在結帳口收銀員用掃碼器輕輕一掃，便可感知我們所購商品的各項參數，從而快速的算出應付金額；在醫院，通過做B超可以感知我們臟腑情況；電視臺每天準確的預報天氣情況等。諸如掃碼器等物品就是計算機感知外界的產物，是人工智能的產物。為此相應而生的模式識別技術也成研究人員當前研究的熱點。

模式識別作為人工智能研究的一個方面，主要是通過計算機來模擬人類并以人類的感知力來完成對外界環境的感知并做出正確的判斷。

1 人工智能（Artificial Intelligence）

與自然智能相對應，人工智能是計算機模擬人工的方法、技術，來完延伸和擴展人的智能，所得到的結果是“機器思維”所產生。

人工智能作為一門學科，科研人員的主要科研方向是研究計算機的智能行為，并研制具有人類思維活動相似的計算系統，如在感知、推理、學習、聯想等等方面，特別是在決策等方面可以解決人類專家才能處理的復雜問題，最終實現計算機與人類的高度統一。人工智能的本質就是實現計算機對人類思維的模仿。

2 模式識別

廣義的模式識別主要涉及到兩個方面：一類是以生物體作為研究對象，屬于認識科學；一類是以計算機為研究方向，研究如何實現計算機的擬人化。本文主要討論的是對計算機的模擬識別的理論和方法。

模式識別是人工智能研究的一個方向，主要是以計算機為媒介，采用數學技術的方法來實現模式的自動處理、判讀。而這里所說的“模式”是指外界的環境和環境中所客觀存在的客體，隨著信息技術和人工智能研究的不斷深入，人類對于復雜信息的處理有了一定的發展，但是這些研究尚處于初級階段，還需要我們繼續不斷的深入研究。當前計算機對外界環境（文字、聲音、人物等）的識別是計算機模式識別的主要研究點。信息處理是人類根據環境的不同及情況來完成對信息的識別、判斷，對于人類而言，主要信息來源是光學信息和聲學信息，光學信息的采集主要是視覺器來獲得，聲學信息主要通過聽覺器獲得，而模式識別主要也是要讓計算機能完成與人類相類似的信息采集。當前，市場上比較成熟的信息采集系統有光學字符識別系統（Optical Character Recognition）、語音識別系統等。

模式識別的研究起源于上個世紀五十年代，由F.羅森布拉特首先提出，并初步實現了對給定樣本的識別，隨著對模式識別的不斷研究，在八十年代，由J.荷甫菲爾德提出了人工神經元，使計算機在模式研究方面有了更為廣闊的空間，并且，在短時間內取得了顯著成就。

3 人工智能在模式識別方面的應用

3.1 數字識別、漢字識別、語音識別

手寫數字在過去的銀行業務、郵政編碼識別方面起到了非常重要的作用，但是由于個體差異，不同的人的書寫習慣，使工作人員在識別方面非常困難，增加了工作難度，也容易造成失誤，所以手寫數字的智能識別是人工智能識別中的一部分，并且隨著人工智能的發展，完全可以解決這一問題。

與數字識別相比較，漢字的識別則更為困難，當前常用漢字有6763個，在使用過程中，不僅受到人為書寫習慣的影響，同時還會受到特殊符號、外國字符等多種因素的干擾，這就為智能識別增加了難度。每個字符都會有對應的符號，如果在識別過程中，開頭出現變化，即相應的后續識別都會發生畸變。并且由于龐大的漢字系統和所呈現的模式不同，也讓計算機的識別難度大大提升。因此實現手寫漢字的識別是較為困難的。解決這一問題的基礎是需要神經網絡技術的支持，同時還需要不斷豐富不同類型手寫字體的模式作為樣本在計算機中錄入不斷訓練計算機的神經網絡，使其熟悉不同類型的字體。當前，比較成熟的漢字識別軟件已經實現了對掃描圖片中的文字高精確度的識別，如清華紫光OCR軟件。

語音識別簡而言之就是讓計算機可以聽懂人類的語言，當前常用的口語自動翻譯系統可以實現七國語言的翻譯，七國語言即英、日、意、法、德、中、韓。中文的實驗平臺由中國科學院自動化所來承擔和構建。屬于國家級重點實驗室，也使我國的口語翻譯處于世界領先水平。該系統的構建，讓我國人民在國外的生活、旅行等方面更為便捷。

3.2 基于模式識別的網絡考試系統

基于模式識別的網絡考試系統主要采用SQL Serve數據庫和指紋模式，并且也成功的實現了網上考試、培訓和學習。

隨著信息技術的飛速發展，各個公司、單位的人員需要不斷的進行學習、培訓，才能滿足工作的發展需要，由于人員的數量龐大和流動性，這就給安排的工作人員增加了很大的負擔，而基于模式識別的網絡考試系統則簡化了工作流程，減輕了工作人員的負擔。

在企業中，基于模式識別的考試系統主要在多媒體教室中應用，主要構成由一臺服務器和兩個指紋識別儀即可。開發工具是c++Builder5.0，Windows是操作系統。對于考試系統的軟件構成主要有四個方面：指紋校驗、試卷管理、考試管理、考試記錄。

指紋校驗是該系統的關機技術，采用的就是模式識別，指紋校驗分為驗證和識別，驗證即是對已采集的指紋和考試人員的指紋進行匹配，來確認身份的一個過程，識別則是把現場采集的指紋與已采集的指紋相匹配，從而證明其合法性。計算機的指紋采集所得到的只是有限的信息，并不能做到百分之百的精確，因此結果也不能完全保證沒有差池。盡管在指紋識別方面存在安全隱患，但相比較傳統的用戶ID+密碼的方式，已經有更高的安全等級。

3.3 人臉立體模式識別

人臉的識別過程較為復雜，主要分為三個部分：人臉模式庫、面部特征的定位、比對。首先是要對人臉進行采集，并構建數據庫；其次是對現場采集的人臉的主要器官和形狀信息進行歸一化處理；最后要與以后數據庫進行比對，從而確定人物的身份。當前比較常用的人臉識別技術主要有以下幾個方面：第一是基于幾何特征的方法，這個方法最為典型，但是需要與其他方法相結合，才能獲得滿意的效果；第二是基于模板的方法，根據模板對象的不同，分為基于臉部特征的方法、基于線性判別分析的方法、基于神經網絡的方法等等；第三是基于模型的方法，常用的有基于隱馬爾可夫模型的方法、基于主動外觀模型的方法等等。

基于人臉特征來實現身份的驗證，精確度高、認可程度高，更重要的是穩定性好，因此從推廣初期就受到了用戶的一致好評。在應用過程中，由于表情、光照等因素的影響，也是當前人臉識別技術中主要的影響因素。在人臉二維、三維所獲得的人臉特征各有所長，二維獲得的圖像灰度值所呈現的是臉部表面亮度的差異，三維所獲得的則是臉型數據的差異，信息獲取方面，三維則更為豐富，對于人臉識別的精準度更高。

TMS320C6701 DSP是由TI公司研發的，其信息的存儲都采用片內存儲，圖像的操作在片上執行，這種模式不僅耗能低，并且可以提供高性能。特別適用于人臉識別。并且根據圖像數據庫的大小，可智能化的擴展Flash；還可以根據人臉識別中的具體要求來更換合適的DSP。并且TI公司還推出了集成性DSPs軟件開發工具，即CCS，通過這個工具，可以根據不同要求對軟件進行編輯、翻譯、調試，以達到想要的效果。

4 結語

本文簡要介紹了人工智能和模式識別的涵義，并著重介紹了人工智能在模式識別中的應用。當前對于人工智能在模式識別中的研究還處于發展階段，隨著科研人員對模式識別研究的不斷深入，其應用范圍也會越來越廣，人工智能化在未來則會有出更為廣闊的天地。

參考文獻：

[1]陜粉麗.人工智能在模式識別方面的應用[J].長治學院學報，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.人工智能方法在電梯交通模式識別中的應用[J].湖南農技，2014，2（41）：4849.

作者簡介：郝彥琴（1975），女，山西原平人，本科，講師，主要從事計算機語言研究。