摘要：随着科学技术的快速发展，人工智能已经在很多领域中得以应用，并且具备良好的发展前景，是未来科学技术的重大发展趋势之一。在人工智能中，模式识别是其中的重要内容，虽然是一个新学科，但是其研究范围与理论基础正在不断完善。模式识别即在计算机的应用下，通过数学技术方法研究模式的自动处理与判读。本文结合相关经验，简要概述人工智能与模式识别的相关概念，并在此基础上探讨人工智能在模式识别中的应用。
关键词：人工智能；模式识别；人脸识别
随着计算机技术的快速发展，计算机已经普及应用，在社会中的各个领域中都有计算机的渗入与使用。此外，随着相关技术的发展，通过计算机我们能够有效感知声音、图像、温度等外界信息，这些信息是通过传感器采集然后传输给计算机出的得到的。此外，很多设备与计算极大联合使用也方便了人们的生活，人们在生活中普遍常用的多为摄像仪、图文扫描仪等相关设备，这些设备已经部分将非电信号转换问题解决掉，但是具备的识别功能依旧无法满足人们的需求，对于采集的信息，计算机无法真正地感知，这就导致计算机对外部世界的感知能力低下。在这种状况下，模式识别应运而生，模式识别能够有效提高计算机外部感知能力。
1 人工智能与模式识别概述
人工智能中的模式识别，指的是通过计算机以及传感器等相关设备代替人类采集外部的相关信息，即针对真的真实感知能力进行一种仿真模拟，所研究的问题主要是建立计算机识别模式系统，通过计算机识别模式系统实现人类感知能力的模拟。
1.1 人工智能
人工智能，英文缩写思维AI，最早在1956年提出。在相关概念提出后，诸多研究者提出诸多的理论与原理，逐渐发展成为涉及内容广泛的一门科学技术。作为一门极富挑战性的科学，从事相关工作的工作人员需要掌握多种知识，例如计算机知识、心理学、哲学等。由于涉及的领域较为广泛，在实际操作中十分麻烦，因而研究进度虽然一直在进展，但速度相对而言比较缓慢。另外，人工智能是相对人类的自然智能而言的，其主要借助计算机、传感器等各种设备与技术，模仿、延伸、拓展人工智能，从而依据人们的需求建立一个具有感知、推理、学习和联想，甚至是决策的计算机系统，从而能够帮助专业人才解决一些困难的问题。探析其本质，人工智能就是模拟与仿真人类的思维与处理问题的过程。
1.2 模式识别
模式识别，即在计算机技术的应用下，在数学知识的辅助下，研究模式的判断及自动化处理，从而实现人类思维与处理问题过程的模拟，也就是人工智能。相对于模式识别，在这个概念中，人们生活中周围的环境以及所接触的所有事物都属于“模式”，也就是说在计算机的作用下，识别与感知周围的所有相关信息，从而处理相关信息。作为智能机器开发的重要环节，人工智能开发最为重要的就是通过计算机自动识别包括文字、声音、人物和物体等模式，通过传感器等设备采集周围的信息，然后传输给计算机处理，从而识别周围环节及客体，是人类感知能力的一种模拟。相对于人而言，在人工智能中，光学与声学信息是其中的两类重要信息识别来源与方式。
期刊文章分类查询,尽在期刊图书馆
2 人工智能在模式识别中的应用
人工智能是一个非常广泛的领域，当前人工智能涵盖很多大的学科，大致归纳为六个：计算机视觉（暂且把模式识别，图像处理等问题归入其中）；自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）；认知与推理（包含各种物理和社会常识）；机器人学（机械、控制、设计、运动规划、任务规划等）；博弈与伦理（多代理人agents的交互、对抗与合作，机器人与社会融合等议题）；机器学习（各种统计的建模、分析工具和计算的方法）。
2.1 语音识别
即在计算机等设备的应用下，促使计算机能够听懂人类的语言，并针对人类的语言得出反馈作出相应的行为，较为典型的例子当属七国口语自动翻译系统，在人类说完话后，在声音采集器的应用下，相关信息传输给计算机，在模拟过程中，有声音采集传感器采集声音信息，然后进行数模转换，将所得信息转变为计算既能够识别的信息，从而传输给计算机加以处理，从而能够对人类的语言作出相应的反馈，可以翻译成不同的语言。此外，还可以与人类进行简单的交流，即通过语音识别，人工智能能够在人类的指导下处理一些事务或者做一些简单的事情。
2.2 数字识别
所谓数字识别，也就是对文字的识别，在传感器等采集信息设备的作用下，计算机能够自动识别纸张上的文字，在文字识别过程中，有关书写体的识别一直是一个较为困难的难题，但是随着人工智能神经网络技术发展，数字识别系统基本上可以通过神经网络的学习以及快速并行功能从而快速识别手写数字，能够有效提升相关工作效率。
2.3 人脸立体识别模式
对于人脸识别，主要包括三个过程，分别是人脸模式库、定位面部特征、比对。通过采集器设备采集到的人脸信息，通过计算机所采集的实时图像，然后作出对比，判断所采集的人脸信息是否存在在人脸模式库中，如果存在，则对人脸的详细脸部信息作出对比。对于定位面部特征，主要是检测人脸的主要器官，主要包括具体位置、形状，依据采集的信息与人脸模式库中的数据作出对此，从而实现人脸识别。在这一过程中，涉及到人工智能的深度学习技术，通过神经化网络技术在大量的脸部数据库中搜寻类似的面部，然后通过深度学习实现数据库中人脸与采集到的人脸信息进行对比，从而实现人脸识别。
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。
2.4 视频识别
所谓视频识别，就是应用视频设备捕捉图像，然后通过计算机的图像采集卡，运算处理识别后的图像，从而满足技术使用者的需求。视频识别常常被应用于安全防护领域。
3 结束语
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]尹捷.人工智能在模式识别领域的应用[J].科技资讯（12）：255.
[2]王宇飞.人工智能在模式识别领域的应用[J].通讯世界，26（05）：269-270.
[3]郝彦琴.人工智能在模式识别领域的应用[J].科技风.
[4]袁英，孙艳君，孙业萍，et al.人工智能在模式识别中的应用研究[J].计算机光盘软件与应用（10）：83-83.
论文作者:薛紫薇
论文发表刊物:《基层建设》2019年第27期
论文发表时间:2020/1/2
标签：人工智能论文; 计算机论文; 信息论文; 人类论文; 模式论文; 的人论文; 设备论文; 《基层建设》2019年第27期论文;