陳磊

摘? 要：在科學(xué)技術(shù)和人工智能技術(shù)飛速發(fā)展的背景下，模式識(shí)別被廣泛應(yīng)用在各大領(lǐng)域，這種技術(shù)的出現(xiàn)也為人們生活和生產(chǎn)提供了極大的便利?；诖耍疚慕Y(jié)合理論與實(shí)踐，在簡(jiǎn)要闡述人工智能概述的基礎(chǔ)上，重點(diǎn)分析了模式識(shí)別這種技術(shù)，并提出人工智能在模式識(shí)別中的具體應(yīng)用路徑，希望對(duì)我國(guó)模式識(shí)別領(lǐng)域的持續(xù)發(fā)展有一定的參考和借鑒價(jià)值。

關(guān)鍵詞：人工智能? 模式識(shí)別? 語(yǔ)音識(shí)別? 數(shù)字識(shí)別

中圖分類號(hào)：TP14 ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2020）07（a）-0125-03

Abstract： With the rapid development of science and technology and artificial intelligence technology， pattern recognition is widely used in various fields. The emergence of this technology also provides great convenience for people's life and production. Based on this， this paper combines theory and practice， on the basis of a brief overview of artificial intelligence， focuses on the analysis of pattern recognition technology， and puts forward the specific application path of artificial intelligence in pattern recognition， hoping to have certain reference and reference value for the sustainable development of pattern recognition field in China.

Key Words： Artificial intelligence; Pattern recognition; Speech recognition; Digital recognition

模式識(shí)別的發(fā)明和應(yīng)用，大大提升了計(jì)算機(jī)外部感知能力，而將人工智能應(yīng)用到模式識(shí)別中，可用計(jì)算機(jī)來(lái)代替人類進(jìn)行感知外部信息，實(shí)現(xiàn)對(duì)人類感知的有效模擬。模式識(shí)別是人工智能應(yīng)用的主要體現(xiàn)，相比于人類自身感知，計(jì)算機(jī)感知可有效避免人為因素造成的誤差，從而保證外界信息感知的真實(shí)性，具有良好的發(fā)展前景?；诖?，開(kāi)展人工智能在模式識(shí)別方面的應(yīng)用研究就顯得尤為必要。

1? 人工智能相關(guān)概述

人工智能是一種和自然智能相互對(duì)應(yīng)的新型技術(shù)，所謂人工智能指的是通過(guò)計(jì)算機(jī)來(lái)模擬人的思維、想法、行動(dòng)等，是人類智能的拓展和延伸，讓機(jī)器設(shè)備具有人的思維。人工智能是一門全新的學(xué)科，主要研究方向是計(jì)算機(jī)的人為智能行為，研制出具有人類思維活動(dòng)的計(jì)算機(jī)系統(tǒng)，在感知、學(xué)習(xí)、操作、推理等方面，完全取代人類，實(shí)現(xiàn)人和計(jì)算機(jī)的有效統(tǒng)一。從內(nèi)涵和本質(zhì)上來(lái)看，人工智能就是讓計(jì)算機(jī)對(duì)人類的思維活動(dòng)進(jìn)行模擬，代替人類從事一些人類無(wú)法完成的工作。

2? 模式識(shí)別

模式識(shí)別也是一門新興科學(xué)，從廣義的角度來(lái)看，模式識(shí)別涉及到兩個(gè)方面的內(nèi)容：其一是以自然界中的一些生物作為研究對(duì)象，屬于一門認(rèn)識(shí)學(xué)科;其二是以計(jì)算機(jī)系統(tǒng)為研究對(duì)象，讓計(jì)算機(jī)系統(tǒng)具有擬人化的特征，也是目前模式識(shí)別領(lǐng)域應(yīng)用最為廣泛的。

模式識(shí)別是目前人工智能研究的主要方向，以計(jì)算機(jī)系統(tǒng)為媒介，通過(guò)先進(jìn)技術(shù)，實(shí)現(xiàn)模式的自動(dòng)化及智能化處理、判讀。所謂模式指計(jì)算機(jī)系統(tǒng)外界的環(huán)境，或者在環(huán)境中存在的一些客體，是計(jì)算機(jī)技術(shù)、人工智能技術(shù)發(fā)展到一定程度的主要產(chǎn)物。就目前發(fā)展現(xiàn)狀而言，對(duì)外界環(huán)境的識(shí)別是模式識(shí)別發(fā)展的主要方向，包括語(yǔ)音識(shí)別、數(shù)字識(shí)別、人臉識(shí)別、交通網(wǎng)絡(luò)識(shí)別、信息數(shù)據(jù)識(shí)別等。

3? 人工智能在模式識(shí)別中的應(yīng)用路徑

3.1 在語(yǔ)音識(shí)別中的應(yīng)用

最開(kāi)始時(shí)語(yǔ)音合成多采用機(jī)械合成，但機(jī)械合成工序繁多，并且合成質(zhì)量較低，很多聲調(diào)、語(yǔ)氣等無(wú)法準(zhǔn)確展現(xiàn)出來(lái)。隨著科學(xué)技術(shù)的飛速發(fā)展，語(yǔ)音合成技術(shù)愈發(fā)先進(jìn)，自從2012年卷積神經(jīng)網(wǎng)絡(luò)被研發(fā)出來(lái)之后，語(yǔ)音識(shí)別的準(zhǔn)確性得到大幅度提升，被廣泛應(yīng)用在C端和B端，但應(yīng)用效果并不是非常理想，雖然也被應(yīng)用在搜索引擎中，但還停留在人機(jī)交互的淺層處理階段，穩(wěn)健性比較差，存在較大的干擾因素，在不確定的環(huán)境中，無(wú)法實(shí)現(xiàn)穩(wěn)定性。在語(yǔ)音識(shí)別中涉及到的環(huán)節(jié)比較多，包括語(yǔ)音處理、雜音去除、聲學(xué)特征提取、模式匹配等。眾所周知，語(yǔ)音信號(hào)復(fù)雜多變，需要在特定的條件下才能獲得理想效果。但在實(shí)際應(yīng)用中受到遠(yuǎn)場(chǎng)、方言、噪聲、標(biāo)點(diǎn)等因素的影響，大大降低了語(yǔ)音識(shí)別的精度。

目前，在語(yǔ)音識(shí)別領(lǐng)域普遍認(rèn)為識(shí)別精度超過(guò)97%，該數(shù)值多為人工評(píng)測(cè)的結(jié)果，需要在絕對(duì)安靜的封閉場(chǎng)所，才能達(dá)到97%。要先提升語(yǔ)音識(shí)別的魯棒性，既要合理優(yōu)化技術(shù)，也需要優(yōu)化產(chǎn)品。具體而言可從以下兩個(gè)方面同時(shí)入手：

第一，增加在語(yǔ)音、麥克風(fēng)陣列、說(shuō)話人分離等領(lǐng)域的投資力度，然后結(jié)合后端語(yǔ)義來(lái)提升對(duì)上下文的理解，以保證語(yǔ)音識(shí)別的精度。

第二，對(duì)產(chǎn)品設(shè)計(jì)進(jìn)行優(yōu)化，通過(guò)人工智能的交互，促使語(yǔ)音識(shí)別更加精準(zhǔn)，可更好地理解人類語(yǔ)言，實(shí)現(xiàn)自然交互。或者通過(guò)人工智能的深度學(xué)習(xí)技術(shù)，對(duì)語(yǔ)音識(shí)別相關(guān)數(shù)據(jù)進(jìn)行大量訓(xùn)練，提升語(yǔ)音識(shí)別的效率和準(zhǔn)確性。

3.2 在數(shù)字識(shí)別中的應(yīng)用

手寫數(shù)字在過(guò)去銀行業(yè)務(wù)、郵政編碼識(shí)別等方面有較大的作用，但受到個(gè)體人員的差異性，以及業(yè)務(wù)工作量較大的影響，在識(shí)別數(shù)字方面經(jīng)常發(fā)生差錯(cuò)，識(shí)別難度也比較大，造成的損失也比較大。人工智能在數(shù)字識(shí)別中應(yīng)用時(shí)，對(duì)手寫數(shù)字進(jìn)行智能識(shí)別是重中之重。但為了精確識(shí)別出這些數(shù)字，需要對(duì)很多手寫數(shù)字進(jìn)行收集識(shí)別，針對(duì)的并不只是銀行業(yè)務(wù)和郵政編碼業(yè)務(wù)，而是需要面向社會(huì)各種類型繁雜的行業(yè)，對(duì)收集好的數(shù)字信息再進(jìn)行歸類分析，找到一些相似點(diǎn)或者共同點(diǎn)，通過(guò)大量分析運(yùn)算，人工智能即便在面對(duì)復(fù)雜多變的手寫數(shù)字時(shí)，也可以快速準(zhǔn)確地識(shí)別出來(lái)。

3.3 在人臉識(shí)別中的應(yīng)用

在模式識(shí)別領(lǐng)域中，個(gè)人身份識(shí)別是重中之重。近年來(lái)，人臉識(shí)別技術(shù)愈發(fā)先進(jìn)，為身份識(shí)別提供了新的技術(shù)，被廣泛應(yīng)用在各大領(lǐng)域。在生活生產(chǎn)中，到處可見(jiàn)身份識(shí)別設(shè)備，人臉識(shí)別被廣泛應(yīng)用在各大領(lǐng)域。人臉識(shí)別的過(guò)程包括：先對(duì)人的面部進(jìn)行全面掃描，然后對(duì)面部一些特征進(jìn)行分析，再將識(shí)別出來(lái)的特征和數(shù)據(jù)庫(kù)中的樣本進(jìn)行對(duì)比，從而確定人員身份。將人工智能應(yīng)用到人類識(shí)別中，可大幅度提升識(shí)別的準(zhǔn)確性和效率，具體應(yīng)用步驟如下：

第一步，構(gòu)建人臉識(shí)別數(shù)據(jù)庫(kù)。人工智能和采集到的實(shí)時(shí)圖像進(jìn)行對(duì)比分析，以判斷識(shí)別對(duì)象是否在數(shù)據(jù)庫(kù)中。如果存在，就會(huì)立即給出識(shí)別對(duì)象每個(gè)面部的位置、大小及相關(guān)信息。

第二步，精確定位面部特征。對(duì)識(shí)別對(duì)象人臉上的面部特征進(jìn)行檢測(cè)，并進(jìn)行集中處理。

第三步，對(duì)比分析。人臉對(duì)比分析，需要立足在采集到的面部特征和人臉數(shù)據(jù)庫(kù)之上，通過(guò)對(duì)比二者的信息，來(lái)識(shí)別身份。

3.4 在交通網(wǎng)絡(luò)識(shí)別中的應(yīng)用

在駕駛車輛時(shí)經(jīng)常會(huì)遇到一些問(wèn)題，比如，如果長(zhǎng)時(shí)間駕駛，駕駛?cè)藛T容易疲勞，從而引發(fā)交通事故。無(wú)人機(jī)駕駛的出現(xiàn)有效解決了這一問(wèn)題。無(wú)人機(jī)駕駛就是人工智能在交通網(wǎng)絡(luò)識(shí)別中應(yīng)用的主要體現(xiàn)。通過(guò)傳感器，將車輛行駛的道路、周圍環(huán)境、障礙物等信息及時(shí)傳輸?shù)綌?shù)據(jù)處理中心，通過(guò)人工智能對(duì)傳輸來(lái)的信息進(jìn)行識(shí)別，然后再利用車輛網(wǎng)絡(luò)系統(tǒng)和3D高清地圖進(jìn)行決策。再把制定好的決策發(fā)送給汽車控制系統(tǒng)，通過(guò)調(diào)整汽車操作系統(tǒng)，實(shí)現(xiàn)速度調(diào)整、轉(zhuǎn)向、制動(dòng)等。同時(shí)，通過(guò)人工智能技術(shù)，還能將道路上的交通信號(hào)、導(dǎo)航圖、車輛數(shù)量等信息進(jìn)行有效整合，進(jìn)而給出最佳的行駛路徑，避免交通堵塞，提升道路的總體利用率。

3.5 在信息數(shù)據(jù)識(shí)別中的應(yīng)用

人類的精力是有限的，工作一段時(shí)間后，就需要休息。因此，人和機(jī)器人同時(shí)干一項(xiàng)工作時(shí)，機(jī)器人的工作效率更高。比如需要寫一篇5000字的文章，人需要很長(zhǎng)時(shí)間才能完成，機(jī)器人只需要很短的時(shí)間就能完成，而且格式、結(jié)構(gòu)、字體更加符合要求。機(jī)器人具有很強(qiáng)的信息處理能力，收集到的信息通過(guò)核算處理之后就能快速完成一篇文章。目前很多期刊、雜志、報(bào)紙上的文字編輯都是機(jī)器人完成的。

4? 結(jié)語(yǔ)

綜上所述，本文結(jié)合理論實(shí)踐，分析了人工智能在模式識(shí)別方面的應(yīng)用，分析結(jié)果表明，人工智能是目前熱門話題，人工智能和模式識(shí)別都是信息時(shí)代的發(fā)展方向。近年來(lái)，我國(guó)人工智能和模式識(shí)別都取得了良好的發(fā)展，應(yīng)用范圍愈發(fā)廣泛，覆蓋范圍越來(lái)越大，具有良好的發(fā)展前景，值得大力推廣應(yīng)用。

參考文獻(xiàn)

[1] 陶超，馬慧云，鄒崢嶸.以人工智能背景為導(dǎo)向的遙感科學(xué)與技術(shù)專業(yè)模式識(shí)別課程的建設(shè)與實(shí)踐[J].測(cè)繪與空間地理信息，2019（10）：5-6.

[2] 胡正平，刁鵬成，張瑞雪，等.基于注意力機(jī)制的時(shí)間分組深度網(wǎng)絡(luò)行為識(shí)別算法[J].模式識(shí)別與人工智能，2019，32（10）：892-900.

[3] 唐超，王文劍，張琛，等.基于RGB-D圖像特征的人體行為識(shí)別[J].模式識(shí)別與人工智能，2019，32（10）：901-908.

[4] 周霞.模式識(shí)別技術(shù)在圖像處理中的應(yīng)用[J].計(jì)算機(jī)產(chǎn)品與流通，2019（6）：191.

[5] 郭文慧，曹飛龍.基于3D多尺度特征融合殘差網(wǎng)絡(luò)的高光譜圖像分類[J].模式識(shí)別與人工智能，2019，32（10）：882-891.

[6] 周波，謝光.人工智能在模式識(shí)別中的關(guān)鍵技術(shù)探究[J].現(xiàn)代信息科技，2019（22）：110-111.

[7] 王一賓，田文泉，程玉勝.基于標(biāo)記分布學(xué)習(xí)的異態(tài)集成學(xué)習(xí)算法[J].模式識(shí)別與人工智能，2019，32（10）：945-954.

[8] 張會(huì)影，圣文順，孫潔.淺談人工智能發(fā)展要素[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2019（12）：153-154.