人工智能與模式識(shí)別【互聯(lián)網(wǎng)+】

人工智能與模式識(shí)別 摘要：信息技術(shù)的飛速發(fā)展使得人工智能的應(yīng)用范圍變得越來(lái)越廣，而模式識(shí)別作為其中的一個(gè)重要方面，一直是人工智能研究的重要方向。在介紹人工智能和模式識(shí)別的相關(guān)知識(shí)的同時(shí)，對(duì)人工智能在模式識(shí)別中的應(yīng)用進(jìn)行了一定的論述。模式識(shí)別是人類(lèi)的一項(xiàng)基本智能，著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，模式識(shí)別技術(shù)有了長(zhǎng)足的發(fā)展。模式識(shí)別與統(tǒng)計(jì)學(xué)、心理學(xué)、語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)、生物學(xué)、控制論等都有關(guān)系。它與人工智能 、圖像處理的研究有交叉關(guān)系。模式識(shí)別的發(fā)展?jié)摿薮蟆? 關(guān)鍵詞：模式識(shí)別；數(shù)字識(shí)別；人臉識(shí)別中圖分類(lèi)號(hào)； 窗體頂端 Abstract: The rapid development of information technology makes the application of artificial intelligence become more and more widely. Pattern recognition, as one of the important aspects, has always been an important direction of artificial intelligence research. In the introduction of artificial intelligence and pattern recognition related knowledge at the same time, artificial intelligence in pattern recognition applications were discussed.Pattern recognition is a basic human intelligence, the emergence of the 20th century, 40 years of computer and the rise of artificial intelligence in the 1950s, pattern recognition technology has made great progress. Pattern recognition and statistics, psychology, linguistics, computer science, biology, cybernetics and so have a relationship. It has a cross-correlation with artificial intelligence and image processing. The potential of pattern recognition is huge. Key words: pattern recognition; digital recognition; face recognition; 窗體底端 1引言 　　隨著計(jì)算機(jī)應(yīng)用范圍不斷的拓寬，我們對(duì)于計(jì)算機(jī)具有更加有效的感知“能力”，諸如對(duì)聲音、文字、圖像、溫度以及震動(dòng)等外界信息，這樣就可以依靠計(jì)算機(jī)來(lái)對(duì)人類(lèi)的生存環(huán)境進(jìn)行數(shù)字化改造。但是從一般的意義上來(lái)講，當(dāng)前的計(jì)算機(jī)都無(wú)法直接感知這些信息，而只能通過(guò)人在鍵盤(pán)、鼠標(biāo)等外設(shè)上的操作才能感知外部信息。雖然攝像儀、圖文掃描儀和話筒等相關(guān)設(shè)備已經(jīng)部分的解決了非電信號(hào)的轉(zhuǎn)換問(wèn)題，但是仍然存在著識(shí)別技術(shù)不高，不能確保計(jì)算機(jī)真正的感知所采錄的究竟是什么信息。這直接使得計(jì)算機(jī)對(duì)外部世界的感知能力低下，成為計(jì)算機(jī)應(yīng)用發(fā)展的瓶頸。這時(shí)，能夠提高計(jì)算機(jī)外部感知能力的學(xué)科——模式識(shí)別應(yīng)運(yùn)而生，并得到了快速的發(fā)展，同時(shí)也成為了未來(lái)電子信息產(chǎn)業(yè)發(fā)展的必然趨勢(shì)。 　　人工智能中所提到的模式識(shí)別是指采用計(jì)算機(jī)來(lái)代替人類(lèi)或者是幫助人類(lèi)來(lái)感知外部信息，可以說(shuō)是一種對(duì)人類(lèi)感知能力的一種仿真模擬。近年來(lái)電子產(chǎn)品中也加入了諸多此類(lèi)的功能：如手機(jī)中的指紋識(shí)別解鎖功能；眼球識(shí)別解鎖技術(shù)；手勢(shì)拍照功能亦或是機(jī)場(chǎng)先進(jìn)的人耳識(shí)別技術(shù)等等。這些功能看起來(lái)紛繁復(fù)雜，但如果需要一個(gè)概括的話，可以說(shuō)這都是模式識(shí)別技術(shù)給現(xiàn)代生活帶來(lái)的福分。它探討的是計(jì)算機(jī)模式識(shí)別系統(tǒng)的建立，通過(guò)計(jì)算機(jī)系統(tǒng)來(lái)模擬人類(lèi)感官對(duì)外界信息的識(shí)別和感知，從而將非電信號(hào)轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的電信號(hào)。 2 人工智能和模式識(shí)別 　　人工智能（Artificial Intelligence），是相對(duì)與人的自然智能而言的，它是指采用人工的方法及技術(shù)，對(duì)人工智能進(jìn)行模仿、延伸及擴(kuò)展，進(jìn)而實(shí)現(xiàn)“機(jī)器思維”式的人工智能。簡(jiǎn)而言之，人工智能是一門(mén)研究具有智能行為的計(jì)算模型，其最終的目的在于建立一個(gè)具有感知、推理、學(xué)習(xí)和聯(lián)想，甚至是決策能力的計(jì)算機(jī)系統(tǒng)，快速的解決一些需要專(zhuān)業(yè)人才能解決的問(wèn)題。從本質(zhì)上來(lái)講，人工智能是一種對(duì)人類(lèi)思維及信息處理過(guò)程的模擬和仿真。 　　模式識(shí)別，即通過(guò)計(jì)算機(jī)采用數(shù)學(xué)的知識(shí)和方法來(lái)研究模式的自動(dòng)處理及判讀，實(shí)現(xiàn)人工智能。在這里，我們將周?chē)沫h(huán)境及客體統(tǒng)統(tǒng)都稱(chēng)之為“模式”，即計(jì)算機(jī)需要對(duì)其周?chē)械南嚓P(guān)信息進(jìn)行識(shí)別和感知，進(jìn)而進(jìn)行信息的處理。在人工智能開(kāi)發(fā)，即智能機(jī)器開(kāi)發(fā)過(guò)程中的一個(gè)關(guān)鍵環(huán)節(jié)，就是采用計(jì)算機(jī)來(lái)實(shí)現(xiàn)模式（包括文字、聲音、人物和物體等）的自動(dòng)識(shí)別，其在實(shí)現(xiàn)智能的過(guò)程中也給人類(lèi)對(duì)自身智能的認(rèn)識(shí)提供了一個(gè)途徑。在模式識(shí)別的過(guò)程中，信息處理實(shí)際上是機(jī)器對(duì)周?chē)h(huán)境及客體的識(shí)別過(guò)程，是對(duì)人參與智能識(shí)別的一個(gè)仿真。相對(duì)于人而言，光學(xué)信息及聲學(xué)信息是兩個(gè)重要的信息識(shí)別來(lái)源和方式，它同時(shí)也是人工智能機(jī)器在模式識(shí)別過(guò)程中的兩個(gè)重要途徑。在市場(chǎng)上具有代表性的產(chǎn)品有：光學(xué)字符識(shí)別系統(tǒng)以及語(yǔ)音識(shí)別系統(tǒng)等。 在這里的模式識(shí)別，我們可以將之理解成為：根據(jù)識(shí)別對(duì)象具有特征的觀察值來(lái)將其進(jìn)行分類(lèi)的一個(gè)過(guò)程。采用計(jì)算機(jī)來(lái)進(jìn)行模式識(shí)別，是在上世紀(jì)60年代初發(fā)展起來(lái)的一門(mén)新興學(xué)科，但同樣也是未來(lái)一段實(shí)踐中發(fā)展的必然方向。在生活節(jié)奏相當(dāng)之快的今天人們希望電子產(chǎn)品可以為我們的生活提供更多的便利條件。因此在未來(lái)相當(dāng)一段時(shí)間內(nèi)模式識(shí)別技術(shù)依然是發(fā)展的必然趨勢(shì)。 模式識(shí)別的定義是借助計(jì)算機(jī)，就人類(lèi)對(duì)外部世界某一特定環(huán)境中的客體、過(guò)程和現(xiàn)象的識(shí)別功能(包括視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、判斷等)進(jìn)行自動(dòng)模擬的科學(xué)技術(shù)。隨著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，人們當(dāng)然也希望能用計(jì)算機(jī)來(lái)代替或擴(kuò)展人類(lèi)的部分腦力勞動(dòng)。(計(jì)算機(jī))模式識(shí)別在20世紀(jì)60年代初迅速發(fā)展并成為一門(mén)新學(xué)科?！? 模式識(shí)別(Pattern Recognition)是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析,以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類(lèi)和解釋的過(guò)程,是信息科學(xué)和人工智能的重要組成部分。模式識(shí)別又常稱(chēng)作模式分類(lèi)，從處理問(wèn)題的性質(zhì)和解決問(wèn)題的方法等角度，模式識(shí)別分為有監(jiān)督的分類(lèi)（Supervised Classification）和無(wú)監(jiān)督的分類(lèi)(Unsupervised Classification)兩種。二者的主要差別在于，各實(shí)驗(yàn)樣本所屬的類(lèi)別是否預(yù)先已知。一般說(shuō)來(lái)，有監(jiān)督的分類(lèi)往往需要提供大量已知類(lèi)別的樣本，但在實(shí)際問(wèn)題中，這是存在一定困難的，因此研究無(wú)監(jiān)督的分類(lèi)就變得十分有必要了。 此外，模式還可分成抽象的和具體的兩種形式。前者如意識(shí)、思想、議論等,屬于概念識(shí)別研究的范疇,是人工智能的另一研究分支。我們所指的模式識(shí)別主要是對(duì)語(yǔ)音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號(hào)、生物傳感器等對(duì)象的具體模式進(jìn)行辨識(shí)和分類(lèi)?！? 模式識(shí)別研究主要集中在兩方面,一是研究生物體(包括人)是如何感知對(duì)象的，屬于認(rèn)識(shí)科學(xué)的范疇,二是在給定的任務(wù)下,如何用計(jì)算機(jī)實(shí)現(xiàn)模式識(shí)別的理論和方法。 模式識(shí)別與很多學(xué)科都有聯(lián)系，它與統(tǒng)計(jì)學(xué)、心理學(xué)、語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué) 、生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。例如自適應(yīng)或自組織的模式識(shí)別系統(tǒng)包含了人工智能的學(xué)習(xí)機(jī)制；人工智能研究的景物理解、自然語(yǔ)言理解也包含模式識(shí)別問(wèn)題。又如模式識(shí)別中的預(yù)處理和特征抽取環(huán)節(jié)應(yīng)用圖像處理的技術(shù)；圖像處理中的圖像分析也應(yīng)用模式識(shí)別的技術(shù)。 模式識(shí)別的方法主要有決策理論方法和句法方法，模式識(shí)別方法的選擇取決于問(wèn)題的性質(zhì)。如果被識(shí)別的對(duì)象極為復(fù)雜，而且包含豐富的結(jié)構(gòu)信息，一般采用句法方法；被識(shí)別對(duì)象不很復(fù)雜或不含明顯的結(jié)構(gòu)信息，一般采用決策理論方法。這兩種方法不能截然分開(kāi)，在句法方法中，基元本身就是用決策理論方法抽取的。在應(yīng)用中，將這兩種方法結(jié)合起來(lái)分別施加于不同的層次，常能收到較好的效果。 模式識(shí)別的應(yīng)用非常廣泛，比較典型的有：1 文字識(shí)別：在信息技術(shù)及計(jì)算機(jī)技術(shù)日益普及的今天，如何將文字方便、快速地輸入到計(jì)算機(jī)中已成為影響人機(jī)接口效率的一個(gè)重要瓶頸，也關(guān)系到計(jì)算機(jī)能否真正在我過(guò)得到普及的應(yīng)用。目前，漢字輸入主要分為人工鍵盤(pán)輸入和機(jī)器自動(dòng)識(shí)別輸入兩種。其中人工鍵入速度慢而且勞動(dòng)強(qiáng)度大；自動(dòng)輸入又分為漢字識(shí)別輸入及語(yǔ)音識(shí)別輸入。從識(shí)別技術(shù)的難度來(lái)說(shuō)，手寫(xiě)體識(shí)別的難度高于印刷體識(shí)別，而在手寫(xiě)體識(shí)別中，脫機(jī)手寫(xiě)體的難度又遠(yuǎn)遠(yuǎn)超過(guò)了聯(lián)機(jī)手寫(xiě)體識(shí)別。到目前為止，除了脫機(jī)手寫(xiě)體數(shù)字的識(shí)別已有實(shí)際應(yīng)用外，漢字等文字的脫機(jī)手寫(xiě)體識(shí)別還處在實(shí)驗(yàn)室階段。2語(yǔ)音識(shí)別：語(yǔ)音識(shí)別技術(shù)技術(shù)所涉及的領(lǐng)域包括：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽(tīng)覺(jué)機(jī)理、人工智能等等。近年來(lái)，在生物識(shí)別技術(shù)領(lǐng)域中，聲紋識(shí)別技術(shù)以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢(shì)受到世人矚目，并日益成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾移占暗陌豺?yàn)證方式。而且利用基因算法訓(xùn)練連續(xù)隱馬爾柯夫模型的語(yǔ)音識(shí)別方法現(xiàn)已成為語(yǔ)音識(shí)別的主流技術(shù)，該方法在語(yǔ)音識(shí)別時(shí)識(shí)別速度較快，也有較高的識(shí)別率。3 指紋識(shí)別：每個(gè)人的指紋是唯一的，依靠這種唯一性，就可以將一個(gè)人同他的指紋對(duì)應(yīng)起來(lái)，通過(guò)比較他的指紋和預(yù)先保存的指紋進(jìn)行比較，便可以驗(yàn)證他的真實(shí)身份。一般的指紋分成有以下幾個(gè)大的類(lèi)別:環(huán)型(loop),螺旋型(whorl),弓型(arch),這樣就可以將每個(gè)人的指紋分別歸類(lèi)，進(jìn)行檢索。指紋識(shí)別基本上可分成：預(yù)處理、特征選擇和模式分類(lèi)幾個(gè)大的步驟。除了這幾個(gè)眼下熱門(mén)的方向，模式識(shí)別還在遙感和醫(yī)學(xué)診斷領(lǐng)域發(fā)揮了重要的作用。 最后介紹下模式模式識(shí)別的發(fā)展?jié)摿?，模式識(shí)別技術(shù)有著近乎無(wú)限的發(fā)展?jié)摿ΓＪ阶R(shí)別技術(shù)是人工智能的基礎(chǔ)技術(shù)，21世紀(jì)是智能化、信息化、計(jì)算化、網(wǎng)絡(luò)化的世紀(jì)，在這個(gè)以數(shù)字計(jì)算為特征的世紀(jì)里，作為人工智能技術(shù)基礎(chǔ)學(xué)科的模式識(shí)別技術(shù)，必將獲得巨大的發(fā)展空間。在國(guó)際上，各大權(quán)威研究機(jī)構(gòu)，各大公司都紛紛開(kāi)始將模式識(shí)別技術(shù)作為公司的戰(zhàn)略研發(fā)重點(diǎn)加以重視。模式識(shí)別發(fā)展?jié)摿^大的技術(shù)有1語(yǔ)音識(shí)別技術(shù)，語(yǔ)音識(shí)別技術(shù)正逐步成為信息技術(shù)中人機(jī)接口(Human Computer Interface, HCI)的關(guān)鍵技術(shù)，語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。中國(guó)互聯(lián)網(wǎng)中心的市場(chǎng)預(yù)測(cè)：未來(lái)5年，中文語(yǔ)音技術(shù)領(lǐng)域?qū)?huì)有超過(guò)400億人民幣的市場(chǎng)容量,然后每年以超過(guò)30%的速度增長(zhǎng)。2生物認(rèn)證技術(shù)，生物認(rèn)證技術(shù)(Biometrics)本世紀(jì)最受關(guān)注的安全認(rèn)證技術(shù)，它的發(fā)展是大勢(shì)所趨。人們?cè)敢馔羲械拿艽a、扔掉所有的磁卡，憑借自身的唯一性來(lái)標(biāo)識(shí)身份與保密。國(guó)際數(shù)據(jù)集團(tuán)（IDC）預(yù)測(cè)：作為未來(lái)的必然發(fā)展方向的移動(dòng)電子商務(wù)基礎(chǔ)核心技術(shù)的生物識(shí)別技術(shù)在未來(lái)10年的時(shí)間里將達(dá)到100億美元的市場(chǎng)規(guī)模。3 數(shù)字水印技術(shù) 90年代以來(lái)才在國(guó)際上開(kāi)始發(fā)展起來(lái)的數(shù)字水印技術(shù)(Digital Watermarking)是最具發(fā)展?jié)摿εc優(yōu)勢(shì)的數(shù)字媒體版權(quán)保護(hù)技術(shù)。IDC預(yù)測(cè)，數(shù)字水印技術(shù)在未來(lái)的5年內(nèi)全球市場(chǎng)容量超過(guò)80億美元。 模式識(shí)別從20世紀(jì)20年代發(fā)展至今，人們已經(jīng)形成了一種普遍看法，那就是不存在對(duì)所有模式識(shí)別問(wèn)題都適用的單一模型和解決識(shí)別問(wèn)題的單一技術(shù)，我們現(xiàn)在擁有的只是一個(gè)工具袋，所要做的是結(jié)合具體問(wèn)題把統(tǒng)計(jì)的和句法的識(shí)別結(jié)合起來(lái)，把統(tǒng)計(jì)模式識(shí)別或句法模式識(shí)別與人工智能中的啟發(fā)式搜索結(jié)合起來(lái)，把統(tǒng)計(jì)模式識(shí)別或句法模式識(shí)別與支持向量機(jī)的機(jī)器學(xué)習(xí)結(jié)合起來(lái)，把人工神經(jīng)元網(wǎng)絡(luò)與各種已有技術(shù)以及人工智能中的專(zhuān)家系統(tǒng)、不確定推理方法結(jié)合起來(lái)，深入掌握各種工具的效能和應(yīng)有的可能性，互相取長(zhǎng)補(bǔ)短，開(kāi)創(chuàng)模式識(shí)別應(yīng)用的新局面。 3 人工智能在模式識(shí)別中的應(yīng)用 　 （一）數(shù)字識(shí)別及語(yǔ)音識(shí)別。在數(shù)字識(shí)別的過(guò)程中，對(duì)于手寫(xiě)體的識(shí)別一直是一個(gè)難題，而其又在郵政編碼的識(shí)別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用，但是其字體形式變化較大，導(dǎo)致提高對(duì)其的識(shí)別率成為了一個(gè)難題，精準(zhǔn)的識(shí)別存在著較大的困難。而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后，系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)及快速并行功能來(lái)實(shí)現(xiàn)對(duì)手寫(xiě)數(shù)字的快速識(shí)別，有力的提高相關(guān)運(yùn)用領(lǐng)域的工作效率。 　　而語(yǔ)音識(shí)別，簡(jiǎn)單的將就是能使得計(jì)算機(jī)能聽(tīng)懂人所說(shuō)的話，一個(gè)典型的例子就是七國(guó)語(yǔ)言（中、日、英、意、韓、法、德）口語(yǔ)自動(dòng)翻譯系統(tǒng)，它可以將人說(shuō)的話翻譯成為機(jī)器所設(shè)定的目的語(yǔ)言，在整個(gè)過(guò)程中不需要翻譯人員的參與。其中的中文部分實(shí)驗(yàn)平臺(tái)設(shè)置在中科院自動(dòng)化所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室中，這標(biāo)志著我國(guó)的機(jī)器口語(yǔ)翻譯研究已經(jīng)跨入世界先進(jìn)行列。在這個(gè)系統(tǒng)的功能實(shí)現(xiàn)之后，出國(guó)旅行需要預(yù)定旅館、購(gòu)買(mǎi)機(jī)票、就餐等需要和外國(guó)人進(jìn)行對(duì)話時(shí)，只需要利用電話網(wǎng)絡(luò)或者是國(guó)際互聯(lián)網(wǎng)就能夠順利的和對(duì)方進(jìn)行通話，進(jìn)行語(yǔ)言交流。 在數(shù)字識(shí)別的過(guò)程中，對(duì)于手一83一寫(xiě)體的識(shí)別一直是一個(gè)難題，而其又在郵政編碼的識(shí)別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用，但是其字體形式變化較大，導(dǎo)致提高對(duì)其的識(shí)別率成為了一個(gè)難題，精準(zhǔn)的識(shí)別存在著較大的困難。而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后，系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)及快速并行功能來(lái)實(shí)現(xiàn)對(duì)手寫(xiě)數(shù)字的快速識(shí)別，有力的提高相關(guān)運(yùn)用領(lǐng)域的工作效率。而語(yǔ)音識(shí)別，簡(jiǎn)單的將就是能使得計(jì)算機(jī)能聽(tīng)懂人所說(shuō)的話，一個(gè)典型的例子就是七國(guó)語(yǔ)言(中、日、英、意、韓、法、德)口語(yǔ)自動(dòng)翻譯系統(tǒng)，它可以將人說(shuō)的話翻譯成為機(jī)器所設(shè)定的目的語(yǔ)言，在整個(gè)過(guò)程中不需要翻譯人員的參與。其中的中文部分實(shí)驗(yàn)平臺(tái)設(shè)置在中科院自動(dòng)化所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室中，這標(biāo)志著我國(guó)的機(jī)器口語(yǔ)翻譯研究已經(jīng)跨入世界先進(jìn)行列。在這個(gè)系統(tǒng)的功能實(shí)現(xiàn)之后，出國(guó)旅行需要預(yù)定旅館、購(gòu)買(mǎi)機(jī)票、就餐等需要和外國(guó)人進(jìn)行對(duì)話時(shí)，只需要利用電話網(wǎng)絡(luò)或者是國(guó)際互聯(lián)網(wǎng)就能夠III~I的和對(duì)方進(jìn)行通話，進(jìn)行語(yǔ)言交流。 （二）人臉立體識(shí)別模式。人臉識(shí)別的過(guò)程主要包括這樣三個(gè)主要的部分： 其一，人臉模式庫(kù)，即與所采集的實(shí)時(shí)圖像進(jìn)行對(duì)比，判斷其是否存在于人臉模式庫(kù)當(dāng)中，若存在，則給出每個(gè)人臉的位置和大小等相關(guān)的臉部信息； 其二，對(duì)面部特征進(jìn)行定位，即對(duì)每一個(gè)人臉的主要器官進(jìn)行檢測(cè)，包括對(duì)其的具體位置和形狀等特征進(jìn)行具體的信息收集，然后將之進(jìn)行歸一化的處理； 其三，比對(duì)，即根據(jù)所采集到得人臉面部特征來(lái)和人臉模式庫(kù)中的圖像進(jìn)行對(duì)比，之后對(duì)該人臉的身份進(jìn)行核實(shí)。 　　常見(jiàn)的人臉識(shí)別技術(shù)大部分可以歸為這樣三個(gè)類(lèi)型：采用基于幾何特征的方法，基于模板的方法以及基于模型的方法。其中，基于幾何特征的方法最為常見(jiàn)，它通常需要與其他的算法進(jìn)行結(jié)合之后才能形成比較好的識(shí)別效果；而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等；再次，基于模型的方法主要包括基于隱馬爾可夫模型、主動(dòng)外觀模型和主動(dòng)形狀模型方法等。 采用人臉識(shí)別模式來(lái)進(jìn)行身份驗(yàn)證具有明顯的有點(diǎn)，諸如：易用性好、準(zhǔn)確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖像的識(shí)別已經(jīng)基本實(shí)現(xiàn)，但是基于三維的立體圖像人臉識(shí)別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了深度信息，它能夠表達(dá)臉形的信息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識(shí)別概率。 人臉立體識(shí)別模式。人臉識(shí)別的過(guò)程主要包括這樣三個(gè)主要的部分：其一，人臉模式庫(kù)，即與所采集的實(shí)時(shí)圖像進(jìn)行對(duì)比，判斷其是否存在于人臉模式庫(kù)當(dāng)中，若存在，則給出每個(gè)人臉的位置和大小等相關(guān)的臉部信息；其二，對(duì)面部特征進(jìn)行定位，即對(duì)每一個(gè)人臉的主要器官進(jìn)行檢測(cè)，包括對(duì)其的具體位置和形狀等特征進(jìn)行具體的信息收集，然后將之進(jìn)行歸一化的處理；其三，比對(duì)，即根據(jù)所采集到得人臉面部特征來(lái)和人臉模式庫(kù)中的圖像進(jìn)行對(duì)比，之后對(duì)該人臉的身份進(jìn)行核實(shí)。常見(jiàn)的人臉識(shí)別技術(shù)大部分可以歸為這樣三個(gè)類(lèi)型：采用基于幾何特征的方法，基于模板的方法以及基于模型的方法。其中，基于幾何特征的方法最為常見(jiàn)，它通常需要與其他的算法進(jìn)行結(jié)合之后才能形成比較好的識(shí)別效果；而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等；再次，基于模型的方法主要包括基于隱馬爾可夫模型、主動(dòng)外觀模型和主動(dòng)形狀模型方法等。采用人臉識(shí)別模式來(lái)進(jìn)行身份驗(yàn)證具有明顯的有點(diǎn)，諸如：易用性好、準(zhǔn)確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖像的識(shí)別已經(jīng)基本實(shí)現(xiàn)，但是基于三維的立體圖像人臉識(shí)別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了深度信息，它能夠表達(dá)臉形的信息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識(shí)別概率。 4 蟻群算法與物流配送 4.1物流配送的優(yōu)化方法 隨著物流配送向集約化、一體化方向發(fā)展，常將配送的各環(huán)節(jié)綜合考慮，其核心部分是配送車(chē)輛的集貨、配貨和送貨過(guò)程。配送系統(tǒng)優(yōu)化，主要是配送車(chē)輛的優(yōu)化調(diào)度(包括集貨路線優(yōu)化、貨物裝配和送貨路線優(yōu)化)，以及集貨、配貨和送貨一體化優(yōu)化。車(chē)輛路徑問(wèn)題(Vehicle Routing Problem，VRP)是配送環(huán)節(jié)的重要組成部分。合理安排車(chē)輛數(shù)和車(chē)輛路線是減少浪費(fèi)、提高經(jīng)濟(jì)效益的重要手段，不但可以降低商品的物流成本，還可以提高客戶的滿意度，擴(kuò)大潛在市場(chǎng)，這對(duì)于整個(gè)物流運(yùn)輸速度、成本、效益有著重要的影響。 近年來(lái)，國(guó)內(nèi)外專(zhuān)家對(duì)VRP問(wèn)題的研究日趨深入，但多數(shù)集中于對(duì)某個(gè)單一目標(biāo)的優(yōu)化研究，并假設(shè)滿足某些約束條件。而在實(shí)際車(chē)輛調(diào)度過(guò)程中，經(jīng)常涉及到時(shí)間或空間各方面的約束。因此，多目標(biāo)問(wèn)題比單目標(biāo)問(wèn)題就更常見(jiàn)。VRP問(wèn)題有多種模型，其中：帶時(shí)間窗的車(chē)輛路徑問(wèn)題(Vehicle Routing Probtem with Time Windows，VRPTW)是一個(gè)具有代表性的帶約束多目標(biāo)問(wèn)題。與典型的旅行商問(wèn)題(Traveling Salesman Problem，TSP)相比，增加了車(chē)容量、時(shí)間窗等約束條件，其中兩個(gè)目標(biāo)維度分別為車(chē)輛數(shù)與總時(shí)間耗費(fèi)(或總路徑長(zhǎng)度當(dāng)速度定義每單位時(shí)間耗費(fèi)為1時(shí))，其目標(biāo)是在滿足空間容量限制和時(shí)間限制的條件下，求使總成本最小的最優(yōu)解。 目前， VRP問(wèn)題的求解算法很多，可大致分為精確算法和啟發(fā)式算法兩大類(lèi)。精確算法的計(jì)算量一般隨著問(wèn)題規(guī)模的增大而呈指數(shù)增長(zhǎng)，所以多用于規(guī)模較小的問(wèn)題。而對(duì)于求解大規(guī)模的NP(Non-deterministic Polynomial Problem)難題，則較常用模擬退火算法(SA)、禁忌搜索算法(TS)、遺傳算法(GA)、神經(jīng)網(wǎng)絡(luò)（NN)、螞蟻算法(AS)等現(xiàn)代啟發(fā)式算法。 蟻群算法最初由意大利科學(xué)家Dorigo．M于1991年提出，是一種基于群體、用于求解復(fù)雜組合優(yōu)化問(wèn)題的通用搜索技術(shù)。該方法首先被應(yīng)用于TSP，并在一系列閫題中得到應(yīng)用，諸如二次分配、Job—shop、圖著色問(wèn)題、VRP問(wèn)題、集成電路設(shè)計(jì)以及通信網(wǎng)絡(luò)負(fù)載等離散優(yōu)化問(wèn)題等。但蟻群算法搜索時(shí)間長(zhǎng)、易于停滯(即搜索到一定程度后所有個(gè)體所發(fā)現(xiàn)的解完全一致)，存在不能擴(kuò)大對(duì)解空間繼續(xù)搜索的缺陷。 4.2蟻群算法研究現(xiàn)狀 蟻群算法(Ant System，AS)是一種新生算法，具有很強(qiáng)的通用性和魯棒性。從提出到現(xiàn)在，僅短短十余年的時(shí)間，但其在離散型組合優(yōu)化問(wèn)題的求解中，表現(xiàn)出強(qiáng)大的優(yōu)越性，所以引起人們的關(guān)注。目前蟻群算法的研究學(xué)者主要集中在比利時(shí)、意大利、德國(guó)等國(guó)家，美國(guó)和日本在近幾年也開(kāi)始了對(duì)蟻群算法的研究。國(guó)內(nèi)的研究始于1998年末，主要在上海、北京、東北少數(shù)幾個(gè)學(xué)校和研究所開(kāi)展了此項(xiàng)工作。蟻群算法作為一種新型的智能優(yōu)化算法，與其它優(yōu)化算法相比，具有正反饋、分布式計(jì)算以及貪婪的啟發(fā)式搜索等主要特點(diǎn)。正反饋過(guò)程使得該算法能夠發(fā)現(xiàn)較好解；分布式計(jì)算使得該算法易于并行實(shí)現(xiàn)，更快得到較好解；與啟發(fā)式算法相結(jié)合，使得該算法易于發(fā)現(xiàn)較好解，這些特點(diǎn)為更好解決復(fù)雜的組合優(yōu)化問(wèn)題提供了可能。由于在蟻群算法中所有個(gè)體都要進(jìn)行信息素更新，造成了信息素分配的浪費(fèi)和分配畸形，所以蟻群 算法的性能并不很理想。Dorigo．M等人在蟻群算法又提出了改進(jìn)的蟻群系統(tǒng)(Ant Colony System，簡(jiǎn)稱(chēng)ACS)，在螞蟻選擇下一城市時(shí)使用的轉(zhuǎn)移概率中加入偽隨機(jī)分配概率，以避免出現(xiàn)蟻群算法中的信息素分配畸形。盡管蟻群系統(tǒng)與蟻群算法相比提高了算法的性能，但它仍然使用蟻群算法中的全局信息素更新原則和局部信息素更新原則，即對(duì)所有 個(gè)體進(jìn)行信息素更新，造成了信息素的大量冗余，弱化了好信息素的強(qiáng)度。 目前，所有蟻群算法的改進(jìn)基本上都是建立在蟻群算法基礎(chǔ)之上。自1998年，第一屆螞蟻優(yōu)化國(guó)際研討會(huì)召開(kāi)以來(lái)，已經(jīng)是第三屆了，大大推動(dòng)了蟻群算法的發(fā)展。蟻群算法已經(jīng)引起越來(lái)越多的關(guān)注，盡管還缺乏完善的理論分析，對(duì)它的有效性也沒(méi)有給出嚴(yán)格的數(shù)學(xué)解釋?zhuān)仡櫮：刂频陌l(fā)展歷史，理論的不完善并不妨礙應(yīng)用，有時(shí)應(yīng)用是超前于理論的，并推動(dòng)理論的研究，伴隨著研究的不斷深人，蟻群算法必將迎來(lái)一個(gè)光明的前景。 5 心得體會(huì) 在經(jīng)濟(jì)全球化快速發(fā)展的進(jìn)程中，物流作為“第三利潤(rùn)源”對(duì)經(jīng)濟(jì)活動(dòng)的影響越來(lái)越強(qiáng)，而它作為當(dāng)前經(jīng)濟(jì)最重要的競(jìng)爭(zhēng)領(lǐng)域，在優(yōu)化國(guó)內(nèi)外兩個(gè)市場(chǎng)的資源配置中起著尤為重要的作用。隨著電子商務(wù)的發(fā)展，出現(xiàn)了一些新的配送模式，使得儲(chǔ)存不再是必然的環(huán)節(jié)，國(guó)外有巨頭如ebay,國(guó)內(nèi)也有阿里巴巴這樣的電子商務(wù)帝國(guó)，他們的崛起，徹底改變了人們的生活方式。而電子商務(wù)的發(fā)展，離不開(kāi)物流配送行業(yè)的快速發(fā)展。模式識(shí)別是一門(mén)與生活密切相關(guān)的學(xué)科，是今后電子產(chǎn)品發(fā)展的必然趨勢(shì)。想想看我們現(xiàn)在身邊的電子產(chǎn)品諸如手機(jī)、電腦乃至第三代身份證中無(wú)不存在模式識(shí)別技術(shù)的影子。手機(jī)電腦中的例子有很多，但與我們密切相關(guān)的三代身份證都需要錄入指紋，為的是在未來(lái)的破案過(guò)程中警方可用提取道德指紋在指紋庫(kù)中尋找到嫌疑人的身份信息。這會(huì)大大縮短破案時(shí)間提高治安水平，為人民的安居樂(lè)業(yè)提供前提。 的確模式識(shí)別這門(mén)學(xué)科設(shè)計(jì)了相當(dāng)廣泛的領(lǐng)域，是未來(lái)相當(dāng)一段時(shí)間內(nèi)飛速發(fā)展的領(lǐng)域，這門(mén)學(xué)科為大四還在迷茫的我指引了一個(gè)明確的前進(jìn)方向。雖然這門(mén)學(xué)科暫時(shí)結(jié)業(yè)了，但我相信學(xué)無(wú)止境，在今后的日子里我也有了自己確定的研究方向。我會(huì)將一些工具學(xué)科的方法利用到這門(mén)學(xué)科中，或許我在段時(shí)間內(nèi)做不出新的產(chǎn)品或者是項(xiàng)目，但我可以從頭做起，先去學(xué)習(xí)已有的實(shí)例而后做相應(yīng)的應(yīng)用。 11 技術(shù)l類(lèi)別