基于計算機人工智能下識別技術的應用

爾雅莉

（山西晉中理工學院 山西省晉中市 030060）

在互聯網時代背景下，隨著人工智能技術不斷發展以及在現實生活中的深入應用，相關技術理念也得到了廣泛普及，人們已經對人工智能不再感到陌生。尤其是對智能識別技術而言，當下該項技術已經在人們日常工作生活中得到了廣泛應用。比如智能語音識別技術、人臉識別技術等。通過對這些智能識別技術應用實踐進行討論分析，并認識到其中的技術發展瓶頸，提出一些解決策略，這對于推動智能識別技術實現可持續深入發展有著重要的現實意義。

1 當下計算機人工智能識別技術的應用分析

1.1 無生命物體人工智能識別技術應用

1.1.1 二維碼識別技術

當前，隨著智能手機以及其他智能設備的普及，人們對二維碼識別技術已經不再陌生，作為條形碼識別技術一種，二維碼識別技術能夠呈現一種形式各異但排列規律的平面圖形，每個不同圖形背后都有唯一的功能，“存儲”不同的信息，實現對數據符號信息的記錄；該項技術在代碼編制方面，充分利用了構成計算機內部邏輯基礎的“0”、“1”比特流概念，采用一些二進制相對應的幾何形體，來進行文字信息的展示。我們可以借助智能設備，對這些二維碼進行掃描，便能夠自動進行圖像識別，啟動背后的程序，實現信息的自動化處理。二維碼在進行信息表達時，既能在橫向方位表達信息，又在縱向方位表達信息，因此即使二維碼面積很小，也能夠成功表達大量的信息[1]。在具體應用方面，二維碼除了用于現金支付，還可以用于互加好友、賬戶登錄等功能，只需要輕輕一掃，即可完成復雜操作，為人們娛樂、生活、工作帶來極大便利。

1.1.2 文字翻譯識別技術

機器翻譯智能識別技術，能夠對文字類信息進行智能識別，而再次進行識別結果呈現時，又能夠以另一種文字形式呈現，從而達到不同語言轉換翻譯的效果。當下該項智能識別技術也已經逐漸應用成熟化，在一些翻譯軟件比如谷歌翻譯、有道翻譯等得到了廣泛的應用。但當下這種文字翻譯技術依然有著很大的進步空間，由于文字之間的連接主要靠語法，而語法比較靈活多變，在文字翻譯識別方面，尚未達到語法完全正確表達的目標，一般翻譯地均比較直接，且有很多語法錯誤，并且無法對文章整體進行智能識別判斷再進行合適的翻譯，因此未來仍需要加強研究。

1.1.3 物流運輸識別技術

當下關于物流運輸識別，多是依靠RFID 技術（指射頻識別技術），通過借助閱讀器與標簽之間進行非接觸式的數據通信，達到識別目標的目的。如今隨著物流產業的快速發展，已經難以滿足用戶對倉儲生產率以及物流系統準確識別的要求?；诖?，在當下射頻識別技術之上，在物流運輸中出現了一種新的識別技術，即RFMs Pro 追蹤系統，系統能夠通過創新的模塊化設計，為不同的物流應用情況快速地修改機械結構，實現物流的精準化識別。在具體實踐過程中，還能夠結合用戶現有的物流基礎設施和物料流，靈活進行設計。在物流運輸方面，用戶無需親自進行客戶物流產品掃描，只需將物流產品放置到傳送帶上，使其穿過系統智能識別通道，通道中的識別應答器始終能夠準確進行對經過物體的識別，無論物體呈現何種姿態，抑或是物流傳輸速度如何快，該系統均能夠對物品信息進行精準地識別，能夠顯著提升物流運輸識別的效率。不僅如此，即使在傳送帶因故障停止運行，在后續故障解除后，系統依然能夠從原始中斷地方，繼續進行運行，因此不會對正常物流運輸帶來影響。在實際進行物流運輸時，針對部分物品雖然配置了RFID 標簽，但由于不需要記錄登記，因此被遺留在接近倉庫附近物流的區域。RFMs Pro 追蹤系統軟件在實際進行識別時，也能夠采用過濾器，保證這些物品不會被系統識別記錄，從而有效保障了物流出貨站不會出現發貨錯誤的問題。不僅如此，RFMs Pro 追蹤系統還能對物流產品包裝進行檢查，并將其與訂單信息對比，確保二者信息一致，從而有效降低運輸信息錯誤或者數量錯誤的可能性。除此之外，RFMs Pro 追蹤系統還能夠借助集成條碼掃描器、二維碼閱讀器等，來對物流運輸物體尺寸、體積等參數進行識別策略，從而為后續物流運輸定制高端識別解決方案，確保整個物流運輸均能夠穩定順利運行。

1.2 生命相關物體人工識別技術實踐

1.2.1 語音識別技術

圖1：面部識別時的關鍵特征點示例

圖2：深度學習過程

語音識別技術主要識別對象是人類的語音，并通過分析語音具體的表達，來將語音信息轉化為文字信息，從而為人們交流溝通帶來了較大的便利。在具體應用方面，如今很多通信以及手機游戲APP 均配置了語音識別轉換功能，比如“微信”、“王者榮耀”等，這些軟件均能夠支持語音與文字的發送，并且還能夠促使二者實現相互轉換，且有著非常高的準確轉化率。除此之外，在語音識別技術方面，一些智能家居、車載智能語音助手等也進行了相關的應用，這些人工智能系統能夠智能識別人類語音，然后根據具體的語音表達含義，完成相關的操作[2]。但這些語音識別有著一定的范圍，且語音指令一般不能太過復雜，很多語音識別只能針對特定的功能，因此這種智能識別技術在未來仍有著較大的發展空間。除此之外，在具體實踐應用中，語音智能識別技術還需要徹底攻克兩大難題，一是環境噪聲干擾問題，二是方言口音問題。

1.2.2 面部識別技術

面部識別技術是一種非常復雜的智能識別技術，在具體識別過程中，需要先采集人臉信息，然后對采集的面部信息進行分析，找出其中的關鍵特征，最后，再將這些關鍵特征與面部模型庫進行對比，若能夠成功匹配，便能夠實現身份信息識別確認。2014年是面部識別技術應用的轉折點，這一年人們正式將面部識別技術應用到現實場景之中。早期面部識別多應用考勤門禁、智能安防以及金融領域，如今隨著面部識別技術的日趨成熟，識別準確性不斷提升，其應用范圍也得到了有效的擴展，比如在國內很多省份中，在高考場合也引入了面部識別系統，除此之外，一些手機APP 也進行了人臉識別技術的應用，比如支付寶、滴滴等在身份識別或者支付時可以應用面部識別，一些游戲APP 也配置了“捏臉”功能，能夠通過識別自身面孔，再進行“捏臉改進”。面部智能識別技術在上述場景的應用，均為人們的工作學習娛樂生活帶來的諸多便利,圖1 便是面部識別時的關鍵特征點示例。

1.2.3 步態識別技術

與上文提到的人臉、語音識別技術相比，步態識別技術起到最為顯著的突破便是從“靜態生命特征識別”轉為了“動態生命特征識別”，因此在具體的識別流程方面，通常也更加得復雜。在大部分情況下，進行人臉、語音等識別時，都需要人進行一定程度的配合，并且在識別時，要求人與識別設備保持較近的距離，才能有效保障識別的準確度。而步態識別則能夠進行遠距離識別，且整個識別過程不需要人專門的進行配合。在常規環境下，應用步態智能識別技術是，識別距離能夠達到50 米。如果識別設備采用的是4K 高清攝像頭，那么步態識別距離甚至可達100 米。并且整個識別過程是通過對人全身進行360 度掃描識別，因此識別范圍更廣，適應性更強。與上述幾種靜態識別技術相同的地方在于，步態識別也會面臨一定的干擾影響，但相較于靜態識別帶來的干擾，步態識別面臨的干擾顯然更小。究其原因在于，首先步態識別距離較遠，因此有足夠的時間與空間進行識別過程調整，并且有效去除干擾的影響。與此同時，由于步態識別能夠對全身信息進行識別，因此即使外界光照存在明顯的變化，或者識別的人衣物發生變化，甚至面部被完全遮擋，依然不會對最終識別結果帶來影響。因此步態識別適應性更廣，且更加靈活高效。更為重要的是，步態識別不需要人刻意的配合，能夠在目標人物自然的狀態下進行識別，用戶體驗更加友好，且能夠保證識別的準確性。這是因為，長時間以來，一個人走路姿勢已經養成了固定的習慣，在自然狀態下，很難進行偽裝，因此在刑事偵查中，一些具有反偵察意識的罪犯，即便是能夠通過化妝、遮擋手段僥幸騙過人臉識別系統，也難以通過偽裝走路姿勢來逃過偵查。因此在安防以及刑偵領域，步態智能識別技術有著不可比擬的優勢。

2 基于計算機人工智能下識別技術的應用發展

針對當下基于計算機人工智能的識別技術，在未來發展方向上，將會有著以下發展趨勢：首先，智能識別技術功能將會越來越強大，以當下的人臉識別為例，早期人臉識別技術主要應用于安防行業，不僅給整個安防行業注入了新的生命活力，同時也有效開辟了新的發展市場。如今該項智能識別技術已經不再僅限于安防的使用，在一些冷門領域，人臉識別技術依然有著較大的應用發展空間。比如在三維測量技術領域，通過借助3D 人臉識別算法，能夠對該測量技術的2D 投影的缺陷進行有效地彌補。除此之外，從人臉識別技術本身來看，識別功能也越來越強大，傳統難點已經被逐步解決，包括人臉旋轉、遮擋、相似度等在內的都有了很好地應對，這也成為了人臉識別技術的另一個最為重要的發展路線。在實際進行人臉識別時，背后的AI 系統也在不斷進行深度學習，與機器學習不同，深度學習背后模仿的是人的神經網絡，我們只要把圖片交給神經網絡，神經網絡就會給我們分好結果。這個是神經網絡和機器學習不同的地方。深度學習領域對我們來說就像一個黑盒，我們不知道中間發生了什么，所以這也是目前我們需要加大力度去學習的一個地方，深度學習過程圖圖2 所示。

另一方面，隨著大數據、深度學習等技術不斷發展，將其應用于智能識別領域中，將會進一步提升了智能識別的精確度，從而使得智能識別技術能夠“解鎖”更多應用領域。比如在當下的智能家電領域，主要應有的智能識別技術為語言識別，而隨著人臉識別技術的不斷發展，同樣也能夠應用于智能家居，因此智能家居與人臉識別技術的融合是未來發展的重點方向。不僅如此，在未來，智能識別技術將會與大數據技術進行深度的融合，進而能夠對識別采集的信息進行深度的應用，從而在這一過程中使得智能識別技術發揮出更大的作用價值。

3 總結

綜上所述，智能識別技術是人工智能領域重要的技術內容之一，并且隨著智能技術的不斷發展，很多智能識別技術已經在我們的日常生活中得到了廣泛的應用，比如語音識別技術、二維碼識別技術等，通過加強對這些智能識別技術的應用實踐討論，能夠讓我們對這些技術有個更深刻認識，促使其得到更為廣泛的應用，還有利于我們了解這些技術存在的一些問題，并提出一些針對性對策，從而推動智能識別技術應用實踐實現更好地發展。