人工智能技術領域中的圖像識別技術研究

楊遠興

摘要：文章以人工智能技術領域中的圖像識別技術為研究對象，首先對人工智能領域下的圖像識別技術發展階段進行了詳細的闡述分析，隨后分析研究了當下常見的人工智能領域中圖像識別技術形式以供參考。

關鍵詞：人工智能；圖像識別技術；發展研究

前言

如今在科學技術不斷發展的大背景之下，人工智能領域中的圖像識別技術也得到了顯著的發展，在圖像識別類型上也變得更加多樣化。從平安證券《通信行業人工智能圖像識別專題報告》中我們可以看到，如今的圖像識別可分為物體與場景識別、生物識別及視頻識別。其中對于生物識別技術來說，預計到2020年，其市場規模將達到250億美元。由此可以看出，圖像識別技術正在逐漸融入我們的日常生活中，無論是人臉識別還是視頻識別，我們已經不再感到陌生，因此加強人工智能技術領域中對圖像識別技術的研究與探討，對于推動圖像識別技術在我們日常生產生活中進一步實現廣泛的應用是非常有意義的。

一、人工智能領域下的圖像識別技術發展階段

（一）圖像識別發展初級階段

在移動互聯網不斷發展成熟、智能手機不斷普及的大背景之下，人們接受信息方式不再僅限于文字，圖像、視頻等多種信息表現形式逐漸在人們日常信息接收中成為常態，例如我國最大的社交媒體平臺之一微信，就是以圖片分享作為主要的信息交流方式。并且相對于繁瑣的文字而言，圖像信息更易于用戶理解、接受，再加上智能手機的普及，更加方便人們進行拍攝照片與截屏，從而有效幫助人們更快的利用圖片進行信息的記錄、采集、分享、傳播。但新的問題又隨之出現，如今在互聯網之上，我們可以輕易利用文字進行信息的搜索，從而找到我們需要的內容，但我們卻無法直接對圖片中的信息進行檢索，圖片為我們帶來的更加快捷的信息記錄與分享方式，卻降低了我們的信息檢索效率。在這一形勢之下，人工智能領域中的圖像識別技術的重要性便凸顯出來。

人工智能領域中的圖像識別技術即是通過借助計算機強大的運算功能，對圖像信息進行分析、處理、理解，以達到圖像識別翻譯的一種技術。初級階段的圖像識別技術僅僅作為一項輔助工具存在，并呈娛樂化、工具化態勢發展。例如在娛樂化方面，以百度魔圖“大咖配功能”為例，它可以根據用戶上傳的照片，幫助用戶進行搜索，并找到與其長相最為相配的明星。在國外，Face Book研發了“Deep Face”，具備相似的功能，即根據用戶的照片進行人臉匹配。這一階段的圖像識別技術還有一個重要的細分領域，同時也是圖像識別技術工具化的一種體現，即Optical Character Recognition（光學字符識別），簡稱OCR，它可以利用計算機與光學設備，通過對字符形狀進行識別翻譯，并進一步將翻譯結果轉化為計算機文字。簡單來說即是利用計算機進行文字閱讀。在比特世界，我們可以輕松借助計算機技術、網絡技術對文字進行處理，然而一旦文字以“形狀化”、“圖像化”形式展現時，針對文字的處理難度便大大增加。當下通過借助OCR技術，我們可以輕松識別日常生活中出現的物理形態的文字信息，例如Google可以對街景圖中出現的門牌號進行輕松識別，且識別的正確率高達90%。

初級階段的圖像識別技術就為我們與外部世界交流的方式帶來了巨大的改變，正如計算機、網絡技術的橫空出世一樣，使我們把自己部分記憶分包給了搜索引擎，極大擴展了我們的“記憶信息存儲空間”；如今隨著人工智能技術最為重要的組成部分之一圖像識別技術的出現，使我們把自己部分視力分包給了外部機器，極大的擴展了我們的視野范圍。如今通過在機器制造上融入圖像識別技術，賦予了機器一雙“眼睛”，我們再進行信息處理時，不需要先運用大腦將信息轉換為計算機可識別理解的語言，然后實現與計算機的交互，得出最終的結果，而是簡化為機器利用攝像頭對圖像信息進行捕捉、識別、分析，并直接與計算機進行信息交互，并自動返回最終的結果。

（二）圖像識別技術發展高級階段

在未來，圖像識別技術進入到高級發展階段，已經不再僅僅作為一種輔助、娛樂性質的工具而存在。通過上文敘述我們可知，如今圖像識別技術仍處于初級階段，它只是為我們的視覺提供一個輔助的作用，一些操作仍需要我們親自動手完成。在未來圖像識別技術發展到了高級階段，機器可以完全代替我們自主完成所有操作。換句話說，如今的圖像識別技術如同盲人手牽的導盲犬，只會為盲人指引方向，路還是由盲人自己來走；高級階段的圖像識別技術通過與其他人工智能技術組合，成功進化為了盲人的貼身管家，一切行動皆交由管家執行，不需要盲人再親自行動操作。《人工智能：一種現代方法》中提出，人工智能要想完全實現，必須要賦予機器具備感知能力，感知能力主要包含三種，即視覺、聽覺與觸覺，其中視覺最為重要，究其原因在于，從人類感知世界的過程來看，視覺是最直接、最及時、最準確的一種渠道，相關研究也表明，在人類所有感覺信息中，視覺信息占據80%。因此要想賦予機器如同人類一般的視覺，圖像識別技術不失為一種有效的手段，圖像識別技術之于人工智能的重要性，如同視覺之于人類的重要性一樣，在某些應用領域，因圖像識別技術為機器帶來的視覺比人類生理視覺更具備優勢，更加客觀公正，例如在監控中融入成熟的圖像識別技術再加上人工智能技術的支持，不再需要人類通過回放監控畫面進行判別，而是由計算機自行處置，一旦在監控中識別威脅，會自動發出警報，有效提升監控的質量。

二、人工智能領域中圖像識別技術形式

（一）模式識別

在圖像識別技術中，模式識別是一項應用較為廣泛的圖像識別方式，它所觀察識別的內容包括了人類感官直接或間接接受的外界信息，模式識別作為一項有效的圖像識別模型，主要是通過利用計算機來對人類的識別能力進行模仿，最終達到辨別圖像的目的。模式識別一般分為兩個階段，第一個階段是學習階段，計算機在獲取目標識別圖像后，會對圖像進行信息采集，然后進行預處理，其整個過程既可以理解為一個存儲、學習的過程，通過對圖像進行二值化、反色等處理后，來獲得識別圖像的所有特征數據，即如同人類一樣，先記住一個相應圖像的基本特征，并以這些特征為依據，進行后續與其特征類似的圖像進行識別，記住圖像特征的過程即是學習過程。第二個階段便是實現圖像識別的階段，在這一階段中，計算機強調的是所需要識別的圖像自身特征必須與計算機記憶存儲的圖像必須完全相符，才能夠通過圖像識別程序，完成最終的圖像識別。計算機在圖像識別過程中，通過將記憶存儲的圖像特征與最新捕捉的圖像信息進行一一匹配，如全部匹配成功，即可完成圖像識別。

（二）神經網絡形式的圖像識別技術

所謂神經網絡式的圖像識別方式，即是通過構建模擬人類神經網絡，在傳統的圖像識別技術上融合神經網絡算法，從而讓計算機識別方式更加接近于人類識別方式。人工智能領域本就是借助復雜的機器與算法對人類的思考、行為方式進行全面的模擬，力圖讓機器無限接近于人，從而為人們提供更好更全面的服務。因此神經網絡形式的圖像識別技術更加體現出自身具備的“人工智能性”。相對于傳統的圖像識別技術，神經網絡形式的圖像識別技術能夠通過對捕捉到的圖像信息利用模擬神經網絡中進行映射，圖像識別機制更加復雜，同時識別效果也更加準確，例如當前智能汽車監控拍攝系統中的圖像識別便是應用的神經網絡形式的圖像識別技術，它能夠對高速行駛的汽車進行精準抓拍，并從得到的圖像信息中快速識別出汽車車牌號信息，以達到協同交通管理的作用。

三、總結

綜上所述，在人工智能領域中，圖像識別技術占據著非常重要的地位，并且應經在諸多行業領域中得到廣泛的應用。當下的圖像識別技術仍處于發展階段，僅僅是作為人們日常生產生活中一項輔助的工具，相信在不久的將來，隨著圖像識別技術不斷發展成熟，再輔以其他人工智能領域中的技術，圖像識別技術將會發揮更大的價值，造福更多人類。

參考文獻：

[1]StuartJ.Russell，PeterNorvig. 人工智能：一種現代的方法（第3版）[J]. 計算機教育，2011（15）：68-68.

[2]宋炯，柏松平，王燕華. 基于人工智能的圖像識別技術探討[J]. 科技傳播，2018（1）107-107.

[3]翁和王. 關于人工智能中的圖像識別技術的研究[J]. 信息通信，2016（10）：191-192.