Page 33 - 基于人工智能的图像识别技术研究

第一章 人工智能概述

安检、交通等多个行业都会产生重要影响。深度学习技术是基于人工神经网络理

论发展起来的，即通过模仿人类学习方式与能力对机器进行一定的训练之后，让
其具有与人脑相似的数据处理能力。
例如在交通领域中，通过深度学习的人工智能图像识别技术，研究无人驾驶
技术的运用。无人驾驶技术也是当前人工智能时代基于深度学习技术的具体应用

热点，也是一项极具综合信息技术的交通运行方式。无人驾驶技术包含3个方面
的内容：一是监控设备、雷达设备和测距设备等硬件的构建，通过对交通环境的
检索，对周围的交通状况、行人车辆、交通岗等关键信息进行收集，然后回传至

集中处理应用系统中开展集中性的分类提取与处理。二是该部分作为整个系统的
核心，通过对各种关键信息进行分析与判断，结合综合的道路情况对行驶车辆发
出指令；然后指令接收系统根据处理系统发出的关键指令信息执行指令，对关键
控制点进行适当把控。三是无人驾驶能够对交通情况进行分析，针对一些突发状

况也能够做出应急处理，保证能够准确接收并执行中央智能处理系统的指令，这
也是当前无人驾驶深度学习的关键内容。
2.语音识别与转换

人工智能在语音识别与转换方面的应用（见图1-9），已经逐渐从最开始的
简单语言识别逐渐走向智能化的多语种、多内容的转换。目前，语音识别主要采
用混合高斯方式开展模型构建，该种模型构建方式的利用能够切实提高语音识别

的准确率，降低失误率。但是语音识别也受环境因素影响，很多不可控制的自然
环境或人为因素的干扰导致目前的语音识别技术在商业中的运用还不广泛。随着
深度学习技术的发展以及语音识别技术算法的不断研究，识别的失误率逐渐降

低，已经能够满足商业运行环境对语音识别的要求，如科大讯飞等有关企业的语
音识别技术已经逐渐能够在会议中进行运用，并取得了较好效果。
3.人脸识别
之前最常用的人脸识别方式主要包括主动形状与主动表现两种方式，除此以

外还有其他的一些方式。例如，使用部分描述与局部二值方式开展识别或特点提
取的方法，然后使用线性分析进行研究等。受限于诸多的外界不稳定因素影响，
如光线强弱、脸部表情、遮挡物照片像素质量等的影响，导致以往的人脸识别技

术难以更精确地进行人脸的判断。而深度学习技术的发展让更精准的算法与模型
成为可能，能够从基础图像信息中完成对人脸关键信息的提取与识别。通过对大

25