Page 339 - 计算机技术与人工智能

第九章 人工智能

度特征图对应的车辆坐标作为输出，利用CNN进行训练，训练所得模型能够基
于各基站信号强度，较为精确地对车辆位置进行估计，实现基于CNN的车辆无

线定位。
（3）大数据技术
自动驾驶中所需的数据量大、实时性强、结构类型复杂，处理难度大，因此
是一种典型的大数据，需使用大数据技术处理才能保证系统有效、顺利、高速

运行。
（4）决策技术
自动驾驶中最终执行均是通过系统控制软件实施的，这种控制包括纵向的操
作（油门、刹车）与横向的操作（方向盘），以实现纵向防撞、横向防撞以及交

叉路口防撞等目的。在决策中都需要有演绎性推理与归纳性推理等多种智能性
技术。

二、人脸识别

（一）脸识别技术发展历史
人脸识别的研究始于20世纪60年代的人工智能发展的第一个时期，它的先驱
者有 Bledsoe、Helen Chan 和Charles Bisson 等人，他们提出了致力于使用计算机

识别人脸的思想，并开始做了一些初始化的研究工作。真正的研究工作是从20世
纪80年代后开始的，随着计算机技术和光学成像技术的发展而取得了初步的成
果。到了20世纪90年代后期，真正进入了初级应用阶段并以美国、德国的技术实
现为主，可应用于机场、银行等领域，通过“不完善”的面部视图进行识别。

人脸识别的真正应用技术的发展是在21世纪，由于对它的研究需有人工智能
中的成熟基础理论以及机器学习、专家系统、计算机视觉等应用技术支持；计算
机的强大计算力的支持；高效算法的支持等多种因素，这些条件只有进行21世纪
后才开始逐渐具备。2006年，最新的人脸识别算法的性能在人脸识别战中得到了

评估。在测试中使用高分辨率面部图像，三维面部扫描和虹膜图像。结果表明，
新算法比2002年的人脸识别算法精确10倍，准确率比1995年高100倍。有些算法
在识别人脸方面能够超越人类参与者，能够唯一识别同卵双胞胎。此后，人脸识
别的错误率按摩尔定律的规定以每两年减少一半的速度前进。

2010年以后，随着人工智能发展第三时期的出现，深度学习与卷积神经网络
的应用，人脸识别终于迎来了大规模应用的时代。目前它已广泛应用于监控、安

327