在详细使用实践中，特别辨认除了要澄清辨认的目标具有是什么样的物体外，还应该清晰其地点的的方位和姿势。当时图画辨认现已被广泛使用到各个范畴中，例如交通范畴中的车牌号辨认、交通标志辨认、军事范畴中的飞行物辨认、地势勘测、安全范畴中的指纹辨认、人脸辨认等。

　　图画辨认原理首要是需处理具有必定复杂性的信息，处理技能并不是随意出现在计算机中，首要是依据一些医学研讨人员的实践，结合计算机程序对相关内容模仿并予以完成。该技能的计算机完成与人类对图画辨认的根本原理根本相似，在人类感觉及视觉等方面仅仅计算机不会遭到任何要素的影响。人类不仅仅结合储存在脑海中的图画回忆进行辨认，而是使用图画特征对其分类，再使用各类别特征辨认出图片。计算机也选用相同的图画辨认原理，选用对图画重要特征的分类和提取，并有用扫除无用的剩余特征，进而使图画辨认得以完成。有时计算机对上述特征的提取比较显着，有时就比较一般，这将对计算机图画辨认的功率发生较大影响。

　　因为图画辨认技能的发生是依据人工智能的根底上，所以计算机图画辨认的进程与人脑辨认图画的进程大体一致，归纳起来，该进程首要包含4个过程：

　　1是获取信息，首要是指将声响和光等信息经过传感器向电信号转化，也便是对辨认目标的根本信息进行获取，并将其向计算机可辨认的信息转化；

　　2是信息预处理，首要是指选用去噪、改换及滑润等操刁难图画进行处理，依据此使图画的重要特色进步；

　　3是抽取及挑选特征，首要是指在模式辨认中，抽取及挑选图画特征，归纳而言便是辨认图画具有品种多样的特色，如选用必定办法别离，就要辨认图画的特征，获取特征也被称为特征抽取；

　　4是规划分类器及分类决议计划，其间规划分类器便是依据练习对辨认规矩进行拟定，依据此辨认规矩能够得到特征的首要品种，进而使图画辨认的不断进步辨识率，尔后再经过辨认特别特征，终究完成对图画的点评和承认。

　　文字辨认的研讨是从 1950年开端的，一般是辨认字母、数字和符号，从印刷文字辨认到手写文字辨认，使用非常广泛。

　　数字图画处理和辨认的研讨开端于1965年。数字图画与模仿图画比较具有存储，传输便利可压缩、传输进程中不易失真、处理便利等巨大优势，这些都为图画辨认技能的开展供给了强壮的动力。

　　物体的辨认首要指的是对三维国际的客体及环境的感知和知道，归于高档的计算机视觉范畴。它是以数字图画处理与辨认为根底的结合人工智能、体系学等学科的研讨方向，其研讨成果被广泛使用在各种工业及勘探机器人上。

　　跟着计算机及信息技能的迅速开展，图画辨认技能的使用逐步扩大到许多范畴，尤其是在面部及指纹辨认、卫星云图辨认及临床医疗确诊等多个范畴日益发挥着重要作用。一般图画辨认技能首要是指选用计算机依照既定目标对捕获的体系前端图片进行处理，在日常日子中图画辨认技能的使用也非常遍及，比方车牌捕捉、产品条码辨认及手写辨认等。跟着该技能的逐步开展并不断完善，未来将具有愈加广泛的使用范畴。

　　现在，依据神经网络的图画辨认是一种比较新式的技能，是以传统图画辨认办法为根底，有用交融神经网络算法。在此，神经网络首要是指人工神经网络，换而言之便是本文中的神经网络不是动物体的神经网络，而首要是指人类选用人工模仿动物神经网络办法的一种神经网络。针对依据神经网络的图画辨认技能，现在，在依据神经网络的图画辨认技能中，遗传算法有用结合 BP 神经网络是最经典的一种模型，该模型可在许多范畴中进行使用。比方智能轿车监控中选用的摄影辨认技能，若有轿车从该方位经过期，检测设备将发生相应的反响，检测设备发动图画收集设备，获取轿车正反面的特征图画，在对车牌字符进行辨认的进程中，就选用了依据神经网络和含糊匹配的两类算法。

　　选用计算机辨认图画是依据高维方法的一种辨认技能，不论原始图片的分辨率怎么，该图片发生的数据一般都具有多维性特征，这在必定程度上增大了计算机辨认的难度。为使计算机的图画辨认功能更为高效，选用随图画降维办法便是一种最直接而有用的办法。一般情况下，可对降维划分为非线性降维与线性降维两类，比方最遍及的线性降维办法便是主成分分与线性奇特剖析等，该办法的特色是简略、了解更简单等，再对数据调集选用线性降维办法处理求解的投影图画使该数据调集的低维最优。

　　在信息技能中作为近年来新式的图画辨认技能已广泛使用于许多使用范畴，跟着信息技能的一日千里，图画辨认技能也得到非常迅猛的开展。在许多社会范畴中，有用使用图画辨认技能将使社会与经济价值得到充分发挥。

　　小编信任，经过本次的科普，许多同学都对图画辨认有了更深的了解，期望能够拓展同学们的思路，使用人工智能的图画辨认技能处理更多问题，谋福社会，谋福国际！