尔雅莉

（山西晋中理工学院 山西省晋中市 030060）

在互联网时代背景下，随着人工智能技术不断发展以及在现实生活中的深入应用，相关技术理念也得到了广泛普及，人们已经对人工智能不再感到陌生。尤其是对智能识别技术而言，当下该项技术已经在人们日常工作生活中得到了广泛应用。比如智能语音识别技术、人脸识别技术等。通过对这些智能识别技术应用实践进行讨论分析，并认识到其中的技术发展瓶颈，提出一些解决策略，这对于推动智能识别技术实现可持续深入发展有着重要的现实意义。

1 当下计算机人工智能识别技术的应用分析

1.1 无生命物体人工智能识别技术应用

1.1.1 二维码识别技术

当前，随着智能手机以及其他智能设备的普及，人们对二维码识别技术已经不再陌生，作为条形码识别技术一种，二维码识别技术能够呈现一种形式各异但排列规律的平面图形，每个不同图形背后都有唯一的功能，“存储”不同的信息，实现对数据符号信息的记录；该项技术在代码编制方面，充分利用了构成计算机内部逻辑基础的“0”、“1”比特流概念，采用一些二进制相对应的几何形体，来进行文字信息的展示。我们可以借助智能设备，对这些二维码进行扫描，便能够自动进行图像识别，启动背后的程序，实现信息的自动化处理。二维码在进行信息表达时，既能在横向方位表达信息，又在纵向方位表达信息，因此即使二维码面积很小，也能够成功表达大量的信息[1]。在具体应用方面，二维码除了用于现金支付，还可以用于互加好友、账户登录等功能，只需要轻轻一扫，即可完成复杂操作，为人们娱乐、生活、工作带来极大便利。

1.1.2 文字翻译识别技术

机器翻译智能识别技术，能够对文字类信息进行智能识别，而再次进行识别结果呈现时，又能够以另一种文字形式呈现，从而达到不同语言转换翻译的效果。当下该项智能识别技术也已经逐渐应用成熟化，在一些翻译软件比如谷歌翻译、有道翻译等得到了广泛的应用。但当下这种文字翻译技术依然有着很大的进步空间，由于文字之间的连接主要靠语法，而语法比较灵活多变，在文字翻译识别方面，尚未达到语法完全正确表达的目标，一般翻译地均比较直接，且有很多语法错误，并且无法对文章整体进行智能识别判断再进行合适的翻译，因此未来仍需要加强研究。

1.1.3 物流运输识别技术

当下关于物流运输识别，多是依靠RFID 技术（指射频识别技术），通过借助阅读器与标签之间进行非接触式的数据通信，达到识别目标的目的。如今随着物流产业的快速发展，已经难以满足用户对仓储生产率以及物流系统准确识别的要求。基于此，在当下射频识别技术之上，在物流运输中出现了一种新的识别技术，即RFMs Pro 追踪系统，系统能够通过创新的模块化设计，为不同的物流应用情况快速地修改机械结构，实现物流的精准化识别。在具体实践过程中，还能够结合用户现有的物流基础设施和物料流，灵活进行设计。在物流运输方面，用户无需亲自进行客户物流产品扫描，只需将物流产品放置到传送带上，使其穿过系统智能识别通道，通道中的识别应答器始终能够准确进行对经过物体的识别，无论物体呈现何种姿态，抑或是物流传输速度如何快，该系统均能够对物品信息进行精准地识别，能够显著提升物流运输识别的效率。不仅如此，即使在传送带因故障停止运行，在后续故障解除后，系统依然能够从原始中断地方，继续进行运行，因此不会对正常物流运输带来影响。在实际进行物流运输时，针对部分物品虽然配置了RFID 标签，但由于不需要记录登记，因此被遗留在接近仓库附近物流的区域。RFMs Pro 追踪系统软件在实际进行识别时，也能够采用过滤器，保证这些物品不会被系统识别记录，从而有效保障了物流出货站不会出现发货错误的问题。不仅如此，RFMs Pro 追踪系统还能对物流产品包装进行检查，并将其与订单信息对比，确保二者信息一致，从而有效降低运输信息错误或者数量错误的可能性。除此之外，RFMs Pro 追踪系统还能够借助集成条码扫描器、二维码阅读器等，来对物流运输物体尺寸、体积等参数进行识别策略，从而为后续物流运输定制高端识别解决方案，确保整个物流运输均能够稳定顺利运行。

1.2 生命相关物体人工识别技术实践

1.2.1 语音识别技术

图1：面部识别时的关键特征点示例

图2：深度学习过程

语音识别技术主要识别对象是人类的语音，并通过分析语音具体的表达，来将语音信息转化为文字信息，从而为人们交流沟通带来了较大的便利。在具体应用方面，如今很多通信以及手机游戏APP 均配置了语音识别转换功能，比如“微信”、“王者荣耀”等，这些软件均能够支持语音与文字的发送，并且还能够促使二者实现相互转换，且有着非常高的准确转化率。除此之外，在语音识别技术方面，一些智能家居、车载智能语音助手等也进行了相关的应用，这些人工智能系统能够智能识别人类语音，然后根据具体的语音表达含义，完成相关的操作[2]。但这些语音识别有着一定的范围，且语音指令一般不能太过复杂，很多语音识别只能针对特定的功能，因此这种智能识别技术在未来仍有着较大的发展空间。除此之外，在具体实践应用中，语音智能识别技术还需要彻底攻克两大难题，一是环境噪声干扰问题，二是方言口音问题。

1.2.2 面部识别技术

面部识别技术是一种非常复杂的智能识别技术，在具体识别过程中，需要先采集人脸信息，然后对采集的面部信息进行分析，找出其中的关键特征，最后，再将这些关键特征与面部模型库进行对比，若能够成功匹配，便能够实现身份信息识别确认。2014年是面部识别技术应用的转折点，这一年人们正式将面部识别技术应用到现实场景之中。早期面部识别多应用考勤门禁、智能安防以及金融领域，如今随着面部识别技术的日趋成熟，识别准确性不断提升，其应用范围也得到了有效的扩展，比如在国内很多省份中，在高考场合也引入了面部识别系统，除此之外，一些手机APP 也进行了人脸识别技术的应用，比如支付宝、滴滴等在身份识别或者支付时可以应用面部识别，一些游戏APP 也配置了“捏脸”功能，能够通过识别自身面孔，再进行“捏脸改进”。面部智能识别技术在上述场景的应用，均为人们的工作学习娱乐生活带来的诸多便利,图1 便是面部识别时的关键特征点示例。

1.2.3 步态识别技术

与上文提到的人脸、语音识别技术相比，步态识别技术起到最为显著的突破便是从“静态生命特征识别”转为了“动态生命特征识别”，因此在具体的识别流程方面，通常也更加得复杂。在大部分情况下，进行人脸、语音等识别时，都需要人进行一定程度的配合，并且在识别时，要求人与识别设备保持较近的距离，才能有效保障识别的准确度。而步态识别则能够进行远距离识别，且整个识别过程不需要人专门的进行配合。在常规环境下，应用步态智能识别技术是，识别距离能够达到50 米。如果识别设备采用的是4K 高清摄像头，那么步态识别距离甚至可达100 米。并且整个识别过程是通过对人全身进行360 度扫描识别，因此识别范围更广，适应性更强。与上述几种静态识别技术相同的地方在于，步态识别也会面临一定的干扰影响，但相较于静态识别带来的干扰，步态识别面临的干扰显然更小。究其原因在于，首先步态识别距离较远，因此有足够的时间与空间进行识别过程调整，并且有效去除干扰的影响。与此同时，由于步态识别能够对全身信息进行识别，因此即使外界光照存在明显的变化，或者识别的人衣物发生变化，甚至面部被完全遮挡，依然不会对最终识别结果带来影响。因此步态识别适应性更广，且更加灵活高效。更为重要的是，步态识别不需要人刻意的配合，能够在目标人物自然的状态下进行识别，用户体验更加友好，且能够保证识别的准确性。这是因为，长时间以来，一个人走路姿势已经养成了固定的习惯，在自然状态下，很难进行伪装，因此在刑事侦查中，一些具有反侦察意识的罪犯，即便是能够通过化妆、遮挡手段侥幸骗过人脸识别系统，也难以通过伪装走路姿势来逃过侦查。因此在安防以及刑侦领域，步态智能识别技术有着不可比拟的优势。

2 基于计算机人工智能下识别技术的应用发展

针对当下基于计算机人工智能的识别技术，在未来发展方向上，将会有着以下发展趋势：首先，智能识别技术功能将会越来越强大，以当下的人脸识别为例，早期人脸识别技术主要应用于安防行业，不仅给整个安防行业注入了新的生命活力，同时也有效开辟了新的发展市场。如今该项智能识别技术已经不再仅限于安防的使用，在一些冷门领域，人脸识别技术依然有着较大的应用发展空间。比如在三维测量技术领域，通过借助3D 人脸识别算法，能够对该测量技术的2D 投影的缺陷进行有效地弥补。除此之外，从人脸识别技术本身来看，识别功能也越来越强大，传统难点已经被逐步解决，包括人脸旋转、遮挡、相似度等在内的都有了很好地应对，这也成为了人脸识别技术的另一个最为重要的发展路线。在实际进行人脸识别时，背后的AI 系统也在不断进行深度学习，与机器学习不同，深度学习背后模仿的是人的神经网络，我们只要把图片交给神经网络，神经网络就会给我们分好结果。这个是神经网络和机器学习不同的地方。深度学习领域对我们来说就像一个黑盒，我们不知道中间发生了什么，所以这也是目前我们需要加大力度去学习的一个地方，深度学习过程图图2 所示。

另一方面，随着大数据、深度学习等技术不断发展，将其应用于智能识别领域中，将会进一步提升了智能识别的精确度，从而使得智能识别技术能够“解锁”更多应用领域。比如在当下的智能家电领域，主要应有的智能识别技术为语言识别，而随着人脸识别技术的不断发展，同样也能够应用于智能家居，因此智能家居与人脸识别技术的融合是未来发展的重点方向。不仅如此，在未来，智能识别技术将会与大数据技术进行深度的融合，进而能够对识别采集的信息进行深度的应用，从而在这一过程中使得智能识别技术发挥出更大的作用价值。

3 总结

综上所述，智能识别技术是人工智能领域重要的技术内容之一，并且随着智能技术的不断发展，很多智能识别技术已经在我们的日常生活中得到了广泛的应用，比如语音识别技术、二维码识别技术等，通过加强对这些智能识别技术的应用实践讨论，能够让我们对这些技术有个更深刻认识，促使其得到更为广泛的应用，还有利于我们了解这些技术存在的一些问题，并提出一些针对性对策，从而推动智能识别技术应用实践实现更好地发展。