图像识别技术在安全领域的应用研究

在过去的一两年中，人工智能领域受到了媒体，行业和学术界的空前关注. 机器正在逐渐取代人类的独特优势和技能. 其中最重要的可能是图像识别. 技术. 本文将从图像识别技术的原理入手，介绍该技术在安全行业中的具体应用图像识别应用，并解释当前安全应用中遇到的困难. 当然，面对这些困难，图像识别技术将以此为契机，与安全技术实现更大的集成和发展.

图像识别技术和人工智能

说到图像识别，人类的这种能力非常突出. 数字**作用于感觉器官. 人们认识到这是他们经历过的某个人物，甚至可以感知到距离图像或形状的变化. 该过程称为图像识别. 在图像识别中，必须同时存在当时输入感觉的信息和存储在存储器中的信息. 只有通过将存储的信息与当前信息进行比较的过程，才能再次识别图像.

计算机图像识别技术是一种使用计算机处理，分析和理解图像以识别各种模式的目标和对象的技术. 图像识别的问题是如何用计算机代替人类来自动处理大量的物理信息，解决人类无法识别或认识到它消耗资源的问题，从而在很大程度上解放了人类的劳动.

图像识别技术是人工智能的重要领域. 图像识别技术基于图像的主要特征. 每个图像都有自己的特征. 对图像识别过程中眼睛运动的研究表明，视线始终集中在图像的主要特征上，即图像轮廓最大或轮廓方向突然改变的地方. 信息量最大. 而且，眼睛的扫描路径总是从一个特征依次转向另一个特征. 可以看出，在图像识别过程中，感知机制必须排除输入的冗余信息并提取关键信息. 同时，必须有一种负责大脑中信息整合的机制，该机制可以将分阶段获得的信息组织成完整的感知图像.

为了编译模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型. 例如，模板匹配模型. 该模型认为，要识别图像，在过去的经历中必须存在图像的存储模式，这也称为模板. 如果当前的**与大脑中的模板匹配，则图像将被识别. 但是，该模型强调图像必须与要识别的大脑中的模板完全一致，这具有一定的局限性. 格式塔心理学家据此提出了原型匹配模型. 该模型认为，长期存储在存储器中的不是要识别的无数模板，而是图像的某些“相似性”. 从图像中提取的“相似性”可以用作原型并用于测试要识别的图像. 如果可以找到类似的原型，图像将被识别. 但是图像识别应用，该模型不能解释人们如何区分和处理相似的刺激，并且在计算机程序中也很难实现. 因此，有人提出了一个更复杂的模型，即“泛魔术”识别模型.

随着计算机技术和人工智能技术的发展，图像识别技术已经越来越成为人工智能的基础技术，它将成为未来科学技术领域中几个关键行业的核心技术之一. . 微软，谷歌，Facebook，亚马逊，百度，腾讯等巨头都在投入大量资源来推广此功能. 例如，Microsoft的图像识别应用程序“我看起来几岁”（HowOldDoILook？）已成为Internet上的热门话题. 在去年举行的第六届ImageNet图像识别技术竞赛中，微软凭借“用于图像识别的深度残差学习”系统获得了第一名. 科技公司非常热衷于图像识别技术的应用和创新，这一进展显然将极大地促进互联网，媒体行业和科学研究的相关工作.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-285121-1.html