人工智能與模式識(shí)別

1、人工智能與模式識(shí)別摘要：信息技術(shù)的飛速發(fā)展使得人工智能的應(yīng)用范圍變得越來越廣，而模式識(shí)別作為其中的一個(gè)重要方面，一直是人工智能研究的重要方向。在介紹人工智能和模式識(shí)別的相關(guān)知識(shí)的同時(shí)，對(duì)人工智能在模式識(shí)別中的應(yīng)用進(jìn)行了一定的論述。模式識(shí)別是人類的一項(xiàng)基本智能，著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，模式識(shí)別技術(shù)有了長(zhǎng)足的發(fā)展。模式識(shí)別與統(tǒng)計(jì)學(xué)、心理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)、生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。模式識(shí)別的發(fā)展?jié)摿薮?。關(guān)鍵詞：模式識(shí)別；數(shù)字識(shí)別；人臉識(shí)別中圖分類號(hào)；Abstract:Therapiddevelopmentofinfor

2、mationtechnologymakestheapplicationofartificialintelligencebecomemoreandmorewidely.Patternrecognition,asoneoftheimportantaspects,hasalwaysbeenanimportantdirectionofartificialintelligenceresearch.Intheintroductionofartificialintelligenceandpatternrecognitionrelatedknowledgeatthesametime,artificialint

3、elligenceinpatternrecognitionapplicationswerediscussed.Patternrecognitionisabasichumanintelligence,theemergenceofthe20thcentury,40yearsofcomputerandtheriseofartificialintelligenceinthe1950s,patternrecognitiontechnologyhasmadegreatprogress.Patternrecognitionandstatistics,psychology,linguistics,comput

4、erscience,biology,cyberneticsandsohavearelationship.Ithasacross-correlationwithartificialintelligenceandimageprocessing.Thepotentialofpatternrecognitionishuge.Keywords:patternrecognition;digitalrecognition;facerecognition;1引言隨著計(jì)算機(jī)應(yīng)用范圍不斷的拓寬，我們對(duì)于計(jì)算機(jī)具有更加有效的感知“能力”，諸如對(duì)聲音、文字、圖像、溫度以及震動(dòng)等外界信息，這樣就可以依靠計(jì)算機(jī)來對(duì)人類的

5、生存環(huán)境進(jìn)行數(shù)字化改造。但是從一般的意義上來講，當(dāng)前的計(jì)算機(jī)都無法直接感知這些信息，而只能通過人在鍵盤、鼠標(biāo)等外設(shè)上的操作才能感知外部信息。雖然攝像儀、圖文掃描儀和話筒等相關(guān)設(shè)備已經(jīng)部分的解決了非電信號(hào)的轉(zhuǎn)換問題，但是仍然存在著識(shí)別技術(shù)不高，不能確保計(jì)算機(jī)真正的感知所采錄的究竟是什么信息。這直接使得計(jì)算機(jī)對(duì)外部世界的感知能力低下，成為計(jì)算機(jī)應(yīng)用發(fā)展的瓶頸。這時(shí)，能夠提高計(jì)算機(jī)外部感知能力的學(xué)科一一模式識(shí)別應(yīng)運(yùn)而生，并得到了快速的發(fā)展，同時(shí)也成為了未來電子信息產(chǎn)業(yè)發(fā)展的必然趨勢(shì)。人工智能中所提到的模式識(shí)別是指采用計(jì)算機(jī)來代替人類或者是幫助人類來感知外部信息，可以說是一種對(duì)人類感知能力的一種仿真模

6、擬。近年來電子產(chǎn)品中也加入了諸多此類的功能：如手機(jī)中的指紋識(shí)別解鎖功能；眼球識(shí)別解鎖技術(shù)；手勢(shì)拍照功能亦或是機(jī)場(chǎng)先進(jìn)的人耳識(shí)別技術(shù)等等。這些功能看起來紛繁復(fù)雜，但如果需要一個(gè)概括的話，可以說這都是模式識(shí)別技術(shù)給現(xiàn)代生活帶來的福分。它探討的是計(jì)算機(jī)模式識(shí)別系統(tǒng)的建立，通過計(jì)算機(jī)系統(tǒng)來模擬人類感官對(duì)外界信息的識(shí)別和感知，從而將非電信號(hào)轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的電信號(hào)。2人工智能和模式識(shí)別人工智能(ArtficialIntelligence),是相對(duì)與人的自然智能而言的，它是指采用人工的方法及技術(shù)，對(duì)人工智能進(jìn)行模仿、延伸及擴(kuò)展，進(jìn)而實(shí)現(xiàn)“機(jī)器思維”式的人工智能。簡(jiǎn)而言之，人工智能是一門研究具有智能行為

7、的計(jì)算模型，其最終的目的在于建立一個(gè)具有感知、推理、學(xué)習(xí)和聯(lián)想，甚至是決策能力的計(jì)算機(jī)系統(tǒng)，快速的解決一些需要專業(yè)人才能解決的問題。從本質(zhì)上來講，人工智能是一種對(duì)人類思維及信息處理過程的模擬和仿真。模式識(shí)別，即通過計(jì)算機(jī)采用數(shù)學(xué)的知識(shí)和方法來研究模式的自動(dòng)處理及判讀，實(shí)現(xiàn)人工智能。在這里，我們將周圍的環(huán)境及客體統(tǒng)統(tǒng)都稱之為“模式”，即計(jì)算機(jī)需要對(duì)其周圍所有的相關(guān)信息進(jìn)行識(shí)別和感知，進(jìn)而進(jìn)行信息的處理。在人工智能開發(fā)，即智能機(jī)器開發(fā)過程中的一個(gè)關(guān)鍵環(huán)節(jié)，就是采用計(jì)算機(jī)來實(shí)現(xiàn)模式(包括文字、聲音、人物和物體等)的自動(dòng)識(shí)別，其在實(shí)現(xiàn)智能的過程中也給人類對(duì)自身智能的認(rèn)識(shí)提供了一個(gè)途徑。在模式識(shí)別的過程

8、中，信息處理實(shí)際上是機(jī)器對(duì)周圍環(huán)境及客體的識(shí)別過程，是對(duì)人參與智能識(shí)別的一個(gè)仿真。相對(duì)于人而言，光學(xué)信息及聲學(xué)信息是兩個(gè)重要的信息識(shí)別來源和方式，它同時(shí)也是人工智能機(jī)器在模式識(shí)別過程中的兩個(gè)重要途徑。在市場(chǎng)上具有代表性的產(chǎn)品有：光學(xué)字符識(shí)別系統(tǒng)以及語音識(shí)別系統(tǒng)等。在這里的模式識(shí)別，我們可以將之理解成為：根據(jù)識(shí)別對(duì)象具有特征的觀察值來將其進(jìn)行分類的一個(gè)過程。采用計(jì)算機(jī)來進(jìn)行模式識(shí)別，是在上世紀(jì)60年代初發(fā)展起來的一門新興學(xué)科，但同樣也是未來一段實(shí)踐中發(fā)展的必然方向。在生活節(jié)奏相當(dāng)之快的今天人們希望電子產(chǎn)品可以為我們的生活提供更多的便利條件。因此在未來相當(dāng)一段時(shí)間內(nèi)模式識(shí)別技術(shù)依然是發(fā)展的必然趨勢(shì)

9、。模式識(shí)別的定義是借助計(jì)算機(jī)，就人類對(duì)外部世界某一特定環(huán)境中的客體、過程和現(xiàn)象的識(shí)別功能（包括視覺、聽覺、觸覺、判斷等）進(jìn)行自動(dòng)模擬的科學(xué)技術(shù)。隨著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，人們當(dāng)然也希望能用計(jì)算機(jī)來代替或擴(kuò)展人類的部分腦力勞動(dòng)。（計(jì)算機(jī)）模式識(shí)別在20世紀(jì)60年代初迅速發(fā)展并成為一門新學(xué)科。模式識(shí)別（PatternRecognition）是指對(duì)表征事物或現(xiàn)象的各種形式的（數(shù)值的、文字的和邏輯關(guān)系的）信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。模式識(shí)別又常稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角

10、度，模式識(shí)別分為有監(jiān)督的分類（SupervisedClassification）和無監(jiān)督的分類（UnsupervisedClassification）兩種。二者的主要差別在于，各實(shí)驗(yàn)樣本所屬的類別是否預(yù)先已知。一般說來，有監(jiān)督的分類往往需要提供大量已知類別的樣本，但在實(shí)際問題中，這是存在一定困難的，因此研究無監(jiān)督的分類就變得十分有必要了。止匕外，模式還可分成抽象的和具體的兩種形式。前者如意識(shí)、思想、議論等，屬于概念識(shí)別研究的范疇，是人工智能的另一研究分支。我們所指的模式識(shí)別主要是對(duì)語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號(hào)、生物傳感器等對(duì)象的具體模式進(jìn)行辨識(shí)和分類。模式識(shí)別研究主

11、要集中在兩方面，一是研究生物體（包括人）是如何感知對(duì)象的，屬于認(rèn)識(shí)科學(xué)的范疇，二是在給定的任務(wù)下，如何用計(jì)算機(jī)實(shí)現(xiàn)模式識(shí)別的理論和方法。模式識(shí)別與很多學(xué)科都有聯(lián)系，它與統(tǒng)計(jì)學(xué)、心理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)、生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。例如自適應(yīng)或自組織的模式識(shí)別系統(tǒng)包含了人工智能的學(xué)習(xí)機(jī)制；人工智能研究的景物理解、自然語言理解也包含模式識(shí)別問題。又如模式識(shí)別中的預(yù)處理和特征抽取環(huán)節(jié)應(yīng)用圖像處理的技術(shù)；圖像處理中的圖像分析也應(yīng)用模式識(shí)別的技術(shù)。模式識(shí)別的方法主要有決策理論方法和句法方法，模式識(shí)別方法的選擇取決于問題的性質(zhì)。如果被識(shí)別的對(duì)象極為復(fù)雜，而且包含豐富

12、的結(jié)構(gòu)信息，一般采用句法方法；被識(shí)別對(duì)象不很復(fù)雜或不含明顯的結(jié)構(gòu)信息，一般采用決策理論方法。這兩種方法不能截然分開，在句法方法中，基元本身就是用決策理論方法抽取的。在應(yīng)用中，將這兩種方法結(jié)合起來分別施加于不同的層次，常能收到較好的效果。模式識(shí)別的應(yīng)用非常廣泛，比較典型的有：1文字識(shí)別：在信息技術(shù)及計(jì)算機(jī)技術(shù)日益普及的今天，如何將文字方便、快速地輸入到計(jì)算機(jī)中已成為影響人機(jī)接口效率的一個(gè)重要瓶頸，也關(guān)系到計(jì)算機(jī)能否真正在我過得到普及的應(yīng)用。目前，漢字輸入主要分為人工鍵盤輸入和機(jī)器自動(dòng)識(shí)別輸入兩種。其中人工鍵入速度慢而且勞動(dòng)強(qiáng)度大；自動(dòng)輸入又分為漢字識(shí)別輸入及語音識(shí)別輸入。從識(shí)別技術(shù)的難度來說，手

13、寫體識(shí)別的難度高于印刷體識(shí)別，而在手寫體識(shí)別中，脫機(jī)手寫體的難度又遠(yuǎn)遠(yuǎn)超過了聯(lián)機(jī)手寫體識(shí)別。到目前為止，除了脫機(jī)手寫體數(shù)字的識(shí)別已有實(shí)際應(yīng)用外，漢字等文字的脫機(jī)手寫體識(shí)別還處在實(shí)驗(yàn)室階段。2語音識(shí)別：語音識(shí)別技術(shù)技術(shù)所涉及的領(lǐng)域包括：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽覺機(jī)理、人工智能等等。近年來，在生物識(shí)別技術(shù)領(lǐng)域中，聲紋識(shí)別技術(shù)以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢(shì)受到世人矚目，并日益成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾移占暗陌豺?yàn)證方式。而且利用基因算法訓(xùn)練連續(xù)隱馬爾柯夫模型的語音識(shí)別方法現(xiàn)已成為語音識(shí)別的主流技術(shù)，該方法在語音識(shí)別時(shí)識(shí)別速度較快，也有較高的識(shí)別率。3指紋識(shí)別：每個(gè)人

14、的指紋是唯一的，依靠這種唯一性，就可以將一個(gè)人同他的指紋對(duì)應(yīng)起來，通過比較他的指紋和預(yù)先保存的指紋進(jìn)行比較，便可以驗(yàn)證他的真實(shí)身份。一般的指紋分成有以下幾個(gè)大的類別：環(huán)型(loop),螺旋型(whorl),弓型(arch),這樣就可以將每個(gè)人的指紋分別歸類，進(jìn)行檢索。指紋識(shí)別基本上可分成：預(yù)處理、特征選擇和模式分類幾個(gè)大的步驟。除了這幾個(gè)眼下熱門的方向，模式識(shí)別還在遙感和醫(yī)學(xué)診斷領(lǐng)域發(fā)揮了重要的作用。最后介紹下模式模式識(shí)別的發(fā)展?jié)摿ΓＪ阶R(shí)別技術(shù)有著近乎無限的發(fā)展?jié)摿?，模式識(shí)別技術(shù)是人工智能的基礎(chǔ)技術(shù)，21世紀(jì)是智能化、信息化、計(jì)算化、網(wǎng)絡(luò)化的世紀(jì)，在這個(gè)以數(shù)字計(jì)算為特征的世紀(jì)里，作為人工智能

15、技術(shù)基礎(chǔ)學(xué)科的模式識(shí)別技術(shù)，必將獲得巨大的發(fā)展空間。在國(guó)際上，各大權(quán)威研究機(jī)構(gòu)，各大公司都紛紛開始將模式識(shí)別技術(shù)作為公司的戰(zhàn)略研發(fā)重點(diǎn)加以重視。模式識(shí)別發(fā)展?jié)摿^大的技術(shù)有1語音識(shí)別技術(shù)，語音識(shí)別技術(shù)正逐步成為信息技術(shù)中人機(jī)接口(HumanComputerInterface,HCI)的關(guān)鍵技術(shù)，語音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。中國(guó)互聯(lián)網(wǎng)中心的市場(chǎng)預(yù)測(cè)：未來5年，中文語音技術(shù)領(lǐng)域?qū)?huì)有超過400億人民幣的市場(chǎng)容量，然后每年以超過30%勺速度增長(zhǎng)。2生物認(rèn)證技術(shù)，生物認(rèn)證技術(shù)(Biometrics)本世紀(jì)最受關(guān)注的安全認(rèn)證技術(shù)，它的發(fā)展是大勢(shì)所趨。人們?cè)敢馔羲械拿艽a、扔掉

16、所有的磁卡，憑借自身的唯一性來標(biāo)識(shí)身份與保密。國(guó)際數(shù)據(jù)集團(tuán)(IDC)預(yù)測(cè)：作為未來的必然發(fā)展方向的移動(dòng)電子商務(wù)基礎(chǔ)核心技術(shù)的生物識(shí)別技術(shù)在未來10年的時(shí)間里將達(dá)到100億美元的市場(chǎng)規(guī)模。3數(shù)字水印技術(shù)90年代以來才在國(guó)際上開始發(fā)展起來的數(shù)字水印技術(shù)(DigitalWatermarking)是最具發(fā)展?jié)摿εc優(yōu)勢(shì)的數(shù)字媒體版權(quán)保護(hù)技術(shù)。IDC預(yù)測(cè)，數(shù)字水印技術(shù)在未來的5年內(nèi)全球市場(chǎng)容量超過80億美元。模式識(shí)別從20世紀(jì)20年代發(fā)展至今，人們已經(jīng)形成了一種普遍看法，那就是不存在對(duì)所有模式識(shí)別問題都適用的單一模型和解決識(shí)別問題的單一技術(shù)，我們現(xiàn)在擁有的只是一個(gè)工具袋，所要做的是結(jié)合具體問題把統(tǒng)計(jì)的和句

17、法的識(shí)別結(jié)合起來，把統(tǒng)計(jì)模式識(shí)別或句法模式識(shí)別與人工智能中的啟發(fā)式搜索結(jié)合起來，把統(tǒng)計(jì)模式識(shí)別或句法模式識(shí)別與支持向量機(jī)的機(jī)器學(xué)習(xí)結(jié)合起來，把人工神經(jīng)元網(wǎng)絡(luò)與各種已有技術(shù)以及人工智能中的專家系統(tǒng)、不確定推理方法結(jié)合起來，深入掌握各種工具的效能和應(yīng)有的可能性，互相取長(zhǎng)補(bǔ)短，開創(chuàng)模式識(shí)別應(yīng)用的新局面。3人工智能在模式識(shí)別中的應(yīng)用(一)數(shù)字識(shí)別及語音識(shí)別。在數(shù)字識(shí)別的過程中，對(duì)于手寫體的識(shí)別一直是一個(gè)難題，而其又在郵政編碼的識(shí)別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用，但是其字體形式變化較大，導(dǎo)致提高對(duì)其的識(shí)別率成為了一個(gè)難題，精準(zhǔn)的識(shí)別存在著較大的困難。而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后，系統(tǒng)可以利用神經(jīng)

18、網(wǎng)絡(luò)的學(xué)習(xí)及快速并行功能來實(shí)現(xiàn)對(duì)手寫數(shù)字的快速識(shí)別，有力的提高相關(guān)運(yùn)用領(lǐng)域的工作效率。而語音識(shí)別，簡(jiǎn)單的將就是能使得計(jì)算機(jī)能聽懂人所說的話，一個(gè)典型的例子就是七國(guó)語言（中、日、英、意、韓、法、德）口語自動(dòng)翻譯系統(tǒng)，它可以將人說的話翻譯成為機(jī)器所設(shè)定的目的語言，在整個(gè)過程中不需要翻譯人員的參與。其中的中文部分實(shí)驗(yàn)平臺(tái)設(shè)置在中科院自動(dòng)化所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室中，這標(biāo)志著我國(guó)的機(jī)器口語翻譯研究已經(jīng)跨入世界先進(jìn)行列。在這個(gè)系統(tǒng)的功能實(shí)現(xiàn)之后，出國(guó)旅行需要預(yù)定旅館、購(gòu)買機(jī)票、就餐等需要和外國(guó)人進(jìn)行對(duì)話時(shí)，只需要利用電話網(wǎng)絡(luò)或者是國(guó)際互聯(lián)網(wǎng)就能夠順利的和對(duì)方進(jìn)行通話，進(jìn)行語言交流。在數(shù)字識(shí)別的過程中，

19、對(duì)于手一83一寫體的識(shí)別一直是一個(gè)難題，而其又在郵政編碼的識(shí)別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用，但是其字體形式變化較大，導(dǎo)致提高對(duì)其的識(shí)別率成為了一個(gè)難題，精準(zhǔn)的識(shí)別存在著較大的困難。而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后，系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)及快速并行功能來實(shí)現(xiàn)對(duì)手寫數(shù)字的快速識(shí)別，有力的提高相關(guān)運(yùn)用領(lǐng)域的工作效率。而語音識(shí)別，簡(jiǎn)單的將就是能使得計(jì)算機(jī)能聽懂人所說的話，一個(gè)典型的例子就是七國(guó)語言（中、日、英、意、韓、法、德）口語自動(dòng)翻譯系統(tǒng)，它可以將人說的話翻譯成為機(jī)器所設(shè)定的目的語言，在整個(gè)過程中不需要翻譯人員的參與。其中的中文部分實(shí)驗(yàn)平臺(tái)設(shè)置在中科院自動(dòng)化所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室中，

20、這標(biāo)志著我國(guó)的機(jī)器口語翻譯研究已經(jīng)跨入世界先進(jìn)行列。在這個(gè)系統(tǒng)的功能實(shí)現(xiàn)之后，出國(guó)旅行需要預(yù)定旅館、購(gòu)買機(jī)票、就餐等需要和外國(guó)人進(jìn)行對(duì)話時(shí)，只需要利用電話網(wǎng)絡(luò)或者是國(guó)際互聯(lián)網(wǎng)就能夠IIII的和對(duì)方進(jìn)行通話，進(jìn)行語言交流。（二）人臉立體識(shí)別模式。人臉識(shí)別的過程主要包括這樣三個(gè)主要的部分：其一，人臉模式庫(kù)，即與所采集的實(shí)時(shí)圖像進(jìn)行對(duì)比，判斷其是否存在于人臉模式庫(kù)當(dāng)中，若存在，則給出每個(gè)人臉的位置和大小等相關(guān)的臉部信息；其二，對(duì)面部特征進(jìn)行定位，即對(duì)每一個(gè)人臉的主要器官進(jìn)行檢測(cè)，包括對(duì)其的具體位置和形狀等特征進(jìn)行具體的信息收集，然后將之進(jìn)行歸一化的處理；其三，比對(duì)，即根據(jù)所采集到得人臉面部特征來和人

21、臉模式庫(kù)中的圖像進(jìn)行對(duì)比，之后對(duì)該人臉的身份進(jìn)行核實(shí)。常見的人臉識(shí)別技術(shù)大部分可以歸為這樣三個(gè)類型：采用基于幾何特征的方法，基于模板的方法以及基于模型的方法。其中，基于幾何特征的方法最為常見，它通常需要與其他的算法進(jìn)行結(jié)合之后才能形成比較好的識(shí)別效果；而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等；再次，基于模型的方法主要包括基于隱馬爾可夫模型、主動(dòng)外觀模型和主動(dòng)形狀模型方法等。采用人臉識(shí)別模式來進(jìn)行身份驗(yàn)證具有明顯的有點(diǎn)，諸如：易用性好、準(zhǔn)確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖像的識(shí)別已經(jīng)基本實(shí)現(xiàn)，

22、但是基于三維的立體圖像人臉識(shí)別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了深度信息，它能夠表達(dá)臉形的信息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識(shí)別概率。人臉立體識(shí)別模式。人臉識(shí)別的過程主要包括這樣三個(gè)主要的部分：其一，人臉模式庫(kù)，即與所采集的實(shí)時(shí)圖像進(jìn)行對(duì)比，判斷其是否存在于人臉模式庫(kù)當(dāng)中，若存在，則給出每個(gè)人臉的位置和大小等相關(guān)的臉部信息；其二，對(duì)面部特征進(jìn)行定位，即對(duì)每一個(gè)人臉的主要器官進(jìn)行檢測(cè)，包括對(duì)其的具體位置和形狀等特征進(jìn)行具體的信息收集，然后將之進(jìn)行歸一化的處理；其三，比對(duì)，即根據(jù)所采集

23、到得人臉面部特征來和人臉模式庫(kù)中的圖像進(jìn)行對(duì)比，之后對(duì)該人臉的身份進(jìn)行核實(shí)。常見的人臉識(shí)別技術(shù)大部分可以歸為這樣三個(gè)類型：采用基于幾何特征的方法，基于模板的方法以及基于模型的方法。其中，基于幾何特征的方法最為常見，它通常需要與其他的算法進(jìn)行結(jié)合之后才能形成比較好的識(shí)別效果；而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等；再次，基于模型的方法主要包括基于隱馬爾可夫模型、主動(dòng)外觀模型和主動(dòng)形狀模型方法等。采用人臉識(shí)別模式來進(jìn)行身份驗(yàn)證具有明顯的有點(diǎn)，諸如：易用性好、準(zhǔn)確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖

24、像的識(shí)別已經(jīng)基本實(shí)現(xiàn)，但是基于三維的立體圖像人臉識(shí)別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了深度信息，它能夠表達(dá)臉形的信息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識(shí)別概率。4蟻群算法與物流配送4.1 物流配送的優(yōu)化方法隨著物流配送向集約化、一體化方向發(fā)展，常將配送的各環(huán)節(jié)綜合考慮，其核心部分是配送車輛的集貨、配貨和送貨過程。配送系統(tǒng)優(yōu)化，主要是配送車輛的優(yōu)化調(diào)度（包括集貨路線優(yōu)化、貨物裝配和送貨路線優(yōu)化），以及集貨、配貨和送貨一體化優(yōu)化。車輛路徑問題（VehicleRoutingProblem,V

25、RP）配送環(huán)節(jié)的重要組成部分。合理安排車輛數(shù)和車輛路線是減少浪費(fèi)、提高經(jīng)濟(jì)效益的重要手段，不但可以降低商品的物流成本，還可以提高客戶的滿意度，擴(kuò)大潛在市場(chǎng)，這對(duì)于整個(gè)物流運(yùn)輸速度、成本、效益有著重要的影響。近年來，國(guó)內(nèi)外專家對(duì)VRP問題的研究日趨深入，但多數(shù)集中于對(duì)某個(gè)單一目標(biāo)的優(yōu)化研究，并假設(shè)滿足某些約束條件。而在實(shí)際車輛調(diào)度過程中，經(jīng)常涉及到時(shí)間或空間各方面的約束。因此，多目標(biāo)問題比單目標(biāo)問題就更常見。VRP問題有多種模型，其中：帶時(shí)間窗的車輛路徑問題（VehicleRoutingProbtemwithTimeWindows,VRPTW星一個(gè)具有代表性的帶約束多目標(biāo)問題。與典型的旅行商問題

26、（TravelingSalesmanProblem,TSP）相比，增加了車容量、時(shí)間窗等約束條件，其中兩個(gè)目標(biāo)維度分別為車輛數(shù)與總時(shí)間耗費(fèi)（或總路徑長(zhǎng)度當(dāng)速度定義每單位時(shí)間耗費(fèi)為1時(shí)），其目標(biāo)是在滿足空間容量限制和時(shí)間限制的條件下，求使總成本最小的最優(yōu)解。目前，VRP問題的求解算法很多，可大致分為精確算法和啟發(fā)式算法兩大類。精確算法的計(jì)算量一般隨著問題規(guī)模的增大而呈指數(shù)增長(zhǎng)，所以多用于規(guī)模較小的問題。而對(duì)于求解大規(guī)模的NP（Non-deterministicPolynomialProblem）難題，則較常用卞K擬退火算法（SA）、禁忌搜索算法（TS）、遺傳算法（GA）、神經(jīng)網(wǎng)絡(luò)（NN卜螞蟻算法

27、（AS）等現(xiàn)代啟發(fā)式算法。蟻群算法最初由意大利科學(xué)家Dorigo.M于1991年提出，是一種基于群體、用于求解復(fù)雜組合優(yōu)化問題的通用搜索技術(shù)。該方法首先被應(yīng)用于TSP并在一系列聞?lì)}中得到應(yīng)用，諸如二次分配、Jobshop、圖著色問題、VRP問題、集成電路設(shè)計(jì)以及通信網(wǎng)絡(luò)負(fù)載等離散優(yōu)化問題等。但蟻群算法搜索時(shí)間長(zhǎng)、易于停滯(即搜索到一定程度后所有個(gè)體所發(fā)現(xiàn)的解完全一致)，存在不能擴(kuò)大對(duì)解空間繼續(xù)搜索的缺陷。4.2 蟻群算法研究現(xiàn)狀蟻群算法(AntSystem,AS)是一種新生算法，具有很強(qiáng)的通用性和魯棒性。從提出到現(xiàn)在，僅短短十余年的時(shí)間，但其在離散型組合優(yōu)化問題的求解中，表現(xiàn)出強(qiáng)大的優(yōu)越性，所

28、以引起人們的關(guān)注。目前蟻群算法的研究學(xué)者主要集中在比利時(shí)、意大利、德國(guó)等國(guó)家，美國(guó)和日本在近幾年也開始了對(duì)蟻群算法的研究。國(guó)內(nèi)的研究始于1998年末，主要在上海、北京、東北少數(shù)幾個(gè)學(xué)校和研究所開展了此項(xiàng)工作。蟻群算法作為一種新型的智能優(yōu)化算法，與其它優(yōu)化算法相比，具有正反饋、分布式計(jì)算以及貪婪的啟發(fā)式搜索等主要特點(diǎn)。正反饋過程使得該算法能夠發(fā)現(xiàn)較好解；分布式計(jì)算使得該算法易于并行實(shí)現(xiàn)，更快得到較好解；與啟發(fā)式算法相結(jié)合，使得該算法易于發(fā)現(xiàn)較好解，這些特點(diǎn)為更好解決復(fù)雜的組合優(yōu)化問題提供了可能。由于在蟻群算法中所有個(gè)體都要進(jìn)行信息素更新，造成了信息素分配的浪費(fèi)和分配畸形，所以蟻群算法的性能并不很理想。D