1.4 模式识别系统的应用举例
从20世纪末到21世纪初，随着模式识别理论和技术自身的发展及计算机数据处理能力的飞速提高，模式识别技术的应用已经开始进入各行各业。这里，我们列举几个典型的例子来说明模式识别系统的一般构成，同时从这些例子也可以看出模式识别技术广阔的应用前景。
1.4.1 指纹识别
人的指纹具备唯一性、终身不变性、易获取和难以复制等特点，这使得指纹识别很早就成为身份识别中的一种技术手段。随着科学技术的发展，指纹识别已经成为目前应用最为广泛的生物识别技术，尤其在民用 图1-4-1 指纹识别考勤机生物识别技术中，指纹识别技术已经在金融、医疗、公安、门禁系统等领域得到了广泛的应用。
传统的指纹识别系统都是基于PC机的，这种系统具有识别速度快、样本存储量大、软件设计技术成熟等优点。但是，基于PC机的指纹识别系统由于价格昂贵、移动性能差、功耗高等缺点限制了其应用的进一步扩展。自20世纪末以来，半导体技术和嵌入式技术的快速发展，为人们设计廉价的便携式指纹识别系统提供了一个技术上的实现平台。
指纹识别系统一般由指纹图像采集、指纹图像预处理、指纹特征提取、指纹特征匹配、特征数据库等几部分组成。指纹识别系统的原理框图如图1-4-2所示。该系统首先由指纹采集设备采集到指纹图像并将其转化为数字图像；然后对指纹数字图像进行预处理，再通过图像增强、分割、平滑、细化等处理过程得到便于指纹特征提取的数字图像；接着提取细化后的图像细节特征点；最后将提取到的特征与特征数据库中的特征数据进行匹配，并输出识别结果。
1.4.2 车牌识别
车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中的重要组成部分。车牌识别技术可应用于道路交通监控、交通事故现场勘查、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面，为智能交通管理提供了高效、实用的手段。
目前世界各国都在进行适用于本国汽车牌照的自动识别研究，美、日、韩等国已有相关系统（基于传感器）问世。引进这些系统费用比较高，而且由于各国车牌和实际的交通环境不同，引进的系统往往无法满足我国城市的需求，而国内市场上虽然已有产品投入使用，但是在后续处理时很大程度上仍然需要人工识别，所以对车牌识别技术的研究一直是目前高科技领域的热门课题之一。车牌识别系统的成功设计、开发和应用具有相当大的社会效益、经济效益和学术意义。
基于图像处理的车牌识别系统一般包括五个部分，如图1-4-3所示。
1.4.3 人脸识别
随着社会的发展以及技术的进步，人们对快速、高效的自动身份验证的要求日益迫切，生物识别技术在科研领域得到了极大的重视和发展。在人与人的接触中，人脸所包含的视觉信息占据了重要地位，它无疑是区分人与人之间差异的最重要特征之一。相对于指纹、虹膜、掌纹、步态、笔迹、声纹等生物特征，利用人脸来识别具有不可比拟的优势：操作隐蔽，特别适用于安全、监控和抓逃工作；非接触式采集，无侵犯性，容易接受；方便、快捷、强大的实时追踪能力；符合人类识别习惯，交互性强；应用摄像头即可完成图像采集，设备成本较低。人脸识别就是利用计算机从图像或图像序列中检测出人脸，并判断其身份。
人脸识别目前主要应用在如下三个方面：
第一，刑侦破案方面。公安部门获得案犯的照片之后，可以利用人脸识别技术在存储罪犯照片的数据库中找出最相像的人，即嫌疑犯。还有一种应用就是根据目击证人的描述画出草图，然后用该草图到库里去寻找嫌疑犯。罪犯数据库往往很大，通常由几千幅图像组成，如果这项搜索工作由人工完成不仅效率低而且容易出错，因为人在看了上百幅人脸图像后记忆力会下降，而由计算机来完成则不会出现此问题。
第二，证件验证方面。身份证、驾驶执照以及其他很多证件上都有照片，现在这些证件多是人工验证的，如果应用人脸识别技术，这项任务就可以交给机器去完成，从而实现自动化智能管理。另外，像信用卡、银行卡等安全需求较高的卡，因为卡被窃取、密码丢失或遗忘给卡的使用和管理带来很大的不便，如果在这类卡上加上人脸的特征信息则可大大改善其安全性能，从而提高其管理和应用的便捷性。
第三，入口控制方面。入口控制的范围很广，它可以是设在楼宇单位或私人住宅入口的安全检查，也可以是计算机系统或者情报系统等的入口检查。在楼宇或某些安全部门的入口处比较常用的检查手段是核查证件。在人员出入频繁的情况下，要求保安人员再三检查证
人脸识别考勤机件是很麻烦的，而且安全系数也不高。在一些保密要求非常严格的部门，除了用证件外还要用一些另外的识别手段，如指纹识别、掌纹识别、视网膜识别和语音识别等。人脸识别与之相比具有直接、方便和友好的特点。另外，在当前备受重视的计算机系统的安全管理中，通常使用的由字符和数字组成的口令可能会被遗忘或者破解，但是如果把人脸当做口令则既方便又安全。如图1-4-4所示为某单位的人脸识别考勤机。
人脸识别系统的研究涉及模式识别、图像处理、生理学、心理学、认知科学等多种学科，与基于其他生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。一个完整的人脸识别系统应实现如下基本功能：
1)对于任意图像，确定其中是否存在人脸。若有人脸存在，确定人脸的数目及各自的位置和大小，并对人脸图像做预处理。
2)提取人脸图像特征。
3)对特征进行分析处理，与已知人脸库内的人脸图像进行比较，识别、确认身份。
其中，1)为人脸检测的内容，2)、3)是人脸识别与理解的内容。如图1-4-5所示，人脸自动识别过程包括三个主要环节，首先是人脸检测和定位，即从输入图像中找到人脸及人脸存在的位置，并将人脸从背景中分割出来；然后是对归一化的人脸图像进行特征提取与识别。在人脸识别系统的三个环节中，特征提取与识别相对人脸检测更为关键，相关研究也更加深入。
1.4.4 语音识别
与机器进行语音交流，让机器明白你说什么，这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面，如图1-4-6所示。
根据识别的对象不同，语音识别任务大体可分为3类，即孤立词识别（isolated word recognition）、连续语音识别和关键词识别（或称关键词检出，keyword spotting）。其中，孤立词识别的任务是识别事先已知的孤立的词，如“开机”、“关机”等；连续语音识别的任务则是识别任意的连续语音，如一个句子或一段话；连续语音流中的关键词识别针对的是连续语音，但它并不识别全部文字，而只是检测已知的若干关键词在何处出现，如在一段话中检测“计算机”、“世界”这两个词。
根据针对的发音人，可以把语音识别技术分为特定人语音识别和非特定人语音识别，前者只能识别一个或几个人的语音，而后者则可以被任何人使用。显然，非特定人语音识别系统更符合实际需要，但它要比针对特定人的识别困难得多。
另外，根据语音设备和通道，可以分为桌面（PC）语音识别、电话语音识别和嵌入式设备（手机、PDA等）语音识别。不同的采集通道会使人的发音的声学特性发生变形，因此需要构造各自的识别系统。
语音识别的应用领域非常广泛，常见的应用系统有：语音输入系统，相对于键盘输入方法，它更符合人的日常习惯，也更自然、更高效；语音控制系统，即用语音来控制设备的运行，相对于手动控制来说更加快捷、方便，可以用在诸如工业控制、语音拨号系统、智能家电、声控智能玩具等许多领域；智能对话查询系统，根据客户的语音进行操作，为用户提供自然、友好的数据库检索服务，例如家庭服务、宾馆服务、旅行社服务系统、订票系统、医疗服务、银行服务、股票查询服务等。
