語(yǔ)音識(shí)別雖然已經(jīng)發(fā)展的如火如荼，但還是有不少問(wèn)題要改進(jìn)，就如下面一段和語(yǔ)音識(shí)別相關(guān)的搞笑視頻里。也許，口音差異也是語(yǔ)音識(shí)別的一個(gè)難題。

語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別（ASR），其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說(shuō)話人識(shí)別及說(shuō)話人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話人而非其中所包含的詞匯內(nèi)容。

語(yǔ)音識(shí)別技術(shù)的應(yīng)用包括語(yǔ)音撥號(hào)、語(yǔ)音導(dǎo)航、室內(nèi)設(shè)備控制、語(yǔ)音文檔檢索、簡(jiǎn)單的聽(tīng)寫(xiě)數(shù)據(jù)錄入等。語(yǔ)音識(shí)別技術(shù)與其他自然語(yǔ)言處理技術(shù)如機(jī)器翻譯及語(yǔ)音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，例如語(yǔ)音到語(yǔ)音的翻譯。

語(yǔ)音識(shí)別技術(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(tīng)覺(jué)機(jī)理、人工智能等等。

語(yǔ)音識(shí)別以谷歌GoogleNow和蘋(píng)果Siri為代表，將智能手機(jī)的功能帶入到人機(jī)互動(dòng)時(shí)代。除了手機(jī)以外，如三星、LG、聯(lián)想的語(yǔ)音識(shí)別電視，各種安卓、iOS系統(tǒng)的平板幾乎都有語(yǔ)音識(shí)別功能。通過(guò)語(yǔ)音識(shí)別功能，用戶從一定程度上解放了雙手，也讓人們看到了未來(lái)人工智能領(lǐng)域廣闊的應(yīng)用前景。

下面的視頻展示的正是手勢(shì)識(shí)別的能力和魅力所在。你隔空一個(gè)動(dòng)作就能輕松控制智能手機(jī)、家電、游戲甚至機(jī)器人等。極具潛力的智能穿戴也是手勢(shì)識(shí)別發(fā)展的一個(gè)方向。

首先在手勢(shì)輸入設(shè)備方面，比起鼠標(biāo)和鍵盤(pán)操作，這些手勢(shì)交互是更加方便的交互方式。早期需要穿戴手套，對(duì)于普通用戶來(lái)說(shuō)比較累贅。之后攝像頭作為輸入設(shè)備，用戶并不需要和實(shí)體設(shè)備接觸，而且可以分析手勢(shì)的3D運(yùn)動(dòng)軌跡。

其次，在手勢(shì)分析技術(shù)的發(fā)展來(lái)看，計(jì)算機(jī)圖形學(xué)等科學(xué)的發(fā)展，識(shí)別率得到提升，可以實(shí)時(shí)捕捉手臂和手指的運(yùn)動(dòng)軌跡，技術(shù)推動(dòng)了人機(jī)交互的發(fā)展。

再者，被操作的設(shè)備或界面可以識(shí)別的手勢(shì)更多，可以輸入的命令更多，不再限定在特定平臺(tái)執(zhí)行某項(xiàng)特定的任務(wù)。

目前有手勢(shì)識(shí)別功能的產(chǎn)品也不少，如長(zhǎng)虹、三星智能電視，三星SCH-S310智能手機(jī)，還有視頻中的NAO機(jī)器人等。

人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。人臉與人體的其它生物特征一樣與生俱來(lái)，它的唯一性和不易被復(fù)制的良好特性為身份鑒別。

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。

傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見(jiàn)光圖像的人臉識(shí)別，已有30多年的研發(fā)歷史。但這種方式尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無(wú)法滿足實(shí)際系統(tǒng)的需要。

迅速發(fā)展起來(lái)的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。

人臉識(shí)別主要用于身份識(shí)別。谷歌的安卓4.0操作系統(tǒng)、三星 I9300的人臉識(shí)別解鎖、騰訊的人臉識(shí)別軟件等產(chǎn)品都具有人臉識(shí)別功能。

指紋識(shí)別是一種生物識(shí)別技術(shù)，它是一套包括指紋圖像獲取、處理、特征提取和比對(duì)等模塊的模式識(shí)別系統(tǒng)。指紋識(shí)別常用于需要人員身份確認(rèn)的場(chǎng)所，如門(mén)禁系統(tǒng)、考勤系統(tǒng)、筆記本電腦、銀行內(nèi)部處理、銀行支付等。

指紋由于具有個(gè)體差異性及穩(wěn)定性，早在中國(guó)古代便用于身份確認(rèn)，當(dāng)時(shí)人們以指紋或手印畫(huà)押。在西方，1890年代以后警察逐漸將指紋作為辨認(rèn)罪犯的方法之一。1960年代隨著電腦技術(shù)的發(fā)展，美國(guó)聯(lián)邦調(diào)查局和法國(guó)巴黎警察局等開(kāi)始研究電腦指紋識(shí)別技術(shù)。1990年代用于個(gè)人身份鑒別的自動(dòng)指紋識(shí)別系統(tǒng)開(kāi)發(fā)完成并推廣應(yīng)用。

虹膜識(shí)別是以人的虹膜紋理為依據(jù)，與眼睛有關(guān)的生物識(shí)別中對(duì)人產(chǎn)生較少干擾的技術(shù)，是最可靠的人體生物終身身份標(biāo)識(shí)之一。它使用相當(dāng)普通的照相機(jī)元件，而且不需要用戶與機(jī)器發(fā)生接觸。另外，它有能力實(shí)現(xiàn)更高的模板匹配性能。

虹膜是人眼瞳孔和眼白之間的環(huán)狀組織，是人眼的可視部分。眼睛的外觀圖由鞏膜、虹膜、瞳孔三部分構(gòu)成。鞏膜即眼球外圍的白色部分，約占總面積的30%；眼睛中心為瞳孔部分，約占5%；虹膜位于鞏膜和瞳孔之間，包含了最豐富的紋理信息，占據(jù)65%。外觀上看，由許多腺窩、皺褶、色素斑等構(gòu)成，是人體中最獨(dú)特的結(jié)構(gòu)之一。

虹膜的形成由遺傳基因決定，人體基因表達(dá)決定了虹膜的形態(tài)、生理、顏色和總的外觀。 到二歲左右，虹膜就基本上發(fā)育到了足夠尺寸，進(jìn)入了相對(duì)穩(wěn)定的時(shí)期。除非極少見(jiàn)的反常狀況、身體或精神上大的創(chuàng)傷造成虹膜外觀上的改變外，虹膜形貌可以保持?jǐn)?shù)十年沒(méi)有多少變化。另一方面，虹膜是外部可見(jiàn)的，但同時(shí)又屬于內(nèi)部組織，位于角膜后面。要改變虹膜外觀，需要非常精細(xì)的外科手術(shù)，而且要冒著視力損傷的危險(xiǎn)。虹膜的高度獨(dú)特性、穩(wěn)定性及不可更改的特點(diǎn)，是虹膜可用作身份鑒別的物質(zhì)基礎(chǔ)。