人工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。

       關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一瞭解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也瞭解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。

       人工智能在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，仿真系統中得到應用。

       著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：「人工智能是關於知識的學科－－怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

       人工智能（ARTIFICIAL INTELLIGENCE，簡稱AI）是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。

人工智能（ARTIFICIAL INTELLIGENCE，AI）是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，但沒有一個統一的定義。

       1956 年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智能」這一術語，它標誌著「人工智能」這門新興學科的正式誕生。IBM公司「深藍」電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術的一個完美表現。

       人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。

       可以說幾乎是自然科學和社會科學的所有學科，其範圍已遠遠超出了計算機科學的範疇，人工智能與思維科學的關係是實踐和理論的關係，人工智能是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等範圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。

　

　

機器視覺

        機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品（即圖像攝取裝置，分 CMOS 和CCD 兩種）將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分佈和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特徵，進而根據判別的結果來控制現場的設備動作。

       在國外，機器視覺的應用普及主要體現在半導體及電子行業，其中大概40%-50% 都集中在半導體行業。具體如PCB印刷電路：各類生產印刷電路板組裝技術、設備；單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設施以及耗材、油墨、藥水藥劑、配件；電子封裝技術與設備；絲網印刷設備及絲網周邊材料等。SMT表面貼裝：SMT工藝與設備、焊接設備、測試儀器、返修設備及各種輔助工具及配件、SMT材料、貼片劑、膠粘劑、焊劑、焊料及防氧化油、焊膏、清洗劑等；再流焊機、波峰焊機及自動化生產線設備。電子生產加工設備：電子元件製造設備、半導體及集成電路製造設備、元器件成型設備、電子工模具。機器視覺系統還在質量檢測的各個方面已經得到了廣泛的應用，並且其產品在應用中佔據著舉足輕重的地位。除此之外，機器視覺還用於其他各個領域。

       而在中國，視覺技術的應用開始於90年代，因為行業本身就屬於新興的領域，再加之機器視覺產品技術的普及不夠，導致以上各行業的應用幾乎空白。目前國內機器視覺大多為國外品牌，如康耐視、DALSA、基恩士、歐姆龍等。國內大多機器視覺公司基本上是靠代理國外各種機器視覺品牌起家，隨著機器視覺的不斷應用，公司規模慢慢做大，技術上已經逐漸成熟。例如：上海波創電氣有限公司，專業代理加拿大DALSA機器視覺產品，在短短六年的時間裡，就發展成國內首屈一指的機器視覺企業。國內也開始意識到機器視覺的重要性，微視就是中國人自己的機器視覺的公司，研發自己的機器視覺產品。當然，技術上跟國外的品牌還存在一些不足。

指紋識別

         指紋識別系統是一個典型的模式識別系統，包括指紋圖像獲取、處理、特徵提取和比對等模塊。

       指紋圖像獲取：通過專門的指紋採集儀可以採集指紋圖像。指紋採集儀用到的指紋傳感器按採集方式主要分為劃擦式和按壓式兩種，按信號採集原理目前有光學式、壓敏式、電容式、電感式、熱敏式和超聲波式等。另外，也可以通過掃瞄儀、數字相機等獲取指紋圖像。對於分辨率和採集面積等技術指標，公安行業已經形成了國際和國內標準，但其他行業還缺少統一標準。根據採集指紋面積大體可以分為滾動捺印指紋和平面捺印指紋，公安行業普遍採用滾動捺印指紋。

       指紋圖像壓縮：大容量的指紋數據庫必須經過壓縮後存儲，以減少存儲空間。主要方法包括JPEG、WSQ、EZW等。

       指紋圖像處理：包括指紋區域檢測、圖像質量判斷、方向圖和頻率估計、圖像增強、指紋圖像二值化和細化等。

       指紋特徵提取：從預處理後的圖像中提取指紋的特徵點信息（終結點、分叉點...)，信息主要包括類型、坐標、方向等參數。

       指紋特徵匹配：計算特徵提取結果與已存儲的特徵模板的相似程度。

人臉識別

       人臉識別是北京中研眾力科技有限公司基於人的臉部特徵信息進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

       人臉與人體的其它生物特徵（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被複製的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：

       非強制性：用戶不需要專門配合人臉採集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有「強制性」；

       非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；

       並發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；

       除此之外，還符合視覺特性：「以貌識人」的特性，以及操作簡單、結果直觀、隱蔽性好等特點。

　

虹膜識別技術

虹膜識別技術是人體生物識別技術的一種。

       人眼睛的外觀圖由鞏膜、虹膜、瞳孔三部分構成。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%；虹膜位於鞏膜和瞳孔之間，包含了最豐富的紋理信息，佔據65%。外觀上看，由許多腺窩、皺褶、色素斑等構成(見右圖)，是人體中最獨特的結構之一。虹膜的形成由遺傳基因決定，人體基因表達決定了虹膜的形態、生理、顏色和總的外觀。

人發育到八個月左右，虹膜就基本上發育到了足夠尺寸，進入了相對穩定的時期。除非極少見的反常狀況、身體或精神上大的創傷才可能造成虹膜外觀上的改變外，虹膜形貌可以保持數十年沒有多少變化。另一方面，虹膜是外部可見的，但同時又屬於內部組織，位於角膜後面。要改變虹膜外觀，需要非常精細的外科手術，而且要冒著視力損傷的危險。虹膜的高度獨特性、穩定性及不可更改的特點，是虹膜可用作身份鑒別的物質基礎。