Il riconoscimento del modello (o talvolta riconoscimento del modello ) è un insieme di tecniche e metodi per identificare i modelli informatici da dati grezzi per prendere una decisione a seconda della categoria assegnata a quel terreno. È considerata una branca dell'intelligenza artificiale che fa ampio uso di tecniche e statistiche di apprendimento automatico .
La parola forma è da intendersi in un senso molto generale, non solo quello di “forma geometrica” ma piuttosto di schemi che possono essere di natura molto varia. Può essere contenuto visivo (codice a barre, volto, impronta digitale, ecc.) o sonoro (riconoscimento vocale), immagini mediche (raggi X, EEG, risonanza magnetica, ecc.) o multispettrali (immagini satellitari) e molti altri. .
Il riconoscimento del modello può essere eseguito utilizzando vari algoritmi di apprendimento automatico come:
Le forme ricercate possono essere forme geometriche, che possono essere descritte da una formula matematica, come:
Possono anche essere di natura più complessa:
Gli algoritmi di riconoscimento possono lavorare su immagini in bianco e nero, con contorni bianchi degli oggetti nell'immagine. Queste immagini sono il risultato di algoritmi di rilevamento dei bordi . Possono anche lavorare su aree predefinite dell'immagine risultanti dalla segmentazione dell'immagine .
Metodi di riconoscimento del modello:
Un noto algoritmo per il rilevamento di pattern, la trasformata di Hough , è un metodo di stima parametrica.
Questo metodo caratterizza una forma ed estrae parametri caratteristici dell'oggetto e li confronta con un metodo di classificazione o di abbinamento ad una base di apprendimento. Con questo metodo, è impossibile estrarre più forme dalla stessa immagine senza pre-elaborazione.
In questo approccio, si estrae punti caratteristici da oggetti come angoli tramite rilevatori di Harris, quindi si estrae caratteristiche nelle vicinanze di questo punto. Con queste caratteristiche è possibile estrarre più oggetti e riconoscerli tramite un classificatore.