相信这几天大家和笔者一样，正在为抢票殚精竭虑。无论是登录自己的账号，还是最终确定自己的火车票订单，都要过8张一厘米见方的小图这一关。

这一款“卖萌任性”的验证码的出现为了拦阻形形色色的抢票软件。然而，“道高一尺魔高一丈”，图片验证码刚一推出，就被部分抢票软件破解了。

据说，融合了360人工智能研究院视觉识别技术的360浏览器，就已经可以快速准确识别图片验证码。而今年这项技术将更加成熟强大，不仅可以自动识别验证码，用户还可以自动登录、自动提交订单。笔者在抢票中也尝试过，确实可以自动识别验证码。

所有这些步骤的完成，得益于一项技术：图像识别技术。

其实，图像识别技术是人工智能的一个重要领域。图像识别在学术界已经被研究了几十年，从大约50年前就有人提出让计算机外接相机来识别相机看到的东西(图灵奖得主Marvin Minsky)。这个见地在今天似乎没有什么，但是在50年前提出则相当不易。

图像识别方法可以分为两大类，模型的方法和搜索的方法。模型就是通过机器学习的方式学习一些已知的图像，构建符合这些特征的“新的未知图像”，经过这个模型判断出其应该具有的标签。

（基于模型的图像识别示意图，图片来自于网络）

搜索的方法是将已知标签的图像数据建成一个可以进行高效率检索的数据库，称为图像索引。与模型的方法比较起来，就是直接省去建立模型的环节，直接用这些数据来进行匹配。

所以，只要拥有图像数据，那些抢票软件的验证码便成为小菜一碟了。

那么，问题来了：自动图像识别有多牛?那么笔者有必要用数字说话了。在深度学习方式使用之前，最好的识别“前5准确率”(也就是给待测图像预测出的前5个标签中有一个是对的)只有74%左右，而深度学习第一次就将这个结果提升了将近10个百分点，到达83.6%。而最新的2015年的最好结果达到了96.3%。

想象一下：

淘宝上有超过10000种实物商品，在全国不同的城市，标注着不同的标签，如何快速找到?一个图像识别系统必不可少。

有个技术大牛曾这样举例：去参加朋友家里的一个聚会，主人家里有一株很漂亮的花，参与聚会的朋友们这都想知道花的名字，可惜主人也忘了。于是，我启动我研发的花卉识别器，成功地识别出了这株花。

成功识别出这是“Amaryllis(孤挺花)”，厉害了我的哥

图像识别与安防渊源颇深

识别的最基础是海量数据，而安防无疑是个巨大的数据入口，而且伴随着强烈的数据分析、图像分析需求。

视频监控在过去的应用中最大的问题是人工查看的问题，视频智能分析技术应运而生。目前安防行业采用的一般是前端智能+后端智能的方式，前端的摄像机进行基础的结构化数据提取，后端再进行深度二次分析。

要知道，视频监控领域是图像识别技术一直在寻求突破的主要领域之一。

在公安领域，城市道路、广场及各类重点场所的人、车、物等目标的识别，提取包括人的性别、人脸、全身等信息，车的车标、车牌、车身颜色等信息，都涉及到视频图像分析技术。侦破与搜寻的效率得到前所未有的提高。

在智能交通领域，具有分析、感知能力的智能摄像机通过视频识别分析技术，可对每辆车进行完整的违法行为分析、识别、抓拍和录像，记录车辆违法的整个过程，再将每条记录生成文本数据提交给后端智能管理与分析系统，是不是神奇到没朋友呢?

监狱、看守所等司法系统以及校园等教育地域的安防都与监控、视频图像识别密不可分……图像识别与安防关系密切。

笔者语

作为安防行业的一个小小的细胞，深知这个行业的广袤，其实我们很多安防技术并不是古板的、官方的。随着安防的民用化不断深入，很多安防人正在将安防嵌入我们日常生活的每个细节。

比如，抢票这个事儿。