其基本任务是构造某种智能体对客观事物进行自动感知、推理与决策。英文“pattern”源于法文“patron”，本来是指可作为大家典范的理想的人，或用以模仿复制的完美的样品。在模式识别学科中，“模式”具有更广泛的意义。所谓模式，即客观事物存在的形式。具有相同属性的模式的集合称为模式类。不同事物间的差异，必然构成模式的差异，这种差异便成为鉴别事物的基础或依据。模式识别技术是对智能生物感知客观世界和认识客观世界行为能力的一种模拟。例如，幼儿所具有的鉴别家庭成员与非家庭成员的能力是一种模式识别，气象专家鉴别不同气象模式的能力是一种模式识别，驾驶员鉴别不同道路指示牌也是一种模式识别。模式识别技术的目标就是用计算机表现类似人类感知客观世界和认识客观世界的智能行为。模式识别的理论体系可分为统计模式识别和结构模式识别理论。统计模式识别又称决策理论方法，用特征向量描述模式，由模式集合的特征向量形成特征向量空间，依据一定的准则对特征向量空间进行划分，其模式识别的过程表现为划分模式特征向量空间的过程。结构模式识别又称句法模式识别，用符号串描述模式，选择一组能有效表达模式结构的基元(如同统计模式识别中的特征抽取)，用文法规则描述基元之间的关系，其模式识别的过程表现为符号串文法分析的过程。模式识别赋予了智能体感知、推理以及决策的能力，代替人类完成各种各样的任务，减少人们的工作量。在如围棋、象棋一类的任务上，智能体甚至能获得超越人类的能力，为进一步探索这些任务提供了可能。

模式识别的研究主要在两方面：研究生物体（包括人）如何感知对象、推理分析以及自主决策，属于认知科学的范畴；在给定任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家和神经生理学家的研究内容；后者通过数学家、信息学专家和计算机科学工作者近几十年的努力，已经取得了系统的研究成果。

模式识别系统的信息流程

从统计模式识别的角度看，一个模式识别系统的信息流程可概略地用图描述（见图），系统的四个基本组成部分的功能为：①信息获取单元的任务是感知客观事物，提取模式信号。通过信息获取单元，作为客体的模式被转换成计算机或机器所能理解的形式。主要有数值，如山峰的高度、植物的年龄、航天运载工具的速度等；曲线，如心电图、语音信号、自动控制系统的响应曲线等；语言，如自然语言等；图像，如指纹图像、CT片、遥感图像等；视频，如监控视频等。②模式预处理单元的任务是对信息获取单元提取的模式信号进行初步的处理，如去除模式信号中的噪声，修复退化的模式信号、对模式信号进行规范化处理等，即将模式信号映射至标准的模式空间。③模式特征抽取单元的任务是由预处理后的模式信号提取模式的本质属性。任何事物都有其本质的和非本质的属性，事物的鉴别取决于本质属性。因此，特征抽取是一个数据压缩或降维的过程，即剔除模式的非本质属性，突现其本质属性的过程。④在某种意义下，模式识别问题本质上是模式分类问题。分类器的任务是依据分类器中的分类准则，对模式特征向量进行分析和计算，以确定模式所属的类别。分类器的设计是统计模式识别系统设计的重要环节，设计的基础是一组已知所属类别的模式，即样本。分类准则的基本内涵就是基于一定的相似性测度判断待识别模式与样本的相似性。待识别模式倾向于划归相似度较大的样本所属的类别。

计算机模式识别系统基本上由3部分组成，即数据采集、数据处理和分类决策。任何一种模式识别方法首先要通过各种传感器把研究对象的各种物理变量转换为计算机可以接受的数值或符号（串）集合。这种数值或符号（串）所组成的空间称为模式空间。为了从这些数值或符号（串）中提取对识别有效的信息，首先必须对它进行预处理，包括消除噪声，排除不相干的信号，与对象的性质和采用的识别方法密切相关的特征的计算（如表征物体的形状、周长、面积等）及必要的变换（如为得到信号功率谱所进行的快速傅里叶变换）等。然后，通过特征选择和提取或基元选择形成模式的特征空间。模式分类就在特征空间的基础上进行。系统的输出是对象所属的类型或者是模型数据库中与对象最相似的模型编号。

结构模式识别系统的构成和信息流程与统计模式识别系统相似，只需要用基元选择单元替换特征抽取单元，用文法分析单元替换分类器，用文法设计单元替换分类器设计单元。

模式识别包括模式分析、聚类分析、文法分析、特征抽取、错误评估、判别式分析等。随着神经网络的发展以及深度学习的出现，基于深度神经网络的模式识别系统研究，逐渐成为模式识别研究领域中重要的研究内容。深度卷积神经网络使得模式识别系统在人脸识别、物体分类、目标跟踪等多个计算机视觉任务上取得了超越人类的性能。使用深度神经网络的自然语言技术和语音识别技术也逐渐发展成为具有应用能力的成熟系统。模式识别技术应用于如指纹鉴定、语音识别、文本处理、疾病诊断、故障检测、图像理解、染色体识别、机器人视觉、雷达信号分析、遥感信号分析、气象模式的统计分析、工业生产过程的工况分析等领域。此外，基于模式识别技术的产品也在人们的日常生活中扮演了越来越重要的角色。智能无人车采用包括普通摄像头、红外摄像头、激光雷达、事件相机等的多种传感器，时刻地感应周围的环境变化，并利用多模态感知模式识别技术，对外界的变化采取相应的动作，构建一个采集-识别-反应的智能化系统，使得自动化的便捷无人交通系统成为可能。遍布城市的摄像头时刻采集视频和图像数据，经由模式识别系统的处理可以完成目标搜索、目标跟踪、危险识别，在打击犯罪、维护治安等方面起到了重要的作用，保护人民的财产和生命安全。智能音响和智能语音助手使用语音识别技术将语音指令转化为文字，并经过自然语言处理完成对语音的理解，从而对指令做出相应的行动，结合智能化的家电、机器，解放使用者的双手。智能翻译系统使用自然语言处理的先进技术，极大地方便了外交、外贸从业者的工作。

未来可以融合智能语音识别技术，完成实时语音同声传译，更好地促进各个国家与不同文化之间的良好交流。随着模式识别相关技术的进一步发展和不断应用，人们的生活也将会发生更加翻天覆地的变化。