在菜市场，我们不用担心零钱问题，刷刷手机就能付款;在火车站，我们不用排队取票，刷刷身份证就能顺利进展;回到家，我们不怕忘带钥匙，刷刷指纹就能开门。
这些便利，离不开计算机识别技术的发展。计算机识别技术，又被称为模式识别，是指通过计算机用数学技术方法来研究模式的自动处理和判读。“模式”按照分类依据的不同，可以被分成很多种类别，例如按照识别对象的不同，可以分为对环境的识别和对客体的识别。如果这个客体是人类的话，我们又可以把模式识别分为光学信息识别和声学信息识别等类别。
20世纪40年代至 20世纪50年代，随着计算机及人工智能的诞生，模式识别的概念也应运而生。到了20世纪60年代，模式识别技术迅速发展，成为一门新兴的学科。早期的模式识别技术的研究重点主要集中在数学方法上，统计决策理论方法求解模式识别问题的理论极大的促进了模式识别研究的发展。而后，有科学家将模式识别的研究方向转移到了人工神经元网络领域，学者们发现计算机网所具有的存储和计算能力，将给模式识别技术带来新的革新。人工神经元网络技术也不负所望，在短短几年内就极大的推动了模式识别技术的发展，取得了很多应用上的成果。
模式识别技术之所以能够飞速发展，离不开它的显著特点。与人工相比，模式识别技术的优点非常显著，速度快、准确度高，即效率高。对于飞速发展的市场而言，效率无疑与竞争力与效益直接挂钩，这对于任何一个领域而言，都是不能放弃的“关节”般的技术。
随着模式识别技术的不断发展，其所应用的领域不断拓宽，与其它学科的交叉也日益增多。不过，从模式识别系统的本质上来看，模式识别的关键就是利用模糊数学的理论去解决分类识别的问题。按照识别技术所应用的领域的不同，目的的不同，所采用的识别方法也不同。不过总体而言，模式识别系统基本上可以由三个部分组成，分别是数据的采集与生成，数据分析与数据分类。
模式识别的发展方向多样，目前主要有图像处理、计算机视觉、语音语言信息处理等研究方向。
图像处理技术很好理解，即用计算机对图像进行处理的技术。图像处理技术在模式识别上的应用，需要让计算机从图像中抽取某些有用的度量、数据或信息，并进行分析，进而进行分类与识别。在模式识别的实际应用中，图像处理技术往往作为前置处理步骤出现，需要联合计算机视觉等技术才能完成实际应用。
计算机视觉技术是指使用设备对目标进行识别、分析和处理的一项技术。计算机视觉技术的主要任务，就是模拟生物视觉，对所采集到的图像数据进行处理，并获取相应场景的三维信息。对于人类以及其他生物而言，通过视觉感知环境是一种编进基因中的本能，但这对于计算机而言却极具挑战性。计算机视觉是一门综合性的学科，包含计算机科学和工程、信号处理、物理学、应用数学、统计学、神经生理学和认知科学等学科。
语言信息处理是语言学与计算机科学交叉形成的一门学科，其理论基础就是计算语言学。计算语言学可以通过建立形式化的数据模型，去分析、处理自然语言，最终达到使用机器模拟人类的部分乃至全部语言能力的目的。自然语言是人类在自身发展过程中所产生的语言，例如我们所学习的中文、英文。而计算机语言是人工语言的一种，是用于人与计算机之间传递信息的语言，例如我们所学习的C语言、python。
随着全球信息产业的飞速发展，我们即将迈入数字经济时代。在数字经济时代，市场对于模式识别技术的需求也会日益增加，这也将进一步推动其产业化的发展。
比如说，随着大数据时代的到来，信息的传播维度与丰富度不断增加，文字、语音、图像、视频等不同形式的信息往往会同时出现。我们从2G迈入5G的过程中，互联网的数据也从单模态转变到了多模态。这种转变带来了很多新的经济效益，例如播客、视频博主乃至直播行业的兴起，都受益与互联网信息的多模态发展。这种发展，也推动了模式识别技术从单模态识别到多模态识别的发展。模式识别技术只有适应了多模态的数据信息，才能用好这些宝贵的数据，为我们提供诸如“个性化推荐”这样的功能;也才能管好这些宝贵的数据，为我们的网上冲浪提供隐私保护与清朗的环境。
在其它行业上，由于单一的模式识别技术各有优缺点，在应用上难免会出现一些问题。所以，在一些安全等级要求较高的应用场景当中，往往需要采用两种甚至两种以上的模式识别技术。而随着物联网时代的到来，这种多方法联合的模式识别技术也有望走向现实，为我们的日常生活与工作，提供更可靠的保障与更人性化的便利。
模式识别技术对于大数据、人工智能、物联网、智慧交通、智慧医疗等关键信息化进程具有重要意义，而随着数字经济时代的到来与国家对于科技创新的大力投入，识别技术的市场进一步扩大，中国在识别技术上也有了长足的进步，前景可期。
