脱机手写识别(offline handwriting recognition)是文字识别中最有挑战性的一个问题。主要原因有二，一是手写文字(样本)变化很大，不同的人有不同的字体和风格，一些比较潦草的字，常常连人都难以辨认。二是脱机识别的对象是已经写好的字，因此难以像联机识别(onfine recognition)那样提取出对识别很有帮助的笔顺信息。
Bayes分类器模型是统计模式识别的基本模型。该模型基于各候选类的先验概率密度函数(PDF)计算输入样本属于各类的概率。因此要利用Bayes分类器进行文字识别，就要将各候选字的PDF事先估计出来，存储在系统之中。由于各字的PDF难以用简单的概率分布解析描述，因此须用数值描述。但由于汉字种类很多，存储所有字
的PDF数值描述通常需要很大的空间。近年来有学者提出用分段线性近似的方法描述PDF，只用6个数据便能描述一个PDF。从而实现了一个低存储开销的基于Beyes分类器的手写汉字识别系统。
语音识别的主要困难来自于语音的多变性，即人们讲话的声音受性别、年龄、口音、语速、情绪、身体状况、文化程度、社会地位等众多因素的影响。克服语音多变性的手段同样是特征抽取和分类器建模。但适用于语音识别的方法与文字识别的方法有所不同。在特征抽取方面，人们普遍采用线性预测倒谱系数(LPCC)、镁尔频率倒谱系数(MFCC)等方法；在分类器建模方面，早期主要采用动态时间弯曲(DTW)和矢量量化(VQ)的方法，而目前主要采用HMM。
HMM改变了以往利用观测语音直接判断含义(说话人要讲的是什么)的方法，而是先计算发音系统经历了哪个运动(状态转移)过程产生的这个语音，然后再来判断说话人要说什么。这种方法在语音和含义之间搭建了一个桥梁，即发音系统的运动过程。从而降低了直接由具有多变性的语音判断含义的困难。
图像识别是模式识别的一个重要领域，涵盖目标识别、指纹识别、掌纹识别、虹膜识别、人脸识别等多个方向。近年来，随着生物信息识别技术在身份认证、信息安全以及反恐等领域中重要作用的突显，图像识别技术受到了广泛的重视。
指纹识别是最成熟的一项生物信息识别技术。目前，各种类型的指纹识别系统已在公安、海关、公司门禁、PC机设锁等多种场合得到应用，成为展现图像识别技术实用价值的标志。指纹识别系统既有应用于公司、家庭或个人计算机的嵌入式系统一指纹锁，也有用于刑侦、护照通关、网络身份认证等领域的大型系统。嵌入式系统存储的指纹(特征)数较少(一般在100枚以内)，可用简单的算法实现高精度识别，所要解决的主要问题是如何用简单、小巧、廉价的设备实现指纹的正确采集和识别。大型系统往往需要储存上百万的指纹，因此如何提高指纹的比对速度便成为关键。为了能够进行快速处理，需要对指纹进行很好的组织和采用高速算法。 2100433B
