從20世紀末到21世紀初，随着模式識别理論和技術自身的發展及計算機資料處理能力的飛速提高，模式識别技術的應用已經開始進入各行各業。這裡，我們列舉幾個典型的例子來說明模式識别系統的一般構成，同時從這些例子也可以看出模式識别技術廣闊的應用前景。
人的指紋具備唯一性、終身不變性、易擷取和難以複制等特點，這使得指紋識别很早就成為身份識别中的一種技術手段。随着科學技術的發展，指紋識别已經成為目前應用最為廣泛的生物識别技術，尤其在民用 圖1-4-1 指紋識别考勤機生物識别技術中，指紋識别技術已經在金融、醫療、公安、門禁系統等領域得到了廣泛的應用。
傳統的指紋識别系統都是基于pc機的，這種系統具有識别速度快、樣本存儲量大、軟體設計技術成熟等優點。但是，基于pc機的指紋識别系統由于價格昂貴、移動性能差、功耗高等缺點限制了其應用的進一步擴充。自20世紀末以來，半導體技術和嵌入式技術的快速發展，為人們設計廉價的便攜式指紋識别系統提供了一個技術上的實作平台。
指紋識别系統一般由指紋圖像采集、指紋圖像預處理、指紋特征提取、指紋特征比對、特征資料庫等幾部分組成。指紋識别系統的原理框圖如圖1-4-2所示。該系統首先由指紋采集裝置采集到指紋圖像并将其轉化為數字圖像；然後對指紋數字圖像進行預處理，再通過圖像增強、分割、平滑、細化等處理過程得到便于指紋特征提取的數字圖像；接着提取細化後的圖像細節特征點；最後将提取到的特征與特征資料庫中的特征資料進行比對，并輸出識别結果。
車牌識别系統作為數字攝像、計算機資訊管理、圖像分割和圖形識别技術在智能交通領域的應用，是智能交通管理系統中的重要組成部分。車牌識别技術可應用于道路交通監控、交通事故現場勘查、交通違章自動記錄、高速公路超速管理系統、小區智能化管理等方面，為智能交通管理提供了高效、實用的手段。
目前世界各國都在進行适用于本國汽車牌照的自動識别研究，美、日、韓等國已有相關系統（基于傳感器）問世。引進這些系統費用比較高，而且由于各國車牌和實際的交通環境不同，引進的系統往往無法滿足我國城市的需求，而國内市場上雖然已有産品投入使用，但是在後續處理時很大程度上仍然需要人工識别，是以對車牌識别技術的研究一直是目前高科技領域的熱門課題之一。車牌識别系統的成功設計、開發和應用具有相當大的社會效益、經濟效益和學術意義。
基于圖像處理的車牌識别系統一般包括五個部分，如圖1-4-3所示。
随着社會的發展以及技術的進步，人們對快速、高效的自動身份驗證的要求日益迫切，生物識别技術在科研領域得到了極大的重視和發展。在人與人的接觸中，人臉所包含的視覺資訊占據了重要地位，它無疑是區分人與人之間差異的最重要特征之一。相對于指紋、虹膜、掌紋、步态、筆迹、聲紋等生物特征，利用人臉來識别具有不可比拟的優勢：操作隐蔽，特别适用于安全、監控和抓逃工作；非接觸式采集，無侵犯性，容易接受；友善、快捷、強大的實時追蹤能力；符合人類識别習慣，互動性強；應用攝像頭即可完成圖像采集，裝置成本較低。人臉識别就是利用計算機從圖像或圖像序列中檢測出人臉，并判斷其身份。
人臉識别目前主要應用在如下三個方面：
第一，刑偵破案方面。公安部門獲得案犯的照片之後，可以利用人臉識别技術在存儲罪犯照片的資料庫中找出最相像的人，即嫌疑犯。還有一種應用就是根據目擊證人的描述畫出草圖，然後用該草圖到庫裡去尋找嫌疑犯。罪犯資料庫往往很大，通常由幾千幅圖像組成，如果這項搜尋工作由人工完成不僅效率低而且容易出錯，因為人在看了上百幅人臉圖像後記憶力會下降，而由計算機來完成則不會出現此問題。
第二，證件驗證方面。身份證、駕駛執照以及其他很多證件上都有照片，現在這些證件多是人工驗證的，如果應用人臉識别技術，這項任務就可以交給機器去完成，進而實作自動化智能管理。另外，像信用卡、銀行卡等安全需求較高的卡，因為卡被竊取、密碼丢失或遺忘給卡的使用和管理帶來很大的不便，如果在這類卡上加上人臉的特征資訊則可大大改善其安全性能，進而提高其管理和應用的便捷性。
第三，入口控制方面。入口控制的範圍很廣，它可以是設在樓宇機關或私人住宅入口的安全檢查，也可以是計算機系統或者情報系統等的入口檢查。在樓宇或某些安全部門的入口處比較常用的檢查手段是核查證件。在人員出入頻繁的情況下，要求保安人員再三檢查證
人臉識别考勤機件是很麻煩的，而且安全系數也不高。在一些保密要求非常嚴格的部門，除了用證件外還要用一些另外的識别手段，如指紋識别、掌紋識别、視網膜識别和語音識别等。人臉識别與之相比具有直接、友善和友好的特點。另外，在目前備受重視的計算機系統的安全管理中，通常使用的由字元和數字組成的密碼可能會被遺忘或者破解，但是如果把人臉當做密碼則既友善又安全。如圖1-4-4所示為某機關的人臉識别考勤機。
人臉識别系統的研究涉及模式識别、圖像處理、生理學、心理學、認知科學等多種學科，與基于其他生物特征的身份鑒别方法以及計算機人機感覺互動領域都有密切聯系。一個完整的人臉識别系統應實作如下基本功能：
1)對于任意圖像，确定其中是否存在人臉。若有人臉存在，确定人臉的數目及各自的位置和大小，并對人臉圖像做預處理。
2)提取人臉圖像特征。
3)對特征進行分析處理，與已知人臉庫内的人臉圖像進行比較，識别、确認身份。
其中，1)為人臉檢測的内容，2)、3)是人臉識别與了解的内容。如圖1-4-5所示，人臉自動識别過程包括三個主要環節，首先是人臉檢測和定位，即從輸入圖像中找到人臉及人臉存在的位置，并将人臉從背景中分割出來；然後是對歸一化的人臉圖像進行特征提取與識别。在人臉識别系統的三個環節中，特征提取與識别相對人臉檢測更為關鍵，相關研究也更加深入。
與機器進行語音交流，讓機器明白你說什麼，這是人們長期以來夢寐以求的事情。語音識别技術就是讓機器通過識别和了解過程把語音信号轉變為相應的文本或指令。語音識别技術主要包括特征提取技術、模式比對準則及模型訓練技術三個方面，如圖1-4-6所示。
根據識别的對象不同，語音識别任務大體可分為3類，即孤立詞識别（isolated word recognition）、連續語音識别和關鍵詞識别（或稱關鍵詞檢出，keyword spotting）。其中，孤立詞識别的任務是識别事先已知的孤立的詞，如“開機”、“關機”等；連續語音識别的任務則是識别任意的連續語音，如一個句子或一段話；連續語音流中的關鍵詞識别針對的是連續語音，但它并不識别全部文字，而隻是檢測已知的若幹關鍵詞在何處出現，如在一段話中檢測“計算機”、“世界”這兩個詞。
根據針對的發音人，可以把語音識别技術分為特定人語音識别和非特定人語音識别，前者隻能識别一個或幾個人的語音，而後者則可以被任何人使用。顯然，非特定人語音識别系統更符合實際需要，但它要比針對特定人的識别困難得多。
另外，根據語音裝置和通道，可以分為桌面（pc）語音識别、電話語音識别和嵌入式裝置（手機、pda等）語音識别。不同的采集通道會使人的發音的聲學特性發生變形，是以需要構造各自的識别系統。
語音識别的應用領域非常廣泛，常見的應用系統有：語音輸入系統，相對于鍵盤輸入方法，它更符合人的日常習慣，也更自然、更高效；語音控制系統，即用語音來控制裝置的運作，相對于手動控制來說更加快捷、友善，可以用在諸如工業控制、語音撥号系統、智能家電、聲控智能玩具等許多領域；智能對話查詢系統，根據客戶的語音進行操作，為使用者提供自然、友好的資料庫檢索服務，例如家庭服務、飯店服務、旅行社服務系統、訂票系統、醫療服務、銀行服務、股票查詢服務等。