增强现实（AR）中的图像识别使设备能够识别现实世界的物体或图案，并将数字内容叠加到其上。此过程通常涉及分析相机输入以检测预定义的标记、纹理或特征。例如，一个 AR 应用可能会识别产品包装上的二维码，并在通过智能手机查看时显示该物品的 3D 模型。基于标记的系统，如 Vuforia 或 ARKit 的图像锚点，就依赖于这种方法，其中数字内容的位置、方向和比例根据检测到的标记进行调整。这在物理世界和虚拟世界之间创建了稳定的链接，对于一致的用户体验至关重要。
一个常见的应用是对象跟踪和交互。例如，在零售应用中，图像识别可以识别家具目录图像，并将产品的 3D 版本投射到用户空间中。类似地，像 Pokémon GO 这样的 AR 游戏结合了地理定位和图像识别，将虚拟生物放置在特定的现实世界位置。先进的实现使用训练过的机器学习模型来识别更广泛的类别，例如“椅子”或“墙壁”，从而实现无标记的 AR 体验。像 Google 的 ARCore 这样的工具使用环境中的特征点——例如边缘或纹理——来锚定虚拟对象，而无需预定义的标记。这使得用户只需将相机指向表面即可将虚拟台灯放置在真实的桌子上。
图像识别还增强了 AR 导航和上下文信息。像 Google Maps Live View 这样的应用通过相机识别建筑物和地标，将方向箭头叠加到街道上。工业 AR 工具使用它来识别机械部件，并直接在设备上显示维修说明。挑战包括处理不同的照明条件、遮挡和计算限制。开发者通常使用 TensorFlow Lite 或 ONNX Runtime 等框架对边缘设备上的模型进行优化，以平衡准确性和性能。通过整合这些技术，AR 系统实现了实时响应能力，使用户在旋转虚拟对象或调整其大小时感到流畅无缝。