thumb|Reconnaissance de forme à partir de modélisation en 3D La reconnaissance de formes (ou parfois reconnaissance de motifs) est un ensemble de techniques et méthodes visant à identifier des régularités informatiques à partir de données brutes afin de prendre une décision dépendant de la catégorie attribuée à ce motif. On considère que c'est une branche de l'intelligence artificielle qui fait largement appel aux techniques d'apprentissage automatique et aux statistiques. Le mot forme est à comprendre dans un sens très général, pas seulement celui de « forme géométrique » mais plutôt de régularités ou motifs qui peuvent être de nature très variée. Il peut s'agir de contenu visuel (code-barres, visage, empreinte digitale...) ou sonore (reconnaissance de parole), d'images médicales (rayon X, EEG, IRM...) ou multispectrales (images satellitaires) et bien d'autres. La reconnaissance de motifs peut être effectuée au moyen de divers algorithmes d'apprentissage automatique tels : un réseau de neurones ; une analyse statistique ; l'utilisation de modèles de Markov cachés ; une recherche d'isomorphisme de graphes ou sous-graphes. Les formes recherchées peuvent être des formes géométriques, descriptibles par une formule mathématique, telles que : cercle ou ellipse ; courbes de Bézier, splines ; droite. Elles peuvent aussi être de nature plus complexe : lettre ; chiffre ; empreinte digitale. Les algorithmes de reconnaissance peuvent travailler sur des images en noir et blanc, avec en blanc les contours des objets se trouvant dans l'image. Ces images sont le fruit d'algorithmes de détection de contours. Ils peuvent aussi travailler sur des zones de l'image prédéfinies issues de la . Méthodes de reconnaissance de formes : Mise en correspondance de graphes ; Méthode bayésienne ; Estimation paramétrique ; Classifieur linéaire ; Réseau de neurones ; Local feature focus ; Support vector machine (SVM); Polytopes de contrainte ; Méthode des hypercubes. Méthodes prétopologiques.