资源简介

第2节
“认识”一个人
教学目标:
1.知识与技能
①了解机器学习的过程
②了解基于图片的人脸识别训练过程。
③体验基于视频的人脸识别训练。
2.过程与方法
先学习、了解机器学习、训练、认识一个人的过程原理，再让机器训练识别基于图片的单个、多个人脸，体验基于视频的人脸识别训练，阅读人脸识别技术的前世今生！
3.情感态度价值观
积极体验、学习、更深入的认识人脸识别技术，既增长了知识，又开拓视野，提高了信息技术素养！
教学重难点：
①了解基于图片的人脸识别训练过程。（重点）
②体验基于视频的人脸识别训练。（难点）
教学过程
激趣导入：
看视频，引入本课学习主题。
一、如何从图片“认识＂一个人
1、温习旧知识：人脸定位。
2、如何能“认识”一个人呢?
训练机器学习人脸图片样本数据，认识人脸的特征。给机器训练的数据越多，它的认识就越全面、越准确。基于图片的人脸识别训练过程如图2-2-1所示。
输入训练图片→机器训练→获得特征
图2-2-1“认识”人脸的过程
二、识别训练
步骤一:准备工作
①训练图片：同一个人的两张图片“img01.jipg”(图2-2-2)和“img02.jpg”(图2-2-3)，标签为“0”。
②提前安装LBPH识別器。安装方法和第一节安装
Opencv的方法相同。
安装命令:
pip
install
opencv-
contrib-
python
知识卡片:LBPH识别器
LBPH是
Local
Binary
Patterns
Histogramss的缩写，翻译过来就是局部二进制编码直方图。
LBPHE的主要思想是以当前点与其相邻点的相对关系作为处理结果。正因如此，在图像灰度整体发生变化时，提取的信息仍能保持不变。此方法在人脸识别中运用非常广泛，本节的程序就使了这种方法来训练器。
Opencv:还提供了另外两种人脸识别方法，分别是
Eigenface和
Fisherface。
步骤二:人脸识别训练
①引人模块，读入训练用的两张图片，设置标签为“0”，
②加入BPH识别器进行识别训练，步骤如“图2-2-4识别训练的步骤”所示。
人脸识别训练的程序代码如图2-2-5所示。
欢欢:老师，人脸图片标签有什么作用?
老师:我们将人脸图片进行分类，同一个人的人脸图片设置相同的标签，这样方便标识出不同的人脸数据。
步骤三:多个不同的人脸识别训练
多个不同的人脸识别训练与单个人脸识别训练不同的是添加训练图片时选用不同人的照片。以识别两个人为例，只需再增加另一个人的图片进行训练即可保留前面的“img01.jpg”(图2-2-2)和“img02.jpg”(图2-2-3)，这两张图片都是同一个人，标签为“0”;增加两张训练图片
img11.
jpg”(图2-2-6)和“img12.jpg”(图2-2-7)，这两张图片为同一个人，标签为“1”。
完整的代码如图2-2-8“两个不同的人脸的识别训练代码”所示：
欢欢:老师，用图片进行识别练，我明白了。那能不能用视频来训练识别呢?
老师:当然可以。视频动态效果是由多幅静态图片连续播放形成的，因此，视频识別，其实质是通过视中的静态图像认识人脸。
扩展任务:“认识”视频中的人
从视频中“认识”一个人，需要采集足够多的人脸图像信息让机器训练，过程如图2-2-9所示。
人数据采集→
机器训练并生成训练模型文件
图2-2-9视频人脸识别训练过程
人脸数据采集。通过摄像头扫描捕捉需要的人脸图像信息，在程序所在的目录创建一个“
Facedata”文件夹，用来存放采集的人脸数据，详细程序见附录二:人脸图像采集代码。
程序运行后如图2-2-10所示，先要用户设置一个人脸图片标签。
enter
user
id:
0
图2-2-10用户设置人脸图片标签
输入标签“0”并按回车键后，摄像头开始自动采集视频中人脸图像并保存到“
Facedata”文件夹中。
2.人脸数据训练。在程序所在目录创建一个“
face
trainer文件夹，存放训练后的模型文件，详细程序见附录三:人脸数据训练代码。
代码运行后，导入训练图片和对应标签进行训练，最后在“face_
trainer”文件夹中生成训练后的模型文件
Trainer.
yml。
拓展阅读
人脸识别技术的“前世今生”
人脸识别技术既是一项起源较早的技术，又是一门焕发着活跃生命力的新兴技术。随着近年来人工智能、大数据、云计算等技术更速度的加快，人脸识别作为人智能的一项重要应用，也搭上了时代的快车，基于人脸识别技术的一系列产品实现了广泛应用。
最早与人脸识别相关的研究并不是在计算机领城，而是在心理学领域。早在20世纪50年代，就有学者尝试从心理学的角度来阐释人脸认知的奥秘。除了从心理学的角度来研究人脸识别原理外，也有从生物视觉角度来探索秘的。但真正与我们现在的人脸识别技术有较多关联的研究出现在20世纪70年代。
人脸识别技术已从2D迈入3D时代，3D人脸识别如图2-2-11所示。3D人脸识别算法对于2D人脸识别的难点，包括人脸旋转、遮挡、相似度等在内的问都有了很好的应对。
图2-2-11
3D人脸识别
四、课堂练习：
1.人脸识别的关键技术包括以下哪几项?
(
)
口A、图像采集
口B.图像处理
口C、特征定位
口D、身份的确认和查找
2.人脸识别技术可以用在以下哪些场景?
(
)
口A、银行叫号取号
口B.交管局出入大厅
口C、会议签到
口D,
ATM转账汇款
3.前端识别模式下,导致人脸识别效果不好的因素包括(
)
口A、镜头脏污
口B、网络不稳定
口c、逆光环境
口D、跑步通过
五、课堂小结
这节课，我知道了机器学习的过程和基于图片的人脸识别训练过程，体验了基于视频的人脸识别训练。更深入的认识人脸识别技术，既增长了知识，又开拓视野，提高了信息技术素养！
六、板书设计
从图片“认识”一个人
“认识”一个人
识别训练(共33张PPT)
第2节
“认识”一个人
激趣导入：
一、如何从图片“认识＂一个人
1、温习旧知识：人脸定位。
2、如何能“认识”一个人呢?
训练机器学习人脸图片样本数据，认识人脸的特征。给机器训练的数据越多，它的认识就越全面、越准确。基于图片的人脸识别训练过程如图2-2-1所示。
图2-2-1“认识”人脸的过程
二、识别训练
步骤一:准备工作
①训练图片：同一个人的两张图片“img01.jipg”(图2-2-2)和“img02.jpg”(图2-2-3)，标签为“0”。
②提前安装LBPH识別器。安装方法和第一节安装
Opencv的方法相同。
安装命令:
pip
install
opencv-
contrib-
python
知识卡片:LBPH识别器
LBPH是
Local
Binary
Patterns
Histogramss的缩写，翻译过来就是局部二进制编码直方图。
LBPHE的主要思想是以当前点与其相邻点的相对关系作为处理结果。正因如此，在图像灰度整体发生变化时，提取的信息仍能保持不变。此方法在人脸识别中运用非常广泛，本节的程序就使了这种方法来训练器。
Opencv:还提供了另外两种人脸识别方法，分别是
Eigenface和
Fisherface。
步骤二:人脸识别训练
①引人模块，读入训练用的两张图片，设置标签为“0”，
②加入BPH识别器进行识别训练，步骤如“图2-2-4识别训练的步骤”所示。
人脸识别训练的程序代码如图2-2-5所示。
欢欢:老师，人脸图片标签有什么作用?
老师:我们将人脸图片进行分类，同一个人的人脸图片设置相同的标签，这样方便标识出不同的人脸数据。
步骤三:多个不同的人脸识别训练
多个不同的人脸识别训练与单个人脸识别训练的原理相同，区别在于添加训练图片时选用不同人的照片。以识别两个人为例，只需再增加另一个人的图片进行训练即可保留前面的“img01.jpg”(图2-2-2)和“img02.jpg”(图2-2-3)，这两张图片都是同一个人，标签为“0”;增加两张训练图片
img11.
jpg”(图2-2-6)和“img12.jpg”(图2-2-7)，这两张图片为同一个人，标签为“1”。
完整的代码如图2-2-8所示
欢欢:老师，用图片进行识别练，我明白了。那能不能用视频来训练识别呢?
老师:当然可以。视频动态效果是由多幅静态图片连续播放形成的，因此，视频识別，其实质是通过视频中的静态图像认识人脸。
扩展任务:“认识”视频中的人
从视频中“认识”一个人，需要采集足够多的人脸图像信息让机器训练，过程如图2-2-9所示。
图2-2-9视频人脸识别训练过程
1.人脸数据采集。通过摄像头扫描捕捉需要的人脸图像信息，在程序所在的目录创建一个“
Facedata”文件夹，用来存放采集的人脸数据，详细程序见附录二:人脸图像采集代码。
程序运行后如图2-2-10所示，先要用户设置一个人脸图片标签。
图2-2-10用户设置人脸图片标签
输入标签“0”并按回车键后，摄像头开始自动采集视频中人脸图像并保存到“
Facedata”文件夹中。
2.人脸数据训练。在程序所在目录创建一个“
face_trainer文件夹，存放训练后的模型文件，详细程序见附录三:人脸数据训练代码。
代码运行后，导入训练图片和对应标签进行训练，最后在“face_trainer”文件夹中生成训练后的模型文件
Trainer.
yml。
拓展阅读
人脸识别技术的“前世今生”
人脸识别技术既是一项起源较早的技术，又是一门焕发着活跃生命力的新兴技术。随着近年来人工智能、大数据、云计算等技术更速度的加快，人脸识别作为人智能的一项重要应用，也搭上了时代的快车，基于人脸识别技术的一系列产品实现了广泛应用。
最早与人脸识别相关的研究并不是在计算机领城，而是在心理学领域。早在20世纪50年代，就有学者尝试从心理学的角度来阐释人脸认知的奥秘。除了从心理学的角度来研究人脸识别原理外，也有从生物视觉角度来探索秘的。但真正与我们现在的人脸识别技术有较多关联的研究出现在20世纪70年代。
人脸识别技术已从2D迈入3D时代，3D人脸识别如图2-2-11所示。3D人脸识别算法对于2D人脸识别的难点，包括人脸旋转、遮挡、相似度等在内的问都有了很好的应对。
3D人脸识别
四、课堂练习：
1.人脸识别的关键技术包括以下哪几项?
(
)
口A、图像采集
口B、图像处理
口C、特征定位
口D、身份的确认和查找
2.人脸识别技术可以用在以下哪些场景?
(
)
口A、银行叫号取号
口B、交管局出入大厅
口C、会议签到
口D、ATM转账汇款
3.前端识别模式下,导致人脸识别效果不好的因素包括(
)
口A、镜头脏污
口B、网络不稳定
口c、逆光环境
口D、跑步通过
课堂小结
这节课，我知道了机器学习的过程和基于图片的人脸识别训练过程，体验了基于视频的人脸识别训练。更深入的认识人脸识别技术，既增长了知识，又开拓视野，提高了信息技术素养！
板书设计
从图片“认识”一个人
“认识”一个人
识别训练
PPT模板下载：www.1ppt.com/moban/
行业PPT模板：www.1ppt.com/hangye/
节日PPT模板：www.1ppt.com/jieri/
PPT素材下载：www.1ppt.com/sucai/
PPT背景图片：www.1ppt.com/beijing/
PPT图表下载：www.1ppt.com/tubiao/
优秀PPT下载：www.1ppt.com/xiazai/
PPT教程：
www.1ppt.com/powerpoint/
Word教程：
www.1ppt.com/word/
Excel教程：www.1ppt.com/excel/
资料下载：www.1ppt.com/ziliao/
PPT课件下载：www.1ppt.com/kejian/
范文下载：www.1ppt.com/fanwen/
试卷下载：www.1ppt.com/shiti/
教案下载：www.1ppt.com/jiaoan/
PPT论坛：www.1ppt.cn
Thanks！

展开更多......

收起↑