“人臉識別”三維解構的教學設計

廖力紫 張馨月

在人工智能的學習中，“人臉識別”是一個重要的主題，但是人臉識別涉及一些復雜高深的專業術語和算法，中學生目前還沒有達到這方面的知識儲備。怎么辦呢？這實在是對教師的考驗，如果不顧一切地講算法，學生肯定云里霧里，聽不懂，但是如果完全跳過算法，直接給出程序，那么課堂就成了體驗課，沒有一定深度，沒有涉及知識核心，沒有展現學科精華。要想解決這一矛盾，關于“人臉識別”的教學必須做到既要讓學生體會學科核心思想，又不能讓那些專業算法成為攔路虎，阻擋學生學習的腳步。為了做到這一點，筆者經過深入思考后，把知識進行了簡化分解和重構。

● 設計思想

針對中學生的理解能力，筆者將“人臉識別”的內容從三個維度進行解構（如右圖）。橫向簡化分解成人臉檢測定位和人臉訓練識別這兩部分;縱向分成基于靜態圖片的識別和基于動態視頻的識別兩部分;第三維度設置知識卡片、拓展閱讀，對學習過程中不可避免的專業名詞和術語，以知識卡片和拓展閱讀的形式進行簡單介紹和補充說明，讓學生自行閱讀了解，避免干擾主體思維的形成。

根據上面的知識解構，第一部分首先從人臉檢測定位入手，學習基于靜態圖片的人臉定位和基于視頻攝像頭的人臉定位，這部分建議2～3課時。第二部分進行人臉訓練識別的學習，也是從圖片和視頻這兩方面分別進行，這部分建議2～3課時。

● 教學內容

1.人臉檢測定位

學習人臉檢測定位先從圖片入手，讓學生首先了解核心的分類器技術，再過渡到視頻，這樣在學習視頻處理時，加上幀的相關知識即可。

（1）基于圖片的人臉檢測

這部分的教學目標是了解原理和過程、讀懂程序，能在現有程序的基礎上進行簡單的修改變換和應用;教學重點是人臉檢測的過程和詳細步驟，教學難點是分類器。

人臉檢測在生活中有很多地方會運用到，如為方便大家拍照，手機畫面會自動標注出人臉。在進行教學時，可以用這個例子，讓學生有直觀印象。

讓學生對人臉檢測的過程有一個整體的認識，這是教學的重點，人臉檢測先判斷是否存在人臉，如果存在人臉，則給出臉的位置、大小和各個主要面部器官的位置信息。人臉檢測程序的主要步驟為：引入OpenCV——讀入圖片，并預處理——人臉分類器——人臉標注顯示。

本節課的人臉檢測程序將會涉及OpenCV庫，為了不影響學生主體思維的形成，將對OpenCV庫的介紹設置成“知識卡片”的形式，讓學生自行閱讀。圖片預處理成灰度圖，這個可以根據情況進行講解，也可讓學生自行閱讀。分類器是人臉檢測的核心，需要重點講解，本次程序要用到的是Haar分類器中的haarcascade_frontalface_default.xml。

在學生實踐了人臉檢測程序、理解了相關代碼后，可在練習環節讓學生修改人臉標注框的形狀，把方形框改成圓形框，或者修改標注框的顏色。如果這個任務完成良好，可以加入第二個練習，在檢測人臉的基礎上檢測眼睛。對學有余力的學生，還可以讓其在檢測人臉的基礎上檢測笑容。

（2）基于視頻的人臉檢測

學習了基于圖片的人臉檢測，再學習基于視頻的檢測就容易多了，只需要補充動態視頻的相關知識即可。這部分的教學目標是理解動態視頻的原理，能調用攝像頭讀取幀、檢測人臉;教學重難點是理解幀，將動態影像轉化成靜態圖像進行處理。

動態視覺效果是由多幅靜態圖片連續播放形成，每一幅靜態圖片就是“幀”。因此，視頻檢測的實質是針對一系列的連續靜態圖片——幀所做的檢測，所以這節的重點是學習如何處理幀。

教師先講解如何調用攝像頭→讀取幀→關閉攝像頭，讓學生上機實踐，學會對攝像頭的控制和對幀的讀取;再結合基于圖片檢測的知識，對幀加入進行人臉檢測的代碼。根據前面的圖片檢測眼睛的練習，可以設置“基于視頻檢測眼睛”的拓展練習。為了提高學生的學習興趣，可以讓學生閱讀關于人臉識別技術發展的相關資料。

2.人臉訓練識別

在已經檢測到人臉的基礎上讓機器“認識”人，核心是機器學習。機器要“學習”，離不開數據，這體現了數據的重要性。

（1）基于圖片的人臉識別

這部分的教學目標是理解基于圖片的“人臉識別”原理，能對不同的人臉進行識別;教學重難點是理解機器學習，了解標簽的作用和置信度的含義。

機器學習是教學的重難點，機器學習的過程要分析清楚。機器學習需要數據，輸入人臉圖片，對它進行訓練，它會學習關于人臉特征的內容。在訓練完成后，當輸入一張人臉照片時，它會依據前面的學習判斷出這個人是否“認識”。一般來說，給機器訓練的數據越多，它的識別結果越準確，可以給學生提供介紹“人臉數據集”的相關資料。

本節課的人臉識別程序使用LBPH識別器，這個識別器由OpenCV擴展庫提供，需要安裝此擴展庫，對LBPH識別器的介紹可放在“知識卡片”中。

在實踐環節，教師首先分析針對單人的訓練識別，明確人臉識別程序的主要步驟為：引入相關庫——輸入訓練圖片——設置圖片標簽——加入LBPH識別器——機器訓練——輸入預測圖片——機器識別預測——輸出預測結果。設置標簽屬于機器學習中的有監督學習，此處可以根據學生的接受程度，適當加入有監督學習和無監督學習的介紹。

接著讓學生思考如何在單人識別的基礎上完成兩人的訓練識別。如果學生能夠完成多人的訓練識別，可以進行練習二：將程序中輸出的標簽和置信度修改成更容易讓普通人看懂的結果。順著這個思路，拓展練習可設置成：直接在圖片上標注識別出的人名。人臉識別屬于計算機視覺的范圍，拓展閱讀可以給學生提供計算機視覺的相關資料。

（2）基于視頻的人臉識別

這部分的教學目標是綜合運用前面的知識，完成一個比較完整的項目。如果學生基礎比較薄弱，可以把這部分簡化，作為體驗課。

● 教學反思

學生在運行基于圖片的人臉檢測程序時發現，只有用正臉照片才能識別，側臉圖片無法識別。筆者順著這個問題引導學生觀察OpenCV庫的Haar分類器，有些學生發現了側臉分類器 haarcascade_frontalface_alt.xml，用這個分類器可以對側臉進行識別。為什么側臉分類器可以識別正臉分類器無法識別的人臉呢？筆者拋出這個問題，引發了學生的熱烈討論。另外，在一個班有一對雙胞胎，為了分辨雙胞胎，學生們反復調整置信度，或者換不同的識別器，整個課堂的教學氛圍非常積極活躍，完全超出了教學預設。

教學設計是有規律可尋的，但真實的課堂遠比預設的更精彩，這也是值得教師慶幸的事。