新川教版八上2.3《“认出”一个人》课件+素材
文档属性
| 名称 | 新川教版八上2.3《“认出”一个人》课件+素材 |  | |
| 格式 | zip | ||
| 文件大小 | 1.6MB | ||
| 资源类型 | 试卷 | ||
| 版本资源 | 川教版 | ||
| 科目 | 信息技术（信息科技） | ||
| 更新时间 | 2022-12-20 13:59:31 | ||
图片预览
文档简介
(共23张PPT)
第3节 “初出”一个人
川教版八年级上册
第3节 “初出”一个人
川教版（2019）
第二单元 让机器认识我
信息技术 八年级(上)册
学习目标
1、了解基于图片的人脸识别预测；
2、体验基于视频的人脸识别预测过程；
3、了解人脸识别技术的应用领域。
新课导入
上节课我们学习了计算机能够通过图片或视频“认识”一个人。
今天这节课我们要来测试一下看看计算机能否“认出”一个人，下面我们就一起来学习。
1
如何从图片“认出”一个人
计算机通过机器学习已经“认识”一个人，知道其人脸特征了，接着就可以输入照片进行人脸识别预测，看看计算机能不能“认出”这个人。基于图片的人脸识别预测的过程如下图。
输入测试图片
识别预测
输出预测结果
2
识别预测
基于OpenCV的人脸识别预测使用了LBPH识别器中的predict()函数，它返回识别预测的标签值和置信度评分。本节使用上一节中两张图片“img01.jpg”和“img02.jpg”机器训练的结果，来测试人脸识别的效果。
第一步：人脸识别
对测试图片进行人脸识别，只需要在“人脸识别训练程序”代码中加入一段人脸识别预测代码，对测试图片“test01.jpg” 进行人脸识别。
2
识别预测
2
识别预测
运行结果如下图，输出显示label值为0，表示测试图片和之前的标签“0”是同一个人；
confidenee是置信度评分，如果为0则表示完全匹配，此程序显示约为37.12，表示相似度比较高。
小试牛刀
1、试一试，运行程序，观察运行结果。
2、请同学们思考一下：如果测试图片是另外一个人的照片，那人脸识别预测的结果会怎样
2
识别预测
第二步：认出不同的人
在“两个不同的人脸的识别训练程序”代码中添加一段人脸识别预测代码，对测试图片“test10.jpg” 进行人脸识别。
运行结果如下图，label显示为1，表示测试图片和后面的标签“1”是同一个人；confidence显示约为26.00，表示相似度比较高。
小试牛刀
试一试，运行程序，识别不同的人。
2
识别预测
有同学提出了疑问，这个程序识别的结果不容易让人看懂，能不能直接在测试图的人脸位置处标注出识别出的姓名呢？
答案是肯定的，我们来看看图片标注人名的主要过程。
图片人脸定位
人脸训练识别
身份标注
2
识别预测
第三步：图片标注人名
若人脸识别成功，在图片中显示识别的姓名、否则显示“unknown”。图片标注人名的程序代码如下。
小试牛刀
试一试，给人物照片标注名字。
扩展任务
“认出”视频中的人在第二节的扩展任务中，机器已经可以从视频中“认识”一个人。
现在就来检验一下，能否“认出”这个人。
要实现这一功能，过程如下图。详细程序见本册教材附录四：视频人脸识别代码。
视频人脸定位
与训练模型文件匹配
身份确认
3
人脸识别技术的应用
人脸识别技术具有识别精度高、使用方便、识别速度快等特点，已广泛应用于我们的工作生活中。
①单人识别：用户提前上传个人照片存储于系统中，每次验证时，实时拍照与系统中存储的照片信息进行对比，进而确定“你是不是你”。如刷脸支付、酒店入住登记、考试身份核验等应用场景。
②多人识别：对场景内所有人进行面部识别并与人像数据库进行比对，比如刷脸考勤、公安机关追逃等。在一些人流量大、需要保障公共安全的地方，如火车站、演唱会、大型体育赛事中，进行人脸识别时，通常被识别的主体不会停留在一处，而是处于运动状态，动态识别中准确度容易受侧脸、光线、距离等因素的影响。
3
人脸识别技术的应用
任务：探讨人脸识别技术的应用领域
要求：小组讨论，人脸识别技术的应用领域、场景和优势有哪些？并填写下表。
人脸识别技术的应用领域 应用场景 优势
刷脸支付
思考
人脸识别技术是否会泄露个人隐私呢
请举例说明！
拓展阅读
随着人脸识别技术在日常生活中的广泛应用，它所带来的安全隐患也得到了越来越多的关注。试想一下，你拿着父母的照片畅快地进行刷脸支付……当然这样的情景是不会真正出现的，在一些身份验证场景中需要实时确定对象的真实性。在人脸识别技术应用中，实时检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为本人操作。
阅读拓展
针对不同的人脸识别攻击，有以下一些实时检测应对技术。
1.应对照片攻击
照片是最简单的攻击方式，但其人脸无法活动，因而可以通过眨眼、张嘴、摇头、点头等配合式组合动作，验证用户是否为本人操作。
2.应对视频攻击
如果升级攻击方式，将一段提前录有配合实时检测中规定动作的视频用于人脸识别，也无须担心。因为它需要相应的屏幕播放，这就使其人脸失真度变高。给用户实时拍摄一张照片或是一段人脸的视频，通过对应的算法即可进行真实性的实时检测。
3.应对3D立体面具攻击
假设带上仿真度极高的3D立体面具，是否就如电影中一样所向披靡？3D面具材质表面的反射特性与真实皮肤是有差别的。红外线实时检测技术可以对不同光照条件下的人脸皮肤反射的光谱信息进行分析分类，有效区别出真实人脸皮肤与其他所有攻击材质的不同，提升了用户远程验证身份的安全性。
课堂小结
谢谢
21世纪教育网（www.21cnjy.com)
中小学教育资源网站
兼职招聘：
https://www.21cnjy.com/recruitment/home/admin
第3节 “初出”一个人
川教版八年级上册
第3节 “初出”一个人
川教版（2019）
第二单元 让机器认识我
信息技术 八年级(上)册
学习目标
1、了解基于图片的人脸识别预测；
2、体验基于视频的人脸识别预测过程；
3、了解人脸识别技术的应用领域。
新课导入
上节课我们学习了计算机能够通过图片或视频“认识”一个人。
今天这节课我们要来测试一下看看计算机能否“认出”一个人，下面我们就一起来学习。
1
如何从图片“认出”一个人
计算机通过机器学习已经“认识”一个人，知道其人脸特征了，接着就可以输入照片进行人脸识别预测，看看计算机能不能“认出”这个人。基于图片的人脸识别预测的过程如下图。
输入测试图片
识别预测
输出预测结果
2
识别预测
基于OpenCV的人脸识别预测使用了LBPH识别器中的predict()函数，它返回识别预测的标签值和置信度评分。本节使用上一节中两张图片“img01.jpg”和“img02.jpg”机器训练的结果，来测试人脸识别的效果。
第一步：人脸识别
对测试图片进行人脸识别，只需要在“人脸识别训练程序”代码中加入一段人脸识别预测代码，对测试图片“test01.jpg” 进行人脸识别。
2
识别预测
2
识别预测
运行结果如下图，输出显示label值为0，表示测试图片和之前的标签“0”是同一个人；
confidenee是置信度评分，如果为0则表示完全匹配，此程序显示约为37.12，表示相似度比较高。
小试牛刀
1、试一试，运行程序，观察运行结果。
2、请同学们思考一下：如果测试图片是另外一个人的照片，那人脸识别预测的结果会怎样
2
识别预测
第二步：认出不同的人
在“两个不同的人脸的识别训练程序”代码中添加一段人脸识别预测代码，对测试图片“test10.jpg” 进行人脸识别。
运行结果如下图，label显示为1，表示测试图片和后面的标签“1”是同一个人；confidence显示约为26.00，表示相似度比较高。
小试牛刀
试一试，运行程序，识别不同的人。
2
识别预测
有同学提出了疑问，这个程序识别的结果不容易让人看懂，能不能直接在测试图的人脸位置处标注出识别出的姓名呢？
答案是肯定的，我们来看看图片标注人名的主要过程。
图片人脸定位
人脸训练识别
身份标注
2
识别预测
第三步：图片标注人名
若人脸识别成功，在图片中显示识别的姓名、否则显示“unknown”。图片标注人名的程序代码如下。
小试牛刀
试一试，给人物照片标注名字。
扩展任务
“认出”视频中的人在第二节的扩展任务中，机器已经可以从视频中“认识”一个人。
现在就来检验一下，能否“认出”这个人。
要实现这一功能，过程如下图。详细程序见本册教材附录四：视频人脸识别代码。
视频人脸定位
与训练模型文件匹配
身份确认
3
人脸识别技术的应用
人脸识别技术具有识别精度高、使用方便、识别速度快等特点，已广泛应用于我们的工作生活中。
①单人识别：用户提前上传个人照片存储于系统中，每次验证时，实时拍照与系统中存储的照片信息进行对比，进而确定“你是不是你”。如刷脸支付、酒店入住登记、考试身份核验等应用场景。
②多人识别：对场景内所有人进行面部识别并与人像数据库进行比对，比如刷脸考勤、公安机关追逃等。在一些人流量大、需要保障公共安全的地方，如火车站、演唱会、大型体育赛事中，进行人脸识别时，通常被识别的主体不会停留在一处，而是处于运动状态，动态识别中准确度容易受侧脸、光线、距离等因素的影响。
3
人脸识别技术的应用
任务：探讨人脸识别技术的应用领域
要求：小组讨论，人脸识别技术的应用领域、场景和优势有哪些？并填写下表。
人脸识别技术的应用领域 应用场景 优势
刷脸支付
思考
人脸识别技术是否会泄露个人隐私呢
请举例说明！
拓展阅读
随着人脸识别技术在日常生活中的广泛应用，它所带来的安全隐患也得到了越来越多的关注。试想一下，你拿着父母的照片畅快地进行刷脸支付……当然这样的情景是不会真正出现的，在一些身份验证场景中需要实时确定对象的真实性。在人脸识别技术应用中，实时检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为本人操作。
阅读拓展
针对不同的人脸识别攻击，有以下一些实时检测应对技术。
1.应对照片攻击
照片是最简单的攻击方式，但其人脸无法活动，因而可以通过眨眼、张嘴、摇头、点头等配合式组合动作，验证用户是否为本人操作。
2.应对视频攻击
如果升级攻击方式，将一段提前录有配合实时检测中规定动作的视频用于人脸识别，也无须担心。因为它需要相应的屏幕播放，这就使其人脸失真度变高。给用户实时拍摄一张照片或是一段人脸的视频，通过对应的算法即可进行真实性的实时检测。
3.应对3D立体面具攻击
假设带上仿真度极高的3D立体面具，是否就如电影中一样所向披靡？3D面具材质表面的反射特性与真实皮肤是有差别的。红外线实时检测技术可以对不同光照条件下的人脸皮肤反射的光谱信息进行分析分类，有效区别出真实人脸皮肤与其他所有攻击材质的不同，提升了用户远程验证身份的安全性。
课堂小结
谢谢
21世纪教育网（www.21cnjy.com)
中小学教育资源网站
兼职招聘：
https://www.21cnjy.com/recruitment/home/admin