新川教版八上2.2《“认识”一个人》课件+素材
文档属性
| 名称 | 新川教版八上2.2《“认识”一个人》课件+素材 |  | |
| 格式 | zip | ||
| 文件大小 | 3.4MB | ||
| 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 14:23:23 | ||
图片预览
文档简介
(共20张PPT)
第2节 “认识”一个人
川教版八年级上册
第2节 “认识”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、了解机器学习的过程；
2、体验基于图片的人脸识别预测过程；
3、体验基于视频的人脸识别训练。
新课导入
上节课我们学习了让机器认识我们的脸，并用方框或圆形框来定位标注我们的脸。
今天这节课我们要来学习让机器认识一个人，同学们想不想知道机器是怎样认识我们的呢？下面我们一起来学习。
1
如何从图片“认识”一个人
前面学习了人脸定位，在定位人脸的基础上，如何能“认识”一个人呢？这需要对机器进行相应的“训练”，让它“学习”认识一个人。
机器学习需要人脸图片样本数据，让它进行训练，它会学会人脸的特征。给机器训练的数据越多，它的认识就全面、越准确。
基于图片的人脸识别训练过程如下图所示：
输入训练图片
机器训练
获得特征
2
识别训练
下面用同一个人的两张图片“img01.jpg”h和“img02.jpg”来进行训练。
这两张图片上是同一个人，标签为“0”。
2
识别训练
第一步：准备工作
在后面的程序中将用到LBPH识别器，这个识别器由OpenCV扩展库提供，需要提前安装此扩展模块。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 Histograms的缩写，翻译过来就是局部二进制编码直方图。LBPH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，本节的程序就使用了这种方法来训练机器。OpenCV还提供了另外两种人脸识别方法，分别是EigenFace和FisherFacea。
小试牛刀
试一试，自己安装LBPH识别器模块。
操作提示：
两个键同时按
2
识别预测
第二步：人脸识别训练
训练机器“认识”人脸。首先要引入模块，读入训练用的两张图片，设置标签为“0”，然后加入LBPH识别器进行识别训练，步骤如下图。
引入OpenCV模块
读入图片并做相应处理
人脸分类器
人脸定位
机器训练
引入OpenCV模块
读入图片并做相应处理
人脸分类器
加入LBPH识别器
引入模块
输入训练图片
设置图片标签为“0”
小试牛刀
试一试，运行你的代码，观察运行结果。
注意（程序运行不报错即可完成训练，要看到具体的反馈，我们要结合下节课的内容才能实现）
2
识别训练
第三步：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”和“img02.jpg”，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”和“img12.jpg”，这两张图片为同一个人，标签为“1”。
自主探究
在train-1.py的代码基础上完成修改，实现多人训练。
拓展任务
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，过程如下图。
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，详细程序见课本后面的附录二：人脸图像采集代码。
程序运行后，先要用户设置一个人脸图片标签。
输人标签“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。
人脸数据采集
机器训练并生成训练模型文件
拓展任务
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(需要安装pillow模块)。
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。
注意：需要在程序中添加生目录的代码os.makedirs('Facedata')和os.makedirs('face_trainer')，否则需要在同一目录下创建文件夹Facedata和face_trainer的文件夹。
知识扩展
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、云计算等技术更迭速度的加快，人脸识别作为人工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域，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奥秘的。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。
阅读拓展
人脸识别技术已从2D迈入3D时代，3D人脸识别如下图。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、相似度等在内的问题都有了很好的应对。
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2节 “认识”一个人
川教版八年级上册
第2节 “认识”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、了解机器学习的过程；
2、体验基于图片的人脸识别预测过程；
3、体验基于视频的人脸识别训练。
新课导入
上节课我们学习了让机器认识我们的脸，并用方框或圆形框来定位标注我们的脸。
今天这节课我们要来学习让机器认识一个人，同学们想不想知道机器是怎样认识我们的呢？下面我们一起来学习。
1
如何从图片“认识”一个人
前面学习了人脸定位，在定位人脸的基础上，如何能“认识”一个人呢？这需要对机器进行相应的“训练”，让它“学习”认识一个人。
机器学习需要人脸图片样本数据，让它进行训练，它会学会人脸的特征。给机器训练的数据越多，它的认识就全面、越准确。
基于图片的人脸识别训练过程如下图所示：
输入训练图片
机器训练
获得特征
2
识别训练
下面用同一个人的两张图片“img01.jpg”h和“img02.jpg”来进行训练。
这两张图片上是同一个人，标签为“0”。
2
识别训练
第一步：准备工作
在后面的程序中将用到LBPH识别器，这个识别器由OpenCV扩展库提供，需要提前安装此扩展模块。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 Histograms的缩写，翻译过来就是局部二进制编码直方图。LBPH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，本节的程序就使用了这种方法来训练机器。OpenCV还提供了另外两种人脸识别方法，分别是EigenFace和FisherFacea。
小试牛刀
试一试，自己安装LBPH识别器模块。
操作提示：
两个键同时按
2
识别预测
第二步：人脸识别训练
训练机器“认识”人脸。首先要引入模块，读入训练用的两张图片，设置标签为“0”，然后加入LBPH识别器进行识别训练，步骤如下图。
引入OpenCV模块
读入图片并做相应处理
人脸分类器
人脸定位
机器训练
引入OpenCV模块
读入图片并做相应处理
人脸分类器
加入LBPH识别器
引入模块
输入训练图片
设置图片标签为“0”
小试牛刀
试一试，运行你的代码，观察运行结果。
注意（程序运行不报错即可完成训练，要看到具体的反馈，我们要结合下节课的内容才能实现）
2
识别训练
第三步：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”和“img02.jpg”，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”和“img12.jpg”，这两张图片为同一个人，标签为“1”。
自主探究
在train-1.py的代码基础上完成修改，实现多人训练。
拓展任务
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，过程如下图。
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，详细程序见课本后面的附录二：人脸图像采集代码。
程序运行后，先要用户设置一个人脸图片标签。
输人标签“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。
人脸数据采集
机器训练并生成训练模型文件
拓展任务
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(需要安装pillow模块)。
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。
注意：需要在程序中添加生目录的代码os.makedirs('Facedata')和os.makedirs('face_trainer')，否则需要在同一目录下创建文件夹Facedata和face_trainer的文件夹。
知识扩展
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、云计算等技术更迭速度的加快，人脸识别作为人工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域，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奥秘的。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。
阅读拓展
人脸识别技术已从2D迈入3D时代，3D人脸识别如下图。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、相似度等在内的问题都有了很好的应对。
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