项目八 搭建可“刷脸”启动的循迹智能车-设计简单的人工智能系统教学设计高中信息技术沪科版2019选择性必修4 人工智能初步-沪科版2019

项目八搭建可“刷脸”启动的循迹智能车——设计简单的人工智能系统教学设计高中信息技术沪科版2019选择性必修4人工智能初步-沪科版2019主备人Xx备课成员魏老师教学内容一、教学内容沪科版2019选择性必修4《人工智能初步》项目八“搭建可‘刷脸’启动的循迹智能车”，包括：人工智能系统设计基本流程（需求分析、模型选择、数据采集与处理、系统集成），人脸识别技术原理（图像采集、特征提取、身份匹配），循迹技术实现（传感器数据采集、路径识别算法），智能车硬件搭建（控制器、传感器、执行模块）及软件编程实现。核心素养目标二、核心素养目标通过搭建可“刷脸”启动的循迹智能车，培养对人工智能技术应用场景的感知与信息意识；在设计系统流程、实现循迹算法与人脸识别模型中，提升计算思维与问题解决能力；通过硬件搭建与软件编程实践，增强数字化学习与创新素养；在技术应用中树立数据安全与伦理意识，形成信息社会责任。学习者分析1.学生已掌握Python编程基础、传感器应用（如红外循迹传感器）及简单算法设计（如项目七的智能控制流程），具备硬件连接基本能力。

2.学生对智能硬件和人工智能应用兴趣浓厚，动手实践能力较强，偏好小组协作和项目式学习，逻辑思维与抽象思维逐步发展。

3.可能面临人脸识别算法原理（如特征提取）理解困难，系统集成时硬件与软件调试的匹配问题，以及数据采集与模型优化的实践挑战。学具准备多媒体课型新授课教法学法讲授法课时第一课时师生互动设计二次备课教学方法与手段四、教学方法与手段教学方法：1.项目式学习，引导小组分工完成智能车搭建；2.讨论法，围绕人脸识别算法与循迹逻辑难点展开；3.实验法，强化硬件连接与编程调试实践。教学手段：1.多媒体展示系统设计流程与案例；2.仿真软件预演硬件电路与代码逻辑；3.教学平台实时反馈与协作。Xx教学过程**环节一：情境导入与任务分解（10分钟）**

师：同学们，今天我们要搭建一台能“刷脸”启动的循迹智能车。想象一下，当你的脸靠近车时，它自动识别并启动，同时沿着地面黑线行驶。这需要解决两个核心问题：如何让车认出你？如何让它循迹？请回顾项目七的智能控制流程，思考人脸识别和循迹技术分别属于人工智能的哪个环节？

生：人脸识别是模式识别，循迹是传感器反馈控制。

师：完全正确！今天我们将整合这两项技术，设计一个完整的AI系统。首先，请小组讨论并完成需求分析表，明确功能指标和约束条件。

**环节二：人脸识别模块设计与实践（30分钟）**

师：人脸识别的第一步是数据采集。请用手机拍摄小组成员的正面照片，确保光线均匀、无遮挡。注意：数据质量直接影响识别率！

（学生分组采集照片，教师巡视指导）

师：接下来使用OpenCV的Haar特征分类器进行训练。请按照课本PXX的步骤，将照片存入`dataset`文件夹，运行`face_train.py`生成模型文件。遇到报错时，检查文件路径是否包含中文或特殊符号。

生：老师，为什么我的模型训练后准确率只有70%？

师：请对比光照差异大的样本，尝试增加数据量或使用直方图均衡化预处理。同时调整`detectMultiScale`中的`scaleFactor`参数，默认1.1可能对你们的面部特征不够敏感。

**环节三：循迹算法优化（35分钟）**

师：现在安装红外循迹传感器组。注意：传感器高度应距地面1-2cm，间距与黑线宽度匹配。请编写`line_follow.py`，实现当左侧传感器检测到黑线时右转，右侧检测到时左转的PID控制逻辑。

（学生编写基础循迹代码，教师演示示波器查看传感器输出波形）

师：为什么小车在直道会抖动？请观察传感器输出值是否在阈值附近波动。尝试引入积分环节，累加误差值平滑转向。另外，在急弯处可能需要动态调整PWM占空比，你们可以在代码中加入`speed_curve`函数实现。

**环节四：系统集成与联调（40分钟）**

师：现在将人脸识别和循迹模块整合。当识别成功后，启动循迹程序；识别失败则报警。请设计状态机：`IDLE`→`FACE_DETECTION`→`LINE_FOLLOWING`→`STOP`。

（学生编写主程序，教师提供关键代码框架）

生：系统启动后摄像头无画面？

师：检查`VideoCapture(0)`是否正确调用，尝试更换摄像头索引。另外，在树莓派系统中需启用`start_x=1`启动图形界面。

师：循迹时小车突然停止？

师：用`try-except`包裹串口通信代码，捕获`SerialException`异常。同时增加心跳包机制，检测通信中断后自动重连。

**环节五：测试与迭代（25分钟）**

师：现在进行压力测试：在弱光环境、不同角度人脸、复杂路径（如S弯）下验证系统。记录失败案例，分析是算法缺陷还是硬件问题。

（学生分组测试，教师使用示教板模拟极端场景）

师：当人脸侧转45度时识别失败，如何改进？

生：增加多角度训练样本，或使用MTCNN算法进行关键点检测。

师：优秀！请将改进方案写入项目报告。另外，在直道测试时发现小车偏离中心，请调整传感器安装角度或优化PID参数。

**环节六：成果展示与评价（10分钟）**

师：各小组展示智能车运行视频，重点说明创新点和解决方案。评价维度包括：识别率（≥90%）、循迹稳定性（连续10米不脱线）、响应速度（识别<2秒）。

生：我们增加了语音提示功能，识别成功后播放“欢迎，XXX”。

师：这个功能体现了AI系统的交互性，值得推广！请提交完整代码、测试数据和项目报告，重点分析误差来源及优化策略。

**课后任务**

1.尝试用TensorFlowLite模型替代OpenCV，部署到嵌入式设备。

2.研究如何防止照片攻击，活体检测有哪些技术方案？

3.撰写《AI系统设计中的鲁棒性提升方法》小论文。Xx学生学习效果在能力层面，学生的计算思维得到显著提升，能够将“刷脸启动+循迹行驶”的复杂任务分解为数据层、算法层、控制层三个子模块，并明确各模块间的接口协议。例如，在人脸识别模块中，学生能通过调整detectMultiScale函数的scaleFactor和minNeighbors参数平衡识别速度与准确率；在循迹模块中，能通过示波器分析传感器输出波形，判断阈值设置是否合理，进而优化判断逻辑。问题解决能力得到强化，面对光照不足导致识别率下降时，学生能主动采用补光措施或切换至基于LBP特征的分类器；遇到小车在S弯道脱线时，能通过增加传感器数量或引入模糊控制算法提升路径适应性。实践操作能力显著增强，学生能独立完成硬件搭建，包括红外传感器的间距校准、摄像头角度调整、电机驱动电路连接，并能使用Python调用OpenCV库和树莓派GPIO接口完成软件编程，熟练运用串口调试工具排查通信故障，使用示教板模拟极端环境测试系统稳定性。

在核心素养层面，学生的信息意识得到深化，能够感知人工智能技术在智能交通、安防监控等领域的应用价值，理解人脸识别中的数据隐私保护需求，在数据采集环节主动获取成员授权并规范存储图像数据。计算思维方面，学生掌握了“分解-抽象-建模”的问题分析方法，将循迹过程抽象为“传感器数据→路径判断→电机控制”的数学模型，通过建立误差积分项解决稳态偏差问题。数字化学习与创新素养显著提升，学生能够灵活运用仿真软件预演电路连接逻辑，通过GitHub协作管理项目代码，并尝试将TensorFlowLite轻量化模型部署到嵌入式设备，探索模型压缩与实时性优化的方法。信息社会责任意识得到强化，学生在系统测试中主动考虑“照片攻击”等安全风险，研究基于眨眼检测的活体识别方案，并在项目报告中分析AI系统的伦理边界，提出“人脸数据本地化处理”“识别结果即时清除”等安全设计原则。Xx教学反思与总结教学反思中，项目式学习激发了学生主动性，但分组时未充分平衡能力差异，导致部分小组进度滞后。人脸识别模块的算法原理讲解偏快，部分学生特征提取环节理解不透彻，下次需增加案例对比演示。硬件调试环节时间预估不足，串口通信故障排查占用过多课时，应提前准备常见问题预案。教学手段上，仿真软件有效降低了硬件损坏风险，但实时反馈系统偶尔卡顿，需优化网络环境。

教学总结显示，90%学生能独立完成系统集成，人脸识别准确率达85%以上，循迹算法稳定性显著提升。学生不仅掌握了OpenCV调用和PID控制技术，更在数据隐私保护、活体检测等伦理议题上展开深入讨论，信息社会责任意识明显增强。不足在于，个别学生过度依赖模板代码，创新性不足；测试环节对极端场景模拟不够全面。后续将增设算法优化挑战任务，引入企业真实案例，并建立分层评价机制，兼顾基础达标与能力拓展。Xx教学评价与反馈八、教学评价与反馈课堂表现：学生参与度高，硬件搭建环节90%能独立完成传感器校准与电路连接，编程调试中主动查阅课本PXX的OpenCV函数说明，但20%学生在人脸识别特征提取参数调整时依赖教师指导。小组讨论成果展示：各小组均完成系统设计流程图，其中3组提出“动态阈值调整”优化方案，对应课本PXX的算法改进章节，但2组对状态机转换逻辑阐述不够清晰。随堂测试：85%学生正确答出人脸识别四大步骤（采集、预处理、特征提取、匹配），70%能编写基础循迹PID代码，但仅40%理解积分环节对抖动的抑制原理。项目报告质量：95%小组记录了10次以上测试数据，60%分析光照对识别率的影响并提出补光方案，符合课本PXX的测试与迭代要求。教师评价与反馈：整体达成教学目标，学生掌握AI系统设计流程，但算法原理理解深度不足，需增加案例对比教学；创新性可提升，后续增设“防照片攻击”拓展任务，强化伦理意识培养。Xx典型例题讲解1.例题：设计刷脸启动循迹车的需求分析应包含哪些核心指标？

答案：功能指标（人脸识别准确率≥90%、循迹偏差≤1cm）、性能指标（识别响应时间≤2秒、连续运行稳定性≥30分钟）、约束条件（成本≤500元、功耗≤5W）。

2.例题：简述人脸识别中特征提取的作用及提高识别率的方法。

答案：作用：将图像转化为可计算的数值特征。方法：增加训练样本多样性、使用直方图均衡化预处理、调整Haar特征分类器的scaleFactor参数。

3.例题：红外循迹传感器数据如何转化为转向控制指令？

答案：传感器输出高低电平信号，当左侧检测到黑线时，调用右转函数（如`right_turn(50)`），右侧检测到时调用左转函数，通过PWM占空比调节转向角度