《人工智能基础》课件-4.2让机器识人识面：人脸识别

人工智能基础AI

INTElLIGENCE项目4人工智能的关键技术任务4.2让机器识人识面：人脸识别CONTENTS目录01020304任务导入任务分析知识技能任务实施PARTTWO任务导入101任务导入周三上午，某职业院校班主任王老师刚走进教室，就发现传统纸质签到表又出现了代签、漏签的情况。临近学期末，考勤数据统计压力增大，人工点名不仅占用课堂时间，还难以精准记录每位学生的到课情况。借助人脸识别技术搭建课堂考勤系统，通过提前采集学生人脸信息建立特征库，签到时实时比对人脸与库中数据，可自动完成签到记录与统计，彻底解决传统考勤的效率低、易作弊问题。PARTTWO任务分析201任务分析

本任务通过“课堂签到人脸验证系统”搭建场景，掌握人脸识别技术的核心应用逻辑，实现从“人工考勤管理”到“AI智能核验”的模式升级，兼顾技术实践与场景落地，具体分析如下：1.系统梳理人脸识别技术体系，明确其定义、核心流程、关键算法及应用边界，筑牢技术基础；2.掌握人脸信息采集与预处理的规范方法，确保人脸库数据的清晰度与标准化，为精准比对提供保障；3.熟练操作百科融创平台的人脸识别相关功能节点，完成摄像头调用、人脸检测、特征比对、结果输出的全流程搭建。PARTTWO知识技能3知识技能知识点1知识点2人脸识别（FaceRecognition）是一种基于生物特征的身份识别技术，它利用计算机视觉技术捕捉图像或视频中的人脸信息，通过算法对人脸的几何特征（如面部器官位置、轮廓比例）、纹理特征（如皮肤纹理、斑点分布）进行提取与分析，生成唯一的“人脸特征码”，再与预设人脸库中的特征码进行相似度比对，最终判断是否为同一人，并输出识别结果。与指纹识别、虹膜识别等其他生物识别技术相比，人脸识别具有“非接触式、直观性强、识别速度快”的优势，广泛应用于需要快速身份验证的场景。人脸识别的完整流程通常包括人脸采集→人脸预处理→人脸检测与对齐→特征提取→特征比对→结果输出六个核心环节，各环节功能与技术要点如下：（1）人脸采集通过摄像头获取包含人脸的图像或视频流，需保证采集环境光线充足、人脸无遮挡，图像分辨率不低于300×300像素，确保面部特征清晰可辨。（2）人脸预处理对采集的原始人脸图像进行优化处理，去除干扰信息，为后续环节奠定基础。核心操作包括：降噪处理：通过高斯滤波、双边滤波等算法去除图像中的颗粒噪声、光线杂斑；光照归一化：采用直方图均衡化、Gamma校正等方法，消除不同光照条件对人脸特征的影响；灰度化处理：将彩色人脸图像转换为灰度图像，减少色彩通道数据量，提升后续算法运行效率。（3）人脸检测与对齐：从预处理后的图像中定位人脸区域，并调整人脸姿态至标准角度。人脸检测：使用Haar特征分类器、MTCNN（多任务级联卷积神经网络）等算法，自动识别图像中人脸的位置，输出人脸的边界框；人脸对齐：通过检测面部关键特征点，将倾斜、偏转的人脸调整为正面朝上的标准姿态，确保不同采集角度的人脸特征具有可比性。（4）特征提取：通过深度学习模型对对齐后的人脸图像进行特征提取，将二维人脸图像转化为一维的“人脸特征向量”。（5）特征比对：将提取的人脸特征向量与预设“人脸库”中的特征向量进行相似度计算（常用欧氏距离、余弦相似度等方法）。（6）结果输出：根据特征比对结果，以可视化或结构化数据形式输出识别结论。人脸识别的定义人脸识别的基本流程知识技能知识点3（1）教育领域课堂签到：通过教室摄像头实时捕捉学生人脸，自动比对人脸库完成签到，避免代签、漏签，生成签到报表供教师查看；考场身份验证：在考试入场时，通过人脸识别比对考生身份证照片与现场人脸，防止替考作弊；校园门禁：学生、教职工通过人脸验证进出宿舍、图书馆、实验室，替代传统门禁卡，提升校园安全管理效率。（2）安防领域公共安全监控：在机场、车站、商场等公共场所部署人脸识别摄像头，实时比对公安部“在逃人员人脸库”，协助警方抓捕嫌疑人；小区智能安防：业主通过人脸验证进出小区大门、单元楼，陌生人需经业主授权或安保确认后才能进入，提升居住安全性；视频监控回溯：在案件调查中，通过人脸识别技术从海量监控视频中快速定位目标人物出现的时间与地点，缩短调查周期。（3）金融领域手机银行身份验证：用户登录手机银行、进行转账汇款时，通过人脸识别确认身份，替代传统密码，提升账户安全性；银行柜台开户：在银行办理开户、办卡业务时，人脸识别比对身份证照片与现场人脸，确保“人证一致”，防范身份冒用；支付验证：部分移动支付平台支持“刷脸支付”，用户通过人脸验证即可完成交易，无需输入密码或扫码，提升支付便捷性。（4）日常生活领域手机解锁：主流智能手机支持“人脸识别解锁”，通过前置摄像头捕捉人脸，快速解锁手机屏幕，保护手机隐私；酒店入住：旅客在酒店办理入住时，人脸识别比对身份证与现场人脸，简化登记流程，缩短入住等待时间；景区票务：游客通过“人脸票”入园，无需携带实体门票或身份证，刷脸即可快速通行，提升景区服务效率。人脸识别的应用场景知识技能知识点4表4-2-1汇总了当前主流的人脸识别工具与平台，涵盖企业级服务、轻量化应用及开源开发框架三类场景。这些工具与平台基于深度学习技术，均具备人脸检测、特征提取与比对核心能力，同时根据适配场景的差异形成独特优势。用户可根据实际场景的规模、技术需求与开发资源，选择适配的工具或平台开展人脸识别相关应用搭建。主流人脸识别工具与平台工具/平台名称核心特点适用场景百度AI开放平台-人脸识别提供人脸检测、特征提取、人脸比对、人脸库管理等完整API，支持1:N（1个人脸比对N个库中人脸）、1:1（两个人脸互相比对）识别，文档丰富，支持在线调试课堂签到系统、企业考勤、校园门禁开发腾讯云人脸识别具备高准确率的人脸特征提取能力，支持活体检测（防止照片、视频伪造），提供人脸搜索、人脸验证、人脸属性分析（如年龄、性别识别）功能，安全防护机制完善金融身份验证、公共安防监控阿里云人脸识别支持大规模人脸库管理（最高可容纳1000万级人脸数据），识别响应速度快（毫秒级），适配多终端（PC端、移动端、嵌入式设备），提供可视化控制台大型企业考勤、景区票务系统豆包AI-人脸验证模块操作简单，无需编程基础，支持上传人脸图像与本地照片比对，或实时调用摄像头进行人脸验证，适合非技术人员快速体验个人身份验证测试、教学演示OpenCV（开源库）提供基础的人脸检测（Haar特征）、人脸预处理功能，需结合其他深度学习框架（如TensorFlow）实现完整人脸识别，灵活性高，适合自定义开发科研项目、低成本人脸识别系统搭建表4-2-1主流人脸识别工具与平台PARTTWO任务实施5本任务将通过百科融创平台，搭建一套完整的课堂人脸考勤打卡系统。该系统可通过摄像头实时采集学生人脸信息，与预设人脸库进行精准比对，自动完成签到记录、结果反馈与数据统计，具体步骤如下：步骤1.登录百科融创平台，创建并命名空白项目用注册账号登录，进入AI通识教育平台界面，进行项目创建和命名，如图4-2-1所示。创建后的项目会自动保存到“项目列表”中，方便后续随时调取编辑。图4-2-1创建项目步骤2.添加功能节点并关联逻辑从“项目管理”的项目列表中，找到“4-2人脸考勤打卡”项目，单击项目名称打开项目编辑界面。（1）添加核心功能节点根据人脸考勤的业务流程，需依次添加设备接入、AI识别、数据处理、输出反馈四类功能节点，拖动节点至画布的合适位置。设备接入类：选择“摄像头输入”节点，如图4-2-2所示。该节点用于调用设备摄像头，实时采集画面中的人脸图像，是考勤系统的“视觉入口”，支持手动触发拍摄或自动连续采集。图4-2-2添加摄像头输入AI识别类：选择“人脸检测”节点（检测画面中的人脸）、“人脸比对”节点（与已录入人脸库匹配），如图4-2-3所示。“人脸检测”节点可从摄像头采集的画面中，自动定位人脸位置并输出人脸坐标；“人脸比对”节点则负责将检测到的人脸特征与预设人脸库进行相似度匹配，是考勤验证的核心节点。图4-2-3添加人脸检测和人脸对比数据处理类：选择“图片裁剪”、“数字大小判断”节点（记录打卡时间、人员信息）。“图片裁剪”节点可根据人脸检测输出的坐标，裁剪出纯净的人脸图像用于后续比对；“数字大小判断”节点用于设置相似度阈值（如95分），判断比对结果是否有效，同时记录打卡时间、人员信息等数据。输出类：选择“图片显示”、“文字显示”、“电灯”节点、“控制台显示”节点（展示打卡结果，如“打卡成功”），如图4-2-4所示。“图片显示”节点用于展示裁剪后的人脸图像；“文字显示”节点用于直观展示打卡结果（如“张三打卡成功”）；“电灯”节点为可视化反馈组件，打卡成功时点亮灯，失败时保持熄灭；“控制台显示”节点用于在后台记录详细考勤日志，方便后续核查。图4-2-4添加数据处理节点（2）关联节点逻辑节点添加完成后，需按照“数据采集→处理→识别→反馈”的流程建立逻辑关联。操作方式为：单击节点右上角的蓝色“输出端口”，按住鼠标左键拖动至目标节点的黄色“输入端口”，释放鼠标即可完成连接，具体关联顺序如下：

将“摄像头调用”的输出端口连接至“人脸检测”的输入端口，实现采集图像向检测环节的流转；将“人脸检测”的输出端口连接至“人脸比对”的输入端口；将“人脸比对”的输出端口（成功/失败分支）分别连接至“考勤记录”（成功分支）、“文字显示”（失败分支）；将“图片显示”的输出端口连接至“文字显示”（展示成功信息）和“电灯”节点。所有节点关联完成后，功能结构如图4-2-5所示。图4-2-5人脸考勤打卡功能结构图步骤3.配置节点参数单击“人脸比对”节点，在右侧参数面板中选择“导入人脸库”，上传需要考勤的人员人脸照片并标注姓名；单击“考勤记录”节点，设置记录字段（如“姓名”“打卡时间”“状态”）。检查结构图逻辑过程，确保节点配置与关联生效（如图4-2-5所示）。节点关联完成后，需配置关键节点的参数，确保系统按预期运行：（1）配置“人脸比对”节点单击画布中的“人脸比对”节点，右侧会弹出参数配置面板。在面板中找到“人脸库管理”选项，单击“导入人脸库”按钮，选择提前整理好的学生人脸照片（建议为正面免冠照，分辨率不低于300×300像素），上传完成后为每张照片标注对应学生的姓名，建立考勤人脸库。支持批量上传和批量标注，提高配置效率。（2）配置“数字大小判断”节点单击“数字大小判断”节点，在右侧参数面板的“判断数值”输入框中输入“95”，设置相似度阈值为95分（满分100分）。当人脸比对得分≥95分时，判定为“匹配成功”，触发打卡成功流程；得分＜95分时，判定为“匹配失败”，提示重新尝试。（3）配置“考勤记录”节点单击“考勤记录”节点，在参数面板中设置记录字段，默认字段包括“姓名”“打卡时间”“比对得分”“打卡状态”，可根据需求添加“班级”“学号”等自定义字段。同时设置记录存储方式为“自动保存”，确保考勤数据不丢失。（4）配置“文字显示”节点分别为打卡成功和失败分支的“文字显示”节点设置反馈内容：成功分支设置为“【姓名】打卡成功，时间：【打卡时间】”，失败分支设置为“未识别到有效人员，相似度不足，请重试！”。支持插入变量字段，实现个性化反馈。步骤4.测试人脸考勤打卡场景在项目编辑界面，