教案-《人工智能应用导论》6-4 任务四 计算机视觉模块

教案（2学时）任务四计算机视觉模块——安防系统的“火眼金睛”将复用并扩展项目三的技术，实现人脸识别门禁功能。你将调用百度智能云的人脸比对API，编写一个程序，通过摄像头实时捕捉人脸，并与预设的人脸库进行比对。对于授权人员，系统记录通行；对于未授权人员，系统将立即向中央控制平台发送警报。本任务旨在构建安防系统的“视觉中枢”，通过计算机视觉技术实现智能门禁功能。为了确保系统既能准确识别身份，又能满足实时安防的需求，我们需要从功能需求、技术路径、关键算法逻辑及性能优化四个维度进行深入分析。理解计算机视觉技术在安防门禁中的应用原理，掌握人脸识别从图像采集、编码传输到云端比对的完整工作流程。熟悉OpenCV库的核心功能（VideoCapture、imencode、imshow等）及Base64图像编码在API数据传输中的作用。能够使用OpenCV调用摄像头实现实时视频流捕获，并将采集的图像帧转换为Base64格式以便云端处理。能够根据识别结果（相似度分数）编写业务逻辑，实现授权通行记录与未授权警报的差异化响应处理。素质目标强化数据安全与隐私保护意识，理解人脸识别技术应用中的伦理规范，树立科技向善的价值观念。培养严谨的工程素养，通过合理设置比对阈值和优化系统性能，养成追求精确性和稳定性的职业习惯。OpenCV视频流处理技术：掌握使用

VideoCapture

调用摄像头、读取视频帧以及利用

imencode

进行图像编码与格式转换的方法。人脸识别API业务逻辑实现：掌握将实时图像数据发送至云端进行比对，并根据返回的相似度分数（score）执行“通过”或“报警”分支判断的编程逻辑。图像数据的编码与传输：理解如何将捕获的原始图像帧（NumPy数组）高效地转换为API接口所需的Base64字符串格式，并正确封装在JSON请求体中。识别系统的实时性与稳定性平衡：在循环处理视频流时，既要保证识别的实时响应，又要通过合理的帧率控制（如每几帧处理一次）来降低CPU占用率，防止程序卡顿或崩溃。案例导入，强化隐私保护意识：

在任务导入环节，通过展示“人脸识别数据泄露事件”的新闻案例，引发学生思考：授权人员照片存储在本地可能带来的安全风险。引导学生讨论如何对敏感数据进行加密存储、规范传输，明确开发者有责任保护用户的生物特征信息，不能滥用技术获取或泄露数据，从而在编码之初就树立数据安全意识。实战纠偏，培养技术伦理与社会责任：

在“识别逻辑判断”教学环节，故意设置一个场景：如果系统误将授权人员判定为未授权（误报），会导致合法通行受阻；反之，如果将陌生人误判为授权（漏报），则造成严重安全隐患。通过分析这两种错误后果的严重性差异，引导学生理解：在安防领域，技术必须严谨且可靠，每一次代码判断都关系到公共安全。告诫学生必须怀着敬畏之心编写代码，确保系统准确、公正，不能因粗心大意而危及他人安全。2.3教学资源与环境1.超星学习通平台、智慧职教1.

人脸识别技术概览：了解人脸识别的基本原理、发展历程及其在智能安防、身份验证等领域的应用。

2.

核心库介绍：熟悉OpenCV库的基本功能和

VideoCapture、imencode

等关键方法的使用。

3.

环境准备：了解

opencv-python

库的安装方法及可能遇到的问题（如摄像头权限）。

4.

任务预习：阅读任务四文档，思考如何将实时视频流与云端API结合。1.

【任务推送】

在学习通/班级群发布课前导学任务单，包含学习目标和预习资料链接（如人脸识别原理介绍、OpenCV教程）。

2.

【个性辅导】

在班级群或论坛中预留答疑时间，解答学生的预习问题。

3.

【策略调整】

根据线上自测结果，分析学生预习效果，调整课堂教学重点。1.

【自主学习】

根据任务单，利用提供的微课视频、文档和在线资源，学习人脸识别的基本概念和OpenCV库的使用。

2.

【线上自测】

完成教师发布的预习自测题，检验学习效果。

3.

【问题记录】

在预习过程中记录不理解的知识点，准备在课堂上提问。1.

以学定教：通过线上自测反馈，精准定位学生的知识薄弱点，使课堂教学更具针对性，提高效率。

2.

能力培养：引导学生利用数字化平台进行自主学习，培养其信息检索和高效学习的能力。

3.

知识铺垫：为课堂的实战操作打下坚实的理论基础，降低操作门槛，提升课堂参与度。例会（5分钟）考勤。课前学习情况梳理。1.【课堂考勤】点到，做好考勤记录。2.【激励措施】根据学生自主学习完成情况进行积分奖励。3.课前学习情况总结1.【课堂签到】1.通过激励，让学生课前自主学习有动力。2.回顾知识，强化记忆。引入(5分钟)1.

场景展示：播放一段智能门禁系统在校园或小区应用的短视频，展示人脸识别技术如何实现无感通行和安防监控。

2.

问题导入：提出核心问题：“视频中的门禁是如何‘认出’人的？如果是一个陌生人试图闯入，系统会怎么做？”

3.

任务承接：明确本节课我们将亲手实现一个这样的人脸识别门禁系统，并点明其核心是“计算机视觉”。1.

【情景创设】

播放精心剪辑的智能门禁应用视频，营造技术氛围，激发学生兴趣。

2.

【问题驱动】

提出引导性问题，引发学生思考，将抽象技术概念与实际应用场景关联起来。

3.

【任务承接】

清晰地告诉学生本节课的目标，将学生的注意力从“看视频”引导到“动手做”上。1.

【观看与思考】

观看视频，直观感受人脸识别技术的应用效果。

2.

【小组讨论】

针对教师提出的问题，进行简短的小组讨论，分享自己的猜想。

3.

【明确目标】

理解本节课的学习任务，对接下来的实践环节产生期待。1.

激发兴趣：通过真实的应用场景，让学生感受到技术的价值，激发学习动力。

2.

建立联系：将“人脸识别”这一技术概念与“门禁”、“安防”等具体应用场景建立联系，加深理解。

3.

明确方向：快速将学生的注意力聚焦到本节课的核心任务上，为后续的实践操作做好心理准备。讲授(10分钟)1.

核心流程拆解：将人脸识别门禁系统拆解为“视频流捕获→图像编码→云端比对→结果响应”四个核心步骤，并用流程图展示。

2.

关键技术点讲解：

•

OpenCV视频流处理：重点讲解

cv2.VideoCapture(0)

如何打开摄像头，cap.read()

如何读取帧，以及

cv2.imshow()

如何显示画面。

•

图像Base64编码：解释为什么需要将图像转为Base64字符串，并演示

cv2.imencode()

和

base64.b64encode()

的组合使用。

•

API调用与结果解析：简要说明如何将编码后的图像数据发送给百度智能云API，并从返回的JSON中提取

score（相似度分数）。

3.

关键逻辑点强调：

•

授权库加载：解释如何通过文件名前缀（如

authorized_）动态加载授权人员照片，实现灵活管理。

•

阈值判断：强调

score

阈值（如80）的设置对系统安全性的重要性。1.

【流程图示】

在屏幕上展示清晰的流程图，帮助学生建立整体认知。

2.

【代码演示】

结合IDE，逐行讲解核心代码片段，特别是

VideoCapture、imencode

和

base64

的使用。

3.

【重点强调】

用不同颜色或标注突出关键代码行，并反复强调阈值判断和授权库加载的逻辑。

4.

【互动提问】

在讲解过程中，适时提问（如“为什么需要Base64编码？”），检验学生理解程度。1.

【理解流程】

跟随教师的讲解，在脑海中构建起人脸识别门禁的完整工作流程。

2.

【代码跟练】

在笔记本或草稿纸上记录关键代码和函数，理解其作用。

3.

【思考与回应】

积极思考教师提出的问题，尝试回答，巩固所学知识。1.

化繁为简：通过流程图和代码拆解，将复杂的技术问题分解为可理解、可操作的步骤。

2.

突出重点：聚焦OpenCV视频处理和图像编码这两个学生最容易出错的技术点，进行重点讲解。

3.

强化逻辑：强调授权库管理和阈值判断的业务逻辑，让学生理解技术背后的设计思想。实战演练(45分钟)1.

环境配置与项目搭建：指导学生安装

opencv-python

库，并创建项目文件夹，按规范组织代码文件和授权照片。

2.

核心代码实现：引导学生分步完成以下关键代码的编写：

•

授权人脸加载函数(load_authorized_faces)：扫描并加载

authorized_*.jpg

文件。

•

图像编码函数(encode_image)：将OpenCV图像帧转换为Base64字符串。

•

核心识别循环(run_face_recognition_once)：实现摄像头捕获、图像处理、API调用和结果显示。

•

主程序入口(if__name__=='__main__')：整合各模块，实现完整的业务逻辑。

3.

调试与优化：指导学生调试代码，解决常见问题（如摄像头无法打开、图像编码错误、API调用失败），并优化程序性能（如设置合理的帧率）。1.

【任务发布】

将任务四的完整项目结构（含代码模板和示例照片）分发给学生，明确各部分代码的编写要求。

2.

【巡回指导】在学生编写代码的过程中，巡视课堂，针对不同学生遇到的具体问题（如

VideoCapture

初始化失败、Base64编码格式错误、API返回值解析错误等）进行个性化指导。

3.

【集中答疑】对于普遍性问题（如摄像头权限、网络请求超时），进行集中讲解和演示。

4.

【进度把控】提醒学生注意时间，确保在规定时间内完成核心功能。1.

【代码编写】根据任务要求，在PyCharm中逐步实现各个功能模块，完成核心代码的编写。

2.

【问题解决】遇到问题时，先尝试独立解决，若无法解决则向教师或同学求助。

3.

【调试运行】运行程序，观察摄像头画面和识别结果，根据运行情况调试代码，优化性能。

4.

【成果展示】完成核心功能后，尝试运行程序，并准备向教师展示识别结果。1.

以练促学：通过亲手编写和调试代码，将理论知识转化为实际操作能力，加深对知识点的理解。

2.

培养工程思维：在解决实际问题的过程中，培养学生分析问题、调试代码和优化程序的能力。

3.

提升实践技能：熟练掌握OpenCV、Base64编码和API调用等核心技能，为后续项目开发打下基础。展示和点评(15分钟)1.

成果展示：邀请2-3组学生展示其实现的人脸识别门禁系统，演示授权人员通行和未授权人员警报的场景。

2.

代码互评：引导学生互相查看代码，发现彼此的优点和可以改进的地方。

3.

教师点评：教师对展示的成果进行点评，肯定优点，指出不足，并给出优化建议。

4.

总结提升：总结本任务的关键知识点和技能点，强调代码规范、异常处理和系统健壮性的重要性。1.

【成果展示】组织学生进行成果展示，鼓励学生分享自己的实现思路和遇到的问题。

2.

【引导互评】引导学生从代码结构、功能实现、用户体验等方面进行互评，培养批判性思维。

3.

【专业点评】从技术角度对学生的作品进行点评，指出代码中的亮点和可改进之处，如异常处理是否完善、阈值设置是否合理等。

4.

【总结升华】对本任务的核心内容进行总结，强调工程实践中的规范性和严谨性。1.

【展示成果】展示自己的人脸识别门禁系统，分享实现过程和心得。

2.

【参与互评】认真听取其他同学的展示，并从代码和功能方面进行评价。

3.

【听取点评】认真听取教师和同学的点评，反思自己的不足。

4.

【总结反思】总结本任务的学习收获，明确后续需要改进的方向。1.

检验学习效果：通过展示和点评，检验学生是否掌握了本任务的核心知识和技能。

2.

培养表达能力：锻炼学生的口头表达能力和逻辑思维能力。

3.

促进共同进步：通过互评和教师点评，让学生发现自己的优点和不足，促进共同进步。

4.

提升工程素养：强调代码规范、异常处理和系统健壮性的重要性，培养学生的工程素养。总结与作业布置(10分钟)1.

知识总结：回顾本任务的核心知识点，包括OpenCV视频流处理、图像Base64编码、人脸识别API调用、授权库管理和阈值判断等。

2.

能力总结：总结学生通过本任务所获得的能力，如计算机视觉应用开发、API调用、问题解决和系统调试等。

3.

作业布置：布置课后作业，巩固所学知识，拓展应用场景。1.

【知识梳理】通过思维导图或板书，对本任务的核心知识点进行系统梳理，帮助学生构建知识体系。

2.

【能力强调】强调学生在本任务中培养的实践能力和工程思维，提升学生的自信心。

3.

【作业发布】清晰布置课后作业，明确作业要求和提交方式。

4.

【答疑解惑】解答学生关于作业的疑问，确保学生理解作业要求。1.

【知识回顾】跟随教师的总结，回顾本任务的核心知识点，巩固所学内容。

2.

【能力自评】反思自己在本任务中获得的技能和进步。

3.

【记录作业】认真记录课后作业的内容和要求，确保完成作业。

4.

【提出疑问】如有疑问，及时向教师提出。1.

巩固知识：通过总结，帮助学生巩固本任务的核心知识点，形成系统认知。

2.

提升自信：强调学生的能力提升，增强学生的学习动力和自信心。

3.

拓展应用：通过作业，引导学生将所学知识应用到更广泛的场景中，培养创新思维。

4.

明确方向：明确课后学习任务，为后续学习做好准备。1.

功能增强：在现有门禁系统基础上，增加“活体检测”功能，防止使用照片、视频等静态图像进行攻击。

2.

性能优化：优化程序性能，例如通过降低帧率、使用多线程等方式，提高系统的实时性和稳定性。

3.

场景拓展：将人脸识别技术应用到其他场景，如课堂考勤、图书馆门禁、智能锁等。

4.

算法探究：了解人脸识别算法的原理，如特征提取、比对算法等，并尝试使用不同的算法（如本地比对）实现识别功能。1.

【资源推送】在学习通/班级群发布拓展任务，提供相关的技术文档、API文档和案例链接。

2.

【思路引导】针对拓展任务，提出一些引导性问题，如“如何判断用户是真人还是照片？”、“如何提高识别速度？”等。

3.

【在线答疑】在课后预留时间，通过在线方式解答学生在拓展任务中遇到的问题。1.

【自主探究】根据拓展任务，利用提供的资源，自主学习和探究，尝试实现功能增强或性能优化。

2.

【小组协作】与同学组成小组，共同探讨和解决拓展任务中的难题。

3.

【成果分享】将拓展任务的成果（如代码、演示视频）上传至学习平台，与同学分享。1.

深化理解：通过拓展任务，深化对计算机视觉技术的理解，提升技术应用能力。

2.

培养创新思维：鼓励学生将所学知识应用到不同场景，培养创新思维和解决实际问题的能力。

3.

提升工程素养：通过优化程序和探究算法，提升学生的工程素养和代码质量。5.1教学目标达成情况概念掌握：学生基本理解了人脸识别的核心流程（视频流捕获→图像编码→云端比对→结果响应），但部分学生对“阈值判断”这一关键容错逻辑理解不够