高中信息技术选修5教案：Python人脸识别应用开发实践

高中信息技术选修5教案：Python人脸识别应用开发实践一、教材分析与教学定位本节课选自教科版高中信息技术选修5《人工智能初步》模块1.2.6节“其他应用”。本模块在1.2节中系统介绍了人工智能的典型应用场景，包括自然语言处理、图像识别、专家系统等方向。本节内容聚焦于“其他应用”中的人脸识别技术，作为图像识别领域的延伸与深化，旨在帮助学生理解人工智能技术从原理到工程化落地的完整链路。高二年级学生经过前几节课的学习，已经掌握了人工智能基本概念，了解了机器学习的一般流程，具备Python编程基础，能够使用列表、字典等基本数据结构，对OpenCV库有初步认识。本课选择人脸识别作为教学载体，既贴合学生日常生活中的刷脸支付、门禁系统等真实体验，又能将特征提取、分类器训练、模型评估等抽象概念具象化呈现。依据《普通高中信息技术课程标准（2017年版2020年修订）》中“人工智能初步”模块要求，学生应能描述人工智能技术在不同领域的应用，体验使用开源工具实现简单人工智能应用的过程。本课教学设计的核心思想是“原理为基、实践为径、创新为魂”，不追求算法数学推导的深度，而是通过黑箱探秘、白箱拆解、灰箱创意的三层递进活动，让学生亲历“感知理解应用创新”的完整认知过程。二、学情分析与教学策略高二学生已具备以下基础能力：能够编写顺序、分支、循环结构的Python程序；理解函数的概念并能调用第三方库；对机器学习中的训练集、测试集有感性认识，但尚未系统理解特征向量的数学本质。在认知特点上，学生对“刷脸”场景兴趣浓厚，但容易停留在“魔法般神奇”的膜拜层面，缺乏对技术边界和伦理问题的理性思考。针对上述学情，本课采用“三层闯关”教学策略。第一层“感知层”通过实时摄像头人脸检测引发认知冲突，让学生意识到人脸检测与人脸识别是两件不同的事。第二层“理解层”学生分组操作训练好的模型，观察不同参数对识别效果的影响，在数据对比中归纳规律。第三层“创造层”学生自主设计识别任务，将迁移学习思想内化为解决问题的通用方法。教学环境方面，机房需预装Python3.8及以上版本，安装OpenCVPython、face_recognition库，并准备包含全班同学人脸照片的公开数据集（提前征得学生及家长同意，仅用于课堂教学）。同时准备备用离线模型包，防止教学现场因网络波动导致模型失败。三、教学目标与重难点知识与技能目标。学生能够准确描述人脸检测与人脸识别的技术差异，说出特征提取在识别过程中的核心作用；能够调用face_recognition库实现人脸编码、比对识别的基本流程；能够解释阈值设定对识别准确率与误识率的影响关系。过程与方法目标。通过“检测编码比对”三步实现人脸识别应用的完整开发，掌握“观察现象→提出假设→实验验证→归纳结论”的科学探究方法；经历模型参数调整与效果评估的迭代优化过程，体会工程思维中权衡取舍的决策智慧。情感态度与价值观目标。在小组协作中培养沟通与分工意识，在成果展示中增强表达自信；辩证认识人脸识别技术的便捷性与隐私风险，树立负责任的技术应用观念，认同我国《个人信息保护法》对生物特征信息的保护立场。教学重点。调用face_recognition库实现人脸识别应用的核心流程，理解“编码比对”机制中距离度量的实际意义。教学难点。理解阈值设定的敏感性及其对应用效果的双向影响；能够根据场景需求合理选择技术方案并评估其局限性。四、教学过程设计第一环节情境导入：刷脸背后的秘密（8分钟）上课伊始，教师打开教室门口的智能门禁系统实时画面，邀请两位学生进行刷脸开门体验。学生A顺利通过，学生B故意用同伴照片尝试，系统拒绝。教师追问：“为什么照片骗不过系统？门禁是如何认出‘你’的？”学生自然联想到深度学习、人脸特征等已有认知。随后教师播放一段15秒的短视频：地铁闸机的人群中，系统快速标注出每个人的面部框，并实时显示身份信息。视频停止后，教师在黑板上写下两个词：“检测”与“识别”。提问：“视频中方框框住人脸的过程叫什么？框住之后确认这个人是谁的过程又叫什么？”以此激活学生前概念，暴露其可能将两者混为一谈的认知误区。教师总结：“人脸检测是在画面中找到人脸的位置，而人脸识别是判断这张脸属于谁。今天，我们要用Python亲手搭建一个属于自己的刷脸系统，揭开‘刷脸’背后的三层秘密。”板书核心任务：Python人脸识别应用开发。第二环节第一层闯关：检测人脸画框框（12分钟）教师演示一段极简代码，在实时视频流中框出人脸位置。代码仅四行核心语句，完整展示在投影上：importcv2camera=cv2.VideoCapture(0)face_cascade=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')whileTrue:ret,frame=camera.read()gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)faces=face_cascade.detectMultiScale(gray,1.1,5)for(x,y,w,h)infaces:cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)cv2.imshow('FaceDetection',frame)ifcv2.waitKey(1)&0xFF==ord('q'):breakcamera.release()cv2.destroyAllWindows()教师不逐行讲解语法，而是提出三个层层递进的问题。问题一：“detectMultiScale这个函数返回的是什么？”学生观察代码推测是位置坐标，教师在摄像头前用手遮挡半边脸，框体仍能锁定，说明检测不依赖胡须、眼镜等局部特征。问题二：“为什么先要转换成灰度图？”有学生回答减少计算量，教师点头肯定，并补充说明Haar特征基于灰度纹理计算。问题三：“如果我把参数1.1改成1.5，会发生什么？”教师现场演示，框体明显减少且部分侧面人脸未被检出。学生两人一组在电脑上运行教师下发的detect_demo.py脚本，各自在摄像头前体验实时检测。教师巡视指导，重点关注两类情况：戴眼镜学生是否出现检测失败，以及光线较暗位置的学生是否出现框体抖动。五分钟后，教师请一位学生分享检测失败的现象，引导全班讨论：“为什么眼镜和光线会影响检测结果？”由此自然引出分类器训练数据与条件约束的概念。教师此时点明：“检测只是找到了人脸的位置，就像找到了相册里每一张照片的存放区。但相册不会告诉你照片里的人是谁。下一关我们要让人脸拥有数字身份证。”以此过渡到第二环节。第三环节第二层闯关：人脸数字身份证（15分钟）教师演示face_recognition库的核心调用，重点展示编码过程的本质。投影代码：importface_recognitionknown_image=face_recognition.load_image_file("zhang_san.jpg")zhang_encoding=face_recognition.face_encodings(known_image)[0]print("张三的脸部编码长度：",len(zhang_encoding))运行结果显示“张三的脸部编码长度：128”。教师追问：“这128个数字代表什么？”学生回答可能是特征，教师进一步追问：“如果两个人长得像，这128个数字是接近还是远离？”学生齐声回答“接近”。教师在黑板上画出二维示意：两个点距离近表示相似，距离远表示不同，并说明实际是128维空间中的距离度量。教师展示核心比对代码：unknown_image=face_recognition.load_image_file("test_photo.jpg")unknown_encoding=face_recognition.face_encodings(unknown_image)[0]results=face_recognitionpare_faces([zhang_encoding],unknown_encoding,tolerance=0.5)distance=face_recognition.face_distance([zhang_encoding],unknown_encoding)print("比对结果：",results)print("相似距离：",distance[0])教师解释tolerance参数即阈值，距离小于阈值判定为同一人，大于阈值判定为陌生人。为了让学生直观理解阈值的作用，教师展示一张预先生成的折线图表格，横轴为阈值取值，纵轴为同一个人在不同光线下的距离数值，以及不同人之间的距离数值分布区间。阈值设定张三本人在暗光下距离李四脸与张三脸距离判定效果0.30.350.62张三被拒绝，安全但误拒高0.50.350.62张三通过，李四被拒，最佳0.70.350.62张三通过，李四被误判为张三教师下发脚手架代码，学生只需在标注TODO的位置补充循环和条件判断。巡视中发现典型问题：有小组将tolerance设为0.6，导致外班同学被误判为本班同学，教师引导其观察打印的距离数值，发现外班同学与某位本班同学距离为0.55，小于0.6。学生自主提出将阈值调低至0.45，重新运行后全部正确。教师抓住这一生成性资源，让该组分享调参过程，强化阈值敏感性的认知。完成识别后，教师展示一段真实世界的人脸识别门禁日志数据表格，包含时间戳、识别距离、判定结果列。提问：“如果门禁的阈值设得太低，会发生什么严重后果？”学生回答会经常无法识别导致不便。教师再问：“设得太高呢？”学生回答陌生人也可能进来，不安全。教师总结：“任何识别系统都是在误拒率与误识率之间做权衡，这就是工程中的取舍智慧。”第四环节第三层闯关：创意挑战赛（10分钟）教师发布开放性任务：每个小组从三个挑战题中任选一题完成，限时八分钟。挑战一为“微笑门禁”升级版，要求实现只允许指定同学进入的班级门禁，并且当检测到非本班人员时在画面上显示红色警告框。挑战二为“合影识别”，给定一张包含五位同学的合照，要求用程序输出每位同学在照片中的像素坐标位置和姓名。挑战三为“防照片攻击”，设计一种方法识别出照片是否来自真实人脸而非屏幕翻拍（提示：可利用眨眼检测或深度信息，也可用简单策略如连续多帧一致性）。各组根据自身能力选择难度，教师提供差异化代码片段库供参考。选择挑战三的小组最有创意，他们想到利用face_recognition在连续帧中的人脸位置抖动幅度来区分静态照片与动态真人。教师充分肯定其思路，并补充说明工业级活体检测远比这个复杂，但大家已经触及了核心问题。展示环节，每组派代表上台用投影演示运行效果并解释技术思路。教师从功能完整性、代码规范性、讲解清晰度三个维度进行点评，并给予组间互评的机会。一个小组在演示挑战一时，故意让非本班学生凑近摄像头被拒绝，全班笑声中加深了技术认知。第五环节伦理思辨：刷脸的边界在哪里（5分钟）教师展示一张新闻截图：某售楼处因安装人脸识别摄像头未告知客户被行政处罚，案由是侵犯个人信息权益。学生阅读后分组讨论两个问题。问题一：“人脸识别给生活带来哪些便利？又可能造成哪些伤害？”便利方面学生能说出支付、安检、考勤，伤害方面学生提到隐私泄露、人脸信息被倒卖、被滥用跟踪等。问题二：“如果我是开发者，我会如何设计一个负责任的人脸识别应用？”讨论三分钟后，每组用一句话总结一个设计原则。教师汇总各组的观点，形成全班共识：必须事先告知并获得同意，数据加密存储且限期删除，提供人工复核通道防止机器误判，保留用户关闭生物识别改用密码的替代方案。教师补充说明我国《个人信息保护法》第二十六条将人脸信息列为敏感个人信息，处理须具有特定目的和充分必要性并严格保护措施。最后教师播放一段15秒的公益短片片段：一位老人的脸被商场摄像头识别后推送了老年用品广告，老人感到不安。视频结束，教师说：“技术没有善恶，但使用技术的人必须要有温度。愿你们未来成为有温度的技术创造者。”留白处理，不强行说教。五、教学评价设计本课评价采用过程性评价与终结性评价相结合的多元体系。过程性评价聚焦三个观测点：第一，课堂任务完成度，即是否在规定时间内完成检测、编码、比对三步程序运行；第二，协作参与度，即小组分工是否明确、组员是否均有操作机会；第三，调参思考深度，即在遇到误判情况时能否基于距离数据作出合理调整而非盲目尝试。终结性评价采用“代码+文档”双提交模式。每位学生需提交一份个性化的识别任务代码，代码需包含注释说明设计思路。同时撰写一份300字以内的反思文档，回答三个问题：“今天我理解了人脸识别的核心技术步骤是什么？我调整了什么参数并观察到了什么变化？如果我设计一个校园刷脸考勤系统，我会增加哪一条保护措施？”教师利用电子表格记录各组在挑战赛中的完成情况和互评得分，课后将评价结果反馈到学习平台。对于未完成任务的学生，教师提供降阶练习——给定完整代码模板，只需修改图片路径和阈值观察效果变化，确保基础薄弱学生也能获得成功体验。六、教学反思与提升路径本课设计的最大特点是技术实践与伦理思辨并行不悖。实际教学后需要关注三个潜在问题。其一，face_recognition库在部分老旧机房电脑上安装较慢，需