一、摘要及关键词

（一）摘要

自动识别技术就是应用一定的识别装置，识读装置自动地获取被识别物品的相关信息，并提供给后台的计算机处理系统来完成相关后续处理的一种技术，是信息数据自动识读、自动输入计算机的重要方法和手段，是一种高度自动化的信息或者数据采集技术。自动识别初步形成了一个包括条形码技术、磁条技术、光学字符识别、射频技术、声音识别及视觉识别等集计算机、光、磁、机电、通信技术为一体的高新技术学科。

本教学案例主要通过视频、PPT等教学设计，介绍视觉识别技术。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。除了安防、金融这两大领域外，还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。

（二）关键词

自动识别技术、图像识别、人脸识别、深度学习、考勤系统。

二、案例教学目标

（一）知识与技能目标

通过《物联网技术》感知层自动识别技术典型案例，学生能够根据识别基本原理、基本知识和国家相关标准、规范的要求，掌握自动识别技术的定义，了解自动识别技术的分类方法，理解机器视觉系统的类别与基本原理，掌握机器视觉系统的典型结构；掌握人脸识别技术的基本概念，了解人脸识别的基本原理。

（二）过程与方法目标

通过视频及PPT的案例讲解、讨论和问答，让学生了解自动识别技术形成的过程、“亲历”探究人脸识别的系统过程；在实际案例中，学会发现问题、思考问题、解决问题的方法，学会动脑及动手的协调搭配，形成创新精神和实践能力等。

（三）情感态度与价值观

针对人脸识别系统探讨深度学习算法框架，引出国家卡脖子技术的具体相关内容，让学生形成积极的学习态度、健康向上的人生态度，具有科学精神和正确的世界观、人生观、价值观，成为有社会责任感和使命感的社会公民。通过讨论和探究教学，塑造学生正确的人生观、价值观，使学生养成迎难而上、不畏艰苦、吃苦耐落、踏实肯干、小心谨慎、团结协作、包容友爱、守纪守法、识大体、顾大局的优秀品格。

三、学情分析

《测控技术与仪器》专业学生在《互联网技术》课程开课前，学习过《高等数学》《计算机基础》《C语言程序设计》《工程伦理》《传感器网络》等课程，现有的知识结构合理，学生的兴趣浓厚、思维活跃，认知状态良好，符合课程教学的一般发展规律。该专业已经通过工程教育认证，学生生理心理状况测评良好，发展状态和发展前景优异。基于OBE教学理念，该专业职业教育充足，创新创业文化氛围浓厚，学生具有充足的学习动机和学习兴趣。

四、本节案例教学重、难点

（一）教学重点

1. 自动识别技术的发展历程

2. 机器视觉系统的类别与基本原理

3. 机器视觉系统的典型结构

4. 人脸识别的典型应用

（二）教学难点

1. 图像处理的基本原理

2. 基于深度学习的机器视觉理论及应用

五、本节案例教学策略设计

（一）案例的引出

课堂活动（3分钟）

请同学们说一说基于视觉的考勤打卡系统如何进行身份的确认，其工作原理是什么？

以考勤打卡系统导入课程，激发学生们学习的兴趣和发散思维，迅速进入学习状态。

（二）案例内容

1. 基于机器视觉的人脸识别技术

（1）人脸检测（Face Detection）

从图像中找到人脸并返回人脸包围框坐标（bounding box，或bbox）。

（2）人脸对齐或称人脸配准（Face Alignment）

检测人脸特征点，并据此进行仿射变换，对人脸进行尺度和角度的归一化。近年的技术可以这一步将人脸正面化。

（3）人脸表征（Face Representation）

从人脸图像像素中计算提取人脸紧凑且具鉴别性的特征向量，理想的特征是能够从同一个体的人脸不同图像中提取相似的特征向量。

（4）人脸匹配（Face Matching）

将两幅图像的特征向量进行比较，得到相似分数，用于表示这两幅人脸图像属于同一个人的似然性。总体来说，主要有两个应用场景：人脸验证（Face Verification）和人脸识别（Face Identification）。

2. 机器视觉系统构成

（三）教学活动

1. 视频播放

考古专家用警方人脸识别技术扫描兵马俑，发现惊天秘密！

新大陆自动识别的产品亮相《新闻联播》

2. 引申归纳

从视频内容到人脸特征的提取。

人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。

3. 思政元素融入

人脸识别技术是一门融合生物学、心理学和认知学等多学科、多技术(模式识别、图像处理、计算机视觉等)的新的生物识别技术，可用于身份确认(一对一比对)、身份鉴别(一对多匹配)、访问控制(门监系统)、安全监控(银行、海关监控)、人机交互(虚拟现实、游戏)等，通过对人脸识别系统方案的头脑风暴，培养学生原创的思想，而不是总是在别人的贡献基础上做一些拍脑袋或者打补丁的工作；培养学生探索科学、追求真理的精神；激发学生的爱国情怀，增强科学报国的责任感和使命感。

（四）分析讲解

1. 案例来源

[1]https://www.bilibili.com/video/BV16s411M7K3?spm_id_from=333.337.search-card.all. click

[2] http://www.ivysun.net/arc-new/7358.html

[3]https://zhuanlan.zhihu.com/p/115936512

2. 案例与本讲内容的关联度

本讲的内容是“自动识别技术”，通过教学帮助学生了解自动识别技术的发展历程，掌握自动识别技术的定义，了解自动识别技术的分类方法，理解机器视觉系统的类别与基本原理，掌握机器视觉系统的典型结构；掌握人脸识别技术的基本概念，了解人脸识别的基本原理。引导学生发现身边的科学问题，培养学生分析问题、解决问题和初步进行科学研究的能力。提高学生对专业基础课学习的认同感和关注度，激发他们学习的热情和动力。在实现传授知识、培养能力与提高素质的同时，融入培育科学思维、培养科学精神、增强民族使命感的思政教学目标。

（五）启发思考

1. 课堂选人提问

（1）你认为机器学习实现人脸识别的基本思路是什么？

（2）人工智能是真正意义的自主性学习吗？

2. 课后实践作业

深度学习成功用于人脸识别的三大要素：大规模数据集、先进的网络架构、有针对性的损失函数，请自己动手用Python语言编制人脸识别程序。