研究论文 | 探究图像识别教学中的计算思维培养方式

Posted 2021-04-07 白珍名师工作室

展现独立思想  博采百家众长

汇集涓涓细流  共向辽阔海洋

本论文发表于《中国信息技术教育》2019年13-14期

探究图像识别教学中的计算思维培养方式

朱丽花 西北大学附属中学  

白珍 陕西省教育科学研究院  

【摘要】受“软件使用”思想的影响，中学信息技术教学中普遍存在重操作、轻思维的现象。以图像识别为例，以计算思维方式为出发点，在教学中引导学生学会从模糊、复杂的问题中抽象并界定问题、提取关键特征，建立结构模型、运用合理的算法解决问题，并学会迁移，解决其他相关问题，有利于发展学生计算思维。

【关键字】   信息技术   图像识别   计算思维

看待一项事物，不但要“知其然”，更要“知其所以然”，每项技术的背后都有相应的概念和原理。如果能够清楚地了解这些概念和原理，会更有效地使用这些技术，使其发挥更好的作用。但受“学会软件使用，掌握操作技能”思想的影响，在教学中普遍存在重实践、轻理论，重操作、轻思维的现象。

随着移动互联网、智能手机和各种社交媒体的发展，图像慢慢成为互联网中的主要信息载体，图像识别在日常生活中扮演了非常重要的角色。例如交通运输方面的车牌自动识别系统；公共安全方面的指纹识别技术、人脸识别技术；农业方面的食品合格检测技术、森林里树木的健康状况分析技术；医学方面的X光片识别技术；商业方面的扫描二维码、商品相似款搜索技术；生活娱乐方面的“以图搜图”技术、娱乐监管技术等。此外，在机器人、智能家居、自动驾驶、教育、古玩等行业，图像识别也有不同程度的应用。

例如，在新课标《数据与计算》模块，不少教师理解还处于数值计算和工具操作层面，很少关注计算机处理类似于图像、视频等非数值型数据的原理和方法。新课标对本模块的教学建议是教师在引导学生体验数字化学习与创新活动中，注重“学科大概念”，挖掘基本概念和原理，借助对概念的共识性理解，培训学生的计算思维，把知识迁移到更为普遍的领域。

一、“人脸识别”案例呈现

现如今，刷脸时代已经到来，随着人脸识别技术水平的不断成熟，人脸识别技术可以用于公安、机场、边防、银行、电子商务、单位考勤、安防等多个领域。

“人脸识别”是什么，它又是如何工作的?可以借助计算思维中的结构化方法，进行提炼和约简，梳理关系，使信息变得简约而清晰，最终获取答案。

再进一步深入探究“人脸识别”背后的技术原理是什么?可以借助计算思维方法，对问题进行界定和简约、提取关键特征、建模和构造算法，使解决问题的思维变得简单明了。

二、运用计算思维探究“人脸识别”工作过程

计算思维是指个体运用计算机科学领域的思想方法，在形成问题解决方案的过程中产生的一系列思维活动。构成要素可以分解为对信息的提取、约简、数字化、结构化，以及抽象特征、建立模型、设计算法、程序仿真、自动处理等，这些构成要素都源于计算机科学的思想、原理和方法。

人脸识别可描述为，给定静止或动态图像，利用已有的人脸数据库来识别图像中的一个或多个人，通常也叫做人像识别、面部识别等。

人脸识别这个问题主要体现计算思维的信息数字化、简约、提取关键特征、信息结构化等特征。

（一）信息数字化

从摄像头、照片或视频中采样，并检测出人脸的存在并确定其具体位置。

（二）简约，提取关键特征

为了保证人脸图像中人脸大小、位置以及人脸图像质量的一致性，必须对图像进行简约和预处理。常用的操作有增强图像对比度、姿态矫正、光照补偿、尺寸归一化、锐化等，提取出人脸中眼睛、鼻子、嘴巴的距离、倾斜度等关键特征。

（三）信息结构化

使用思维导图的形式，建立结构化内容体系。

三、运用计算思维进一步探究“人脸识别”背后的技术

就“人脸识别”这个技术而言，可以借助计算思维方法，具体步骤如下：

（一）抽象并界定问题

1.“人脸识别”的依据是什么？它是利用图像识别技术，根据原始图像的颜色分布、几何形状、纹理等视觉特征，来搜索相似的图像。它的技术方法有很多种，常用的一种称为“内容特征法”。

2. 计算机中的图像如何存储？计算机中的图像，画面被划分成一个个按行、列顺序排列的“像素”，每个像素是数字化表示的图像局部特征。

（二）简约、提取关键特征

1.将原图转成一张较小的灰度图像，假定为50×50像素。这一步的作用是去除图片的细节，只保留结构、明暗等关键信息，摒弃不同尺寸、比例带来的图像差异。

2.将灰度图像转换成黑白图像。转换时，先要为“黑”和“白”设定一个恰当的分界值，称为“阈值”。灰度小于这个阈值的像素被确定为“黑”，灰度大于这个阈值的像素被确定为“白”。阈值确定的原则是使黑白图像的轮廓与原图尽量一致。

（三）建模、构造算法

1.将黑白图像中的每个像素用二进制数0或1表示，0代表黑，1代表白，形成一个50×50的0-1矩阵，称为“特征矩阵”。

2.将搜索到图像的特征矩阵与原图的特征矩阵进行比对，比对方法类似于“汉明距离”算法，即对两个矩阵中相同位置的二进制数值进行异或运算，若两个值相同则运算结果为0，否则为1。

（四）分析数据，得出结论

最后，统计运算结果中1的个数，若1少于一定数量则认为两张图像相似，否则认为不相似。

由此可知，特征矩阵是根据原始图像的内容所决定的。因此，需要对图像进行预处理，如调整色相、饱和度、明度、对比度、清晰度、以及裁剪、局部加工等，强化图像的内容结构，突出图像特征，提高搜索效率。

（五）迁移、拓展延伸

跟“人脸识别”使用相似技术原理的有，商品相似款搜索，百度魔图的“大咖配”，图像识花，车牌自动识别系统等

新课标要求学生在学习技术操作时，进一步挖掘技术内涵，形成对技术方法本质的理解。在日常教学中，我们应该从最基本的概念、技术出发，构建整个学科理论系统。然后让学生理解，理论从何而来，向何而去。最后做到融会贯通，活学活用，培养学生的计算思维、迁移能力和解决实际问题的能力。就像这节课的案例，不能只停留在学会使用人脸识别工具，还要进一步探究什么是人脸识别、人脸识别的工作过程及背后的技术是什么，刨根问底，追溯根源，指导学生以计算思维的方式进行深入思考，帮助他们在分析问题和解决问题的过程中形成计算思维意识，提升计算思维能力。

  参考文献：

[1] 中华人们共和国教育部制定.普通高中信息技术课程标准[M].2017:8.

[2] 蒋树强,闵巍庆，王树徽.面向智能交互的图像识别技术综述与展望 [J]. 计算机研究与发展，2016:113-122.

[3] 庄福振,罗平,何清,史忠植.迁移学习研究进展[J].软件学报2015:26-39.

欢迎关注陕西省中小学信息技术教育

白珍名师工作室