《人工智能导论》教案第5章智能识别.docx

第五章 智能识别 课题名称：智能识别 学习过程： 课程名称 人工智能导论 教学内容 智能识别 学时 6课时 翻转课时 第1、2、5、6课时 教学环境 多媒体教室 教学方法 情境教学法、任务驱动法、 讲练结合法、小组讨论教学法 一、学习内容分析 人类理解世界，最重要的感官之一是视觉，通过眼睛观察事物和捕捉信息，人类从外界获得的信息约有75%来自视觉系统。同样，计算机视觉也是一双“眼睛”，通过它，计算机可以识别物体、运动分析、姿态估计等。 在日常生活中，图像视频对人类来说并不陌生，它是对客观存在的物体对象进行生动的描述。图像视频识别技术是在20世纪50年代后期开始现代的研究，经过半个世纪的发展，已成为人工智能的一个重要领域。 在日常生活中，人们对植物、动物及各种食物的区分过程就是在进行“模式识别”，随着计算机的出现及人工智能的兴起，人们希望能用计算机来扩展或代替人类的部分脑力劳动，用机器实现模式识别的过程于20世纪20年代诞生，于60年代初迅速发展成人工智能领域的一个重要分支。 语音是人类之间最有效、最方便的通信方式，而与机器交流，让机器明白人们在说什么，是人类长期以来梦寐以求的事情。语音识别技术，也被称为自动语音识别（Automatic Speech Recognition，ASR）技术，是从20世纪50年代才兴起的一门计算机智能技术，主要研究目的是让计算机“听懂”人类语言，实现人机自然语言交流的和谐环境。 随着计算机和网络技术的发展，在现代社会活动中，信息安全、金融交易、城市安防等领域对个人身份识别和验证要求越来越重视。传统的身份认证已经越来越难以满足现代安防需求，生物特征识别技术采用人体生理特征以及行为特征进行身份确认，是目前最为方便与安全的识别技术。 二、教学目标 知识目标 能力目标 了解计算机视觉、图像视频识别、模式识别、语音识别、生物特征识别的概念 2、了解智能识别的应用及发展 1、能够举一反三，了解智能识别的工作原理 2、能够联系实际生活，列举出智能识别的应用 三、教学重点 计算机视觉、图像视频识别、模式识别、语音识别、生物特征识别的概念 智能识别的应用及发展 四、教学难点 模式识别 生物特征识别 五、课前任务设计 思考： 第一、二节课: 阅读案例：智能识别，随处可见 （1）ABB——视觉工业机器人 （2）旷视科技——FACE++人脸识别云平台 （3）科大讯飞——中国声谷，让世界聆听我们的声音 （4）深思考人工智能——全自动人工智能TCT宫颈辅助阅片系统 （5）汉王科技——汉王云 （6）3D打印技术——蓝图变成实物 2、智能识别是什么？ 第五、六节课： 1、延伸阅读：智能识别，无处不在 （1）阅卷系统自动化 （2）智能社交 （3）Smart Specs神奇眼镜——让盲人重见光明 （4）智能家居 2、联系实际生活，谈一谈智能识别在生活中还有哪些应用 六、授课过程 一、二节 （一）案例引入 （1）ABB——视觉工业机器人 （2）旷视科技——FACE++人脸识别云平台 （二）知识归纳 计算机视觉： 计算机视觉（Computer Vision, CV）是一门研究计算机如何用“眼”的科学，即对人类视觉的模拟。 计算机视觉系统： 一般的计算机视觉系统是让计算机具有对周围世界的空间物体进行传感、抽象、判断的能力，从而达到识别、理解的目的。 计算机视觉技术的应用领域： 计算机视觉是一门综合性的学科，已经应用在制造业、工业检验、文档分析、医疗诊断、军事目标跟踪、自主导航等系统当中。 计算机视觉的工作原理： 计算机视觉的工作原理就是对事物进行图片或者视频采集、预处理和高级处理的过程，即借助摄影机和计算机的识别、追踪、测量、感知等方法来捕捉目标对象，在此基础上进行图像信息处理，使计算机处理后的图像更加适合人眼观察或者传输给仪器进行检测等高级处理。 计算机视觉的相关学科： 计算机视觉属于综合性十分强的一个领域，它与其他学科领域的关系有：图像处理、计算机图形学、模式识别、人工智能（AI）、神经生理学与认知科学。 图像的分类： 根据图像信息中反映的不同特征把不同类别的目标区分开来：按图像亮度等级分类：二值图像、灰度图像；按图像色彩特征分类：黑白图像、彩色图像；按图像时间变换分类：活动图像、静止图像；按图像空间关系分类：二维图像、三维图像。 图像的表示与描述： 图像的表示与描述方法种类繁多，人眼所看到的图像是由于光线照射在图像上并经过漫反射作用映入眼睛中成像，可以数字化公式描述为I=f(x,y,z,λ,t)，其中，x、y、z是描述空间的位置，λ为波长，t为时间。若图像是静止的灰度图，就可以描述为I=f(x,y)。 图像处理的方法： 图像的增强、图像的光滑、图像的数据编码和传输、边缘锐化、图像的分割、图像的理解与分析。 图像视频识别的应用领域：