李东辉

摘要：现如今，随着我国经济大潮的不断加快，推动了各个领域的发展发生了突飞猛进的提高，尤其是在科学技术领域中，随着人工智能的快速发展，人脸识别技术的应用也越来越广泛。主要研究智能物流机器人上开发的“专注度分析”巡视机器人在人工智能图像识别技术方面的相关内容。通过机器人采集到的图片信息，使用图像处理技术的人脸识别学生的面部表情来判断学生的专注度和疲劳程度。基于此，本文基于计算机图像处理技术的人脸识别教学实践进行了分析，从而较好的提升了课堂学习效果。

关键词：计算机;图像处理;处理技术;人脸识别;教学实践

引言

人脸识别技术是一种基于提取人体脸部特征信息，对身份进行识别的计算机生物识别技术，将计算机图像处理技术与生物统计学原理融合起来，通过计算机图像处理技术，提取人像的部分特征，并分析生物统计学的原理，建立数学模型，存储在电脑中，来达到身份识别的目的。人脸识别对人们平时的工作生活产生了重大影响，特别是云计算、大数据、互联网等服务方面的逐步提升，不断推动着人脸识别技术趋向成熟，以及发展领域的不断扩大。现今，人脸识别技术广泛应用，为该项技术发展提供新的契机。为更好满足人脸识别技术应用需求，做好针对性人才教育培养规划至关重要。在此过程中，计算机图像处理技术人才识别课程教学，应紧抓时代发展需求，加强人脸识别教学教育实践改革，以人脸识别教学实践多元化、系统化开展为基础，扩宽教育实践范围，使人脸识别技术人才教育培养能充分与国际教育发展相接轨。

1基于计算机图像技术处理的人脸识别技术运用

1.1数码科技产品

数码科技产品，是人脸识别技术应用主要门类，其中移动电话、移动PC电脑、小型服务器工作站等是人脸识别技术在数码科技领域运用的主要方向。与传统概念中人脸识别技术应用不同的是，数码科技产品对人脸识别技术的要求是小型化、便携性。因此，在计算机图像处理技术算法优化方面，针对数码科技产品人脸识别技术开发，更多考虑到技术适用性、功能多元化，以满足移动电子设备对人脸识别技术的使用需求。除此之外，数码科技产品中计算机图像处理技术，其技术内核不仅要能保证人脸识别模块的易用性，同时，也要尽可能根据数码科技产品未来化发展，做好更深层次技术整合。所以，从技术研发角度来看，数码科技产品对人脸识别技术运用，更重视技术创新、技术资源开发，保证其先进性、前瞻性，是人脸识别技术在数码科技产品领域对计算机图像处理技术应用的根本条件。

1.2电子信息身份识别

电子信息身份识别最早是基于身份验证数据编码技术运用衍生而来，随着人脸识别技术普及，电子信息身份识别，最终将指纹识别、人脸识别纳入电子信息身份识别技术体系。计算机图像处理技术在人脸识别中运用推广，弥补人脸识别核心技术不足，使人脸识别技术能基于静态、动态多种模式进行信息甄别，最大限度地满足了人脸识别技术在电子信息身份识别中的运用需求。至此，2010年国际民航组织将人脸识别技术列为电子身份识别的主要技术门类，全球近120个国家对电子信息身份识别系统做出了内容完善，提高了人脸识别技术应用的广泛性。

2计算机图像处理课程的特点与现状分析

计算机图像处理是近几年来信息处理技术中发展最快且应用范围最广的课程，呈现出良好的就业前景。起初学生会受课程前景优势或网络环境对“美图”原理好奇心的驱使，容易对本门课程抱有期待和兴趣，但在学习过程中，多数学生往往受困于复杂的数学公式和概念，导致学习兴致消退。对于课程教材，国内主要选用某教授编纂的计算机图像处理系列，内容丰富且理论论证清晰。然而，随着计算机视觉及人工智能技术的高速发展，教材中介绍的基本算法和理论已无法满足实际应用需求。此外，在实际教学过程中发现，虽然教材内容涉猎较多，但章节之间关聯性不强，若完全依赖教材章节安排授课，难以让学生构建系统性的知识体系。考核是检验教与学的效果，反思教学过程和教学方法的重要手段，不同的考核方式也会相应地指导学生如何进行课程学习。传统的计算机图像处理课程考核多采用期末闭卷考试与平时考勤、作业及实验报告相结合的方式，忽视了对学生团队协作、知识迁移水平的客观评价，致使部分学生不主动思考，仅仅为了应付考试，自身能力难以得到真正的锻炼。此外，在计算机图像处理领域，对问题的求解通常需要在夯实的理论基础上进行实践操作。目前的教学模式仍然以理论教学为主，并未强调对学生开放性思维进行锻炼，“重理论、轻实践”，在面对实际的图像处理问题时，学生往往束手无策，或者很难找到提高图像质量的最优方案。

3基于计算机图像处理技术的人脸识别教学分析

3.1教学参照对象选择

本次教学实践研究主要选用开源软件开发工具包作为人脸识别教学参考，依据原有数据链开展教学细节梳理分析。根据计算机图像处理技术人脸识别教学内容不同，将基于SDK数据包开源数据做教学优化，为后续阶段人脸识别课程教学实践积累经验。

3.2课程教学内容

计算机图像处理技术能够发展和培养学生解决问题的能力，但基础知识的系统构建是其基础和理论前提。结合新工科背景下的教学目标和实际学情，计算机图像处理技术的人脸识别课程的主要内容包括：人脸图像及其表达与性质、人脸图像预处理、人脸图像形态学变换、人脸图像数据压缩、人脸图像分割、人脸图像处理工具的应用，以及计算机图像处理技术的人脸识别的最新发展状况。受课时限制，单纯利用课堂时间和依靠书本教材并不能让学生快速掌握学科基本理论知识，难以达到预期的教学效果;因此，在具体设计理论内容时，要充分考虑到行业技术快速发展带来的影响，把人才培养的目标向前瞻性转变，至少要为学生毕业三到五年内的职业成就做出相应的规划。在备课时，教师需要结合自身的专业知识及多渠道的资源，有选择性地对课程大纲内容进行一定程度的分类和扩展，并要做到逐年更新课件及讲义。对于理论性较强、内容关联程度不高的章节，教师可以对要讲解的内容做一个当前技术发展下的简单分类，为学生构建一个基本的知识框架。例如对于图像分割这一章，图像分割方法可以分为传统的图像分割方法和基于深度学习的图像分割方法。对于重点讲授的传统图像分割方法可再进行细分，如基于阈值、边缘、区域、聚类等分割方法。此外，教学对应的固定课时安排，在实际课程教学中可以根据学生对知识的掌握情况进行灵活调整和安排。

结语

综上所述，基于计算机图像处理技术人脸识别教学实践，必须要结合计算机图像处理技术特点，强化人脸识别教学内容适用性，确保人脸识别课程教学能满足不同行业人才应用培养需求，进一步完善人脸识别技术应用教育人才培养体系，解决早期阶段我国人脸识别技术教育人才匮乏问题，从根本上把计算机图像处理核心课题与人脸识别教学基本内容做统一教育规划，为未来阶段更好地实现人脸识别教学工作的长效化推进奠定良好根基。

参考文献

[1]王鹏.“新工科”背景下数字图像处理实验延展探索[J].工业和信息化教育，2018，69（09）：46-50.

[2]RC.Gonzalez，RE.Woods，SL.Eddins.“国外电子与通信教材系列：数字图像处理（MATLAB版）[M].阮秋琦，译.北京：电子工业出版社，2014（第2版）.

[3]酒明远.人工智能背景下数字图像处理教学方法的两点思考[J].科技风，2019（33）：84-84.

[4]邹金花.人脸识别技术的研究与应用[J].电脑知识与技术，2019（28）：199-200.