单元六 · AI项目工坊
第28课 人脸识别
一、学习目标
- 了解人脸识别的基本流程。
- 认识数据采集、训练与识别各环节。
- 能讨论人脸识别的隐私与安全问题。
二、情境导入
刷脸进校、解锁手机背后经历了哪些步骤？
人脸数据为什么特别需要保护？
三、核心讲解
本课学习路径：
1认识人脸识别
2数据、训练与识别
3隐私与安全
1．认识人脸识别
人脸识别通常包括检测人脸、提取特征、与底库比对并给出身份或相似度。
人脸识别：从图像/视频中定位人脸并匹配身份，属于生物特征识别的一种。
- 检测：找到人脸区域
- 特征：把脸表示为可比较向量
- 匹配：与已注册模板比较
想一想：光线很暗或侧脸很大时，哪一步最容易失败？
2．数据、训练与识别
系统效果依赖数据质量与覆盖；可用分类等相关组件理解「按特征区分」的思想。
数据质量：清晰、多样、授权合规的数据，有助于提升识别稳健性并降低偏见。
- 准备数据要注意同意与最小必要
- 训练/调参后在多种条件下测试
- 识别阈值影响通行体验与安全平衡
想一想：阈値设太低或太高，分别会带来什么问题？
3．隐私与安全
人脸属于敏感生物特征，泄露难更改，必须合法、必要、可退出，并防止滥用。
敏感生物特征：人脸数据一旦泄露风险高；应加密存储、限权访问，并提供替代核验方式。
- 不随意采集、传播同学人脸照片用于识别实验
- 讨论：公共场合监控识别的边界
- 出现错误识别时的申诉与人工通道
想一想：若系统把你误识别成别人，你希望有哪些救济措施？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_face_recognition — 体验人脸检测与截取；只用自己的照片或已获同意的图片，讨论隐私
组件 model_image_similarity_calculation — 用相似度模拟「特征比对 / 是否同一人」的匹配思想
五、课堂总结
- 人脸识别包含检测、特征与匹配等环节。
- 必须依法合规、保护隐私，并设置纠错与替代方案。
六、拓展提升
- 写一份「校园刷脸」最小必要清单：采集哪些数据、保存多久、谁可访问。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
人脸识别的基本流程是：
关于人脸数据，正确的是：
判断：人脸识别从不会误识，因此不必提供人工核验。
本节小结
回顾本课要点，完成动手体验与测评。记住：人脸识别。