人工智能實驗：圖像的本地檢測和云端識別

孫麗君 于方軍

目前，中學階段進行的人工智能教學采用的方式大多為采集數據，然后通過調用接口將數據上傳到人工智能平臺（如百度AI、訊飛等），再返回預測結果，或者調用已有的模型，進行結果預測。本實驗將結合以上教學方式，運用Python代碼進行中學人工智能教學的探索，進而引導學生體驗人工智能的應用，了解人工智能基本原理，使用已有的人工智能平臺和模型處理身邊的問題。

● 設計思路

嘗試通過本實驗活動，實現人臉檢測和識別功能，解決生活中的實際問題。實驗過程可以通過調用攝像頭，借助訓練好的已有模型檢測人臉;將照片數據上傳至云端人工智能平臺（如百度AI），進行圖像對比實現人臉識別。

在此實驗原理基礎上，還可以進行應用拓展，如人臉識別門禁，可以加載硬件控制庫Pinpong庫來控制舵機實現。通過Pinpong庫將開源硬件與Python聯系起來，與人工智能算法相結合，將過去的“輸入+編程+輸出”模式，變為現在的“輸入+AI+輸出”模式。

● 活動準備

帶有攝像頭的學生機、創建百度AI應用、Arduino板、舵機、Python源代碼等文件。

● 程序實現

1.使用訓練好的模型驗證人臉檢測

（1）查看OpenCV中訓練好的Haar模型文件

OpenCV是一款開源的計算機視覺和機器學習軟件庫，它提供了很多.xml格式的訓練好的模型文件，在實驗的素材包中，可以把這些模型文件放在FaceRecognition文件夾中，FaceFile文件夾中存放著允許進入的用戶照片，并以人名命名。由于這些已經訓練好的模型存放在本地文件夾中（如上頁圖1），不必聯網，我們便可直接調用來實現人臉檢測。

（2）調用模型文件檢測人臉

在本實驗中通過Python代碼實現調用攝像頭，采集人臉數據，再調用OpenCV模型庫中的Haarcascade_frontalface_default.xml模型文件，進行人臉檢測，代碼如圖2所示。在檢測到的人臉上畫出方框，當用戶按下空格鍵，則將圖像截圖保存。

（3）更換其他模型文件，觀察檢測結果

還可以把模型文件替換為貓臉模型haarcascade_frontalcatface.xml，讀入一張貓的圖片，運行檢測代碼后，就能檢測出貓臉，與此類似還可以選擇其他模型嘗試（如圖3）。

2.使用云端人工智能平臺識別人臉

（1）申請接口參數

開放的人工智能平臺會提供用戶使用的API接口，API接口參數主要包含APP_ID、API_KEY、SECRET_KEY，做個簡單的比喻，APP_ID就像身份證號，API_KEY就像銀行卡號，SECRET_KEY就像銀行卡密碼，使用Python語言調用百度人臉識別接口服務，首先需要安裝百度aip，然后在百度AI控制臺的人臉識別服務中創建應用，獲得APP_ID、API_KEY、SECRET_KEY，在Python代碼中鍵入即可。

（2）連接百度AI

通過新建AipFace，將百度AI創建應用中獲得的APP_ID、API_KEY、SECRET_KEY復制到代碼中，以連接百度AI人臉識別接口，實現交互。通過Mactch函數參數的設置，可將兩張圖片數據上傳到百度AI中，實現圖像對比識別（如上頁圖4）。

（3）讀取本地用戶照片與截圖照片進行對比

通過調用前面定義的Mactch函數，將逐一取出本地FaceFile文件夾中的用戶照片與保存的截圖數據，上傳到百度AI平臺，進行人臉數據的比對、識別，并返回兩兩比對人臉相似值（如上頁圖5）。

（4）顯示返回的預測結果

對于人臉識別返回結果中相似度小于等于50的，則在截圖照片上顯示為陌生人“Name：Stranger”;相似度大于50的，則將FaceFile中對應照片的文件名，也就是人名印到截圖照片上。

（5）小組討論

討論不同用戶申請的APP_ID、API_KEY、SECRET_KEY三個值是否相同？

3.效果改進

在上述代碼基礎上，利用Pinpong庫控制旋轉舵機，仿真人臉識別門禁，體驗人工智能在生活中的應用。

（1）安裝Pinpong庫

Pinpong庫是一套控制開源硬件主控板的Python庫，安裝完成后，通過在Python程序中加載Pinpong庫并初始化后，即可連接硬件，直接用代碼就能給常見的開源硬件編程，使它們執行各種命令。這里筆者借助Pinpong庫，通過Arduino板控制舵機，實現門禁的效果。

（2）連接硬件

連接Arduino主控板到計算機，將舵機與Arduino板各引腳相連（如圖6）。在程序中，加載Pinpong庫的主板、引腳、舵機，并進行初始化。

（3）利用Pinpong庫，編寫代碼控制舵機（如圖7）

這里對于返回預測結果中相似度大于50的，除了將人名顯示在截圖照片上外，還可控制舵機轉動一定角度，打開門禁，停留幾秒后，舵機再次轉動復位，以此實現自動控制門禁的效果。

總之，通過本次實驗活動，利用攝像頭截圖和收集用戶照片來采集數據，調用原有已訓練好的Haar模型進行人臉檢測，連接云端的百度AI來進行人臉識別，得到預測結果，體驗人工智能在生活中的應用。那么，可否自己來收集數據、搭建模型、訓練模型、檢測模型，完成一個完整的智能系統，脫離網絡和現有模型的限制，實現本實驗同樣效果，這將是筆者進一步探索的方向。