时间：2022-03-13 10:31:43
关键词： 初中物理 计算题 能力训练
如何进行物理计算题教学？我结合自己的教学实践谈几点思考。
一、用基础题，训练学生解题规范
有些计算题是直接运用公式解答的题目。内容浅显，思路单一，练习这类题目，教师要把重点放在指导学生解题的格式和规范上，如：解题的步骤，公式的书写与数字的代入，相关物理量的符号，单位的换算等，做到条理清晰，简洁明了，逐步养成良好的解题习惯。
例1：一只装有饮料放在桌子上的纸箱，箱与桌面的接触面为0.025m，饮料箱总质量是5kg，每小袋上标有“净含量221mL、227g”。（g=10N/kg）试求：（1）该饮料的密度是多少克/厘米？（保留小数点后面两位小数）（2）这箱饮料对桌面的压强是多少？
分析：（1）由净含量221mL、227g，可知，每袋饮料体积是221ml，质量是227g，可以用公式求出密度。（2）由总质量是5kg根据G=mg可以求出总重力，总重力即为压力，再由公式P=F/s即可求出压强。
解：（1）饮料的密度：P=m/V=227mL/221g=1.03g/m
（2）饮料箱对桌面的压力：F=G=mg=5kg×10N/kg=50N
饮料箱对桌面的压强：P=F/s=50N/0.025m=2×10Pa
答：（略）
这道题并没有多大的难度，学生很容易形成解题思路。教师可以在学生规范解题的基础上，把原题改编成一道多步计算题，通过改编题目，让学生反复训练，牢固掌握解题的规范和方法，使解题规范由习惯变为技能。
二、用图形题，训练学生解题技巧
初中物理计算题中，配有图形的占有相当的比例，图和题目内容相得益彰，但往往更能直接而明晰地表达题目的精要，教师要引导学习观察方法，要根据题意，把解题所需要的条件和所求的问题补标到图上去，为思考问题增加直观感，在此基础上与学生探讨解题技巧。
例2：如图甲，在研究通过导体的电流跟电阻的关系时，要保持导体两端电压不变。实验中，不断改变R的阻值，调节滑动变阻器使伏特表示数保持不变，得到了I与R的关系图像，如图乙。由图像可以得出什么结论；此次实验中，伏特表的示数始终保持多少V不变。
分析：图像中定值电阻由25Ω12.5Ω5Ω，电流由0.1A0.2A0.5A，电流与电阻的乘积等于2.5是定值，电流跟电阻成反比，电压表测量定值电阻两端的电压，所以电压表的示数是2.5V。
解：定值电阻由25Ω12.5Ω5Ω，电流由0.1A0.2A0.5A，电流与电阻的乘积等于2.5是定值。电流跟电阻成反比，U=IR=2.5V，电压表测量定值电阻两端的电压，所以电压表的示数是2.5V。
由图乙可以直接看出：25×0.1=12.5×0.2=5×0.5=2.5V，利用数学知识，两个量的乘积为一定值时，这两个量成反比。
图形可以启迪思维，为思考问题提供直接路径，图形也可以印证思维结果是否正确，所以引导学生正确的观察图形是训练学生解题技巧的有效方法。
三、用综合题，训练学生解题思路
综合题是由简单的基础题组合而成的，但这些基础题之间有着密切的联系，教学的关键是引导学生找准解题的切入点，理清单个问题之间的内在联系，在教学过程中精讲多练，通过一定量的练习，让学生熟练掌握一些基本的思维方法，逐步形成解题思路。
例3：某生用图甲所示的电路，研究通过导体的电流与导体电阻的关系。电源电压恒为6V。他做了六次实验，如图乙所示的曲线图，表示的是电流I与电阻箱阻值R的关系，它是在保证R两端的电压不变的情况下，调节滑动变阻器，读出对应的安培数据，如此，选择六组数据，绘制而成。
（1）如果在第一组数据里，R=4Ω，I=？
（2）该生实验时，测量电阻箱R两端的电压表示数是多少？
（3）如果在第二组数据里，I=0.4A，电阻箱P=？R=？
解：（1）由图像可知，当R=4Ω时，I=0.5A，即电流表的示数为0.5A；
（2）在图线上任取一组电流和电阻的数值，比如R=4Ω时，I=0.5A，根据公式计算出电阻箱R两端的电压为U=RI=4Ω×0.5A=2V；
（3）当电流表示数为0.4A时，从图像可知R=5Ω，电阻箱R消耗的功率P=IR=（0.4A）×5Ω=0.8W；电源电压恒为6V，电路总电阻R=U/I=0.6/0.4=15Ω；滑动变阻器接入电路的阻值R=R-R=15Ω-5Ω=10Ω。
答：（略）
此题总体思路是：抓住图像横纵坐标表示的物理量，结合物理量之间的关系进行分析。具体思路是：（1）根据R的阻值为4Ω，根据每一小格代表的电流大小，找到纵坐标对应的电流值；（2）根据图像中任何一个电阻值，找到对应的电流值，由欧姆定律的变形公式U=IR计算出电压；（3）该生记下电流表的示数为0.4A，找到对应的电阻值，据P=IR计算出电功率，依据总电压和电流算出总电阻，总电阻减去R的阻值，就得到滑动变阻器的接入电路的阻值。
【关键词】高职教育；图形图像处理；项目教学
现代生产方式的根本改变，要求我们高职教育要培养高层次、高技能型的人才，使学生具有一定的创新能力和创新精神，能够分析新问题并解决新问题，快速地适应行业科技和社会发展的需要。
《Photoshop 图形图像处理》课程是高职教育中平面处理方向的一门专业技术基础课程，此课程主要是培养学生对图形图像的编辑处理、设计制作及对图形图像的鉴赏和创意能力。为了学生能适应多变的岗位需求，我们在这门课程的教学中应该以“模块教学、注重实践”的项目教学模式来实施整个教学过程。
1.课程体系设计
在对当前的社会需求和岗位调查中，我们得知《PhotoShop图形图像处理》主要应用于数码照片的后期处理、包装设计、图文信息处理、电子出版、影视广告、动漫设计等方面。基于对以上行业和企业进行充分调研的基础上，我们对《PhotoShop图形图像处理》课程进行研究，按照“模块化课程结构 项目化教学单元层次化训练体系产品化实习任务”的思路确定以工作过程为导向的课程设计体系（如图1所示）。该课程体系确定以学生为主体，培养学生的学习能力，进而培养其符合岗位需求的“专业核心能力”。
2.教学内容的组织与安排
按照工作任务将每个模块知识分解为： 项目教学单元任务驱动单元层次训练单元案例实训单元产品实习单元网络教学单元。通过“项目教学单元”和“任务驱动单元”培养学生的学习能力，通过“层次训练单元”培养学生的专业知识能力，通过“案例实训单元”和“产品实习单元”培养学生的岗位核心能力，通过“网络教学单元”培养学生的拓展知识能力。每个模块贯穿于整个工作过程， 通过教师引导， 将理论与实践一体化。
3.多种教学方法的应用
在教学过程中， “项目教学单元”由教师引导学生学习专业基础知识，“任务驱动单元”使用目标任务促进学生自主学习，“层次训练单元”采用层次化的实例训练学生基本动手能力，“案例实训单元”采用案例分析的方法使学生学会分析问题并结合项目案例解决问题，“产品实习单元”采用分组讨论的方法完成产品的实习任务，“网络教学单元”使用网络资源提供的教程和课程的电子资源启发引导学生自主学习。
在整个学习过程中坚持鼓励学生积极参入课堂教学，培养学生自主学习的能力，同时学生在自主学习遇到超出自己能力范围的学习任务时，就要发挥教师的主导作用，组织、指导、帮助和促进学生的学习、充分发挥学生的主动性、积极性和创造性，从而使学生最有效地进行学习，达到最优的教学效果。
4.课程的考核与评价
在考核方式上本课程采用与项目结合的形成性考核和终结性考核相结合的方式，课程总成绩为百分制，60分以上（包括60分）为合格。
形成性考核成绩占总分的50%，包含了平时的考勤与项目完成情况。项目完成情况是依据“项目任务书”中的任务对应的考核标准来评定的，在每一次任务完后由教师根据学生上交的成品形成一个完整的考核记录。
终结性考核成绩占总分的50%，以项目课题的考察方法作为学生成绩的主要评分依据。在课程的最后阶段由教师给出项目课题大致范围，学生可以自行组成团队并从中选择自己感兴趣的项目，做出设计方案，提交设计作品，并通过现场答辩的方式给出课题成绩。这种考核方式不仅检验了学生对项目的整体策划、设计及制作能力，同时可以培养学生的协作学习能力。
5.结束语
项目教学模式是以“岗位需求”为导向，以“实际工作任务”构建教学内容，按“工作过程”设计教学情境，将课程内容“任务化”、“项目化”，形成以“学生为主体、教师为主导”的教、学、做一体化教学模式。通过这种教学模式的学习训练， 不仅能有效提高学生的专业能力，而且可以将学生的学习能力、个人能力和社会能力的培养有机地融入到教学活动中去。
参考文献：
[1]郑蒸样.教育领导与改革新范式[M].上海：上海教育出版社，2010.9.
[2]包海山.高职计算机专业课程体系的探索[J].中国职业技术教育，2011（33）：73-74.
[3]隋学圃，颜玉凤.关于高职课程改革的思考[J].教育与职业，2012（21）：51-52.
[4] 贺平.项目教学法的实践探索[j].中国职业技术教育，2012，8（242）：43-44.
一、识图教学与地理教学的结合方法
1.图文结合法。
在很多科目的传统教学中，教材中只有单纯的文字内容，教师所传达的也只有单纯的文字语言，这在很多时候会令学生感到枯燥乏味。但地理这门学科的特殊性要求其具有多种多样的图像表达，这既是地理教学中必要的教学内容，也是一项独特的信息传递方式。地理教材通常以文字结合图片的方式向读者呈现地理知识，文字落实图像，图像呼应文字，这样不但可以有助于学生更好地理解地理知识，而且可以帮助学生轻松地记忆知识。教师在教学过程中，要注意引导学生有效地利用图像，将文字内容反映到相应的图像上去，边讲解边带领学生看图、析图、记图。
2.引入例图法。
除了上文中所提的图文结合的方法，教师还可以运用引入例图法。先向学生讲授相关地理概念和内容，使学生在脑海中形成一定的概念和逻辑印象，此时再由教师引入例图进行讲解，顺应学生理解内容的思路；或者鼓励学生尝试画出相关图像，调动学生的学习积极性，激发学习的动力，启发学生的思维。此外，在新课结束后，可安排学生进行相关图像分析和答题练习，学生可以进行相互讨论，在讨论中对新课内容中的图像及时地进行回顾和巩固，讨论结束后，教师再进行总结和引入下一部分的内容。
3.以图代文法。
以图代文法，顾名思义，即以图像语言代替文字语言进行内容的讲解。这一方法与引入例图法正好相反，两者的结合使用可以丰富教学形式，激发学生兴趣。以图代文法可以用于所要表达内容要素较多，且要素间的逻辑关系较为复杂的情况。
二、学生识图训练方法
1.多看多记法。
提高学生识图能力的训练方法多种多样，但多看图、多记图是任一种方法的前提和基础。在培养学生多看图、多记图的良好习惯之前，要引导其采取正确的读图步骤：首先，应识别出所读图像的类型，明确读图的目的；其次，认真识别图例、方向以及该图像所用比例尺；再次，进入认真读图的环节，在这一环节中要善于发现问题并解决问题；最后，对读图的结果进行检查，检查无误后再得出结论。必须在正确读图的基础上，再进行多看图、多记图的训练。
2.填图绘图法。
填图绘图法主要是填图和绘图两大方面。首先，填图训练的主要目的在于培B学生对待学习的严谨态度，因为图像的填注对于文字的大小、书写、间距和位置等都有规范性、准确性的要求，学生在填注时必须认真对待、一丝不苟。其次，绘图的训练则要由两方面进行：第一方面是进行课堂训练，即学生根据当前学习内容在课堂上进行绘图练习；第二个方面是课外活动的训练，即组织学生进行地理课的社会实践活动。
3.分析图像法。
关键词： 高分辨率遥感图像； 场景语义识别； 视觉特征表示； 概率潜在语义分析
中图分类号： TN751?34 文献标识码： A 文章编号： 1004?373X（2017）11?0043?03
Remote sensing image target recognition based on scene semanteme
LIU Ningbo1， SUN Yanli2， WANG Jie2
（1. Research Institute of Information Fusion， Naval Aeronautical and Astronautical University， Yantai 264001， China；
2. Department of Basic Experiment， Naval Aeronautical and Astronautical University， Yantai 264001， China）
Abstract： The typical thought of information interpretation for high?resolution remote sensing image proceeds from the detection and recognition analysis of the specific targets to understand the image scene. A remote sensing image visual feature representation method based on CSIFT feature and a remote sensing image scene semantic recognition method based on probabilistic latent semantic analysis （PLSA） are given. Effectiveness of the proposed methods was verified in the experiment with ten typical remote sensing image scenes.
Keywords： high?resolution remote sensing image； scene semantic recognition； visual feature representation； PLSA
0 引 言
高分辨率b感图像的信息解译是近年来的研究热点，从特定类型目标的检测与识别分析入手，最终实现图像场景的认知理解[1]是广泛采用的研究范式，乃至形成一种思维定势，即只有完整地检测与识别场景中的各种目标才能进行场景的认知理解。然而，在军事侦察中经常需要从高分辨率遥感图像中快速识别出诸如港口、机场、油库等有明确语义的局部图像场景，这些局部场景往往对应一个复杂的目标群，由很多不同类型的刚性子目标按照一定的空间拓扑关系构成。如果采用常规的方法，首先检测复杂目标群的子目标，然后利用其空间拓扑关系进行推理以确定复杂目标群语义属性，其处理效率将是非常低的。而且对子目标的分析主要是利用其隐含的启发式特征在像素层进行，这种完全像素层的处理与图像的语义理解之间存在难以逾越的鸿沟[2]。建立一种能够快速识别遥感图像中复杂局部场景的语义认知方法，进而指导该场景定目标的检测与识别具有非常重要的意义。本文首先概述图像场景语义识别的有关概念与方法，然后给出遥感图像的视觉特征表示和基于PLSA的遥感图像场景语义识别方法，最后利用10类典型遥感图像场景进行实验验证。
1 图像场景语义识别的概念与方法
图像中层语义建模主要有以下三类方法：
（1） 构建语义对象法[3]，通过检测或识别出图像中的语义对象来描述整幅场景。
（2） 文献[4]提出的场景Gist模型，该模型避开了对单个目标或区域的分割，利用一种低维的空域包络描述场景的结构，其中自然度、开放度、粗糙度、展开度和崎岖度这五种感官属性分别对应于空域包络空间中的一维，每一维均对应于场景中的某一个有意义的空间属性，作为场景语义划分的依据。
（3） 建立图像的局部语义概念[5]，首先在图像中自动地检测出感兴趣点，并采用局部描述子描述这些点，随后建立局部描述子到某种局部语义概念的映射，再利用图像中局部语义概念的分布实现图像场景的识别。本文针对遥感图像的场景识别主要采取此方法。
2 遥感图像的视觉特征包表达
为了实现遥感图像场景的准确识别，无论采取低层特征建模法还是中层语义建模法，都必须从遥感图像中提取有鉴别力的特征。如区域特征、分块特征、局部不变特征等。由于不同的特征反映不同的类别信息，对特定的类别各有其优势，而在很多情形下，分析图像内容也需要结合不同的特征，所以集成多种特征对提高图像场景识别的性能是有益的。词袋模型（Bag of Words，BOW）[6]是文本处理领域最常使用的文本简化描述模型，该模型不考虑语法与词序，将文本表达成无序的单词组合。在文本分类应用中，BOW模型常和SVM分类器、朴素贝叶斯分类器结合，获得了非常好的分类效果。该模型应用于计算机视觉领域后被推广为特征包（Bag of Features， BOF）方法[5，7]，其基本原理是通过矢量量化各种局部视觉特征，生成视觉词语或词汇表来描述图像或图像集。
对于一幅待识别遥感图像（或区域），采用与训练图像相同的方法提取其CSIFT特征[8]，根据最近邻规则，确定各个CSIFT的视觉词汇类别，统计待分类遥感图像（或区域）中各视觉词汇出现的频率，即得到待识别遥感图像的视觉特征包表达。遥感图像的视觉特征包表达避开了场景中目标分割和检测的过程，将场景的识别问题转化为对视觉词汇分布的学习问题，从而为跨越图像低层特征表示与高层语义之间的“语义鸿沟”搭建了桥梁。
3 基于PLSA的图像场景语义识别
尽管视觉词汇的出现频率可以作为区分不同场景的一项重要依据，但是在复杂的遥感图像场景中，由于相同的目标实体可能出现在不同的场景类别中，由此导致视觉词汇与场景语义之间出现多义性和相似性问题。在训练样本不充分的情况下，采用将场景类别与提取的特征向量直接相关联的识别方式，无法逼近实际的场景语义，导致场景识别的准确性下降。本文的思路是将概率潜在语义分析（PLSA）模型[9]应用到典型的训练图像中，提取图像中的潜在语义，根据潜在语义的概率分布完成待识别图像的场景类型判断。
算法流程具体如下：
（1） 提取所有图像的特征。从每类训练图像集中随机选取部分图像，提取这些图像的CSIFT特征向量，用K?均值聚类算法生成个视觉词汇。把各视觉词汇与每一幅训练图像的特征向量进行相似性度量，得到维的“图像?词汇”共现频率矩阵其中表示视觉词汇在图像中出现的频率。
（2） 利用EM算法求得PLSA模型的近似最大似然解，获取图像中潜在语义出现时视觉词汇的分布规律。
（3） 提取测试图像的特征向量，分别与步骤（1）中得到的个视觉词汇进行相似性度量，得到测试图像的“图像?词汇”共现频率矩阵将和测试图像的共现频率矩阵作为PLSA模型的输入，保持不变，得到测试图像的潜在语义分布，构成测试图像的维语义向量。
（4） 对测试图像的潜在语义向量应用KNN分类器，完成图像的场景识别。
4 实验结果与分析
从Google Earth上截取来自10类不同场景的图像切片共计1 794幅，对图像分辨率和大小不做限定，场景类型是由切片中的主体目标确定的。从10类图像中分别随机选取50幅作为训练图像，其余作为测试图像。
为了验证本文算法的性能，首先分析采取不同特征提取方法对识别结果的影响，再进一步比较直接采用基于CSIFT特征的BOF表达进行最近邻分类和引入PLSA模型的识别效果，最后比较不同视觉词汇数和不同潜在语义主题数条件下的识别效果。
4.1 采用不同低层特征提取方法的比较
本文设计的视觉词汇生成方法是CSIFT特征，而最常用的SIFT特征主要针对灰度图像，提取该特征时首先将彩色图像转换为灰度图像。密集网格采样间隔为8×8，视觉词汇数量为600个，潜在语义主题数为20。图1给出了采用不同低层特征描述方法得到的实验结果。
从图1中来看，利用CSIFT特征作为低层特征整体优于常规的基于灰度的SIFT特征，仅对于“oil?fuel depot”场景基于灰度的SIFT特征识别性能略优。这主要是因为这类场景中处于主体地位的目标是一些圆筒状的储油罐，其形状特征是最有效的鉴别特征，而不同地区的油库在色调上的差异较大，因此，对于该类型的场景，CSIFT的优势并不明显。就10类目标的平均识别率而言，CSIFT为90.2%，SIFT为79.67%，前者明显占优。
4.2 引入PLSA对识别结果的改善
本文算法是在遥感图像BOF表达的基础上引入PLSA模型训练KNN分类器而实现的，记为PLSA+BOF?KNN，而实际上得到遥感图像的BOF表达也可以直接训练KNN分类器进行场景识别，记为BOF?KNN。仍然设置密集网格采样间隔为8×8，视觉词汇数量为600个。识别结果以分类混淆矩阵的形式分别给出，如图2所示，直接应用BOF进行识别，部分场景之间由于共享了大量视觉词汇，由此导致识别结果存在较大歧义，而引入PLSA后，可有效消除这种“一词多义”的现象，提高场景识别性能。
4.3 不同视觉词汇数量对识别结果的影响
前面的实验中，视觉词汇的数量均设置为600，下面仅调整视觉词汇数量，密集网格采样间隔和潜在语义主题数均不变，比较最终的平均识别率。结果如图3所示，视觉词汇数量在500～900之间取值时，总体性能相对较好，较少的视觉词汇数量会导致有鉴别力的潜在语义主题缺失，过多的视觉词汇中大量冗余信息增大了部分潜在语义主题的模糊性，因而导致总体性能的下降。
4.4 不同潜在语义主题数目对识别结果的影响
实验中待识别场景类型数目为10，视觉词汇提取方法不变，固定视觉词汇的数量为600，潜在语义主题数目在8～50之间变化，比较其平均识别率，结果如图4所示。
当潜在语义主题数为20时的平均识别率最高，过多或过少的潜在语义主题数都会导致识别率的下降。尽管最优视觉词汇数和潜在语义主题数在理论上是存在的，但在实际应用中要准确求解却是十分困难的，目前主要是通过大量实验来确定一个经验值。
为进一步证场景语义识别方法的可行性，沿用前述实验中训练得到的识别模型对朝鲜平壤地区的一幅遥感影像进行交互式标注。考虑到该识别模型仅对10类典型的场景进行了有针对性的训练，因此在交互式选择时，尽量选取能够人工判定为前述10类场景的区域。识别结果如图5所示，可以看出对不同类型的场景都有较好的识别效果。
5 总 结
图像场景的语义识别是高分辨率遥感图像解译的重要内容，本文在梳理图像场景语义识别有关概念与方法的基础上，给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法，并利用10类典型遥感图像场景进行实验，充分验证了该方法的有效性。训练得到的识别模型还可进一步应用于对大幅遥感图像进行交互式标注。
参考文献
[1] 高隽，谢昭.图像理解理论与方法[M].北京：科学出版社，2009.
[2] GROSKY W I， ZHAO R. Negotiating the semantic gap：from feature maps to semantic landscapes [C]// Proceedings of the 28th Conference on Current Trends in Theory and Practice of Informatics Piestany： Theory and Practice of Informatics. London： Springer， 2001： 33?52.
[3] BARNARD K， FORSYTH D. Learning the semantics of words and pictures [C]// Proceeding of 2001 IEEE International Conference on Computer Vision. Vancouver： IEEE， 2001： 408?415.
[4] OLIVA A， TORRALBA A. Building the gist of a scene： the role of global image features in recognition [J]. Progress in brain research， 2006， 155（2）： 23?26.
[5] LI F F， PERONA P. A Bayesian hierarchical model for learning natural scene categories [C]// Proceedings of 2013 IEEE Confe?rence on Computer Vision and Pattern Recognition. San Diego： IEEE， 2005： 524?531.
[6] LAZEBNIK S， SCHMID C， PONCE J. Beyond bags of features： spatial pyramid matching for recognizing natural scene categories [C]// Proceedings 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. [S.l.]： IEEE， 2006： 2169?2178.
[7] XU Sheng， FANG Tao， LI Deren， et al. Object classification of aerial images with bag?of?visual words [J]. IEEE geoscience and remote sensing letters， 2010， 7（2）： 366?370.
[关键词]电子商务专业 课程 教学
[中图分类号]G712 [文献标识码]A [文章编号]1009-5349（2013）04-0184-01
一、课程定位
1.电子商务专业的人才培养目标定位为“熟悉电子商务市场，掌握电子商务基本理论知识与网站建设维护能力，能够运用计算机信息技术、网络技术从事网站建设、商务信息搜集管理、网络营销、网页设计与编辑等方面的中高级应用型人才”。
2.“网站建设与维护”就业岗位工作内容包括“网站前台设计与制作”和“网站后台数据库编程与开发”两个部分。其中“网站前台设计与制作”的典型工作任务是“网页美术设计（网站LOGO设计；动、静态广告设计；图形动画设计；文字设计）和网页制作”。“网站后台数据库编程与开发”的典型工作任务是“网站后台数据库设计；后台数据库开发；数据库调试；网站前后台链接”。
3.依据典型工作任务确定“网站建设与维护”岗位行动领域工作过程。
需求收集与分析——网站总体建设方案规划——网页总体设计——页面美工设计——子网页设计——完成设计——测试——部署、。
4.依据行动领域确定电子商务专业人才能力体系
以岗位行动领域为核心需要的能力有市场调研能力、写作能力、客户的沟通协作能力、开拓创新能力、网站建设能力、网络管理与营销能力、网站广告设计与制作能力、网站规划能力。
5.根据人才能力体系，确定专业核心能力课程体系
本专业的核心课程有：网络营销、网站建设、数据库技术、程序设计、网页设计与制作、图形与动画设计等课程。
6.在课程体系中，《图形与动画设计》的定位为专业核心技能课。根据电子商务专业人才培养、岗位需求和后续课程需求、学生通过学习本课程达到以下目标：
掌握网页设计的基本技能，提高学生的就业竞争力。
熟练利用软件进行网页图形图像、动画及动、静态广告设计与制作。
能自主创意、创新、设计制作图形图像与动画作品，提高审美能力。
熟练进行数码照片的修复、色彩的调整、合成，特殊效果的实现。
7.该课程的前修课程是VB程序设计；后续课程为网页设计与制作、网站建设、毕业设计。通过修习本课程，能拓宽就业岗位，具有“数码影像设计师”这一岗位的竞争力。
二、课程设计
本课程的教学过程处处体现了真实的工作任务，以“图像、数码影像和动画设计定单”（项目）为主线，根据职业能力设计教学目标、根据工作任务设计教学内容、根据工作范畴设计教学情境、根据工作流程设计教学过程。突出强调“教、学、做”紧密结合，突出强化学生的图形动画设计能力，突出培养学生的图形动画创意思维。充分体现网页设计师的职业道德培养和职业素养养成的需要，特别是图形与动画设计创意的养成需要。
三、教学内容
按照网站建设与维护岗位的实际工作流程，以实际工作任务为参照点，重构出符合认知及职业成长规律的学习项目，设计出“网页平面图像处理学习情境、数码照片处理学习情境、GIF动画学习情境、FLASH动画设计与制作学习情境”4个学习情境及12个学习定单，把课程教学演变成一个连贯的实际操作的业务训练，突出岗位技能训练，使学生获得更加广阔的职业生涯发展空间。
四、教学方法和手段
1.在教学活动中，将“职业融入学业、学业凸现职业”贯穿于教学的始终。重视学生学习与岗位工序的一致性，引进企业的工作任务、增加企业案例，同时将企业工艺流程纳入课程设计，全面推行“做中学、学中练”的教学模式。以引导文教学方法为核心教学方法，合理使用项目教学法、模拟实战法、趣味教学法、案例教学法、分组协作法等教学方法，完成教学活动。
2.学习情境设计。遵循认知学习规律和职业成长规律，以由简单到复杂、由新手到专家的工作过程为主线，整合序化教学内容，设计融教、学、做一体的学习情境，突出理论实践一体化的教学模式和教学流程。以工作任务为驱动，实现专业教学与工作岗位零距离对接。
3.学习方法设计。在学生学习过程中，合理划分工作小组，引导学生有效开展小组合作学习，通过小组头脑风暴（“创意狂想”）活动，设计项目活动方案，这不仅有益于学生特长的发挥，而且有助于每个学生的责任感和协作精神的形成，体验到个人与集体共同成长的快乐，并在培养学生图形与动画设计和操作技能的同时，极大培养学生图形动画设计的创意和思维能力。
4.考核方式设计。总评成绩=每教学情境每定单完成成绩+每教学情境综合设计成绩
其中每教学情境每定单完成成绩为过程性考核，占总成绩的70%；每教学情境综合设计成绩为情境验收性考核，占总成绩的30%。
五、实训条件
人脸识别在实际应用中有很多问题需要解决，如年龄变化、姿态变化、物体遮挡、光照变化等。在公安刑侦等实际应用中，多数情况下得到的人脸图像与库中的人脸图像之间存在年龄的差异。当人脸年龄发生变化时，常用算法的识别率会显著下降。这里主要根据公安刑侦工作中的实际需要，研究人脸识别中的年龄问题，实现对年龄变化的人脸识别，以推动人脸识别技术在公安刑侦领域的实际应用。
基于年龄的人脸识别
常用的对年龄变化的人脸识别方法是通过年龄模拟，将测试图像和查询库中的图像变换到某一共同的年龄，从而去除年龄不同的影响，使识别在年龄相同的人脸图像间进行。对年龄变化的人脸识别系统主要包括两个模块: 年龄模拟模块和人脸识别模块，其中，识别模块完成传统的人脸识别任务，不作为本文的重点，本文主要研究的内容是年龄模拟模块。
年龄模拟 年龄模拟的目标是由单幅人脸图像模拟出图像中的个体在其他年龄下的人脸图像。图1显示了年龄模拟的框图，主要包括几个部分: 特征向量提取、年龄估计、目标年龄特征向量生成和目标年龄人脸图像合成，下面将逐一详细介绍。
特征向量提取 人脸图像的特征向量由两部分组成: 形状向量和纹理向量。人脸形状由位于人脸边缘的101个关键点的坐标表示，见图2。对训练图像的关键点坐标进行主分量分析，得到形状主元空间，测试图像的关键点坐标在形状主元空间进行投影得到形状特征向量。人脸纹理图像是通过将人脸图像通过基于三角形的仿射变换拉伸到标准形状获得。对训练图像的纹理进行主分量分析，得到纹理主元空间，测试图像的纹理在纹理主元空间进行投影得到纹理特征向量。
图3 形状主元空间前4维影响
图4 纹理主元空间前4维影响
图3、图4显示了主元分析得到的形状和纹理主元空间的前4维的影响，其中左侧中间列为平均形状，两侧为改变当前维的投影值重构得到的形状; 右侧中间列为平均纹理，两侧为改变当前维的投影值重构得到的纹理。可以看出，形状空间的第1、2、4维包含年龄变化，纹理空间的第1维包含年龄变化。
年龄估计 年龄估计的目的是由人脸图像估计图像中的人脸年龄。对于人脸图像，很多时候很难准确地估计图像中人的年龄，对计算机来讲，这个任务就更艰巨了。
常用的年龄估计方法是基于人脸模型和年龄函数的方法，年龄函数由已知年龄的人脸图像经过训练获得。年龄估计流程见图5。
图5、年龄估计流程见图
在实际应用中为了获得更好的估计结果，可以采用不同的方法改进年龄估计函数，清华大学提出的基于人脸变老方式分类的加权年龄函数取得了较好的估计结果。
目标年龄特征向量生成 年龄模拟的核心步骤是由原图的特征向量生成目标年龄的特征向量，具体方法见式（1）。
batar为计算得到的目标年龄的特征向量， bsrc为由原图进行特征提取得到的特征向量，atar为目标年龄，aest为由原图估计得到的年龄， Batar 、Baest为年龄， atar，aest对应的典型特征向量，通常由训练得到的典型向量与年龄对应的查找表获得。
要获得目标年龄的特征向量，关键是要生成合适的典型向量，通常的典型向量是同通过训练图像中年龄相同的人脸图像的特征向量平均得到的。
目标年龄人脸图像合成
将目标年龄的特征向量分离成为目标年龄的形状特征向量和纹理特征向量，分别在特征空间重构得到目标年龄的形状和纹理，经过三角形拉伸变换，合成得到目标年龄时的人脸图像。为了更好地利用原图的信息，用下式合成目标年龄的人脸图像。
人脸图像目标年龄=原始图像＋（典型人脸目标年龄－典型人脸原始年龄）
其中，目标年龄已知，原始年龄由年龄估计获得，典型人脸由典型向量在特征空间重构获得。这样，原始图像携带的细节信息可以被完整地保留，有利于后面的识别等应用。最后，采用基于三角形的仿射变换，将目标纹理贴在目标形状上，完成年龄的变化见图6。实际应用中，可以结合人脸变老方式的分类进行加权典型向量的生成，以提高年龄模拟的精度。
图7显示了本文方法的模拟结果。可以看出，模拟结果中感觉到的年龄都发生了变化。合成的图像具有很多的原图的细节特征，保留了原图中的斑点、痣、疤痕等特征，使图像看起来与原图更相像。
年龄模拟对识别结果的影响 采用PCA的识别方法，选用形状和纹理联合特征向量作为识别特征，表中显示了采用年龄模拟前后的人脸识别率比较，其中查询库包含2000幅人脸图像，平均年龄为22岁，测试库包含90幅人脸图像，平均年龄为35，查询图像和测试图像进行年龄模拟的标准年龄取训练图像的年龄均值。可以看出经过年龄模拟，识别率有了明显提高。
通过年龄模拟“改变”测试图像和查询图像的年龄，使识别在年龄相同的图像间进行，识别率有明显提高。
年龄模拟除了用于人脸识别，还具有许多其他的应用前景，如:
被通缉的或丢失的人的面部外观预测
这些方面的研究结果能被用来预测几年前失踪的人现在的面部外观。这个应用的特殊情况是预测丢失的儿童的面部外观。
【关键字】人脸识别，光照估计，三维特征脸，模板匹配
引言
不同光照下的人脸识别或表情识别是极具挑战性的任务。有很多相关研究都采用了基于3维重建的方法[1]解决光照问题，但这存在两个不足：1.计算法杂度很高 ─ O(M×N)，其中M光照条件数，N训练集中的3维人脸数；2.难以做到与识别者身份无关，即对于训练集中不存在输入图像中的人的情况效果不理想。
既然我们要消除光照影响，首先必须估计它的相关参数，因而本文以估计正面人脸图像中不同的光照条件为目标并提出了一种无需三维重建的基于三维特征脸模型的光照估计方法。首先计算出C组平均三维脸作为代表此C组的三维特征脸模型；而后通过向它们施加不同的光照，并将其与输入二维人脸图像进行基于米字特征的匹配同时结合投票策略确定该输入图像的光照。结果表明上述方法可在较准确地估计光照的同时降低计算复杂度 ─ O(C×N)，其中C为常数，并且在识别训练集中未曾出现的图像时仍取得了不错的效果。
本文后面内容安排如下：2.数据集简介；3.计算三维特征脸模型与样本生成；4.特征提取；5.分类器；6.实验结果；7.总结与展望。
数据集简介
实验采用北京工业大学BJUT-3D Face Database [4]，我们分别利用[2]和[3]中的方法实现网格简化和稠密对应。从而将所有三维人脸表示为统一的向量形式:
S =(X ,Y ,Z ,...,X ,Y ,Z )，i=1,2,...,N
T =(R ,G ,B ,...,R ,G ,B )，i=1,2,...,N
其中S 是第i个人脸的点坐标组成的几何形状向量, 是对应于形状向量中点的RGB值组成的纹理向量,N是人脸个数,m是规格化后人脸的点数。
计算三维特征脸模型与样本生成
计算三维特征脸模型
本文基于如下考虑分别以每组的平均脸作为代表该组的三维特征脸模型：平均脸代表了隐藏在各个个体脸背后的一种人脸三维稳定结构，对于光照估计来说，它足够稳定和具有代表性，可用来近似属于该组中的不同个体三维脸。设三维平均脸模型为avgFace，则：
avgFace.Shape =
avgFace.Texture =
样本生成
对8个三维特征脸模型分别施加如图1所示的13种光照条件后投影到2维（图2），生成了104张二维光照人脸图像作为光照识别的比对样本库。
图1. 13 个光源位置
图2. 13种光照下的某一组样本的三维特征脸模型 图3. 米字特征
特征提取
本文选择了4个最能反映光照变化的线上的像素灰度作为特征，构成一个米字形像素线特征（图3）。由于不同图像中脸部区域大小不一，故对不同图像对应位置的像素线重采样到统一的维数，最后再连接成一个特征向量。
分类器
本文光照估计的基本思想是将待定光照图像和比对库中不同光照条件下的2维图像做基于米字特征的比较，与之最接近的比对库图像的光照条件就被认为是输入图像的光照类别。这是一个典型的模板匹配方法，简单并符合某些生物学有效性。但一般认为基于模板匹配的最近邻分类器的识别能力是有限的，这主要是由于在模板化的过程中很多具有分类能力的重要的个体信息被平滑掉了。因此，本文并没有单纯采用每类一个模板的做法，而是提出了一种基于模板匹配的投票策略来确定类别：首先生成了 个三维特征脸模型，这 个平均脸模型彼此之间都有所不同，而又分别代表了各自组内的样本脸的三维结构和纹理特征。这样，我们用 表示从待定光照输入图像中提取的米字特征向量，则在每次光照估计时，将 分别与这 个三维特征脸模型 到 进行匹配，设模型 生成的13张二维比对图像的米字特征向量用 到 表示，针对模型 的匹配结果为 ，（ ），则最终的输出类别 由这 个 投票决定。
实验中 值确定为8，主要是因为当 从1变化到8的过程中，识别率的提高相对比较明显，之后则趋于平缓。可以说取 = 8是一个识别率与复杂度的折衷。
实验结果
实验中我们从BJUT三维人脸数据库中随机取出了100个三维个体脸作为训练集，将它们分为 =8组，计算出代表每个组的三维特征脸模型 到 。
首先对参与三维特征脸计算的训练集中的二维比对图像进行了光照估计，将这组样本称为Group-I。为了进一步测试推广能力，又从三维人脸数据库中拿出了50个新的三维脸，对它们也施加13种光照条件生成二维投影图像作为独立的测试集Group-II。采用第5节中介绍的基于模板匹配的投票策略进行分类,对应于一些不同C值的实验结果如下表1所示。
总结与展望
本文提出了一种基于三维特征脸模型的光照估计方法，相比其它相关算法，它具有计算复杂度低的优势，同时从实验结果看，当与模板匹配的投票策略结合时，系统对于独立测试集合Group-II同样取得了令人满意的结果，这无疑为实现独立于人身份的光照检测给出了一种解决方案。但实验数据集过于理想，系统健壮性有待在接近实际的数据集上接受考验。
致谢
作者感谢北京工业大学为我们的实验提供了BJUT-3D 人脸数据库。 Portions of the research in this paper use the BJUT-3D Face Database collected under the joint sponsor of National Natural Science Foundation of China, Beijing Natural Science Foundation Program, Beijing Science and Educational Committee Program.
【参考文献】
[1] 柴秀娟，山世光，卿来云，陈熙霖，高文. 基于3D人脸重建的光照、姿态不变人脸识别. 软件学报，17卷，第3期，2006.3 9:525-534
[2] Garland M, Heckbert PS. Surface simplification using quadric error metrics，In:Proc. of the SIGGRAPH'97. New York: ACM Press, 1997: 209-216
【关键词】人体断面与影像解剖学 教学方法
【中图分类号】G602 【文献标识码】A 【文章编号】2095-3089（2015）06-0240-02
人体断面与影像解剖学是阐述尸体或器官不同方位的断面标本及其对应的影像图的一门科学，是影像专业的专业基础课，是必修课和核心课程，是连接医学影像基础与临床实践之间的桥梁学科，为医学影像诊断学、介入放射学等打下坚实的断面解剖学基础。我校于2008年开设了此门课程，为了使此门课程设置更为合理，教学方法更趋完善，教学效果更为理想，我们对6年的教学工作进行总结和分析，以期与同行进行交流。
1.设计科学合理的教学大纲和计划
人体断面与影像解剖学是一门初创的新兴学科，目前各医学院校对这门课程的设置尚无较为成熟的教学模式。因此，我们组织本校有关专家和临床影像科室专家，针对高职高专影像专业的特点，结合本校的现有条件和具体情况制定断层解剖学的教学大纲及教学内容。
1.1突出“校院结合”教学模式
人体断面与影像解剖学是一门实践性很强的学科[1]，因此我们邀请本校附属医院的影像科老师讲授此门课程，因为此类老师不仅有扎实的理论基础，又有丰富的临床经验，能够培养学生的综合能力，使本学科与临床影像知识结合点有较为深入的研究，使教学内容更加丰富，培养了学生抽象思维能力和阅片能力，缩短教学与临床的距离，把培养学生的知识、能力、素质融为一体。大纲以“校院结合”教学模式，使学生通过课程的学习，能够掌握扎实的断面解剖学知识，为后续专业课程和临床影像诊断打下坚实的基础。
1.2科学策划教学内容
根据我校教务处教学安排，人体断面与影像解剖学共有102总学时，每周6学时，理论课68学时，实训课34学时。使用王振宇等主编《人体断面与影像解剖学》为教材。具体安排如下：绪论2学时，头部30学时，耳及颈部12学时，胸部20学时、腹部20学时、盆部及会阴10学时，脊柱4学时，四肢4学时。头部要求掌握大脑的系统解剖学知识，头部水平断面各个层面各器官正常结构形态和位置和头部冠状断面解剖，了解头部正常矢状断面。头部的内容相对复杂，与临床应用十分紧密，实用性强，难度又较大。所以，我们先对脑的系统解剖进行复习巩固，再学习局部解剖，然后逐层讲授头部的水平断面、冠状断面、矢状断面，着重强调与影像诊断学有十分关联的各断面的关键结构，实训课利用颅骨、脑、脑血管、脑池脑室的局解标本、模型及完整的各断面标本及对应的正常影像图片让学生对比学习，培养学生立体思维的习惯，彻底掌握脑的常用断面知识。在胸、腹、盆部断面解剖教学中，胸腔重点介绍纵膈的毗邻、位置，再逐层观察胸部的水平断面、冠状断面、矢状断面，肺段在水平断面的划分是我们的重点内容。腹部和盆腔重点介绍的脏器结构有：肝、肝外胆道、胰腺、脾肾脏、肾上腺、腹部大血管、膀胱、前列腺、子宫、卵巢和直肠等。以这些结构为中心讲授其在不同断面的形态、位置、大小、毗邻，以及在连续断面中的变化规律和在最佳显示断面中的特征。四肢的断面解剖内容中以关节为重点。在上述内容讲解中我们都补充有相应的CT和MRI图片让学生对比学习，使教学内容更加丰富，提高学生的学习兴趣。
2.应用计算机多媒体教学
人体断面与影像解剖学教学的特点，是以图像为主的教学。在理论教学中需要使用大量的实物照片和影像图片，计算机多媒体其显著的特点就是非常适合形态学的教学，又不受教学学时的限制。为此，我们结合教材制作了人体断面与影像解剖学多媒体课件，应用于教学实践中，使教学更加生动和直观，便于学生理解。课后，我们把多媒体课件放到校园网上，学生可通过图书馆电子阅览室上网查阅复习，使教学效果明显提高。
3.改革教学模式
断面与影像解剖学是在系统解剖学和局部解剖学的基础上发展起来的，所以，局部解剖学在这两门学科中间起着非常重要的作用。传统的人体断面解剖学的教学模式是“系统解剖学-断面解剖学”，这两门课分别在影像技术专业学生入学的第一学期和第二学期开设。在这个教学模式中缺乏了系统解剖学和断面解剖学之间的纽带――局部解剖学，增加了学生学习的难度，教学效果不理想[2]。我们改革后的教学模式是“系统解剖学-局部解剖学-断面解剖学-影像解剖学”。系统解剖学还是安排在第一学期学习，第二学期局部解剖学和断面解剖学同时学习，即在讲述每一部分时，先讲述局部解剖学，然后讲述断面解剖学。在上实训课时，也是按照先实习系统解剖学及局部解剖学，然后实习断面解剖学，同时穿插影像解剖学的相关内容。这样学生既复习和巩固了系统解剖学的知识，也可以很好学习和掌握断面解剖学的内容，并为以后进入临床打下影像学基础。这种模式的转变能够充分调动学生的学习积极性，加深了学生对人体断面与影像解剖的理解，教学效果起到事半功倍的效果。
4.注重断面实物标本和影像图片相结合
尸体断面解剖实物标本和活体影像断层图片，二者均系通过用人体断层解剖的方法来观察和研究人体形态结构的。二者既联系紧密又不完全相同，尸体断面解剖标本所显示的人体结构是静态的、二维的，而影像断层解剖是活体的、动态的，其图像是人体某一局部层面内所有结构影像的叠加，是三维的。所以，即便是同一相应层面也存在一定的差别[3]。然而，尸体断面解剖是学习影像断层解剖的形态基础，后者则是临床影像诊断和介入反射治疗的基础。在教学过程中，采用断面解剖实物标本和CT及MRI影像断层图片进行对照观察，是学习人体断面与影像解剖学的重要方法和手段。通过对断面实物标本的仔细观察，有利于学生认识和理解人体各器官的形态结构特征及相互关系，再应用清晰、典型的CT及MRI影像图片进行影像断层解剖讲解，使学生将学习尸体断面解剖与影像断层解剖有机结合起来，加深学生对断面实物标本及影像图片中所显示的结构的认识和理解，从而为断面解剖知识逐渐过渡到临床影像断层解剖认奠定基础。实践证明这种学习方法对学生的学习是非常有益的。
5.培养学生绘图法
作为形态学科的一门课程，我们要求学生在学习此门课程时，对各种断面实物标本进行认真、细致的观察，辨认不同断面的形态结构，掌握其特征性结构及其相邻断面之特点[4]。在此基础上，让学生绘出各相应断面结构的简图，达到为绘图而观察，在绘图中巩固记忆的效果。此方法使学生有助于激发学生的观察力和记忆力，使教学效果明显增强。
6.实验室设施要设备齐全
实验室设施的好坏直接影响到实训课的教学效果[2]。近几年，我们学校不断改进实验室的配备，目前实验室除了拥有系统解剖学的挂图、标本和模型以外，还配备了人体各部（头部、颈部、胸部、腹部、盆部、脊柱和四肢）的局部解剖学挂图和标本，以及成套的断层解剖学标本和模型（包括横断层、冠状层和矢状层）。同时，为了进一步将断层解剖学的理论和临床相结合，实验室还从临床搜集各种胶片（包括X线、CT胶片、MRI胶片），并在相应的章节进行应用，这种临床胶片的应用强调理论与实践相结合，充分利用学校实验室标本及附属医院影像资料，有助于提高教学效果。
7.改革考试模式
人体断面与影像解剖是影像专业的重要基础课程，为形态学的范畴，其知识重点在人体形态结构的识别上。传统的考试模式中多为名词解释、选择题和问答题为主的考试模式。我们考核实行综合考评，日常考勤（10%）、标本考核（20%）、实训报告（10%）、理论考试（60%），理论考试主要考核人体断面及影像解剖基本理论、基本知识及基本技能中的客观指标、关键点等；标本考核，采用随机抽题考核的方式进行辨认正常人体断面结构或CT和MRI片影像解剖名称；每一次的实训课后，布置的相关的实训报告，主要对学生进行绘图和填图的训练。
总之，我们在教学实践中作了一些有益的尝试和探索，力争让学生理解深刻，运用灵活，触类旁通，成为医学影像技术专业的优秀人才。但毕竟它刚处于起步阶段，我们将会更加努力建设和完善它，使它能更好地服务我校广大医学生。
参考文献：
[1]李友坪.医学高职影像专业人体断面解剖学教学实践与探讨[J].临床和实验医学杂志，2009，9（8）：151-153.
[2]陈巧格.高职高专医学影像学技术专业人体断面解剖学实验课教学探讨[J].河南职工医学院学报，2011，6（23）：743-744.
作者简介：李博，重庆警察学院刑事科学技术系。
中图分类号：G642 文献标识码：A 文章编号：1009-0592（2014）09-215-03
犯罪活动日趋呈现的国际化、科技化和智能化特点，对公安刑侦、刑技手段和诉讼证据质量提出了更高要求，对刑事科学技术人才的专业要求日益严格。应对新形势，全国公安院校深入贯彻落实《国家中长期教育改革和发展规划纲要（2010-2020年）》、公安部党委《关于加强和改进公安教育训练工作的意见》等文件精神，以服务公安中心工作为宗旨，以加强内涵质量建设为目标，以深化教育教学改革为源动力，不断提高办学水平和人才培养质量，成绩斐然。然而，就刑事技术的教学而言，无论课程架构还是教学模式仍然滞后于公安队伍职业化、正规化建设的客观需要，难以满足培养业务素质高、实战能力强的应用型、复合型公安人才的实战需求。因此，深入推进公安院校专业课程改革是公安招录培养体制改革中亟待解决的问题。本文就《刑事图像技术》课程为例，探索了新形势下如何构建科学、高效的课程教学模式的改革思路和措施。
一、刑事图像技术教学现状分析和改革总体思路
随着高等教育的深入改革和全面发展，尤其在推进公安招录体制改革以来，为高效推进《刑事图像技术》课程的教学提供了良好的改革环境和发展平台，课程的教学理念更加科学，知识结构体系更加合理，培养模式与时俱进、推陈出新，内容更加充实完备，课堂教学更加贴近实战，教学手段更加灵活多样，教学方法更是百花齐放，教学效果积极显著。同时，也暴露和衍生出一些有待思考和解决的问题。如课程的教学往往注重了知识教育功能，忽视了社会服务功能；只注重了当前知识本身的传输，忽视了学生对知识积淀的网络体系构建和长期可持续发展性；部分授课只注重课堂的理论讲授功能，忽视了课堂的实战培训功能；只注重了教师的主导地位，忽视了学生真正作为教学过程的主体角色。这些不足严重制约了教学练战一体化的人才培养模式实施。
多模态化教学是由New London Group在1996年提出的一种新教学理论，主张利用网络、图片、角色扮演等多种渠道、多种教学手段来调动学生的多种感官协同运作参与学习，强调培养学生的多元能力。本文结合课程特点和人才培养目标，从教育模式、教学内容、教学方法、考核手段等方面推进改革，探究多角色、多感官、多手段、多渠道有机协同的多模态化教学新模式，更加关注现代教育中学生的需要和感受，更加重视培养学生的创造力和可持续发展能力，以期适应公安招录培养体制改革下的课程教学需要。
二、刑事图像技术的多模态化教学模式
（一）注重教学内容的知识性
刑事图像技术是建立在刑事科学技术、光学、电子、计算机等学科基础上的一门应用技术，不仅具有实践性，还具有很强的理论性。在教学中，应遵循“授之以鱼，不如授之以渔”的理念，贯彻“立足当前，着眼长远”的公安教育训练指导思想，注重相关技术的理论基础，加强对学生的理论构建，推进技能性与知识性的有机统一。该培养理念不仅有助于学生掌握专业技能，更能帮助学生理解和掌握知识，打下深厚的专业理论基础，从而具备进一步学习各种高新技术和利用各种知识解决实际问题的的基础和能力，成为可持续发展的学习型人才。
（二）注重教学内容的系统性和交叉性
刑事图像贯穿于刑事案件的现场勘查、侦查、移送和起诉整个过程，并且与刑事技术中的其他分支密切关联，刑事影像质量的优劣不仅是刑事摄影摄像客观性、真实性的基本要求，也决定了照片能否作为刑事诉讼中的证据使用，还决定了能否进一步进行检验鉴定。这便对刑事图像技术人员的专业素养和综合素质提出了更高要求，因此，教师不应拘泥于摄影技术的教学，而应将刑事摄影与痕迹检验、文件检验、理化检验、法医和现场勘查等学科课程联系起来，加强不同学科课程内容之间的交叉融合，强化知识间的承辅作用。同时梳理课程内部知识的连贯性、挖掘逻辑联系、区别重点差异，强化知识的系统性和完整性，加强学生对整个刑事科学技术学科的理解，构建学生丰富、扎实、全面的知识体系。
（三）凸显教学内容的实用性
公安招录培养体制改革的目的是培养能在毕业后即可胜任基层公安工作的应用型人才，只有以实战为导向、以实用为目标、以技能培养为宗旨、注重实践性科目教学，才能有效加强学生的技术操作能力。《刑事图像技术》作为一门应用型学科，教学内容的设计应紧密联系公安实践，删除落后老化的技术方法，及时补充实用技术、方法和仪器设备的使用等内容，强调学生实际操作技能的提高。实训教学正是培养专业技术人才的重要环节，课程中设计的实训项目，应坚持与理论知识相辅相成、有机统一。根据理论知识的学习培养目标，实训项目可分为基本操作训练、基础知识应用、综合性实训等类型；根据技能培养的目标层次，实训课的基本教学模式由刑事图像技术基本技能训练、刑事照相专业技能训练和模拟案件现场照相综合训练，三个阶段组成的三级递进式教学模式，既能保证学科体系的知识性和系统性，又注重了与公安实践技能的紧密结合。
（四）关注教学内容的前瞻性
随着刑事图像相关学科的快速发展，新设备、新技术、新方法不断涌现，使得学校教育与毕业后岗位需求之间的矛盾成为不可忽视的鸿沟。如何使课堂教育紧跟知识技术发展的节奏？如何使受教育者当前的知识获取能够满足和应对今后专业工作发展变化的需求？如何充分发挥在校学习的各种独特优势以充分武装学生知识储备？是影响刑事图像专业人才培养质量的重要因素。在教学中，紧跟理论和技术发展步伐，结合工作实际需求，重新审视教材内容的时效性，科学注入计算机视觉、数字图像处理、视频分析中的新理论、新技术、新方法等前沿内容，包括新摄影摄像设备的介绍使用、新公安图像处理软件的操作和发展趋势等，不仅丰富学生的专业知识、激发对新事物的求知兴趣，更为学生毕业后应对不断发展变化的工作打下坚实的知识铺垫和能力基础。
（五）探索教学方法的多样性
针对知识体系的发展、技术手段的革新、公安工作的需求变化，以及教育对象的特殊性、培养目标的不断提高，传统以讲授法、实训法为主的教学方法有待优化和重构。根据课程不同知识点，分别设计有针对性的教学方法，构建视、听、思、说、练等多维一体的多感官教学法，以期推进“教、学、练、战”的公安教学培训目标得以有效实施。在教学实践中，总结出如下多样化教学方法：
1.交叉互动式的角色学习法
积极开展讨论式、启发式、参与式、教师与学生交叉互动式的形式组织教学，是一种充分调动学生学习主动性的有效尝试。转变传统教师为讲者、学生为听众的单一角色，在教师主导下，激励学生从“听众”到“主体”的角色转变，学生围绕某一中心课题有序地展开练习和讨论，如人身辨认照相的教学环节，可以组织学生两人一组，交替扮演技术人员和嫌疑人，进行辨认照相操作。从而使学生真正参与到知识传输的环节中来，各自发表见解、讨论争议、分享感悟。教师需吃透内容、精心构建交流平台、融入学生群体、参与讨论、加以引导。当学生真正培养起主角的识后，会逐渐养成独立思考、主动探索、积极求知的良性循环。
2.研究性和设计性的主动实践教学法
实践技能训练是刑事图像技术教学的必要环节，在传统的验证性实验实训中加入综合性、研究性、设计性等探索实践活动，根据不同知识的不同培养目标和自身特点，选择合适的教学内容，设计研究性技能训练科目，如模拟犯罪现场照相，使学生面对模拟的案例自行设计正确规范的操作方案，通过咨询、计划、决策、实施、检查、评估等步骤，解决面临的问题。通过这种主动的技能训练模式，不仅巩固了学生基本的警务技能，更可满足不同层次学生的学习探知需求。
3.参与性和实践性的任务驱动教学法
任务驱动教学法通过教师筛选恰当内容，给学生布置探究性的学习任务，引导学生查阅资料、组织讨论、归纳整理，再选出代表进行全班讲解，最后由教师进行提炼总结。比如在犯罪现场照相的教学设计中，通过模拟真实案件现场，学生以刑事摄影技术人员的身份与其他刑事技术人员互相配合，按照相关法律法规的要求，依照法定程序记录、显现和检验与犯罪相关的客体。任务驱动教学法可以让学生在完成“任务”的过程中，积极调动参与性，培养分析问题、解决问题的能力，培养学生独立探索及协作精神。
4.多元化的多感官教学机制
仅仅依靠多媒体的教学模式已经难以满足刑事图像技术这种技能型课程的教学要求，更难以激发学生对刑事图像技能锻炼的兴趣。公安图像处理、犯罪现场照相、人身辨认照相、痕迹物证照相等核心教学内容，都具有理论与实践并重的特点，通过在多媒体技术中穿插真实的案例图像、视频资料，借助教学模具、教学设备演示操作，参与模拟或真实的案件现场实地教学，能够以多种形式生动地表现不同教学内容，构建视、听、触、思、练等多渠道、多感官的教学机制，将重点、难点变成亮点、趣味点，提升学生对课程内容的领悟力和掌控力。
5.多角色整合的新颖教学模式
公安院校主要采用班建制的教育模式，在刑事图像技术的教学中，教师可以根据学生的专业特点和今后工作岗位的发展需要，在班建制的基础上对学生实行导师制、教官制的教育模式，导师和教官，既可由刑事图像教师担任，也可请实战部门的刑事技术人员担任。这种模式具有师生关系密切的特点，师生之间是一种“导与学”的关系，不仅充分发挥了导师各自擅长的专业技术优势，导师亦可针对每个学生的不同情况，量身定制学习计划，对学习过程中出现的问题及时予以针对性指导，同时对学有余力和具有专业探索兴趣的学生，导师可指导其参与一些研究性工作，培养学生的科技意识，提高学生的科技水平。
（六）完善多维、多级、多阶段、多形式的考核机制
刑事图像技术具有较强的操作性和应用性，传统单纯的期末闭卷考试难以全面考查学生的知识和技能掌握情况。为此，有必要探索阶段性考核和综合性考核相结合的考核方式，建立多维度、多层级、多形式有机整合的考核机制，及时提供教学效果的直观反馈，为教师开展教学活动提供依据和指导。
多维度的考核机制用以弥补传统试卷考核只能反映学生理论知识层面水平、忽略技能掌握水平的不足，建立以试卷考查、实训实验测试、实际案例综合考评等不同角度相结合的多维一体考核机制，全面真实体现学生对课程知识和技能的掌握与应用情况。
多层级的考核机制立足于不同内容的不同难易程度和培养目标而构建，可设计为基础知识技能、专业知识技能、综合知识技能的三级递进式考核机制。具体地，可将数码相机的使用、数字图像基础等内容划归为基础知识技能，考核目的主要是提高学生对基础知识的重视。对公安图像处理、现场照相、人身辨认照相和痕迹物证照相等内容划归为专业知识技能，应紧随教学进度、精心设计实训操作项目、实时地检验学生的专项能力。在完成整体课程的讲授之后，有必要结合办案实践，模拟盗窃、杀人、制毒等犯罪现场，分组对学生的了解案情、巡视现场、制定计划、实地拍摄、编排制卷等操作进行综合知识技能考核。
多阶段的考核机制是在完成每个单元的学习后，即对学生进行阶段性考核，考核方式可灵活多样，只有在考核合格后才能进入下一个单元的学习。比如只有顺利通过对数字图像基础知识以及常用图像处理软件的考核后，才能进行公安图像处理的教学；只有通过数码相机的使用和基本拍照任务的考核后，才能进行现场照相、辨认照相、痕迹物证照相的教学。该模式可以为教学提供及时的效果反馈，以帮助教师及时发现问题、有效弥补，防止问题的累积。
多形式的考核方法主要针对不同内容的教学目标和知识特点，制定课堂练习、小组讨论习作、调研分析报告、实验实训操作、笔试答题等有针对性的考核方式。比如对数字图像处理的考查，应该结合该内容既有一定理论性又有较强操作性的特点，对数字图像的基础知识设计课堂知识问答，对公安图像处理技术可设计上机实践操作的考查方法。而对人身辨认照相的考查可单独设计小组实训的模式，两名学生交替扮演技术民警和犯罪嫌疑人，进行实际拍摄和照片导出、编号、存档等操作，教师对学生的操作细节进行考评和指导。
关键词：深度图像；骨骼数据；行为识别；深度运动图；四方形骨骼特征
中图分类号：TP391.4
文献标志码：A
文章编号：1001-9081（2016）11-2979-06
0 引言
行为识别是计算机视觉与模式匹配中的一个热门问题， 每天人们都会遇到许多潜在的人机交互。尽管这些年许多学者对行为识别做了许多卓越的贡献， 识别人类行为仍然是一个巨大的挑战。
早期的行为识别主要对视频进行处理。随着图像技术与硬件的发展， 利用微软Kinect或华硕Xtion等设备， 学者可以实时获取人体的深度图像信息。与传统的图像相比， 深度图像不受光照影响， 能够提供三维空间信息。利用深度图像， 学者们对行为识别做了许多研究， 例如文献[1-3]； 同时， 深度摄像头设备通过对深度数据的处理， 提取出了人体的骨骼特征[4]， 为行为识别提供的重要的行为特征。
本文提出一种基于深度运动图数据与骨骼数据的融合识别方法。通过深度摄像头（RGB-Depth， RGBD）可以获取一个行为的一系列深度图像。将这一系列的深度图在3个视图方向（前视图、左视图、俯视图）上投影获取深度运动图， 并对得到的深度运动图进行局部二值模式（Local Binary Pattern， LBP）预处理， 只获取其纹理信息；同时对骨骼数据进行四方形坐标标定，利用Fisher对得到的骨骼数据进行预处理； 最后将得到的深度运动图与骨骼特征输入到一个基于支持向量机（Support Vector Machine， SVM）的多模型概率投票的分类器中。本文在行为识别方面有2点贡献：1）将深度图像信息与骨骼信息结合作为行为的数据特征；2）提出了基于SVM的多模型概率投票机制， 很大程度上克服了噪声数据对模型的影响， 提高了识别率， 具有一定的鲁棒性。
对于传统的彩色摄像头采集的图像， 学者们大多利用其时空特征与轨迹进行行为识别：文献[5]利用时空点与SVM配合识别人体行为；文献[6]利用尺度不变的轨迹作为特征， 在3层的抽象等级上识别行为；文献[7]提出了在视频序列中提取运动能量图（Motion Energy Image， MEI）和运动历史图（Motion History Image， MHI）作为行为特征。使用图像强图或者颜色的一个主要缺点使其对光照变化敏感，限制了算法的鲁棒性。蔡加欣等[8]对人体轮廓进行研究， 基于随机森林方法， 提出基于袋外数据误差加权投票准则的行为视频分类方法。
随着RGBD摄像头的发展， 学者们已经提出许多基于深度图像的行为识别算法： 文献[9]利用金字塔模型与3D点的词袋模型作为行为姿态的行为特征； 文献[10]将深度图像投影到3个正交的平面上形成深度运动图（Depth Motion Map， DMM）， 然后用提取其梯度直方图（Histogram Of Gradient， HOG）作为行为的特征； 文献[11]从深度视频中提取随机占用模式（Random Occupancy Pattern， ROP）特征， 并用稀疏编码技术进行重新编码； 郑胤等[12]介绍了深度学习及其目标和行为识别中的新进展。
随着对深度图像进一步的处理， 学者们提取出其中高层次的骨骼信息， 基于骨骼信息的算法可以更加直接地描述人体行为： 文献[1]将人体定位到3D空间箱子模型， 提取人体的3D骨骼点直方图（Histogram Of 3D Joint， HOJ3D）作为行为特征； 文献[13]提出从人体骨骼节点的拓扑结构中选取最有子集来提高识别率； 文献[14]提出了一种生物启发的三维骨骼特征的时空层次结构； 文献[2]使用朴素贝叶斯近邻分类器识别人体骨骼特征点的静态与动态信息。
与传统单一的特征数据模型相比， 多特征有着良好的优势。文献[15]提出了跨数据模型的融合实验， 在IXMAS（INRIA Xmas Motion Acquisition Sequences）等数据库做了实验。在大数据环境下， 多特征协同识别成为人体行为识别趋势。结合深度图像与骨骼数据， 可以提高识别的准确性。
1 运动特征描述
1.1 深度运动图特征
深度图像可以用来表示物体3D结构和形状信息。文献[10]提出将深度图像时间序列中的每一帧投影到正交的3个笛卡尔面来表示这个行为动作。具体地说， 使用三视图中的主视图、俯视图和左视图， 将人体定位到笛卡尔坐标系， 分别将人体深度数据投影到主视图、俯视图和左视图。每一帧行为可以表示为v={f，s，t}，其中： f、s、t分别表示在主视图、左视图和俯视图的人体投影。与文献[2]不同， 每个投影的图是由2个连续的深度图像帧做差投影得到。对于N帧的深度数据视频， 由式（1）计算出它的DMMv特征：
但是并不是所有深度图中的像素都需要被投影， 深度图像中很多像素值为0， 对行为特征描述没有帮助。所以要对每一帧图像进行感兴趣区域 （Region Of Interest， ROI）操作。即裁剪图像， 使主要内容平铺在整个图像上， 且保证图像大小一致。为了进一步对DMMv中的像素进行过滤， 对DMMv进行局部二值模式（LBP）操作。LBP是一种用来描述图像局部纹理特征的算法， 可以提取DMMv中的纹理信息， 增加了特征的稀疏性。如图1， 对于在图像上个给定的一点gc， 式（2）为LBP的计算公式：
2 基于SVM的概率投票行为识别
单个的SVM只能解决二分类问题， 对于多分类的问题， 可以使用多个SVM分类器联合分类， 包括一对一、一对多等方法。虽然直接分类的SVM是一个强有力的机器学习的分类工具， 然而在实际应用中， 由于噪声的影响， 每个样本对分类结果的影响应该是不同的。直接将结果分类成0和1可能并不恰当。为了使SVM更加适应这些问题， 要求SVM具有软输出的功能， 即输出概率。本文的SVM概率投票分类就是基于输出概率进行的。
给定的行为识别特征数据包括深度运动图特征与四方形骨骼特征。其中深度运动图特征包括v={f，s，t}三个方向的特征。对于三个方向的深度运动图特征与骨骼特征， 对各个特征进行SVM概率建模， 将得到的模型进行累加投票， 得到最大目标可能概率， 即为最后输出标签。
v代表前视图、左视图与俯视图三个方向。F代表骨骼数据在Fisher操作后的骨骼特征。如图4， 对于每个特征进行SVM分类， 得到各个特征的模型。与以往的SVM不同， 该训练的几个模型输出均为识别概率。将概率累加， 获取最大概率的标签即为结果。
SVM是机器学习中的强有力的学习方法。传统的SVM是解决单分类问题。SVM试图找出一个超平面， 使超平面能够尽量多地分隔出两类。经过大量实验证明， SVM在小样本集上有着卓越的优势。
对于多分类的概率支持向量机（Probability Support Vector Machine， PSVM）， 对每个带概率的SVM进行一对一， 该方法在每两类训练一个分类器， 因此对于一个k类问题， 将有k（k-1）/2个分类函数。当对一个未知样本进行分类时， 每个分类器都对其类别进行判断.并为相应的类别“投上一票”， 最后得票最多的类别即作为该未知样本的类别。决策阶段采用投票法， 传统的投票法可能存在多个类的票数相同的情况， 从而使未知样本同时属于多个类别， 影响分类精度， 基于概率输出的投票法可以避免这方面的问题， 取得更好的效果。
由于是多特征的概率SVM投票模型， 那么需要对每个模型进行SVM参数调优， 在每个单独模型上， 调整SVM的准确度到最优。
与以往的SVM不同， 该训练的几个模型输出均为识别概率。将概率累加， 获取最大概率的标签即为结果。这样有如下优点：
1）对不同特征进行不同的处理， 发挥特征的最好效果。
2）可以集成当前效果最好的特征进行分类， 极容易拓展。
3）随着计算机性能的提高， 概率投票方式不会受到计算机性能的约束， 可以达到实时的效果。
3 实验结果与分析
3.1 MSR-Action3D 实验
3.1.1 实验数据
MSR-Action3D数据库是一个关于Kinect采集数据的行为识别库， 其中包括10个人做20个动作： high wave（HiW）、 horizontal wave（How）、 hammer（H）、 hand catch（HC）、 forward punch（FP）、 high throw（HT）、 draw x（DX）、 draw tick（DT）、 draw circle（DC）、 hand clap（HC）、 two hand wave（THW）、 side boxing（SB）、 bend（B）、 forward kick（FK）、 side kick（SK）、 jogging（JO）、 tennis swing（TS）、 tennis serve（TS）、 golf swing（GS）、 pickup throw（PT）。每个人做2～3次。总共包括557个240×320的深度图像与557个骨骼数据。
3.1.2 实验设置
设置一 与文献[3]中的设置相同， 将20个行为分为3组（AS1、AS2、AS3）， 如表1， AS1与AS2里都是相似行为， 而AS3里则是相似度较小的行为。对每一组进行3个实验。在实验一中， 1/3作为训练数据， 2/3作为测试数据。实验二中， 2/3作为训练数据， 1/3作为测试数据。实验三中一半数据作训练， 剩余一半作测试。
设置二 与文献[11]中设置相同， 同时使用20个行为， 一半作为训练数据， 剩余一半作为测试数据。因为需要识别的类别比较多， 设置二更具有挑战性。
3.1.3 实验结果与分析
实验主要分为三个方面：单一特征实验、特征融合实验与稳定性实验。对深度运动图特征、四方形骨骼特征和两者的结合分别进行设置二的实验， 验证特征融合的必要性。同时将本算法与现有的其他算法进行对比。最后， 对实验数据进行随机抽样， 测试算法的稳定性。
单一特征实验 对深度运动图、四方形骨骼特征和两者的融合分别进行实验。根据设置二的数据安排， 一半数据作为训练， 一半数据作为测试， 一共20类行为。比较在设置二下的各种情况的识别率。如表2所示， 将深度运动图与四方形骨骼特征融合， 有着更高的识别率。
特征融合实验根据实验设置一进行实验， 与现有的方法进行对比， 结果如表3， 可以看出， 本文的方法在实验一（1/3为训练样本， 2/3为测试样本）的识别率比现有的方法识别率低， 对于小样本的识别率不高。在实验二（2/3作为训练样本， 1/3作为测试样本）中， 本文的识别率已经与现有的方法大体持平， 在AS3子集中更是达到了100%。而在实验三（1/2作为训练样本， 包括1、3、5、6、7、9号人的行为数据， 剩余作为测试样本）中， 本文的识别率明显高于现有的方法。文献[2]与本文方法的混淆矩阵如图6所示。在表3的实验三中， 其具体分类准确率的混淆矩阵如图6所示。在AS1与AS2这2个相似动作的数据子集中， 本文的方法降低了错分率， 提高了准确率。在AS3中， 本文方法对许多动作能够完全地区分开来， 准确率达到100%。
根据实验设置二进行实验， 与现有方法对比， 结果如表4。因为实验设置二将所有20类行为一起进行训练识别， 实验设置二对于算法的识别率更具有挑战。根据结果可以看出， 本文方法有着较高的识别率， 达到91.3%， 仅次于文献[18]。
在深度运动图预处理中， 由于对投影后的深度图进行了LBP处理， 即不同LBP参数m与r对结果有着直接的影响。如图7所示， 随着r的变大， 即放大LBP的尺度， 降低了边缘提取的效果， 准确率总体呈下降趋势。同时， 随着m取值变化， 识别率上下波动， 实验选择了4个m的选值， 由图7可知， 当m为6、r为1时， 本文算法有着较高的识别率。
稳定性实验 为了测试融合特征的稳定性， 在设置一的基础上， 对于深度运动图特征、四方形骨骼特征和两者结合特征分别进行随机抽样实验， 如图8所示。特征融合后， 识别率有很大的提高， 同时， 在随机抽样测试下， 识别率的稳定性也有所提高， 增强了系统的稳定性。
3.2 DHA实验数据
3.2.1 实验数据
DHA（Depth-included Human Action）深度数据库包括了 23 类人体行为， 分别是：bend、 jack、 jump、 pjump、 run、 side、 skip、 walk、 one-hand-wave、 two-hand-wave、 front-clap、 side-clap、 arm-swing、 arm-curl、 leg-kick、 leg-curl、 rod-swing、 golf-swing、 front-box、 side-box、 tai-chi、 pitch、 kick。DHA数据集包括了深度数据和彩色数据。深度数据图像和彩色数据图像大小都是480×640。该数据集的深度图像已经作了预处理， 将背景去除， 把人体深度数据分割出来。DHA数据集由21个人录制， 每个人每种动作做一次， 数据集总共是 483个视频序列。如图9展示了 DHA 数据集的深度图像。
3.2.2 实验设置
本实验使用留一法进行数据准备。数据集一共有21个人， 则将数据集分成21份。然后依次随机从中间抽取一份做测试样本， 其余的20份作为训练样本。反复这个操作10次， 则有10份随机的测试样本和与之对应的各个20份的训练样本。最后在得到的10次实验结果取其平均值，这样做可以有效避免由于样本原因导致的实验的巧合性。
3.2.3 实验结果与分析
同样， 实验分为3个方面：运动过程单一特征与多特征融合实验、运动过程与特征处理融合实验和概率投票实验。对于DHA数据库， 由于只有深度图像数据， 经过Kinect的SDK（Soft Develop Toolkit）， 转换出对应的骨骼数据进行算法识别。
1） 运动过程单一特征与多特征融合实验。
对于单一的特征， 在DHA实验数据上的结果如表5所示。对于单一的特性， 在DHA数据集上， 运动历史图（Motion History Image， MHI）的准确率比DMM的高， Quad相对低一点。在MHI、DMM与Quad的结合实验中， 本文方法仍然比其他单一的准确率高。
2） 运动过程与特征处理融合实验。
在DHA数据集上， 采用相同的方法进行实验比较， 如表6所示， 在DHA上DMM的准确率仍然比MHI高。同时等价模式局部二值模式（Uniform Pattern Local Binary Pattern， UPLBP）比单一的LBP、HOG与金字塔方向梯度直方图（Pyramid Histogram of Oriented Gradient， PHOG）效果好。
表7所示， PSVM的准确率比单一SVM的准确率高。
实验证明， DMM-PSVM仍然表现良好。接下来比较特征处理。如表8所示， 在特征处理方面， UPLBP效果比HOG和PHOG效果好。
将深度图像与骨骼数据相结合， 与单一的深度图像进行比较， 结果如表9。结果表明， 深度图像与骨骼图像相结合， 能提高算法的准确度。
3.3 时间复杂度分析
由于是多特征融合， 所以时间复杂度会相对较高。在深度图像方面， DMM的每个方向的时间复杂度为O（n）， 经过LBP特征处理后， 时间复杂度增加到O（n3）。在骨骼点方面， Qaud的时间复杂度为O（n）， 然而对Quad进行Fisher编码， 其时间复杂度变为O（n2）。将深度图像与骨骼数据放入基于概率输出的SVM， 其各自的SVM的时间复杂度为O（n3）， 经过多特征融合， 最后整个算法的时间复杂度为O（n3）。
4 结语
本文提出了一种深度图像数据与骨骼数据结合的方案， 将深度运动图与骨骼四方形特征同时作为识别人体行为的特征；同时提出了多模型概率投票的分类策略， 克服了噪声对单个模型的影响， 具有较好的鲁棒性。以后的工作考虑更多的数据特征协同表示， 同时降低算法的复杂度， 增强算法的实时性。
参考文献：
[1] XIA L， CHEN C C， AGGARWAL J K. View invariant human action recognition using histograms of 3D joints[C]// Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Piscataway， NJ： IEEE， 2012： 20-27.
[2] YANG X， TIAN Y. Eigen-joints-based action recognition using naive-Bayes-nearest-neighbor[C]// Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Piscataway， NJ： IEEE， 2012： 14-19.
[3] LI W， ZHANG Z， LIU Z. Action recognition based on a bag of 3D points[C]// Proceedings of the 2010 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Piscataway， NJ： IEEE， 2010： 9-14.
[4] SHOTTON J， FITZGIBBON A， COOK M， et al. Real-time human pose recognition in parts from single depth images[C]// Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway， NJ： IEEE， 2011： 1297-1304.
[5] SCHULDT C， LAPTEV I， CAPUTO B. Recognizing human actions： a local SVM approach[C]// Proceedings of the 17th IEEE International Conference on Pattern Recognition. Piscataway， NJ： IEEE， 2004， 3： 32-36.
[6] SUN J， WU X， YAN S， et al. Hierarchical spatio-temporal context modeling for action recognition[C]// Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway， NJ： IEEE， 2009： 2004-2011.
[7] BOBICK A， DAVIS J. The recognition of human movement using temporal templates[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2001， 23（3）： 257-267.
[8] 蔡加欣，冯国灿.基于局部轮廓和随机森林的人体行为识别[J].光学学报，2014， 34（10）： 204-213.（CAI J X， FENG G C. Action recognition based on local contour and random forest[J]. Acta Optica Sinica， 2014， 34（10）： 204-213.）
[9] LI W， ZHANG Z， LIU Z. Action recognition based on a bag of 3D points[C]// Proceedings of the 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. Piscataway， NJ： IEEE， 2010： 9-14.
[10] YANG X， ZHANG C，TIAN Y. Recognizing actions using depth motion maps-based histograms of oriented gradients[C]// Proceedings of the 20th ACM International Conference on Multimedia. New York： ACM， 2012： 1057-1060.
[11] WANG J， LIU Z， CHOROWSKI J， et al. Robust 3D action recognition with random occupancy patterns[C]// Proceedings of the 12th European Conference on Computer Vision. Berlin： Springer-Verlag， 2012： 872-885.
[12] 郑胤，陈权崎，章毓晋.深度学习及其在目标和行为识别中的新进展[J].中国图象图形学报，2014，19（2）：175-184.（ZHENG Y， CHEN Q Q， ZHANG Y J. The new development of deep learning in action recognition[J]. Journal of Image and Graphics， 2014，19（2）： 175-184.）
关键词：技术训练课型；模仿示范；技术应用
“课型”一词的含义，一是指课的类型，二是指课的模型。广州市中职学校艺术设计教研会在广州市教育局教研室的带领下对课型概念进行分析和开发，把艺术设计课型根据工作任务内容特征及表现形式分为技术训练、流程体验和项目实践三类特色课型。其中，技术训练课型是以技术习得与技术应用为主要目标，培养学生获得职业行动能力的工具性知识与技能。该课型的教学重视技术的示范、模仿和应用，主要运用于技能类课程教学中。学生不断解决生产实践中的一个个技能点，逐步实现新手向熟手、能手的转变。技术训练课型的设计受美国著名教育家约翰·杜威（John Dewey）的实用主义教育理论影响，同时吸收了学徒制（Apprenticeship Training）的学习方式，强调师徒传承、熟能生巧。“技术训练课型”理论对指导教师开展教学设计、组织教学和教学反思具有重要实践意义。
由于数字技术在绘图、摄影、影视编辑和出版印刷等设计领域的广泛应用，《图形图像处理》课程已成为中职学校艺术设计专业的一门重要必修课程，它基于Photoshop软件的功能结构设计，旨在培养学生熟练的软件应用能力。课程的教学内容具有实操性强、技术指标清晰、应用范围广等特点。笔者将以《图形图像处理》课程“钢笔工具使用”学习任务为例，分析“技术训练课型”的特征、实践方法和应用要点。
一、课型与学习任务分析
“钢笔工具使用”教学单元是《图形图像处理》课程最重要的组成部分之一。它系统地介绍了Photoshop软件的贝塞尔曲线、锚点、路径和转换点等工具的使用方法，并结合蒙太奇（Montage）艺术手法实现图形图像的特效处理，为形状图层、选区生成和轮廓描边等工具的学习作技术铺垫。
在课程前一阶段学生已掌握Photoshop中的线段绘制、鼠标变换和叠层处理等工具的操作，现阶段他们必须在此基础上掌握钢笔工具的功能，对单张或多张图片进行裁剪并合成处理，最后生产JPG或者TIFF图片格式。从学习成品分析，该教学单元虽然要求学生在技能学习中制作广告案例，但并不是综合性的设计项目，它属于使用软件指令和掌握技术点的教学，因此适宜应用技术训练课型开展教学。
二、课型结构与教学活动设计
当课型确定以后，教师需要细化教学活动设计。技术训练课型的课堂即是学生实践过程，也是他们对课堂的思考、发现以及细致的过程。学生不能盲目地探索，这样只能获得一些零散的技术体验。他们必须带着工作问题，遵循行业的工艺流程，主动思考和探究软件工具和美术设计之间的联系。同时，有规划、有目的教师示范能引导学生步步深入，并对教学过程保持较长的兴趣和体验深度的经验。
基于上述考虑，笔者在教学中分成三阶段共九个教学活动开展，设计如图一示。在设计图中，教学活动一、二在于通过引导和提问活动让学生理解课程的学习目标，认识钢笔工具的应用价值，为下一阶段的学习活动作行动铺垫。教学活动三、四、五、六、七在于让学生跟随教师的示范轨迹进行模仿，强调教师示范和学生的模仿，通过语言归纳使学生从行动与认知层面理解与掌握每一个技术要点的操作方法。教学活动八、九通过技术在工作情境的应用与交流评价，促成学生知识向能力的迁移，将钢笔工具技术内化为职业生涯的一种能力。
三、教学实施与课型要求
“钢笔工具使用”单元的具体教学实施如下：
【生理和心理定向教学阶段】
教学活动一：案例展示。
教师通过数字投影仪向学生展示广告案例《汽车宣传页》（图二）和原始素材之间的联系，引导学生思考《汽车宣传页》的制作方法。
在这阶段，教师利用素材和成品对比，创设职业情景，让学生清楚课程的学习目标，为下一阶段的学习作心理定向。
教学活动二：问题导入。
教师以“头脑风暴法”组织全班学生思考和讨论《汽车宣传页》制作方法。引导学生讨论除了Photoshop外还有哪些工具软件可以做到？它们之间有什么优缺点？最后，教师总结和分析学生的讨论要点，使学生知道：相比较其他软件，Photoshop能对图片进行精确圈选，裁剪效果最理想，属于专业级别的图像处理软件。
教师通过接收全班学生讨论的信息，评估学生的知识水平。学生的发言，无论对错，只要是出自个人认真思考，教师都应予以鼓励和支持。学生通过交流讨论，实现个体思维之间碰撞，集思广益促成新观点和想法的产生。
【讲解示范和模仿练习教学阶段】
教学活动三：明确任务。
教师快速演示《汽车宣传页》的制作（图三）。在Photoshop中打开汽车图片，操作钢笔工具生成锚点，并利用控杆控制弧线开始抠图。设置羽化半径建立选区，裁剪选区内的图案，移植到新图形中，并储存成Jpg格式。
教师一边演示一边讲解《汽车宣传页》案例的制作过程。让学生不但要明白钢笔工具的操作原理，而且要明白钢笔工具在今后工作中的实用价值。
教学活动四和五：案例示范和案例模仿。
1. 贝塞尔线（Bézier curve）的示范模仿。
教师演示钢笔工具中的贝塞尔线绘制，操作鼠标在面板上放置各个锚点，并根据锚点路径和描绘的先后顺序，操作控杆产生的简单几何线段（图四）。
2. 几何型绘制的示范模仿。
教师演示操作以锚点生成的方式绘制几何图形（图五）。
3. 不规则形体绘制的示范模仿。
教师演示使用钢笔工具建立节点，调节两节点之间弧度，使线条尽可能贴近泰姬陵的外部轮廓边缘，并闭合路径建立选区，把选区内的图像移植到新的文件中，储存成Jpg格式（图六）。
教师通过示范基础学习案例，引导学生步步深入，并根据学生的学习能力、交流方式和性格特点对学生提供技术支持，让学生组成团队合作解决问题。学生跟随教师的示范轨迹进行模仿，教师做一步，学生做一步，逐步从新手向专家发展。并通过基础案例了解软件工具和美术设计之间的联系，以及广告制作的一些共性特征，为今后学习其他专业课程积累经验。
教学活动六：复述步骤。
教师小结三个基础技能学习案例的模仿情况，对模仿过程中多次出现的错误进行重点解析，对重要步骤进行复述。并选取相似的案例（图七），要求学生集体思考制作步骤并口述，老师按照学生口述的步骤操作，呈现结果后，分析其中的优缺点。
教学活动七：阶段总结。
教师总结示范模仿阶段的学习情况。根据学生的实践结果，肯定学生的进步，找出学生的不足。使学生吸取这一阶段的经验和教训，明确努力方向，并以直观的方式认识钢笔工具的技术要求。学生听讲并做好笔记，分析教师对其肯定或不足的信息，修改模仿案例，并提交教师评分。
【技术运用教学阶段】
教学活动八：案例实践。
学生运用在上一阶段所习得的技能，通过自身努力在较长的时间里独立完成《汽车宣传页》案例制作（图三）。在完成《汽车宣传页》案例的前提下，选择完成拓展训练卡通案例（图八）或动物案例（图九）中的一个或全部。
在教学活动八中，教师主要对学生进行技术支持，并以课堂记录表为载体对学生进行量化考核。学习能力强的学生完成三个技术运用案例；能力弱的学生认真完成《汽车宣传页》案例制作；“学困生”只要求完成基础技能学习案例（图四、图五和图六），则本次教学的总成绩记合格。
教学活动九：展示评价。
教师对学生展示的作品进行评讲。学生通过参加“技能能手”的评选相互学习、相互竞争。最后，教师回顾本单元的学习内容和教学情况，宣布“最佳钢笔工具应用能手”的名单。
四、教学反馈与课型反思
课型是主观思考的归纳，课堂是客观存在的过程，课型应用是将主观课型与客观教学相结合，促成主客观高度统一的过程。教学作为一个复杂的过程系统，笔者认为，在课型应用中要注意如下几个问题：
一是在教学开始阶段，需认真分析课程的教学目标和内容，作为定位和选择课型的依据。职业活动内容不同，功能也不同，其目标实现的途径也不同，因此在课型应用中，必须进行教学目标分析，确定职业活动的类型，界定课型。绝不能凭主观想象。如《图形图像处理》课程是在Photoshop软件工具平台上，使学生掌握二维图像处理的职业技能。“钢笔工具使用”的教学目标是使学生习得钢笔锚点的操作技术，并不是设计一张完整的广告作品。因此适合应用技术训练课型，而不使用流程体验课型或者项目实践课型授课。
二是要根据学生的实际水平和行业要求编制职业活动内容。职业活动是课型教学实践的载体，是连接工作与知识的重要纽带。课程需要教师根据职业活动目标编制富有意义和具有挑战性的实践性活动。职业活动的内容编制要具有典型性和可操作性，反映技术规则、技术情境和判断知识的具体化要求。由于现阶段同一班级的学生能力差异大，教学内容只能在保证所有学生都掌握核心基础技能的前提下，给学生更多的自主选择权，以技能等级的差异降低“学困生”的学习难度，满足“学优生”扩大知识面的需求，从而让全班学生在自己原有的基础上实现进步。
【关键词】高中地理教学 读图能力 教学策略
高中地理教材有着丰富多彩的地理图像，它以图像、符号、注记等形式储存和浓缩了大量的地理知识和信息，是地理知识的一种形象、直观、综合的表达。地理图像是高中地理教学内容的重要组成部分，也是地理学科区别于其他学科的重要特征，是地理学科的“第二语言”。读图能力的培养对地理知识的学习和研究都有着非常重要的作用，培养学生读图能力是培养学生地理学习能力和学科素养的重要方面，读图能力已成为高考地理重要的考核目标之一。在高考地理中，正在不断加强对学生读图和析图能力的考查，可以说几乎所有的地理试题都会考查学生的读图能力。但在教学实践中，我们发现许多学生在考试或练习中，如果遇到题目中出现不常见的地理图像，则很难从图中获取准确而完整的有效信息并运用相关知识分析问题和解决问题，从而使答案的正确率大大下降。究其原因，正是学生缺乏读图能力所致。因此，在高中地理教学过程中，教师应十分注重并采取相应措施大力培养学生的读图能力。
一、中学地理图像的主要类型
高中地理教材和高考地理试题出现的地理图像主要有地图、剖面图、示意图、地理统计图、景观图、地理漫画等，这些图像类型中蕴含了大量的地理信息，但不同类型的图像有不同的表现形式。其中，地图是教材中的最根本的一种地理图像，不仅是地理学习和教学中的最主要工具，还是潜在地理知识的载体，所以在教学过程中应重视学生对地图的认知和理解。剖面图是用以揭示地理事物的内部构造及其在水平和垂直方向的分布规律的图像，如地形、地质、土壤剖面图等。示意图包括地理原理图和地理模式图等，地理原理图用以表达地理事物的演变规律及运动过程，如地球公转图、森林减小风速示意图等主题地图；地理模式图用以表示地理事物的一般分布规律，是地理分布图、原理图的特殊形式，如世界洋流模式图、太阳系模式图等。地理统计图则是采用数学模型，形象地反映地理事物的一些数量关系和变化规律，主要有柱状图、曲线图、折线图、扇形图等形式，通过对地理统计图的学习和训练，不仅可以培养学生的观察能力，还能培养学生定性、定量分析结合能力。景观图包括自然景观图和人文景观图，可分为描绘图和摄影图两类，前者要突出地理特征的重点，而后者则具有真实可靠性，二者在教学过程中均可起到激发学生学习兴趣的作用。而漫画图与景观图相比，缺少了现实的依托，但通过一些夸张的手法可以更加形象地表现出当前存在的一些地理问题。在教学过程中，教师应根据不同地理图像的类型，培养学生识图、析图、用图的能力，进而提高学生的地理学习能力。
二、培养学生读图能力的教学策略
1. 重视地图教学，教会学生如何看图。在教学中经常发现，很多的学生对地图很不熟悉，有些学生甚至不会看中国地图和世界地图，这就给其学习地理造成了很大的障碍。为增强学生的地理学习能力，地理教学中，在重视基础知识的教学的同时，要向学生特别强调地图的重要性，教会学生如何看图，并养成经常查看地图的习惯。
在地图教学中，教师首先要给学生做出表率。老师在日常教学中对图的态度、用图的技巧和艺术都会对学生形成用图习惯和培养对地图的兴趣有着潜移默化的影响。这就要求教师在平常的教学中，力求做到“图文并茂”，重视教材插图、地图册和教学挂图的使用，多用图、常用图、用好图，把图和文字紧密结合起来，尽量把地理分布、地理成因、地理规律等知识落实到有关图上，使图上内容与文字描述相互配合、相互补充，即实现图文转化和文图转化，使学生对地图和其他地理图像逐渐熟悉起来。其次，要加强对学生的督促和指导。要严格要求学生课堂上带好地图，养成左图右书、经常查看地图的习惯，坚持一看图名、二看图边、三看图中的顺序；看地图要有明确的目的，对于图中的某种地理事物的经纬度位置、与其他地理事物的相对位置、延伸方向或轮廓形状特征，必须仔细查看并进行记忆。第三，教学中要强化填绘地图的训练，以帮助学生在脑海里形成 “心理地图”，最终在脑中分别形成一张中国地图和世界地图。首先用好图，然后才能培养学生的用图习惯和兴趣。
2. 问题引导，培养学生获取信息能力及析图能力。读图能力的关键是完整而准确地获取地理图像中的有用地理信息，并调动相关知识对所获取的有效信息进行综合、分析、对比，最终得出地理事物的分布特征（或位置特征）、变化规律、组成结构、形成原因或与其他地理事物之间的联系。为更好地培养学生从图中获取信息的能力，使学生能较顺利地读懂各种地理图像，教学中教师应针对不同类型的地理图像，有意识地设计出系列问题来引导学生读图，引领学生正确的读图方向，以免学生不知如何入手，或者出现在读图过程中“胡思乱想”、偏离主题的现象。例如，对于地图可设计“在哪里”（位置、范围）、“有什么”（地理事物）、“怎么样”（分布特征）、“影响或意义如何”（与其他事物的联系）、“形成原因”等问题；对于统计图可设计的问题有“是什么”（地理事物或要素）、“有多少”（总量及变化量）、“怎么变化”（变化趋势或规律）、“各要素之间的关联性如何”、“形成原因”等。让学生通过读图回答这些问题，一层一层地引导学生把读图引向深入，一方面把地理图像中蕴含的地理信息完整而准确地提取出来，另一方面使学生学会对信息进行加工、重组和取舍，实现由图到文的顺利转换，并运用所学相关知识分析问题、解决问题，从而逐步提高读图析图能力。
3.让学生动手，培养学生的绘图能力。在高中地理教学过程中，为提高学生的读图能力，除了培养学生的看图和分析能力以外，还应让学生动手实践，着力培养绘图能力。因为学生只有掌握了地理图像的内涵和基本特征，才能熟练而准确地绘图，学生通过绘图训练，不仅可以帮助学生有效地记忆相对应的地理知识，还能使学生将文字知识转化为地理图像，实现文图转换。所以，训练学生的绘图能力，可以使学生了解地理图像的生成过程，从而反过来提高学生的读图能力。因此，教师要有目的、有计划地鼓励、指导学生绘制有关简图，如世界海陆分布略图、山河分布示意图、地理成因图、等压线图、统计图等。学生通过亲自动手绘制简图，能加深对所绘图中地理知识的理解，对掌握一些绘图的基本技能也很有实践价值。
训练学生绘图能力有很多方法和途径，教师可以给学生布置描摹、填绘、仿绘、绘制图表等绘图训练。其中，描摹和仿绘主要是根据已有的地理图像进行“复制”绘图训练，通过模仿将图形“复制”到纸上的同时，也在大脑中留下深刻的印迹，达到记忆的目的。填绘主要针对地图而言，让学生通过读图来填写缺失部分地理事物的位置和名称等。而绘制图表则是考试中常出现的一种题型，要求学生将文字知识转化为图形语言，重在考查学生的“文图转换”能力和动手实践能力。
4.运用多媒体等多种手段，增强学生形象思维能力。要提高学生的读图能力，需要在课堂教学中通过多种教学手段不断地刺激，以加深学生对各种地理图像的认知和记忆。传统的教学可以通过经常使用教学挂图、教师边讲边画、学生动手、读图强化训练等手段达成目标，现代教学中随着多媒体技术的不断推进，多媒体教学将起着越来越重要的作用。多媒体教学可以将一些地理知识形象、生动地展示出来，使文字知识图像化，实现文图转换，既增强学生的形象思维，又有助于学生对地理知识的理解和掌握。例如在讲解城市天气受锋面天气系统的影响时，通过多媒体教学，教师可以将锋面过境前后及过境时的天气变化用动画的形式表现出来，结合多媒体特有的声音效果，不仅可以引发学生的学习兴趣，活跃课堂学习气氛，还能让学生充分理解整个变化过程，掌握知识要点。通过这种形象的文图转化，可以将与地理相关的基本规律、基本原理等以动画的形式牢牢地印在学生的大脑中，这样就在教学生形成心理地图的同时，间接地培养了学生的读图能力。因为，学生掌握了地理知识的原理及规律后，可以在做题过程中把动画轻松转化成图片，通过图文转换明确已知条件，不仅可以缩短思考的过程，还能将复杂问题简单化，加快学生的解题速度，让学生在解题速度和读图能力上都会有质的飞跃。
总之，地理图像教学是高中地理教学的重要内容之一，读图能力是高中学生地理学习能力的重要组成部分，培养和提高学生读图能力是新课改下高中地理教学的重要要求。因此，在高中地理教学过程中，教师必须帮助学生学会读图析图，培养学生用图的习惯和能力，才能全面提高地理教学质量。
参考文献：
[1]张银平.高中地理教学中如何培养学生的读图能力[J].现代阅读.2013（03）.
