初中人工智能课:机器怎么“看懂”人的动作?用体感游戏讲识别、数据和隐私
· 动动乐园教研组

适合初中信息科技“人工智能与智慧社会”模块,1 课时 45 分钟。课标要求学生“对比计算机传统方法和人工智能方法处理同类问题的效果”,体感游戏是现成的好例子:同样是“看摄像头里的人在做什么”,传统方法只能看出“哪里动了”,人工智能方法能认出“人摆了什么姿势”。
课标依据
- “通过分析典型的人工智能应用场景,了解人工智能的基本特征及所依赖的数据、算法和算力三大技术基础。”
- “通过分析典型案例,对比计算机传统方法和人工智能方法处理同类问题的效果。”
- “通过体验人工智能的应用场景,了解人工智能带来的伦理与安全挑战,增强自我判断意识和责任感,做到与人工智能良好共处。”
教学目标
- 能说出“看画面变化”和“认出姿势”两种方法的区别,各举一个它做得到、做不到的例子;
- 能用数据、算法、算力解释一个姿势识别应用是怎么来的;
- 能通过小实验找出识别出错的情况,说出人工智能的能力边界;
- 能判断一个用摄像头的应用对隐私是否负责:画面在哪里处理、存不存、给谁看。
教学过程(45 分钟)
一、导入:两个“体感游戏”(5 分钟)
先放一个学生在五年级用 Scratch 视频侦测做的戳气球(见教程):请一位同学挥手,再请他身后的同学走过——气球也会被“戳到”。再玩一个要摆姿势的体感游戏,比如「穿墙洞」:只有摆出和墙洞一样的姿势才算过关,身后有人走动也不受影响。提问:两个游戏“看”人的方法有什么不同?
二、对比:传统方法和人工智能方法(10 分钟)
| 看画面变化(传统方法) | 认出人和姿势(人工智能方法) | |
|---|---|---|
| 怎么做 | 人写好规则:比较前后两帧,哪里的像素变了、变了多少 | 用大量标注好身体部位的照片训练出模型,模型从新画面里找出人,以及头、肩、手、脚在哪里 |
| 做得到 | “这里有东西在动” | “这个人举起了左手”“他蹲下了” |
| 做不到 | 分不出是人还是窗帘,分不出是手还是头 | 太暗、被挡住、几个人重叠时会认错;没见过的姿势认不准 |
| 要什么 | 一点计算就够 | 训练时要大量数据和算力;用的时候电脑也要算得快 |
补充一点历史:用深度学习从普通照片里估计人体姿势,学术界常提到两篇论文——2014 年谷歌研究人员的 DeepPose,和 2017 年卡内基梅隆大学的 OpenPose(能同时估计画面里多个人的姿势)。这之后,普通摄像头做全身体感才变得可行,见体感游戏发展史:普通摄像头和浏览器。
三、数据、算法、算力(8 分钟)
- 数据:成千上万张标注了“头在这里、左手腕在这里”的照片。讨论:如果照片里几乎没有小孩、没有坐轮椅的人,模型会怎样?
- 算法:让模型从照片里学出“什么样的一块像素是手腕”的规律,而不是人一条条写规则。
- 算力:训练要大量计算;玩游戏时每秒要算几十次,电脑太慢就会卡、跟不上动作。
四、小实验:什么时候认不准(12 分钟)
四人一组,用一个能认姿势的体感游戏(比如「旗语密码」、「咔嚓合影」),每组试两种情况,记录“认对 / 认错”:
- 关掉一半的灯,或者背对窗户;
- 穿和背景颜色接近的外套;
- 两个人前后站、部分挡住;
- 站得太近,只拍到上半身;
- 做一个很快、很小的动作。
各组汇报,全班归纳:人工智能不是“看懂了”,而是在和训练数据相似的情况下“认得准”——这就是能力边界。
五、讨论:摄像头画面去哪了(8 分钟)
给出三个问题,让学生判断自己用过的拍照、视频、体感应用:
- 画面是在这台设备上识别,还是传到了别人的服务器?
- 识别完画面会不会被保存?保存多久?
- 谁能看到这些画面和识别结果?能不能删掉?
引导学生读应用的权限说明和隐私政策:只在本机识别、不保存、不上传的设计对隐私更友好;需要上传的,应该说清楚为什么、存多久。课标说的“增强自我判断意识和责任感”,落在这里。
小结(2 分钟)
同一个任务,传统方法靠人写规则,人工智能方法靠数据训练;它更强,也有边界,还带来隐私问题。
想让学生亲手体验“用数据训练”:可以用开发板采集挥手、拍手的加速度数据训练一个小模型,见用开发板做体感手柄的最后一节。
常见问题
体感游戏用到了人工智能吗?
要看是哪种。只看画面哪里变了的(比如 Scratch 视频侦测)是人写好规则的传统方法;能认出人摆了什么姿势的,用的是在大量数据上训练出来的识别模型,属于人工智能方法。
人工智能认姿势为什么会认错?
它是在和训练数据相似的情况下才认得准:太暗、逆光、被挡住、几个人重叠、站得太近只拍到一部分,或者动作很快很小,都容易认错。
这节课怎么讲隐私?
让学生对自己用过的摄像头应用问三个问题:画面在哪里识别(本机还是上传)、会不会被保存、谁能看到和能不能删除,再一起读权限说明和隐私政策。
参考资料
- 《义务教育信息科技课程标准(2022 年版)》,教育部,教材〔2022〕2 号
- 《DeepPose: Human Pose Estimation via Deep Neural Networks》,Toshev、Szegedy(谷歌),CVPR 2014,用深度神经网络从照片里估计人体姿态的早期代表作
- 《Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields》,Cao、Simon、Wei、Sheikh(卡内基梅隆大学),CVPR 2017,实时估计画面里多个人的姿态,后来以 OpenPose 开源
引用这一页(参考文献格式):动动乐园教研组. 初中人工智能课:机器怎么“看懂”人的动作?用体感游戏讲识别、数据和隐私[EB/OL]. 动动乐园, (2026-11-14). https://dongdongpark.com/topic/motion-games-coding/ai-lesson
发现内容有误或有新的资料,请告诉我们,核实后会更正并更新日期。

可以试试的游戏
穿墙洞摆出和墙洞一样的姿势4~12 岁 · 运动量中等 · 全身 / 动脑
旗语密码两臂摆方向拼字母,用旗语拼单词8~16 岁 · 运动量中等 · 动脑 / 全身
咔嚓合影倒数三秒摆好姿势,笑一个别动3~9 岁 · 运动量轻松 · 全身 / 安静
其他专题
- 体感游戏发展史:从 1970 年代的互动艺术和光枪,到体感街机、跳舞机、EyeToy、Wii、Kinect、健身环、VR 和今天的普通摄像头;也讲国内这一段和体感游戏怎么进了学校。
- 体感游戏是什么:一句话定义、“体感”这个叫法、有哪些类型、六种感知动作的原理、和 VR / AR 的区别、要多大场地,以及一份术语表。
- 体感游戏对孩子好不好:运动强度有多大、为什么那么累、能不能减肥、能不能练动作和平衡、和专注力的关系、伤不伤眼睛、在特殊教育里怎么用——只引系统综述、荟萃分析和权威指南。
- 全部专题