人脸识别技术在考试系统中的应用研究

摘要：近年来人脸识别技术是一种新型生物特征识别法，目前广泛用于不同的领域中，如公安、司法、教育、政府、金融以及各事业单位等。尤其在教育领域中更为突出。考试系统以其公平、公正、快速、准确、具有低成本，高保密性等特点，因此逐渐取代传统考试系统成为未来考试系统的主要发展趋势。然而在考试系统为人们提供便利的同时也发现了一些新问题，其中系统的安全问题最为突出。为了加强考场中考生身份的验证管理，避免出现考生替考、作弊等问题，本文对人脸识别技术在考试系统的应用现状以及目前存在的问题进行研究，并通过阐述在考试系统中的人脸识别技术的重要性，进而提出有效的解决方案。

关键词：人脸识别;技术;考试系统;应用

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）20-0179-02

2015年开始，国家对教育考试违纪作弊行为加大了处罚力度，并正式实施《中华人民共和国刑法修正案九》，其中第284条明确规定，国家考试中如有组织作弊者，将处以最高七年有期徒刑，该法律规定颁布后，教育部门明确提出要结合各地的实际情况，要求学生采用学生二代身份证到现场报名确认、现场采集指纹和照片等一系列生物特征，以此更好的防范替考事件的发生。为此全国各地快速升级作弊系统，大量黑科技如人脸识别、指数识别等运用到考试系统中，一时间生物识别技术成为全民关注的焦点话题，人脸识别技术以其独特性和唯一性在考试系统中脱穎而出，成为众多生物识别技术中的首选技术。

1人脸识别技术在考试系统中的重要性

近几年来，教育部为了严厉防范和打击替考、作弊等不良行为，实现对学生身份的有效甄别，逐渐由以往的人工主观识别转变为计算机科技设备技术，并迅速在全国范围内的考试系统中应用。2018年深圳市首次将人脸识别技术应用于全国研究生考试中，对考生身份进行验证，即学生进入考场前，需采用现场刷脸，待验证成功后方可进入考场。之后全国各地招生考试中纷纷使用人脸识别系统，对考生进行自主身份验证。利用人脸识别技术，能够严防考试中出现替考、作弊等现象，进一步严肃考场纪律，真正维护好考试的公平公正。

2人脸识别技术

人脸识别过程依次为输入图像、人脸检测、特征提取、人脸识别、确认。人脸检测主要是对在给定视频中能够按照特定方法判断人脸是否存在，如果存在则需要对人脸的位置、大小进行确定，在人脸识别系统中人脸检测是最关键的一步也是第一步，检测的可靠性对整个系统的准确性起着至关重要的作用。对人脸识别系统的早期研究主要则侧重于无背景的图像，这种图像相对来说更加容易获得，因此未能够引起高度重视。近年来随互联网技术发展，人脸识别技术是一种新型生物特征识别法，要求对普通图像识别，目前该技术不仅能够运用于人脸识别中，同时还能够应用于内容检索，视频处理等多个领域中，其中对于涉及QQ身份认证等一些具有较高身份认证需求和以图像输入为主的搜索引擎均属于人类识别范畴。从一定程度上来看，人类识别是一种分类过程，能够将不同特征图像，根据其不同信息进行分类，在机器学习，模式识别图像处理过程中，其首要的运输类环节是特征提取。通过大量数据处理能够获得有用的信息，进而减少无用信息或者避免信息冗余性，能够为获得有价值信息，数据处理提供便利。除此之外，通过特征提取的方式能够实现多维图像降维操作。从计算机视角角度出发，在图像处理过程中涉及像素包含很多重叠区域，这些内容会增加图像在处理过程中的复杂性，降低图像处理速度、效率。通过提取定位向量图像处理，特征检测提取匹配，可用于解决视觉问题，比如基于内容图像检索和人类识别检测目标检测等。对于人脸识别来说，首先需要进行人脸特征，提取之后与数据库进行对接，根据人的特征匹配情况分类，从一定程度上来看，人脸识别是分为人类辨认、确认，其中人脸确认是数据库图像与检测图像匹配，之后根据结果来进行身份确认。人脸识别需要将数据库图像与待测人图像比对之后，根据比对结果确认身份，因此相比人脸辨认来说人类确认更加容易实现，在人脸辨认中需要选择合适的方法进行数据降维，对人脸识别率来说是比较重要的。然而将其应用在考试系统中，可以准确判断参加考试的考生是否与图像库中的人是同一个考生。

3人脸识别方法

随着人脸识别技术的发展，目前市场上有多种人脸识别法常用的方法，包括基于外观人脸识别、神经网络人连识别和特征人脸识别、支持向量机人脸识别等多种方法。基于特征人类识别法，在进行提取人类特征时需要掌握面部结构知识，包括人的五官形状、特征等，之后计算面部特征间距离和面积等关系。根据欧式算法分类识别，该方法操作简单，具有较强的光照变化，鲁棒性强等特点，然而在实际使用过程中，当待检测人员面部被遮挡时在特征提取过程中难度会提高，并且对于人脸表情姿态，敏感度高。对于结构面部特征之间的关系要求较高，而忽略面部细节，因此无法实现精准人脸识别。基于外观人脸识别是通过面部信息采集进行人脸识别，该方法操作简便很容易实现，因此也被获得了高度重视，但该方法是通过图像灰度值二维数组来实现的，通过图像库中图像和待测图像的相关性进行分类，这种方法从一定程度上来看易于理解，但在计算过程中耗时耗力，主要是由于这种图像具备一定维数，在分类过程中需要将其置于高维空间中开展。基于网络神经人类识别，在机器学习和认知科学中神经网络是通过动物中枢神经，尤其是大脑启发的模型，用于估计某种功能，该功能需要输入未知数据和大量数据作为支持，通常表现为彼此相关联的神经元单元，在神经元中进行信息交换。研究证明将神经网络应用于人脸识别系统中，能够使面部特征这一问题得以解决，而且具有很强的鲁棒性。支持向量机的人脸识别是基于统计理论的一种学习方法，对于出现的新样本图像，识别起来比利用神经网络更加广泛，错误率更低，该方法在实验中取得良好的效果。

4在考试系统中人脸识别技术的解决方案

在考试系统中人脸识别技术主要针对系统安全性问题，即提高系统的安全性，主要涉及替考、作弊等问题。第一，系统开发环境。人脸识别系统开发环境包括两个部分软件、硬件，由于考试系统带有800万像素摄像头的计算机，电脑主屏为2.0GHz，操作系统为Windows732位。对软件系统来说系统必须进行前台和后台的开发。人脸检测采用微软开发的视觉函数库和图像处理系统，使用matlab开发人脸特征提取和识别软件。第二总体设计，该考试系统主要包括两个部分即考试子系统和考务子系统，如图1所示。

考试子系统由考试界面和身份验证界面构成的，在考务子系统中包含人员题库，试卷，考务等相关管理，考务子系统具体流程如下：教师登录-新增考生信息-增加题库-组卷-分发试卷-分配考生-推出登录。考生子系统的流程是当考生进入到相应的考场之后，打开考试机输入网址，进入系统界面，并在考试系统登录页面中输入考生准考证号和密码，正确输入之后会跳转人脸识别界面之后按照界面相关提示，打开摄像头拍照完成人脸验证，如图2所示。如果验证成功则页面会自动跳转相应的界面，此时可允许考生参与考试。

完成考试后提交试卷，等到完成考试之后需要系统体系结构设计由系统自动提交试卷即可退出考试程序。在考试系统设计过程中应当满足实际应用需求和功能作为基础，结合系统特点进行针对性设计，确保系统的适用性。设计考试系统中尽量使用一些成熟的技术，以避系统发生故障影响学生的正常考试。同时，应做好备考方案，防止意外事件的发生。另外，考试系统的界面要求保持美观、简洁且易于使用，因为考试系统面对的是考生，为便是于考生操作，界面理應设计简单。第三，考试系统详细设计。系统识别模块的业务流程包括考生报名阶段、考前阶段和开考阶段。考生报名阶段需进行二代身份证验证和人脸识别，采集考生照片以及相关信息并上传至数据库。考试系统会自动将关联考生科目信息和准考照片进行建模，当学生进入考场之后，通过考证密码登录系统，会由系统自动跳转到人脸识别界面，考生需要正对摄像头拍照保存，将照片上传服务器，之后系统会与报名阶段的照片进行比对比，比对成功后跳转至考试界面进行考试，否则将会被确认为替考者，取消考试资格并进入系统黑名单。

5总结

总之，随着人脸识别技术的逐步成熟，这种生物特征识别技术广泛应用于各行各业中，其中考试系统最为突出，传统考试弊端日渐清晰，而且在线考试系统因其高效率、经济性以及便利性等优势，应用范围更加广泛。

参考文献：

[1]曹新立，刘凤元，董翰宁，等.人脸识别技术在预警系统中的应用[J].现代制造技术与装备，2020（01）：185-188.

[2]周家成，罗成刚.人脸识别技术在访客管理系统中的应用[J].信息通信，2019（12）：151-152.

[3]阚劲军，孙皓.人脸识别技术在机场离港登机系统中应用[J].中国科技信息，2019（19）：58-60.

【通联编辑：闻翔军】

收稿日期：2020-03-16

作者简介：关德君（1980-），男，辽宁辽阳人，硕士研究生，副教授，主要研究方向为远程教育、计算机应用。