基于多種技術的遠程考試中考生識別系統的研究

摘 要：本文通過分析現在流行的遠程考試識別的各種應用技術的優缺點，提出了一次性指紋識別和過程中人臉識別兩種識別技術有機結合的方式，最大程度的發揮了兩種識別方式的優勢，提高了識別的機率，在現實中具有很高的實際應用價值。

關鍵詞：遠程；網絡；指紋識別；人臉識別；結合

中圖分類號：V321.229 文獻標識碼：A 文章編號：1674-7712 （2014） 02-0000-02

隨著互聯網的普及，在線遠程考試成為一種新型的考試手段。這種考試可以突破地域的限制，只要連上互聯網，就算隔著千山萬水也可以通過網絡提交試卷，考生不用再不遠千里來到考試的地方，節約了人力物力。距離有了，但安全問題伴隨而來，在這種考試方式中，如何準確的對考生進行識別，最大程度的防止替考等作弊現象的出現，是一個很重要的問題。遠程考試不同于現場考試，現場考試只要在考生入場時核對考生信息即可，因為有監考老師等人員的存在，不存在中途換人的可能性，基本可以保證考試過程中考生的真實性。而通過網絡進行的遠程考試，由于沒有監考人員的實時監督，如何保證在整個考試過程中，考生的真實身份，是考試系統亟待解決的問題。人臉識別當然是人們首先想到的解決問題的辦法，而且在很多領域，例如駕照考試、公安系統中，得到了廣泛的應用。但是其缺點和存在的安全隱患也不容忽視，如人臉識別率受多種因素影響，例如光照、年齡的增長、同卵雙胞胎以及整容等。

指紋識別是目前發展的比較成熟的另外一種識別技術，在考勤、門禁、保險箱等方面應用尤為廣泛，近期也被應用在考試中，一般現場考試的情況居多，因為在遠程考試中，沒有固定的監考人員，一旦在考試過程中，不可能時時采集指紋，所以單靠指紋識別也無法完成考生身份的認證。因此，利用一種手段來解決考生身份認證的問題，已經不可靠了，將人臉識別和指紋識別及密碼驗證機制等技術綜合起來，放入遠程考試系統將大大提高系統識別考生的能力。

一、系統的構成

整個系統由以下幾個模塊構成：1.驗證模塊：考試時，由考生輸入準考證號和姓名，如果正確，直接進入人臉識別模塊；2.識別模塊：考試時，通過攝像頭采集考生面部特征，送至遠端數據庫存儲，作為考試過程中對比的依據；3.識別模塊：通過指紋采集裝置，采集考生指紋，與遠程服務器端保留的指紋進行核對，如果匹配，則進入正式考試。4.通信模塊：服務器端與客戶端進行通信，在考試過程中，傳輸客戶端向服務器端發送的信息，服務器端返回應答信息。

根據遠程考試系統利用互聯網的特點，整個系統使用B/S架構，進行考試的考生的電腦需配備一個500萬像素以上的攝像頭和指紋識別器一臺。攝像頭用來采集人的面部特征，指紋識別器用來采集指紋。整個識別系統的結構如下：

工作過程：

基于多項技術的遠程考試考生識別系統在進入考試系統之前，需考生完成三個步驟：第一步：登陸考試網站，輸入本次考試的準考證號和姓名，點擊登陸，將數據送往服務器數據中心進行比對，如果場次和姓名都正確，則進入第二步；第二步：打開攝像頭，搜尋輻射范圍內是否有人臉，然后捕捉人臉特征，采集特征信息，進行預處理后，將處理后的圖像送至服務器端，服務器端接收到圖像后，提取關鍵特征信息，存入事先建好的數據庫，進行存儲即可。在整個考試過程中，為防止中間換人，替考事件的發生，每隔一個隨機時間，還會采集考生的臉部圖像進行識別。第三步：采集完臉部信息后，進入考生識別的最后一個階段，通過指紋識別裝置采集考生的指紋，提取指紋特征數據，送回至服務器端，與數據庫中存儲的指紋信息進行對比，如果對比成功，則允許考生進入考生系統，進行考試，考試系統正式開始計時。

二、關鍵技術分析

（一）面部關鍵特征定位及檢測技術。檢測的基礎，使面部關鍵特征的檢測，檢測的重點是臉的位置和眼睛嘴巴等主要器官的形狀信息。灰度積分投影曲線分析、模板匹配、可變形模板、Hough變換、基于Gabor小波變換的彈性圖匹配技術、主動性狀模型和主動外觀模型是常用的方法。本系統采用可變形模板，其主要思想是根據待檢測人臉特征的先驗的形狀信息，定義一個參數描述的形狀模型，該模型的參數反映了對應特征形狀的可變部分，如位置、大小、角度等，它們最終通過模型與圖像的邊緣、峰、谷和灰度分布特性的動態地交互適應來得以修正。由于模板變形利用了特征區域的全局信息，因此可以較好地檢測出相應的特征形狀。眼睛是臉部最重要的器官，它們的精確定位是識別的關鍵。基于區域增長的眼睛定位技術，充分利用了眼睛是臉部區域內中心的左上方和右上方的灰度谷區這一特性，精確快速的定位兩個眼睛瞳孔中心位置。該算法采用了基于區域增長的搜索策略，在人臉定位算法給出的大致人臉框架中，估計鼻子的初始位置，然后定義兩個初始搜索矩形，分別向左右兩眼所處的大致位置生長。該算法根據人眼灰度明顯低于面部灰度的特點，利用搜索矩形找到眼部的邊緣，最后定位到瞳孔的中心。實驗表明，本算法對于人臉大小、姿態和光照的變化，都有較強的適應能力，但在眼部陰影較重的情況下，會出現定位不準。

（二）人臉確認與識別技術。主流的人臉識別技術一般歸結為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。基于幾何特征的方法是最早、最傳統的方法，通常需要和其他算法結合才能有比較好的效果；基于模板的方法可以分為基于相關匹配的方法、特征臉方法、線性判別分析方法、奇異值分解方法、神經網絡方法等。基于模型的方法則有基于隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。特征臉方法是90年代初期由Turk和Pentland提出的目前最流行的算法之一，具有簡單有效的特點，現在特征臉算法已經與經典的模板匹配算法一起成為測試人臉識別系統性能的基準算法。

針對特征臉算法的缺點，我們使用了特定人臉子空間（FSS）算法。該技術來源于但在本質上區別于傳統的\"特征臉\"人臉識別方法：\"特征臉\"方法中所有人共有一個人臉子空間，而我們的方法則為每一個體人臉建立一個該個體對象所私有的人臉子空間，從而不但能夠更好的描述不同個體人臉之間的差異性，而且最大可能地擯棄了對識別不利的類內差異性和噪聲，因而比傳統的\"特征臉算法\"具有更好的判別能力。實驗也表明我們提出的方法比傳統的特征臉方法、模板匹配方法對表情、光照、和一定范圍內的姿態變化具有更優的識別性能。

三、實際應用結果分析及應注意的問題

出現錯誤主要集中在人臉識別時將合法考生當作非法考生對待，究其主要原因是由于考生在開始過程中眼部特征發生變化，考試中途摘掉了眼鏡，影響了采集的臉部特征數據造成的。

（一）在整個考試過程中，為防止替考現象的出現，攝像頭每隔一段時間，就采集考生的臉部信息，送至服務器端，與數據庫中第一次存儲的信息進行對比，如果對比通過，則暫停一個隨機的時間，等待下次對比，如果對比失敗，則重新掃描考生臉部圖像，接著進行對比，連續對比三次，如果仍然失敗，則跳出報警信息，關閉考生系統，將信息反饋給服務器，做好記錄。

（二）為防止考生抓住規律，中途采集考生臉部信息的時間應該是一個個的隨機的時間，發現對比失敗后，應快速（一般限制在30秒內）進行下次的采集和對比，以防止考生有所動作。

四、結束語

本文通過分析現在流行的遠程考試識別的各種技術的優缺點，提出了一次性指紋識別+過程中人臉識別多種技術有機結合的識別方式，最大程度的發揮了兩種識別方式的優勢，提高了識別的概率，具有很高的實際應用價值。當然，本系統在測試過程中，也暴露出一些不足，例如數據庫過于復雜，對人臉的識別環境仍然要求比較嚴格，在今后的研究中，將不斷改進。

參考文獻：

[1]江東升.實時人臉識別在網絡化考試身份認證中的應用[J].中國電化教育，2010（08）.

[2]廣電電器網.人臉識別的優勢和不足[OL].http：//www.go-gddq.com/html/ShiBieJiShu/2012-05/991920.htm.

[3]吳瑜.人體識別智能監控系統[M/OL].http：//blog.csdn.net/zhuzhu101011/article/details/1342829.

[4]楊小冬.自動指紋識別系統原理與實現[M].北京：科學出版社，2013.

[作者簡介]王國珺（1979-），女，山東德州人，講師，碩士研究生，研究方向：網絡協議。