基于人脸识别的考生身份识别应用研究

叶诗韵，黄志成



基于人脸识别的考生身份识别应用研究

叶诗韵，黄志成

（广东女子职业技术学院，广东 广州 511450）

指纹身份识别技术目前已发展得比较成熟，典型的产品是指纹考勤，但指纹识别产品成本较高，普及度低。近些年，人脸识别技术发展迅速，越来越多的行业应用人脸识别技术，节省人力和成本，提高便捷性。针对当前很多学校仍然通过传统的低效率人工方式进行考勤、考试身份识别，文章研究了人脸识别关键技术，提出了使用人脸识别技术来对考生身份进行验证框架，并开发了一个基于人脸识别的考生身份识别的程序。经过测试，识别效果基本满足实际应用。

人脸识别；身份识别；人工智能；智能监考

0 引言

近年来，随着图像处理和人工智能技术的不断发展，越来越多的行业领域应用上了人脸识别。刷脸进高铁、刷脸进门、刷脸考勤等场景进入我们的生活[1]。刷脸减少了人力，方便了用户，使得我们的生活越来越智能化。人脸作为一种生物特征，与指纹、虹膜、声纹等生物特征一样具有唯一、不易被复制等特性，与其它生物特征相比，人脸具有非强制性、非接触性、隐蔽性等特点[2]，无需专门采集设备，也不需要接触设备，可在不知不觉中完成人脸识别、搜索等。正因为人脸具有诸多优点，人脸识别常被用来作为身份鉴别的重要依据。

当前仍存在相当多的学校使用传统的人工考勤、人工鉴别考生身份的方法，人力消耗大，智能化程度低。因此，研究利用人脸识别进行考生身份验证具有应用意义。本文基于百度人脸识别技术，提出了基于人脸识别技术对考生身份进行识别的框架流程，并开发了相关的应用程序。

1 人脸识别关键技术

1.1 人脸识别技术

人脸识别技术在深度学习出现后，变得流行起来。当前应用较多的人脸识别技术主要是针对可见光图像，这种方式受环境光照影响较大，光照不好时识别效果会严重下降。目前有些替代方案如三维图像人脸识别、热成像人脸识别等，但技术还不成熟。使用近红外图像的多光源人脸识别技术，是今后的发展方向。

人脸识别的核心包括两大部分：人脸采集和人脸分析。人脸采集主要用于人脸图片的获取和检测等，便于后续识别和属性分析等操作。人脸分析包括人脸图片的加工处理、特征抽取与对比等操作。采集到较为理想的人脸对于提高识别准确率有重要作用。

1.2 人脸识别解决方案

当前人脸识别有开源的方案如OpenCV[3]等，也有商业的如百度人脸识别、腾讯云人脸识别等。百度人脸识别是一套基于深度学习的人脸识别解决方案[4]，包括人脸检测与属性分析、人脸对比、人脸识别与搜索等功能模块。各功能模块作用如下：

（1）人脸检测与属性分析，主要包括检测图片中的人脸并标记出位置信息，展示人脸核心关键点信息，展示年龄、性别等，返回人脸各部分的遮挡、光照等信息，常用于人脸属性分析、人脸营销活动等。

（2）人脸对比，用于比对两张图片中人脸的相似度，用于刷脸认证等，常用于金融远程开户、刷脸考勤、酒店自助入住等。

（3）人脸识别与搜索，根据给定的人脸照片，在人脸库中搜索，找出最相似的人脸及对应信息，常用于门禁等。

（4）活体检测，用于判断当前操作用户是否为真人，防止用户通过照片、视频等作弊，可通过动作配合式、视频、近红外、3D结构光等作活体检测。

（5）视频流人脸采集，用于实时监测视频流中的人脸，输出人脸图片及相关信息。

2 人脸识别系统设计

2.1 系统框架设计

人脸识别在考试等系统中进行身份识别的一般流程架构如图1所示。

图1 人脸识别流程

如图1所示，考试系统中人脸识别过程主要包括以下步骤：

（1）系统触发。引入RFID校园卡设备，学生通过刷校园卡，触发系统进行人脸采集；或者，通过登录系统，触发系统启动摄像头对学生进行人脸采集。人脸采集时可分别采集不同角度的人脸图像。一般在人脸采集模块集成人脸检测功能，人脸检测在摄像头回显图像时在图像中动态框出人脸的位置和大小。人脸检测可使用Adaboost算法[5]，把若干弱分类方法集成，加权投票，组合出强分类方法。

（2）活体检测。使用可见光进行图像识别容易受到欺骗攻击，如人像照片翻拍攻击、视频攻击等。针对二次翻拍图片，可通过图片中人像的纹理、像素光流、成像畸形等来进行活体检测。另外，一种简单有效的方法是动作配合式检测，系统给出指定动作要求，根据用户是否配合完成来判断是否是活体。

（3）图像预处理。由于实际环境复杂，现场光照、拍摄位置、角度等都会影响人脸识别精度。因此采集设备采集得到的人脸图像并不能直接使用，需进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正等预处理[6]。

（4）特征提取。根据人脸主要特征器官眉毛、眼睛、鼻子、嘴、下巴等的形状及其之间的距离、曲率和角度等几何描述建立数学模型，形成特征值。

（5）人脸比对。根据RFID刷卡标识，从校园卡人脸库中提取该标识的人脸图像特征数据，与采集到的人脸图像特征数据进行距离等相似度计算[7]，并设定阈值，当相似度超过阈值，输出匹配成功，否则匹配失败。

（6）结果处理。根据人脸识别结果，反馈给系统。如果识别结果失败，进行告警，并提示用户当前可能存在作弊现象。

2.2 系统算法实现

我们在PC端使用百度人脸识别API开发了考生身份识别系统。人脸认证关键代码如下：

var client = new Baidu.Aip.Face.Face(API_KEY, SECRET_KEY);

string rlrz = pbRlrz.ImageLocation;

var userid = tbUserid.Text;

var gruopId = cb_grade2.SelectedItem.ToString();

var image = File.ReadAllBytes(rlrz);

var result = client.Verify(userid, gruopId, image);

double score = Convert.ToDouble(result["result"][0]. ToString());

if (score > 80.00) {

//认证成功处理

}

else {

//认证失败处理

}

人脸识别接口返回的结果是json格式：

{

"log_id": 73473737,

"result_num":2,

"result": [ 99.3, 83.6 ]

}

其中，result为识别结果数组，数值为识别值，介于0至100之间，值越大表示识别精度越高。一般达到阈值80以上，便可认为识别成功。

程序界面如图2所示。

图2 人脸识别软件界面

3 人脸识别攻击

当前的人脸识别技术在环境比较理想的情况下已经获得非常高的识别率，但是并不代表人脸识别无懈可击。例如，用户可通过二次翻拍照片来欺骗攻击人脸识别系统。常见的攻击手段主要分为两类，一类是针对单帧图像的欺骗攻击，如二次翻拍攻击、打印照片攻击、屏幕重放攻击等，另一类是针对视频的欺骗攻击。活体检测就是反人脸攻击的安全大门。通常的反人脸攻击可从图像的颜色纹理、非刚性运动变形、材料、光场/像素光流、图像/视频质量等方面进行入手。

4 结束语

文章介绍了人脸识别的关键技术及人脸识别的解决方案，基于人脸识别设计了考生身份识别的框架和流程，开发了基于人脸识别的考生身份验证程序。经过实际使用，人脸识别在较理想的环境里获得比较高的识别率，但同时也存在一些安全性的不足，完善人脸识别程序，提高安全性，探索近红外人脸识别[8]是后续的研究方向。

[1] 王越, 瞿少成, 陈青松. 基于人脸识别技术的社区智能门禁系统的实现[J]. 电子测量技术, 2018, 41(16): 70-73.

[2] 张彤, 王晓红.基于人脸识别技术在考勤中的研究与应用[J]. 电脑编程技巧与维护, 2018(8): 138-140+172.

[3] OpenCV team. Open Source Computer Vision Library. https:// opencv.org [2018-10-11].

[4] 百度. 百度人脸识别API. http://ai.baidu.com/docs#/Face- Detect-V3/top [2018-10-11].

[5] 李新战. 基于改进Adaboost算法的人脸检测方法[J]. 科技经济导刊, 2018, 26(18): 26.

[6] 吴美香, 邓园园, 裴枫华, 等. 基于人脸识别的移动课堂考勤系统的设计与实现[J]. 软件, 2018, 39(1): 5-8.

[7] 谭敏, 邓永志, 兰红. 基于人脸识别的考勤签到APP设计[J]. 通信技术, 2018, 51(8): 1995-2000.

[8] 徐志鹏, 黄敏, 朱启兵. 基于嵌入式的近红外人脸识别系统设计[J]. 数据采集与处理, 2015, 30(1): 211-218.

Application Research of Examinee Identification Based on Face Recognition

YE Shi-yun, HUANG Zhi-cheng

(Guangdong Women’s Polytechnic College, Guangzhou 511450, China)

Fingerprint identification technology has been developed more mature. Typical product is fingerprint attendance, which has high cost, low popularity. In recent years, with the rapid development of face recognition technology, more and more industries apply face recognition technology to save manpower, cost, and improve convenience. Many schools still use the traditional inefficient manual way to check in and identify themselves in examinations. In order to solve the problem, the paper studies the key technologies of face recognition, puts forward a framework of examinee identity verification using face recognition technology, and develops a program of examinee identity recognition based on face recognition. After testing, the recognition basically satisfies the practical application.

Face recognition; Identity recognition; Artificial intelligence; Intelligent invigilator

TP 311

A

10.3969/j.issn.1003-6970.2018.12.009

2018年攀登计划“广东大学生科技创新培育专项资金”(项目编号：pdjhb0793)

叶诗韵(1998-)，女，在读专科生，研究方向：计算机应用；黄志成(1981-)，男，硕士，高级实验师，研究方向：数据挖掘、信息化教学。

叶诗韵，黄志成. 基于人脸识别的考生身份识别应用研究[J]. 软件，2018，39（12）：37-39