基于深度学习的考前考场身份验证系统解决方案UML软件建模

胡 洁，朱 磊，杨子腾

（南华大学计算机学院，衡阳 421001）

0 引言

目前我国每年线下考试的数量不断增加，考试人员数量规模越来越大，必要环境下的大规模线下活动需全程做好个人防护。如此种种，使得考前身份验证工作负担增加，对监考人员需求和工作量要求越来越高，考生提前到达考点等待的时间不断变长，考前身份验证工作“繁”且“重”，但又是保证考试公平的前提所在［1］。

随着5G、人工智能等新一代信息技术的蓬勃发展，智慧医疗、智慧交通等正从专家的预言变为现实，并日益深刻影响着人们的生产、生活［2］。如果将考前身份验证工作交于人工智能［3］，工作效率和速度将得到极大提升，可以在保证验证正确率的情况下，极大地减少监考人员的工作量，亦可使得考生不用因验证工作繁琐而耽误入场考试。

1 问题描述与解决方案

1.1 问题描述

目前的线下考试经常出现考生准考证丢失无法参加考试和提前较长时间到达考点，然后排队等待入场等情况。其原因主要在于当前考场以纸质准考证为准的人工身份验证机制导致监考人员检查考生入场的效率低下。有时甚至会导致考生进考场较迟没有充分时间做考前准备工作而影响考试发挥，亦或是因监考人员工作量巨大引起疲劳使得最后工作未做好导致冒充人员进入考场影响考试的公平性。

目前的线下考试考前身份验证工作如下：考生准备好准考证和身份证（特殊情况还需要相关证明）提前到达考场排队等待入场。监考人员比对考生的身份证和准考证信息，如姓名、18位的身份证号、准考证号（一般不低于10 位）、考场号和考生本人的人脸信息，特殊情况下还有诸如行程码证明和体温等信息。如果有缺考的情况，需监考人员一一排查，而后等待考试结束将缺考考生信息上报至考试管理中心处。考试管理中心工作人员将所有监考人员上报的信息整理汇总，而后做出相应处理。这种人工方式效率比较低，且容易出错。

1.2 解决方案

如果将人工智能等技术引入线下考场，考生能免去一系列繁琐流程快速入场做好考前准备，监考人员也可以减少大量的工作量来提高整体的效率，且当前现有相关技术能达到的准确率远超人工操作［4］。基于深度学习的考前考场身份验证系统的大致业务如下：

（1）考试管理中心相关工作人员提前将参与本次考试的考生信息上传至系统数据库。

（2）考生提前将自己的相关证明等信息通过考生端上传到系统，由系统来检查是否符合要求，若不符合要求则后继工作由相关人员联系考生处理。考试当天考生只需要带上自己的身份证即可参加考试。

（3）检查人员在入场工作时使用便携的微型摄像头和红外传感器等集成设备扫描考生的身份证和拍摄人脸进行人脸识别，同时进行人体体温测量，实时将相关数据传到系统后台，由系统来对比验证考生信息，然后给出诸如语音播报或指示灯等类的反馈。

2 用例建模

2.1 用例图

由1.2 节的分析可得该系统的用例图如图1所示。

2.2 用例文档

（1）“导入考生信息”用例文档见表1。

表1 “导入考生信息”用例文档

（2）“查看验证情况”用例文档见表2。

表2 “查看验证情况”用例文档

（3）“上传证明信息”用例文档见表3。

表3 “上传证明信息”用例文档

（4）“验证考生信息”用例文档见表4。

表4 “验证考生信息”用例文档

表5 关键抽象信息

3 用例分析

3.1 关键抽象

3.2 识别分析类

（1）根据上述2 小节中用例分析定义边界类，如图2所示。

图2 用例边界类分析

（2）根据上述2小节中每一个用例定义控制类，如图3所示。

图3 用例控制类分析

（3）根据上述2小节中用例分析定义实体类如图4所示。

图4 用例实体类分析

3.3 分析交互

（1）根据前述分析所得的业务用例和分析类分析“导入考生信息”用例交互分析如图5所示。

图5 导入考生信息交互分析

（2）“验证考生信息”用例分析如图6 所示。

图6 验证考生信息交互分析

4 结语

本文针对目前线下大型考试考前身份验证过程中的一系列问题，结合当前AI 技术发展的背景，提出了一种基于深度学习的考前考场身份验证系统的解决方案，并对该系统进行了UML 建模［5］，通过用例建模等详细地阐述了系统需求，同时对用例进行了分析。在以后的工作中，我们将基于此建模过程来逐步实现该系统，让解决方案真正落地，同时会基于一些真实的线下考试场景来测试该系统。