基于人臉識別的考生身份識別應用研究

葉詩韻，黃志成

?

基于人臉識別的考生身份識別應用研究

葉詩韻，黃志成

（廣東女子職業技術學院，廣東 廣州 511450）

指紋身份識別技術目前已發展得比較成熟，典型的產品是指紋考勤，但指紋識別產品成本較高，普及度低。近些年，人臉識別技術發展迅速，越來越多的行業應用人臉識別技術，節省人力和成本，提高便捷性。針對當前很多學校仍然通過傳統的低效率人工方式進行考勤、考試身份識別，文章研究了人臉識別關鍵技術，提出了使用人臉識別技術來對考生身份進行驗證框架，并開發了一個基于人臉識別的考生身份識別的程序。經過測試，識別效果基本滿足實際應用。

人臉識別；身份識別；人工智能；智能監考

0 引言

近年來，隨著圖像處理和人工智能技術的不斷發展，越來越多的行業領域應用上了人臉識別。刷臉進高鐵、刷臉進門、刷臉考勤等場景進入我們的生活[1]。刷臉減少了人力，方便了用戶，使得我們的生活越來越智能化。人臉作為一種生物特征，與指紋、虹膜、聲紋等生物特征一樣具有唯一、不易被復制等特性，與其它生物特征相比，人臉具有非強制性、非接觸性、隱蔽性等特點[2]，無需專門采集設備，也不需要接觸設備，可在不知不覺中完成人臉識別、搜索等。正因為人臉具有諸多優點，人臉識別常被用來作為身份鑒別的重要依據。

當前仍存在相當多的學校使用傳統的人工考勤、人工鑒別考生身份的方法，人力消耗大，智能化程度低。因此，研究利用人臉識別進行考生身份驗證具有應用意義。本文基于百度人臉識別技術，提出了基于人臉識別技術對考生身份進行識別的框架流程，并開發了相關的應用程序。

1 人臉識別關鍵技術

1.1 人臉識別技術

人臉識別技術在深度學習出現后，變得流行起來。當前應用較多的人臉識別技術主要是針對可見光圖像，這種方式受環境光照影響較大，光照不好時識別效果會嚴重下降。目前有些替代方案如三維圖像人臉識別、熱成像人臉識別等，但技術還不成熟。使用近紅外圖像的多光源人臉識別技術，是今后的發展方向。

人臉識別的核心包括兩大部分：人臉采集和人臉分析。人臉采集主要用于人臉圖片的獲取和檢測等，便于后續識別和屬性分析等操作。人臉分析包括人臉圖片的加工處理、特征抽取與對比等操作。采集到較為理想的人臉對于提高識別準確率有重要作用。

1.2 人臉識別解決方案

當前人臉識別有開源的方案如OpenCV[3]等，也有商業的如百度人臉識別、騰訊云人臉識別等。百度人臉識別是一套基于深度學習的人臉識別解決方案[4]，包括人臉檢測與屬性分析、人臉對比、人臉識別與搜索等功能模塊。各功能模塊作用如下：

（1）人臉檢測與屬性分析，主要包括檢測圖片中的人臉并標記出位置信息，展示人臉核心關鍵點信息，展示年齡、性別等，返回人臉各部分的遮擋、光照等信息，常用于人臉屬性分析、人臉營銷活動等。

（2）人臉對比，用于比對兩張圖片中人臉的相似度，用于刷臉認證等，常用于金融遠程開戶、刷臉考勤、酒店自助入住等。

（3）人臉識別與搜索，根據給定的人臉照片，在人臉庫中搜索，找出最相似的人臉及對應信息，常用于門禁等。

（4）活體檢測，用于判斷當前操作用戶是否為真人，防止用戶通過照片、視頻等作弊，可通過動作配合式、視頻、近紅外、3D結構光等作活體檢測。

（5）視頻流人臉采集，用于實時監測視頻流中的人臉，輸出人臉圖片及相關信息。

2 人臉識別系統設計

2.1 系統框架設計

人臉識別在考試等系統中進行身份識別的一般流程架構如圖1所示。

圖1 人臉識別流程

如圖1所示，考試系統中人臉識別過程主要包括以下步驟：

（1）系統觸發。引入RFID校園卡設備，學生通過刷校園卡，觸發系統進行人臉采集；或者，通過登錄系統，觸發系統啟動攝像頭對學生進行人臉采集。人臉采集時可分別采集不同角度的人臉圖像。一般在人臉采集模塊集成人臉檢測功能，人臉檢測在攝像頭回顯圖像時在圖像中動態框出人臉的位置和大小。人臉檢測可使用Adaboost算法[5]，把若干弱分類方法集成，加權投票，組合出強分類方法。

（2）活體檢測。使用可見光進行圖像識別容易受到欺騙攻擊，如人像照片翻拍攻擊、視頻攻擊等。針對二次翻拍圖片，可通過圖片中人像的紋理、像素光流、成像畸形等來進行活體檢測。另外，一種簡單有效的方法是動作配合式檢測，系統給出指定動作要求，根據用戶是否配合完成來判斷是否是活體。

（3）圖像預處理。由于實際環境復雜，現場光照、拍攝位置、角度等都會影響人臉識別精度。因此采集設備采集得到的人臉圖像并不能直接使用，需進行光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正等預處理[6]。

（4）特征提取。根據人臉主要特征器官眉毛、眼睛、鼻子、嘴、下巴等的形狀及其之間的距離、曲率和角度等幾何描述建立數學模型，形成特征值。

（5）人臉比對。根據RFID刷卡標識，從校園卡人臉庫中提取該標識的人臉圖像特征數據，與采集到的人臉圖像特征數據進行距離等相似度計算[7]，并設定閾值，當相似度超過閾值，輸出匹配成功，否則匹配失敗。

（6）結果處理。根據人臉識別結果，反饋給系統。如果識別結果失敗，進行告警，并提示用戶當前可能存在作弊現象。

2.2 系統算法實現

我們在PC端使用百度人臉識別API開發了考生身份識別系統。人臉認證關鍵代碼如下：

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) {

//認證成功處理

}

else {

//認證失敗處理

}

人臉識別接口返回的結果是json格式：

{

"log_id": 73473737,

"result_num":2,

"result": [ 99.3, 83.6 ]

}

其中，result為識別結果數組，數值為識別值，介于0至100之間，值越大表示識別精度越高。一般達到閾值80以上，便可認為識別成功。

程序界面如圖2所示。

圖2 人臉識別軟件界面

3 人臉識別攻擊

當前的人臉識別技術在環境比較理想的情況下已經獲得非常高的識別率，但是并不代表人臉識別無懈可擊。例如，用戶可通過二次翻拍照片來欺騙攻擊人臉識別系統。常見的攻擊手段主要分為兩類，一類是針對單幀圖像的欺騙攻擊，如二次翻拍攻擊、打印照片攻擊、屏幕重放攻擊等，另一類是針對視頻的欺騙攻擊。活體檢測就是反人臉攻擊的安全大門。通常的反人臉攻擊可從圖像的顏色紋理、非剛性運動變形、材料、光場/像素光流、圖像/視頻質量等方面進行入手。

4 結束語

文章介紹了人臉識別的關鍵技術及人臉識別的解決方案，基于人臉識別設計了考生身份識別的框架和流程，開發了基于人臉識別的考生身份驗證程序。經過實際使用，人臉識別在較理想的環境里獲得比較高的識別率，但同時也存在一些安全性的不足，完善人臉識別程序，提高安全性，探索近紅外人臉識別[8]是后續的研究方向。

[1] 王越, 瞿少成, 陳青松. 基于人臉識別技術的社區智能門禁系統的實現[J]. 電子測量技術, 2018, 41(16): 70-73.

[2] 張彤, 王曉紅.基于人臉識別技術在考勤中的研究與應用[J]. 電腦編程技巧與維護, 2018(8): 138-140+172.

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

[4] 百度. 百度人臉識別API. http://ai.baidu.com/docs#/Face- Detect-V3/top [2018-10-11].

[5] 李新戰. 基于改進Adaboost算法的人臉檢測方法[J]. 科技經濟導刊, 2018, 26(18): 26.

[6] 吳美香, 鄧園園, 裴楓華, 等. 基于人臉識別的移動課堂考勤系統的設計與實現[J]. 軟件, 2018, 39(1): 5-8.

[7] 譚敏, 鄧永志, 蘭紅. 基于人臉識別的考勤簽到APP設計[J]. 通信技術, 2018, 51(8): 1995-2000.

[8] 徐志鵬, 黃敏, 朱啟兵. 基于嵌入式的近紅外人臉識別系統設計[J]. 數據采集與處理, 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年攀登計劃“廣東大學生科技創新培育專項資金”(項目編號：pdjhb0793)

葉詩韻(1998-)，女，在讀專科生，研究方向：計算機應用；黃志成(1981-)，男，碩士，高級實驗師，研究方向：數據挖掘、信息化教學。

葉詩韻，黃志成. 基于人臉識別的考生身份識別應用研究[J]. 軟件，2018，39（12）：37-39