基于多种技术远程考试中考生识别系统研究.docVIP

基于多种技术远程考试中考生识别系统研究 　　摘 要：本文通过分析现在流行的远程考试识别的各种应用技术的优缺点，提出了一次性指纹识别和过程中人脸识别两种识别技术有机结合的方式，最大程度的发挥了两种识别方式的优势，提高了识别的机率，在现实中具有很高的实际应用价值。 　　关键词：远程；网络；指纹识别；人脸识别；结合 　　中图分类号：V321.229 文献标识码：A 文章编号：1674-7712 （2014） 02-0000-02 　　随着互联网的普及，在线远程考试成为一种新型的考试手段。这种考试可以突破地域的限制，只要连上互联网，就算隔着千山万水也可以通过网络提交试卷，考生不用再不远千里来到考试的地方，节约了人力物力。距离有了，但安全问题伴随而来，在这种考试方式中，如何准确的对考生进行识别，最大程度的防止替考等作弊现象的出现，是一个很重要的问题。远程考试不同于现场考试，现场考试只要在考生入场时核对考生信息即可，因为有监考老师等人员的存在，不存在中途换人的可能性，基本可以保证考试过程中考生的真实性。而通过网络进行的远程考试，由于没有监考人员的实时监督，如何保证在整个考试过程中，考生的真实身份，是考试系统亟待解决的问题。人脸识别当然是人们首先想到的解决问题的办法，而且在很多领域，例如驾照考试、公安系统中，得到了广泛的应用。但是其缺点和存在的安全隐患也不容忽视，如人脸识别率受多种因素影响，例如光照、年龄的增长、同卵双胞胎以及整容等。 　　指纹识别是目前发展的比较成熟的另外一种识别技术，在考勤、门禁、保险箱等方面应用尤为广泛，近期也被应用在考试中，一般现场考试的情况居多，因为在远程考试中，没有固定的监考人员，一旦在考试过程中，不可能时时采集指纹，所以单靠指纹识别也无法完成考生身份的认证。因此，利用一种手段来解决考生身份认证的问题，已经不可靠了，将人脸识别和指纹识别及密码验证机制等技术综合起来，放入远程考试系统将大大提高系统识别考生的能力。 　　一、系统的构成 　　整个系统由以下几个模块构成：1.验证模块：考试时，由考生输入准考证号和姓名，如果正确，直接进入人脸识别模块；2.识别模块：考试时，通过摄像头采集考生面部特征，送至远端数据库存储，作为考试过程中对比的依据；3.识别模块：通过指纹采集装置，采集考生指纹，与远程服务器端保留的指纹进行核对，如果匹配，则进入正式考试。4.通信模块：服务器端与客户端进行通信，在考试过程中，传输客户端向服务器端发送的信息，服务器端返回应答信息。 　　根据远程考试系统利用互联网的特点，整个系统使用B/S架构，进行考试的考生的电脑需配备一个500万像素以上的摄像头和指纹识别器一台。摄像头用来采集人的面部特征，指纹识别器用来采集指纹。整个识别系统的结构如下： 　　工作过程： 　　基于多项技术的远程考试考生识别系统在进入考试系统之前，需考生完成三个步骤：第一步：登陆考试网站，输入本次考试的准考证号和姓名，点击登陆，将数据送往服务器数据中心进行比对，如果场次和姓名都正确，则进入第二步；第二步：打开摄像头，搜寻辐射范围内是否有人脸，然后捕捉人脸特征，采集特征信息，进行预处理后，将处理后的图像送至服务器端，服务器端接收到图像后，提取关键特征信息，存入事先建好的数据库，进行存储即可。在整个考试过程中，为防止中间换人，替考事件的发生，每隔一个随机时间，还会采集考生的脸部图像进行识别。第三步：采集完脸部信息后，进入考生识别的最后一个阶段，通过指纹识别装置采集考生的指纹，提取指纹特征数据，送回至服务器端，与数据库中存储的指纹信息进行对比，如果对比成功，则允许考生进入考生系统，进行考试，考试系统正式开始计时。 　　二、关键技术分析 　　（一）面部关键特征定位及检测技术。检测的基础，使面部关键特征的检测，检测的重点是脸的位置和眼睛嘴巴等主要器官的形状信息。灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。本系统采用可变形模板，其主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。眼睛是脸部最重要的器官，它们的精确定位是识别的关键。基于区域增长的眼睛定位技术，充分利用了眼睛是脸部区域内中心的左上方和右上方的灰度谷区这一特性，精确快速的定位两个眼睛瞳孔中心位置。该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中，估计鼻子的初始位置，然后定义两个初始搜索矩形，分别向左右两眼所处的大致位置生长。该算法