“线上考试人脸识别”在光线不足环境中的通过率研究_2026年3月.docx

PAGE

PAGE1

《“线上考试人脸识别”在光线不足环境中的通过率研究》

第一章实践问题识别与需求分析

本章作为研究起点，系统识别实践领域的核心问题，分析利益相关者需求，为后续解决方案设计提供明确导向

1.1现实问题背景与紧迫性分析

1.1.1行业现状与问题表现

随着教育信息化与在线教育的迅猛发展，线上考试已成为各类教育机构、认证机构及企业招聘中广泛采用的评估方式。为确保考试的严肃性与公平性，防止替考等作弊行为，人脸识别技术被深度集成至在线考试系统中，作为考生身份核验的核心环节。该技术通过实时捕捉并比对考生面部特征与预存信息，实现自动化身份验证。然而，当前主流的人脸识别算法，尤其是依赖于可见光成像的二维识别技术，其性能高度依赖于成像环境的光照条件。

在理想光照条件下，系统通常能保持较高的识别通过率与准确性。但在实际应用场景中，考生所处的物理环境千差万别，其中“光线不足”成为一个普遍且棘手的问题。具体表现为，在阴天、傍晚、夜间，或室内灯光昏暗、光源单一、存在强烈背光或侧光的场景下，摄像头捕获的人脸图像质量会显著下降。图像可能出现亮度不足、对比度低、细节模糊、噪声增多以及因光照不均产生的强烈阴影（如“阴阳脸”现象）。这些问题直接干扰了人脸特征点的精准提取与匹配，导致系统频繁触发“认证失败”、“人脸模糊”或“非本人”等错误提示。

这种因环境光照导致的技术不稳定现象，已