[发明专利]一种基于人脸识别的考生信息核对方法

权利要求书

1.一种基于人脸识别的考生信息核对方法，其特征在于，包括以下步骤：

1)获取考生信息数据，包括准考证号、身份证号和相片；

2)获取考生面部特征，生成考生信息数据库；

3)扫描准考证二维码，核对准考证信息；

4)扫描身份证，核对身份证信息；

5)扫描考生脸部，获取考生面部特征，核对是否是本人。

2.根据权利要求1所述的一种基于人脸识别的考生信息核对方法，其特征在于：在步骤1)中，在考生报名阶段，要求考生填写个人基本信息，包括姓名、性别和身份证号，并要求考生拍摄本人照片上传。

3.根据权利要求1所述的一种基于人脸识别的考生信息核对方法，其特征在于：在步骤2)中，根据考生上传的照片，通过人脸识别算法获取考生特征脸，包括以下步骤：

2.1)获取包含M张人脸图像的集合S：

S＝{Γ₁,Γ₂,Γ₂,......,Γ_m}

式中，M表示考生数量，S为考生人脸图像的集合，Γ_m表示第m个考生的人脸图像；

2.2)在获取到人脸向量集合S后，计算得到平均图像Ψ：

把集合S里面的向量遍历一遍进行累加，然后取平均值；

2.3)计算每张图像和平均图像的差值Φ，就是用S集合里的每个元素减去步骤2.2)中的平均值：

Φ_i＝Γ_i-Ψ

2.4)找到M个正交的单位向量u_n，这些单位向量其实是用来描述Φ分布的，un里面的第k个向量u_k是通过下式计算：

其中，Φ_n为第n张图片和平均图片的差值，为u_k的转置向量，k＝1,2,3...M，λ_k为特征值，当λ_k取最小的值时，就能确定u_k的取值；因为M个向量是相互正交而且是单位长度，因此u_k还要满足以下条件：

其中，为u_n里面的第l个向量的转置，δ_lk为冲击函数，上面的等式使得u_k变成单位正交向量，计算上面的u_k其实就是计算如下协方差矩阵的特征向量：

其中A＝{Φ₁,Φ₂,Φ₃,......,Φ_n}

将步骤1)中的考生信息数据和计算出来的特征向量组合起来，生成考生信息数据库。

4.根据权利要求1所述的一种基于人脸识别的考生信息核对方法，其特征在于：在步骤3)中，在考生进入考场的时候，要求考生出示准考证，扫描准考证上面的二维码，获取准考证上面的信息，将准考证上面的信息与考生信息数据库中的信息对比，看姓名、准考证号、考场号和座位号信息是否匹配，如果匹配即可进入下一步。

5.根据权利要求1所述的一种基于人脸识别的考生信息核对方法，其特征在于：在步骤4)中，在考生进入考场的时候，要求考生出示身份证，扫描身份证，获取身份证上面的信息，将身份证上面的信息与考生信息数据库中的信息对比，看身份证号是否匹配，身份证是否在有效期内，如果信息无误，即可进入下一步。

6.根据权利要求1所述的一种基于人脸识别的考生信息核对方法，其特征在于：在步骤5)中，扫描考生脸部，获取考生面部特征，核对是否是本人，包括以下步骤：

5.1)扫描考生脸部，获取考生人脸图像；

5.2)用特征脸对获取到的考生人脸图像进行标示：

其中，为u_k的转置向量，Γ_m表示第m个考生的人脸图像，Ψ为平均图像，ω_k为特征向量，k＝1,2...M，M表示考生数量，对于第k个特征脸u_k，上式能够计算其对应的权重，M个权重能够构成一个向量：

Ω^T＝[ω₁,ω₂,ω₃,......,ω_M]

Ω^T就是求得的特征脸对人脸的表示；

5.3)通过以下公式对人脸进行识别：

ξ_k＝||Ω-Ω_k||²

其中，Ω代表要判别的人脸，Ω_k代表考生信息数据库里面的某个人脸，两者都是通过特征脸的权重来表示的；ξ_k为两者的欧式距离，当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的；当遍历所有训练集都大于阈值时，根据距离值的大小确定是否是本人；

最后，通过核对准考证、身份证和人脸特征，三者都符合的时候，才能够确认是考生本人，才能够让考生进入考场考试。