[发明专利]基于人脸识别的移动端在线学习监督方法

权利要求书

1.基于人脸识别的移动端在线学习监督方法，其特征在于按照以下步骤进行：

1)在线课程单元的基本单位可以按照节来对待，每一节是一个独立的视频文件，监督方法需要获取每一节的视频时长；

2)为了保证是本人，学生第一次现场报到时，学校通过系统采集学生身份证照片导入系统；

3)系统登陆及维护，当学生第一次登陆系统时，需要做的工作是进行人脸信息采集，人脸信息采集将学生照片与之前录入的身份证照片进行比对，比对成功，将学生的人脸信息存到系统中，作为下次人脸识别的对象，为了更加真实的获取学生信息，采集过程中需要学生眨眼，左、右转，人脸识别支持活体检测；

4)学生登陆系统后，首先记录登陆时间t0,选择A课程某章节进行学习，监督方法需要随机做几件事情，第一获取该节视频时长S，第二对该节视频进行随机分段，除分段中的最后一段外，要求每段视频不小于m分钟不大于n分钟，若整个视频小于m分钟，那么就按照1段处理，第三根据第二随机分段来标记分段点，开始为s0,结束点为sn+1，中间点为sn(n>＝1)，下一步监督方法将在每一个时间分段标记点启动人脸识别监督；

5)根据分段标记点，学生在学习视频时候启动视频认证，当登陆时间t0时，打开一段视频进行学习，并持续启动学习记录计时，第一个分段点不启动监督，当学生学习到第二个监督时，系统启动监督方法，人脸识别认证，通过后可以继续学习，不通过或者学生已经离开状态，监督第一次失败，L分钟之内启动第二次监督，仍然无法通过，再次等待L分钟启动第三次监督，仍然无法通过，认证失败，学时将不再保留。

2.按照权利要求1所述基于人脸识别的移动端在线学习监督方法，其特征在于：本发明把采集的一组活体人脸的照片resize成224×224的大小，输入已经设计好的卷积自编码器，提取出重要特征。然后把一组伪人脸图片经上述过程也输入到卷积自编码器，提取出重要特征。因为活体人脸和伪造的人脸在深度、表情等方面都存在不同，因此特征信息也不同。因此，根据两者的特征信息不同建立了一个判别器，特征越接近活体人脸，输出越接近1，特征越接近伪造人脸，输出越接近0。最后，随机输入一张照片，根据提取的特征，看它的输出是接近1还是0即可判别该人脸图像是活体人脸还是伪造人脸。至此，该人脸活体检测算法完成。

3.按照权利要求1所述基于人脸识别的移动端在线学习监督方法，其特征在于：所述卷积自编码器是由一个卷积层+一个BN层+一个ReLu激活层，一个卷积层+一个BN层+一个ReLu激活层+最大池化层，一个卷积层+一个BN层+一个ReLu激活层+最大池化层共11层组成，第一层卷积的卷积核大小为4×4，后两层的卷积核大小为3×3，步长都为1，BN层的目的是通过一定的规范化手段，把每层神经网络输入值的分布强行拉回到均值为0方差为1的标准正态分布，ReLu层的目的是将矩阵中大于0的数保持不变，小于0的数置为0；解码器是由五个反卷积层构成，每个反卷积层后接一个BN层和一个ReLu激活层，最后再加一个卷积核为2×2步长为1的卷积层，共16层网络，通过编码器对输入进行编码，提取输入的重要特征，然后通过解码器对输入进行重构，使得输出的图像尽可能与输入接近，从而使潜变量尽可能描述输入的特征。