[发明专利]基于卷积神经网络的刷脸考试方法

说明书

本发明提供一种基于卷积神经网络的刷脸考试方法，实现在大型考试考生身份的准确核验，保障了考试考核的公平性。本发明包括如下步骤：（1）录入人脸信息；（2）选取数据集；（3）将数据集分为训练数据、验证数据和测试数据；（4）对数据进行预处理；（5）通过加载PIL模块读取图片；（6）对数据进行归一化处理；（7）加载pickle模块；（8）建立模型；（9）完成识别。

技术领域

本发明涉及一种基于卷积神经网络的刷脸考试方法。

背景技术

目前，我国大多数的考试采用的还是传统的身份验证方法，其包括人工核查身份证、机器指纹识别。

人工核查身份证是非常传统的身份识别方法，只需要监考人员比照考生的外貌和身份证上的照片即可，检验简单、易操作、成本低。然而，有些考生可以通过证件造假来找“枪手”替考，故这种传统方法有可以作弊的漏洞。此外，考生身份证拍照时间和考试时间不在同一时期，这可能导致考生身份证上的照片与考生本人的外貌存在差异，使得考生身份验证失败。

而指纹识别系统，报考者必须亲自到现场，报名现场将统一采集报考者的指纹，参考人员需要进行指纹识别才能进入考场参加考试，从一定意义上讲确实起到了很好的防作弊作用。然而，一方面，由于网络考试参考人员工作或生活习惯的原因，部分考生的指纹难以被指纹仪识别，这给网络考试带来了指纹难以录入和识别的问题。另一方面，指纹可以复制作假，考生仍可以通过高科技手段，制作类似于“指 模”的作弊工具，制造假指纹让“枪手”替考。对于快速发展的网络考试，人工监考和指纹验证等传统手段已经不能满足网络考试的需要，为了保证考试的公平性和公正性，研究人员需要大力发展计算机监控技术，利用信息化监控来辅助网络考试系统的运行。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种基于卷积神经网络的刷脸考试方法，实现在大型考试考生身份的准确核验，保障了考试考核的公平性。

本发明解决上述问题所采用的技术方案是：一种基于卷积神经网络的刷脸考试方法，其特征在于：包括如下步骤：

（1）录入人脸信息；

（2）选取数据集；

（3）将数据集分为训练数据、验证数据和测试数据；

（4）对数据进行预处理；

（5）通过加载PIL模块读取图片；

（6）对数据进行归一化处理；

（7）加载pickle模块；

（8）建立模型；

（9）完成识别。

本发明步骤（8）包括如下步骤：

1）建立一个keras的Sequential线性堆叠模型；

2）建立第一个卷积层；

3）建立第一个池化层；

4）建立第二个卷积层；

5）建立第二个池化层；

6）建立平坦层；

7）建立隐藏层；

8）建立输出层。

本发明步骤（6）中，运用numpy.asarray对数据进行归一化处理。

本发明与现有技术相比，具有以下优点和效果：有效解决了目前替考、身份信息易泄露等问题，实现在大型考试考生身份的准确核验，保障了考试考核的公平性。

具体实施方式

下面通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

本发明实施例包括如下步骤：

（1）录入人脸信息；

（2）选取数据集；

（3）将数据集分为训练数据、验证数据和测试数据；

（4）对数据进行预处理；