CN107742100A - 一种考生身份验证方法及终端设备 - Google Patents
一种考生身份验证方法及终端设备 Download PDFInfo
- Publication number
- CN107742100A CN107742100A CN201710945925.7A CN201710945925A CN107742100A CN 107742100 A CN107742100 A CN 107742100A CN 201710945925 A CN201710945925 A CN 201710945925A CN 107742100 A CN107742100 A CN 107742100A
- Authority
- CN
- China
- Prior art keywords
- examinee
- facial image
- identity information
- registration
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001815 facial effect Effects 0.000 claims abstract description 231
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013475 authorization Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于人脸识别技术领域，尤其涉及一种考生身份验证方法及终端设备。本发明实施例在考前报名时，获取报名考生上传的人脸图像及身份信息，若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中。当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像，在所述人脸库中查找与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。通过本发明，杜绝了出现徇私舞弊的情况，且使得人脸匹配的精度及稳定性均大大提升，验证结果较之人工比对有更高的准确率。
Description
技术领域
本发明属于人脸识别技术领域，尤其涉及一种考生身份验证方法及终端设备。
背景技术
在当今各类考试中，代考是考生作弊的一种常用手段。鉴别考生身份的真实性，成为了当前考试管理工作的一大难点，如果在考试前无法有效鉴别考生身份，必将影响考试的结果、公平性和成绩的真实性，造成考试以及人才选拔的不公平。但目前普遍采用的仍是通过监考教师人工验证考生身份的方法，监考教师根据考生照片凭借自己的主观感受来判断参加考试的人员是否为考生本人，准确率难以保证，且容易出现徇私舞弊的情况。
发明内容
有鉴于此，本发明实施例提供了一种考生身份验证方法及终端设备，以减少人为因素干扰，提高考生身份验证的准确率。
本发明实施例的第一方面提供了一种考生身份验证方法，可以包括：
在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
在所述人脸库中查找与所述考生的信息一致的身份信息；
若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
在所述人脸库中查找与所述考生的信息一致的身份信息；
若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
本发明实施例的第三方面提供了一种考生身份验证终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
在所述人脸库中查找与所述考生的信息一致的身份信息；
若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息，在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像，以所述查找到的人脸图像为参照计算所述报名考生上传的人脸图像的可信度，若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中。当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像，在所述人脸库中查找与所述考生的信息一致的身份信息，若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。由于采用人脸匹配技术取代了传统的人工比对的方式，杜绝了出现徇私舞弊的情况，而且考生考前上传的人脸图像在添加入人脸库之前，经过了两个以上经过合法授权的身份信息数据库的可信度验证，只有在可信度足够高时，才能添加入人脸库，使得人脸匹配的精度及稳定性均大大提升，可以保证验证结果较之人工比对有更高的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种考生身份验证方法在考前报名阶段的一个实施例流程图；
图2为本发明实施例中一种考生身份验证方法步骤S103在一个应用场景下的示意流程图；
图3为本发明实施例中一种考生身份验证方法中更新身份信息数据库中的人脸图像的示意流程图；
图4为本发明实施例中一种考生身份验证方法在考试现场阶段的一个实施例流程图；
图5为本发明实施例提供的考生身份验证终端设备的示意框图；
图6为本发明实施例提供的考生身份验证程序的程序模块图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明为了保证考生身份验证的准确性，采取了双重的人脸识别，首先，在报名时，对考生上传的用于考试使用的人脸图像进行人脸识别，然后，在考场上，对现场采集的考生的人脸图像进行人脸识别，最大程度保证了身份验证的准确性。
请参阅图1，本发明实施例中一种考生身份验证方法在考前报名阶段的一个实施例可以包括：
步骤S101、在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息。
例如，考试主办方可以向报名考生提供进行报名的官方微信公众号，报名考生关注该微信公众号后，则可选择进入人脸图像采集界面，通过手机自拍上传人脸图像，并在微信公众号内填写身份信息，方便报名考生随时随地进行报名，简单快捷。
可选地，所述网络渠道还可以包括微信小程序、官方网站、官方APP等等，本实施例对此不作具体限定。
所述身份信息可以包括姓名、身份证号以及学籍号等。
步骤S102、在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像。
所述身份信息数据库可以是公安部门、民政部门、教育部门等具有一定权威的政府行政机构或者事业单位的数据库。为了避免单一来源的数据可能存在的偏差，本实施例中使用两个以上的身份信息数据库，大大增加了数据的可靠性。
步骤S103、以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度。
优选地，步骤S103具体可以包括如图2所示的步骤：
步骤S1031、将所述报名考生上传的人脸图像分别与所述查找到的人脸图像进行匹配，得到所述报名考生上传的人脸图像与所述查找到的人脸图像之间的匹配度。
由于本实施例中使用了两个以上的身份信息数据库，一般地，在每个身份信息数据库中均可以查找到与所述身份信息相对应的人脸图像，因此会查找到多个人脸图像。所述报名考生上传的人脸图像与每个查找到的人脸图像之间均有一个匹配度，将所述报名考生上传的人脸图像分别与这些人脸图像进行匹配，可以得到多个匹配度。
例如，将所述报名考生上传的人脸图像记做人脸图像1，将在公安部门查找到的人脸图像记做人脸图像2，将在民政部门查找到的人脸图像记做人脸图像3，将在公安部门查找到的人脸图像记做人脸图像4，则将人脸图像1分别与人脸图像2、人脸图像3和人脸图像4进行人脸匹配，分别得到匹配度1，匹配度2和匹配度3。
在本实施例中，可以通过局部二值模式(Local Binary Patterns，LBP)算法来进行人脸匹配，具体地，构造一种衡量一个脸部像素点与其周围像素点的关系，对人脸图像中的每个像素，通过计算以其为中心的邻域内各像素和中心像素的大小关系，把像素的灰度值转化为一个八位二进制序列。以中心点的像素值为阈值，如果邻域点的像素值小于中心点，则邻域点被二值化为0，否则为1；将二值化得到的0、1序列看成一个8位二进制数，将该二进制数转化为十进制就可得到中心点处的LBP值。计算出每个脸部像素点的LBP值后，将LBP特征谱的统计直方图确定为人脸的特征向量。由于利用了周围点与该点的关系对该点进行量化。量化后可以更有效地消除光照对图像的影响。只要光照的变化不足以改变两个点像素值之间的大小关系，那么LBP值不会发生变化，即保证了脸部特征信息提取的准确性，在获得了两个待匹配的人脸图像的脸部特征信息后，即可以通过直方图交叉核方法(Histogram intersection)或者卡方统计方法(Chi square statistic)计算两者的匹配度。
特别需要注意的是，上述算法仅为进行人脸匹配的一种实现，还可以根据实际情况选择其它算法，例如主成分分析(Principal Component Analysis，PCA)算法、线性鉴别分析(Linear Discriminant Analysis，LDA)算法等，本实施例对此不作具体限定。
步骤S1032、获取所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间。
步骤S1033、根据所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间计算所述身份信息数据库的权值。
所述身份信息数据库的权值与所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间的早晚负相关，若更新时间越早，则说明该人脸图像越陈旧，与该考生当前的差别越大，因此其权值应该越低，若更新时间越晚，则说明该人脸图像越新，与该考生当前的差别越小，因此其权值应该越高。
作为示例，以下示出了一种具体的根据最后更新时间来计算权值的方法：首先，计算各个身份信息数据库的所述更新时间距离当前时刻的时长，然后将其求和，得到总时长，并将总时长分别除以各个身份信息数据库的所述更新时间距离当前时刻的时长，最后求得所得之商的总和，并将各个商占该总和的比值分别确定为各个身份信息数据库的权值。
例如，若公安部门的人脸图像2最后一次的更新时间距离当前时刻的时长为5个月，民政部门的人脸图像3最后一次的更新时间距离当前时刻的时长为4个月，教育部门的人脸图像4最后一次的更新时间距离当前时刻的时长为1个月，将其求和得到总时长为10个月，然后将总时长分别除以各个身份信息数据库的所述更新时间距离当前时刻的时长，分别得到10/5＝2、10/4＝2.5、10/1＝10，所得之商的总和为2+2.5+10＝14.5，最后计算2/14.5＝0.138、2.5/14.5＝0.172、10/14.5＝0.69，即公安部门的身份信息数据库的权值为0.138，民政部门的身份信息数据库的权值为0.172，教育部门的身份信息数据库的权值为0.69。
特别需要注意的是，上述计算方法仅为计算所述身份信息数据库的权值的一种实现，还可以根据实际情况选择其它计算方法，本实施例对此不作具体限定。
步骤S1034、使用所述身份信息数据库的权值对所述匹配度进行加权，并将加权后的所述匹配度之和确定为所述报名考生上传的人脸图像的可信度。
例如，通过步骤S1031计算得到所述报名考生上传的人脸图像1与公安部门查找到的人脸图像2的匹配度为0.9，与民政部门查找到的人脸图像3的匹配度为0.95，与教育部门查找到的人脸图像4的匹配度为0.8，通过步骤S1033计算得到公安部门的身份信息数据库的权值为0.138，民政部门的身份信息数据库的权值为0.172，教育部门的身份信息数据库的权值为0.69，则可计算所述报名考生上传的人脸图像的可信度为0.9*0.138+0.95*0.172+0.8*0.69＝0.8396。
步骤S104、判断所述报名考生上传的人脸图像的可信度是否大于第一阈值。
若所述报名考生上传的人脸图像的可信度小于或等于第一阈值，则执行步骤S105，若所述报名考生上传的人脸图像的可信度大于第一阈值，则执行步骤S108。
步骤S105、将预设的第一计数器加一。
所述第一计数器用来对所述报名考生上传的人脸图像的可信度小于或等于第一阈值的次数进行计数，容易理解地，所述第一计数器的初始值为0。
步骤S106、判断所述第一计数器是否小于第二阈值。
若所述第一计数器小于所述第二阈值，则返回执行步骤S101，若所述第一计数器大于或等于所述第二阈值，则执行步骤S107。
一般地，可以将所述第二阈值设置为3，即最多获取3次所述报名考生上传的人脸图像。
步骤S107、进行报名异常处理。
首先，获取所述报名考生通过所述网络渠道上传的身份证图像及所述报名考生手持身份证的图像，然后，提取所述身份证图像中的身份信息，若所述身份证图像中的身份信息与所述报名考生上传的身份信息一致，则将所述报名考生手持身份证的图像与所述报名考生上传的人脸图像进行人脸匹配，若所述报名考生手持身份证的图像与所述报名考生上传的人脸图像匹配成功，则执行步骤S108，若匹配失败，则通过微信公众号、短信等方式通知所述报名考生需进行线下核实。
针对特殊情况，例如某些考生不幸毁容，也可以采用线下核实的方式对考生的身份进行查验。比如，考生可以自行到相关行政机关要求出具相关身份确认证明，然后将身份确认证明提交到指定的机构或者上传到系统，完成复核。或者，考生也可以到指定的机构进行复核，复核人员询问考生原因和背景等问题，并记录在案，最后根据具体情况出具复核结果。复核结果出具后，需要通过微信公众号、短信等方式通知考生。
步骤S108、将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中。
添加入所述人脸库中的人脸图像及身份信息将作为后续考试时对考生进行身份识别的比对基准。
优选地，在步骤S108之后，还可以包括如图3所示的步骤：
步骤S301、获取所述身份信息数据库对人脸图像的尺寸及背景颜色的要求。
步骤S302、按照所述身份信息数据库对人脸图像的尺寸及背景颜色的要求分别调整所述报名考生上传的人脸图像，得到调整后的人脸图像。
步骤S303、将所述身份信息数据库中的人脸图像更新为所述调整后的人脸图像。
所述身份信息数据库为用于查找与所述身份信息相对应的人脸图像的多个(两个以上)数据库。由于不同的身份信息数据库对人脸图像的尺寸及背景颜色的要求可能是不同的，因此，需要分别获取每个身份信息数据库对人脸图像的尺寸及背景颜色的要求，并分别根据这些要求对所述报名考生上传的人脸图像进行调整。
例如，若公安部门的身份信息数据库对人脸图像的尺寸的要求是1寸，对背景颜色的要求为红色，则将所述报名考生上传的人脸图像进行调整，得到1寸的红色背景人脸图像，然后将公安部门的身份信息数据库中的人脸图像更新为调整后的人脸图像；若民政部门的身份信息数据库对人脸图像的尺寸的要求是2寸，对背景颜色的要求为蓝色，则将所述报名考生上传的人脸图像进行调整，得到2寸的蓝色背景人脸图像，然后将民政部门的身份信息数据库中的人脸图像更新为调整后的人脸图像；若教育部门的身份信息数据库对人脸图像的尺寸的要求是1寸，对背景颜色的要求为蓝色，则将所述报名考生上传的人脸图像进行调整，得到1寸的蓝色背景人脸图像，然后将教育部门的身份信息数据库中的人脸图像更新为调整后的人脸图像。
通过图3所示的步骤，所述报名考生上传的人脸图像会同步到该考生学习及生活的方方面面，包括入学考试、考试后的入学、毕业、就业等阶段，均在同一个时期使用同一张照片，这样可以有效减少替考的现象。
请参阅图4，本发明实施例中一种考生身份验证方法在考试现场阶段的一个实施例可以包括：
步骤S401、当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像。
例如，监控老师可以通过指定的手机、平板电脑等验证设备拍摄所述考生的人脸图像，并利用所述验证设备扫描所述考生的准考证上的二维码来获取所述考生的信息。
步骤S402、判断在所述人脸库中是否查找到与所述考生的信息一致的身份信息。
若在所述人脸库中查找到与所述考生的信息一致的身份信息，则执行步骤S403，若在所述人脸库中无法查找到与所述考生的信息一致的身份信息，则执行步骤S406。
步骤S403、判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配。
在本实施例中，可以通过局部二值模式(Local Binary Patterns，LBP)算法来进行人脸匹配，具体地，构造一种衡量一个脸部像素点与其周围像素点的关系，对人脸图像中的每个像素，通过计算以其为中心的邻域内各像素和中心像素的大小关系，把像素的灰度值转化为一个八位二进制序列。以中心点的像素值为阈值，如果邻域点的像素值小于中心点，则邻域点被二值化为0，否则为1；将二值化得到的0、1序列看成一个8位二进制数，将该二进制数转化为十进制就可得到中心点处的LBP值。计算出每个脸部像素点的LBP值后，将LBP特征谱的统计直方图确定为人脸的特征向量。由于利用了周围点与该点的关系对该点进行量化。量化后可以更有效地消除光照对图像的影响。只要光照的变化不足以改变两个点像素值之间的大小关系，那么LBP值不会发生变化，即保证了脸部特征信息提取的准确性，在获得了两个待匹配的人脸图像的脸部特征信息后，即可以通过直方图交叉核方法(Histogram intersection)或者卡方统计方法(Chi square statistic)计算两者的匹配度。
然后判断计算得到两者的匹配度大于第三阈值，若两者的匹配度大于所述第三阈值，则判定所述考生的人脸图像与所述查找到的身份信息对应的人脸图像匹配，若两者的匹配度小于或等于所述第三阈值，则判定所述考生的人脸图像与所述查找到的身份信息对应的人脸图像不匹配。
特别需要注意的是，上述算法仅为进行人脸匹配的一种实现，还可以根据实际情况选择其它算法，例如主成分分析(Principal Component Analysis，PCA)算法、线性鉴别分析(Linear Discriminant Analysis，LDA)算法等，本实施例对此不作具体限定。
若所述考生的人脸图像与所述查找到的身份信息对应的人脸图像不匹配，则执行步骤S404，若所述考生的人脸图像与所述查找到的身份信息对应的人脸图像匹配，则执行步骤S407。
步骤S404、将预设的第二计数器加一。
所述第二计数器用来对所述考生的人脸图像与所述人脸库中的人脸图像匹配失败的次数进行计数，容易理解地，所述第二计数器的初始值为0。
步骤S405、判断所述第二计数器是否小于第四阈值。
若所述第二计数器小于所述第四阈值，则返回执行步骤S401，若所述第一计数器大于或等于所述第二阈值，则执行步骤S406。
一般地，可以将所述第四阈值设置为3，即最多采集3次所述考生的人脸图像。
步骤S406、确定所述考生的身份验证不通过。
步骤S407、确定所述考生的身份验证通过。
在本实施中，可以通过页面显示或者语音播报的方式输出身份验证结果。
优选地，在完成身份验证且检测到网络信号的情况下，建立与指定服务器之间的通信连接，将所述考生的信息、所述考生的人脸图像以及对应的身份验证结果发送至所述服务器，以便所述服务器进行统计分析以及留档备案。
综上所述，本发明实施例在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息，在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像，以所述查找到的人脸图像为参照计算所述报名考生上传的人脸图像的可信度，若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中。当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像，在所述人脸库中查找与所述考生的信息一致的身份信息，若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。由于采用人脸匹配技术取代了传统的人工比对的方式，杜绝了出现徇私舞弊的情况，而且考生考前上传的人脸图像在添加入人脸库之前，经过了两个以上经过合法授权的身份信息数据库的可信度验证，只有在可信度足够高时，才能添加入人脸库，使得人脸匹配的精度及稳定性均大大提升，可以保证验证结果较之人工比对有更高的准确率。
对应于上文实施例所述的考生身份验证方法，图5示出了本发明实施例提供的考生身份验证终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
在本实施例中，所述考生身份验证终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该考生身份验证终端设备可包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述考生身份验证终端设备5的内部存储单元，例如考生身份验证终端设备5的硬盘或内存。所述存储器51也可以是所述考生身份验证终端设备5的外部存储设备，例如所述考生身份验证终端设备5上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述考生身份验证终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述考生身份验证终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
请参阅图6，是本发明实施例提供的计算机程序52的程序模块图。在本实施例中，所述的计算机程序52可以被分割成一个或多个程序模块，所述一个或者多个程序模块被存储于所述存储器51中，并由所述处理器50所执行，以完成本发明。例如，在图6中，所述的计算机程序52，也即考生身份验证程序可以被分割成人脸图像获取模块601、人脸图像查找模块602、可信度评估模块603、第一人脸图像添加模块604、人脸图像采集模块605、身份信息查找模块606、人脸图像匹配模块607。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述计算机程序52在所述考生身份验证终端设备中的执行过程。以下描述将具体介绍所述程序模块601-607的功能。
人脸图像获取模块601，用于在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
人脸图像查找模块602，用于在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
可信度评估模块603，用于以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
第一人脸图像添加模块604，用于若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
人脸图像采集模块605，用于当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
身份信息查找模块606，用于在所述人脸库中查找与所述考生的信息一致的身份信息；
人脸图像匹配模块607，用于若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
进一步地，所述计算机程序52中还可以包括：
计数模块，用于若所述报名考生上传的人脸图像的可信度小于或等于所述第一阈值，则将预设的第一计数器加一；
验证图像获取模块，用于若所述第一计数器大于或等于所述第二阈值，则获取所述报名考生通过所述网络渠道上传的身份证图像及所述报名考生手持身份证的图像；
身份信息提取模块，用于提取所述身份证图像中的身份信息；
验证图像匹配模块，用于若所述身份证图像中的身份信息与所述报名考生上传的身份信息一致，则将所述报名考生手持身份证的图像与所述报名考生上传的人脸图像进行人脸匹配；
第二人脸图像添加模块，用于若所述报名考生手持身份证的图像与所述报名考生上传的人脸图像匹配成功，则将所述报名考生上传的人脸图像和所述报名考生上传的身份信息添加入预先创建的人脸库中。
进一步地，所述可信度评估模块603可以包括：
匹配度计算单元，用于将所述报名考生上传的人脸图像分别与所述查找到的人脸图像进行匹配，得到所述报名考生上传的人脸图像与所述查找到的人脸图像之间的匹配度；
更新时间获取单元，用于获取所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间；
权值计算单元，用于根据所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间计算所述身份信息数据库的权值；
可信度计算单元，用于使用所述身份信息数据库的权值对所述匹配度进行加权，并将加权后的所述匹配度之和确定为所述报名考生上传的人脸图像的可信度。
进一步地，所述计算机程序52中还可以包括：
尺寸及颜色获取模块，用于获取所述身份信息数据库对人脸图像的尺寸及背景颜色的要求；
人脸图像调整模块，用于按照所述身份信息数据库对人脸图像的尺寸及背景颜色的要求分别调整所述报名考生上传的人脸图像，得到调整后的人脸图像；
人脸图像更新模块，用于将所述身份信息数据库中的人脸图像更新为所述调整后的人脸图像。
进一步地，所述计算机程序52中还可以包括：
通信连接建立模块，用于在完成身份验证且检测到网络信号的情况下，建立与指定服务器之间的通信连接；
验证结果发送模块，用于将所述考生的信息、所述考生的人脸图像以及对应的身份验证结果发送至所述服务器，以便所述服务器进行统计分析。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种考生身份验证方法，其特征在于，包括：
在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
在所述人脸库中查找与所述考生的信息一致的身份信息；
若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
2.根据权利要求1所述的考生身份验证方法，其特征在于，还包括：
若所述报名考生上传的人脸图像的可信度小于或等于所述第一阈值，则将预设的第一计数器加一；
若所述第一计数器小于第二阈值，则返回执行所述获取报名考生通过指定的网络渠道上传的人脸图像及身份信息的步骤，
若所述第一计数器大于或等于所述第二阈值，则获取所述报名考生通过所述网络渠道上传的身份证图像及所述报名考生手持身份证的图像；
提取所述身份证图像中的身份信息；
若所述身份证图像中的身份信息与所述报名考生上传的身份信息一致，则将所述报名考生手持身份证的图像与所述报名考生上传的人脸图像进行人脸匹配；
若所述报名考生手持身份证的图像与所述报名考生上传的人脸图像匹配成功，则将所述报名考生上传的人脸图像和所述报名考生上传的身份信息添加入预先创建的人脸库中。
3.根据权利要求1所述的考生身份验证方法，其特征在于，所述以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度包括：
将所述报名考生上传的人脸图像分别与所述查找到的人脸图像进行匹配，得到所述报名考生上传的人脸图像与所述查找到的人脸图像之间的匹配度；
获取所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间；
根据所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间计算所述身份信息数据库的权值；
使用所述身份信息数据库的权值对所述匹配度进行加权，并将加权后的所述匹配度之和确定为所述报名考生上传的人脸图像的可信度。
4.根据权利要求1所述的考生身份验证方法，其特征在于，在将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中之后，还包括：
获取所述身份信息数据库对人脸图像的尺寸及背景颜色的要求；
按照所述身份信息数据库对人脸图像的尺寸及背景颜色的要求分别调整所述报名考生上传的人脸图像，得到调整后的人脸图像；
将所述身份信息数据库中的人脸图像更新为所述调整后的人脸图像。
5.根据权利要求1至4中任一项所述的考生身份验证方法，其特征在于，还包括：
在完成身份验证且检测到网络信号的情况下，建立与指定服务器之间的通信连接；
将所述考生的信息、所述考生的人脸图像以及对应的身份验证结果发送至所述服务器，以便所述服务器进行统计分析。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的考生身份验证方法的步骤。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
在考前报名时，获取报名考生通过指定的网络渠道上传的人脸图像及身份信息；
在两个以上经过合法授权的身份信息数据库中分别查找与所述身份信息相对应的人脸图像；
以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度；
若所述报名考生上传的人脸图像的可信度大于第一阈值，则将所述报名考生上传的人脸图像和对应的所述身份信息添加入预先创建的人脸库中；
当考生进入考场时，获取所述考生的信息，并采集所述考生的人脸图像；
在所述人脸库中查找与所述考生的信息一致的身份信息；
若在所述人脸库中查找到与所述考生的信息一致的身份信息，再判断所述考生的人脸图像与所述查找到的身份信息对应的人脸图像是否匹配，若是，则确定所述考生的身份验证通过。
8.根据权利要求7所述的终端设备，其特征在于，还包括：
若所述报名考生上传的人脸图像的可信度小于或等于所述第一阈值，则将预设的第一计数器加一；
若所述第一计数器小于第二阈值，则返回执行所述获取报名考生通过指定的网络渠道上传的人脸图像及身份信息的步骤，
若所述第一计数器大于或等于所述第二阈值，则获取所述报名考生通过所述网络渠道上传的身份证图像及所述报名考生手持身份证的图像；
提取所述身份证图像中的身份信息；
若所述身份证图像中的身份信息与所述报名考生上传的身份信息一致，则将所述报名考生手持身份证的图像与所述报名考生上传的人脸图像进行人脸匹配；
若所述报名考生手持身份证的图像与所述报名考生上传的人脸图像匹配成功，则将所述报名考生上传的人脸图像和所述报名考生上传的身份信息添加入预先创建的人脸库中。
9.根据权利要求7所述的终端设备，其特征在于，所述以查找到的人脸图像作为参照基准评估所述报名考生上传的人脸图像的可信度包括：
将所述报名考生上传的人脸图像分别与所述查找到的人脸图像进行匹配，得到所述报名考生上传的人脸图像与所述查找到的人脸图像之间的匹配度；
获取所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间；
根据所述查找到的人脸图像最后一次在对应的身份信息数据库中的更新时间计算所述身份信息数据库的权值；
使用所述身份信息数据库的权值对所述匹配度进行加权，并将加权后的所述匹配度之和确定为所述报名考生上传的人脸图像的可信度。
10.根据权利要求7至9中任一项所述的终端设备，其特征在于，还包括：
在完成身份验证且检测到网络信号的情况下，建立与指定服务器之间的通信连接；
将所述考生的信息、所述考生的人脸图像以及对应的身份验证结果发送至所述服务器，以便所述服务器进行统计分析。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710945925.7A CN107742100B (zh) | 2017-10-12 | 2017-10-12 | 一种考生身份验证方法及终端设备 |
| PCT/CN2017/112623 WO2019071738A1 (zh) | 2017-10-12 | 2017-11-23 | 考生身份验证方法、装置、可读存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710945925.7A CN107742100B (zh) | 2017-10-12 | 2017-10-12 | 一种考生身份验证方法及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107742100A true CN107742100A (zh) | 2018-02-27 |
| CN107742100B CN107742100B (zh) | 2018-09-11 |
Family
ID=61237334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710945925.7A Active CN107742100B (zh) | 2017-10-12 | 2017-10-12 | 一种考生身份验证方法及终端设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107742100B (zh) |
| WO (1) | WO2019071738A1 (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145768A (zh) * | 2018-07-31 | 2019-01-04 | 北京旷视科技有限公司 | 得到带人脸属性的人脸数据的方法及装置 |
| CN109191611A (zh) * | 2018-10-30 | 2019-01-11 | 惠州学院 | 一种基于人脸识别的考勤设备及方法 |
| CN109346137A (zh) * | 2018-10-29 | 2019-02-15 | 长沙通诺信息科技有限责任公司 | 受试者在线招募方法及装置、计算机设备及存储介质 |
| CN109785157A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技（深圳）有限公司 | 一种基于人脸识别的车辆定损方法、存储介质及服务器 |
| CN109993148A (zh) * | 2019-04-12 | 2019-07-09 | 张绿儿 | 一种基于人脸识别服务的考场验录系统 |
| CN110460617A (zh) * | 2019-08-23 | 2019-11-15 | 深圳市元征科技股份有限公司 | 机考考试系统及相关产品 |
| CN110569718A (zh) * | 2019-07-26 | 2019-12-13 | 华中科技大学 | 一种基于证件的考生身份验证方法和装置 |
| CN110868558A (zh) * | 2019-11-26 | 2020-03-06 | 秒针信息技术有限公司 | 录音处理方法和装置 |
| WO2020082809A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医疗项目风控方法、装置、服务器及介质 |
| CN111444899A (zh) * | 2020-05-14 | 2020-07-24 | 聚好看科技股份有限公司 | 远程考试控制方法、服务器及终端 |
| CN112069904A (zh) * | 2020-08-07 | 2020-12-11 | 武汉天喻聚联科技有限公司 | 一种用于确定线上图片归属的系统及方法 |
| CN112541035A (zh) * | 2020-09-30 | 2021-03-23 | 新大陆数字技术股份有限公司 | 基于区块链的信息核验方法、装置、设备、可读存储介质 |
| CN114995909A (zh) * | 2022-06-01 | 2022-09-02 | 北京网梯科技发展有限公司 | 在线考试系统防作弊方法、装置、存储介质和电子设备 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113542668A (zh) * | 2020-04-21 | 2021-10-22 | 上海复客云众创空间管理有限公司 | 一种基于3d摄像头的监控系统及方法 |
| CN112989917A (zh) * | 2020-12-25 | 2021-06-18 | 中国农业银行股份有限公司 | 一种远程监考系统及其校验方法 |
| CN113361311A (zh) * | 2021-01-18 | 2021-09-07 | 安徽中屏科技有限公司 | 基于行为预判的考试监控系统和方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204740651U (zh) * | 2015-07-03 | 2015-11-04 | 成都恒高科技有限公司 | 出入管理系统 |
| CN105989263A (zh) * | 2015-01-30 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 身份认证方法、开户方法、装置及系统 |
| CN106355206A (zh) * | 2016-08-31 | 2017-01-25 | 重庆凯泽科技股份有限公司 | 一种考生身份验证系统和方法 |
| CN106384316A (zh) * | 2016-08-28 | 2017-02-08 | 黄志坤 | 一种考试院实名制验证系统 |
| CN106557732A (zh) * | 2015-09-30 | 2017-04-05 | 腾讯科技（深圳）有限公司 | 一种身份认证方法及系统 |
-
2017
- 2017-10-12 CN CN201710945925.7A patent/CN107742100B/zh active Active
- 2017-11-23 WO PCT/CN2017/112623 patent/WO2019071738A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105989263A (zh) * | 2015-01-30 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 身份认证方法、开户方法、装置及系统 |
| CN204740651U (zh) * | 2015-07-03 | 2015-11-04 | 成都恒高科技有限公司 | 出入管理系统 |
| CN106557732A (zh) * | 2015-09-30 | 2017-04-05 | 腾讯科技（深圳）有限公司 | 一种身份认证方法及系统 |
| CN106384316A (zh) * | 2016-08-28 | 2017-02-08 | 黄志坤 | 一种考试院实名制验证系统 |
| CN106355206A (zh) * | 2016-08-31 | 2017-01-25 | 重庆凯泽科技股份有限公司 | 一种考生身份验证系统和方法 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145768A (zh) * | 2018-07-31 | 2019-01-04 | 北京旷视科技有限公司 | 得到带人脸属性的人脸数据的方法及装置 |
| WO2020082809A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医疗项目风控方法、装置、服务器及介质 |
| CN109346137A (zh) * | 2018-10-29 | 2019-02-15 | 长沙通诺信息科技有限责任公司 | 受试者在线招募方法及装置、计算机设备及存储介质 |
| CN109191611A (zh) * | 2018-10-30 | 2019-01-11 | 惠州学院 | 一种基于人脸识别的考勤设备及方法 |
| CN109785157A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技（深圳）有限公司 | 一种基于人脸识别的车辆定损方法、存储介质及服务器 |
| CN109993148A (zh) * | 2019-04-12 | 2019-07-09 | 张绿儿 | 一种基于人脸识别服务的考场验录系统 |
| CN110569718A (zh) * | 2019-07-26 | 2019-12-13 | 华中科技大学 | 一种基于证件的考生身份验证方法和装置 |
| CN110569718B (zh) * | 2019-07-26 | 2021-11-05 | 华中科技大学 | 一种基于证件的考生身份验证方法和装置 |
| CN110460617A (zh) * | 2019-08-23 | 2019-11-15 | 深圳市元征科技股份有限公司 | 机考考试系统及相关产品 |
| CN110868558A (zh) * | 2019-11-26 | 2020-03-06 | 秒针信息技术有限公司 | 录音处理方法和装置 |
| CN111444899A (zh) * | 2020-05-14 | 2020-07-24 | 聚好看科技股份有限公司 | 远程考试控制方法、服务器及终端 |
| CN111444899B (zh) * | 2020-05-14 | 2023-10-31 | 聚好看科技股份有限公司 | 远程考试控制方法、服务器及终端 |
| CN112069904A (zh) * | 2020-08-07 | 2020-12-11 | 武汉天喻聚联科技有限公司 | 一种用于确定线上图片归属的系统及方法 |
| CN112541035A (zh) * | 2020-09-30 | 2021-03-23 | 新大陆数字技术股份有限公司 | 基于区块链的信息核验方法、装置、设备、可读存储介质 |
| CN112541035B (zh) * | 2020-09-30 | 2023-08-18 | 新大陆数字技术股份有限公司 | 基于区块链的信息核验方法、装置、设备、可读存储介质 |
| CN114995909A (zh) * | 2022-06-01 | 2022-09-02 | 北京网梯科技发展有限公司 | 在线考试系统防作弊方法、装置、存储介质和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107742100B (zh) | 2018-09-11 |
| WO2019071738A1 (zh) | 2019-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
| CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
| CN109977403B (zh) | 恶意评论信息识别方法及装置 | |
| CN107251033A (zh) | 用于在在线教育中进行实时用户验证的系统和方法 | |
| CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
| WO2023015935A1 (zh) | 一种体检项目推荐方法、装置、设备及介质 | |
| CN110210194A (zh) | 电子合同显示方法、装置、电子设备及存储介质 | |
| US20160117457A1 (en) | Method and apparatus for analyzing patient's constitutional peculiarity | |
| US20150370985A1 (en) | System and Method for Crowdsourcing Biological Specimen Identification | |
| WO2022142903A1 (zh) | 身份识别方法、装置、电子设备及相关产品 | |
| US10997609B1 (en) | Biometric based user identity verification | |
| CN105303449B (zh) | 基于相机指纹特征的社交网络用户的识别方法和系统 | |
| CN107809370B (zh) | 用户推荐方法及装置 | |
| WO2020015139A1 (zh) | 风险旅客方法、装置、计算机设备和存储介质 | |
| CN110060750A (zh) | 医疗数据推送方法、系统、计算机设备及可读存储介质 | |
| US20210174968A1 (en) | Visualization of Social Determinants of Health | |
| CN111177367A (zh) | 案件分类方法、分类模型训练方法及相关产品 | |
| CN110046251A (zh) | 社区内容风险评估方法及装置 | |
| CN110135684A (zh) | 一种能力测评方法、能力测评装置及终端设备 | |
| CN104063952A (zh) | 一种假币信息管理方法及系统 | |
| CN106384316A (zh) | 一种考试院实名制验证系统 | |
| CN109346146B (zh) | 处方审核分配方法、电子设备及存储介质 | |
| CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
| CN114529747A (zh) | 保单检测方法、保单检测装置、电子设备及存储介质 | |
| Briatte et al. | Recovering the french party space from twitter data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1247377 Country of ref document: HK |