CN108647613A - 一种应用于考场的考生查验方法 - Google Patents
一种应用于考场的考生查验方法 Download PDFInfo
- Publication number
- CN108647613A CN108647613A CN201810404232.1A CN201810404232A CN108647613A CN 108647613 A CN108647613 A CN 108647613A CN 201810404232 A CN201810404232 A CN 201810404232A CN 108647613 A CN108647613 A CN 108647613A
- Authority
- CN
- China
- Prior art keywords
- examinee
- attribute information
- service equipment
- portrait
- examination
- 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 47
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种应用于考场的考生查验方法，包括：控制每一考场的拍摄机器人对该考场进行全景图像拍摄，以获得该考场对应的全景图像；利用人像特征算法确定全景图像中的每一考生对应的即时人像；针对全景图像中的每一考生对应的即时人像，利用人像属性算法对该考生对应的即时人像进行前向计算，得到该考生对应的即时人像的属性信息；根据全景图像确定该考生在该考场中的考试位置，并根据该考试位置，从该考场对应的考生数据库中获取该考试位置匹配的合法考生人像的属性信息；再校验出该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息不匹配时，向该考场对应的监考者推送包括该考试位置的考生查验失败第一信息。
Description
技术领域
本发明互联网技术领域，尤其涉及一种应用于考场的考生查验方法。
背景技术
近年来，国家制定了相关的考试政策，希望通过公开、公平、公正的方式选拔和使用人才。但是，从中考、高考等升学考试，到执业资格、晋级升职等等考试，均不同程度地出现了考试替考现象。为了防范出现考试替考现象，很多考场(如教室)要求监考者将每一个考生的考试证件内的人脸照片和实时人脸进行比对识别，以查验考生与证件是否为同一身份。在实践中发现，当考场的考生较多时，这种考生查验方式会降低考生查验的效率。
发明内容
本发明实施例公开一种应用于考场的考生查验方法，能够提高考生查验的效率。
其中，一种应用于考场的考生查验方法，所述方法包括：
服务设备控制每一考场的拍摄机器人对所述考场进行全景图像拍摄，以获得所述考场对应的全景图像；
所述服务设备利用人像特征算法确定所述全景图像中的每一考生对应的即时人像；
所述服务设备针对所述全景图像中的每一考生对应的即时人像，利用人像属性算法对所述考生对应的即时人像进行前向计算，得到所述考生对应的即时人像的属性信息；
所述服务设备根据所述全景图像确定所述考生在所述考场中的考试位置，并根据所述考试位置，从所述考场对应的考生数据库中获取所述考试位置匹配的合法考生人像的属性信息；
所述服务设备校验所述考生对应的即时人像的属性信息与所述考试位置匹配的合法考生人像的属性信息是否相匹配，如果不匹配，向所述考场对应的监考者推送考生查验失败第一信息，所述考生查验失败第一信息包括所述考试位置。
作为一种可选的实施方式，本发明实施例中，所述服务设备控制每一考场的拍摄机器人对所述考场进行全景图像拍摄，以获得所述考场对应的全景图像之前，所述方法还包括：
所述服务设备通过OPC协议与OPC服务器建立数据通讯连接，所述OPC 服务器通过网络与位于每一考场的拍摄机器人的PLC设备建立数据通讯连接；
所述服务设备检测所述OPC服务器上报的、由所述每一考场的拍摄机器人的PLC设备发起的考生查验请求，所述考生查验请求携带所述拍摄机器人所在考场的考场编号；
所述服务设备以所述拍摄机器人所在考场的考场编号为依据，获取所述拍摄机器人所在考场的考试时段；
所述服务设备判断当前时间是否位于所述拍摄机器人所在考场的考试时段内，若是，所述服务设备以所述拍摄机器人所在考场的考场编号为依据，获取所述拍摄机器人所在考场对应的考生数据库。
作为一种可选的实施方式，本发明实施例中，所述服务设备向所述考场对应的监考者推送考生查验失败信息之后，所述方法还包括：
所述服务设备以所述考试位置匹配的合法考生人像的属性信息为依据，查询与所述考试位置匹配的合法考生人像的属性信息相关联的所述合法考生的简介信息；
所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的联系信息；
所述服务设备根据所述合法考生的教学老师的联系信息，向所述合法考生的辅导员发送考生查验失败第二信息，所述考生查验失败第二信息包括所述合法考生的简介信息以及所述考生在所述考场中的所述考试位置。
作为一种可选的实施方式，本发明实施例中，所述服务设备利用人像特征算法确定所述全景图像中的每一考生对应的即时人像，包括：
所述服务设备从模板数据库中读取出常见姿势模板；
所述服务设备根据所述全景图像中的地理场景从所述常见姿势模板中确定待用姿势模板；
所述服务设备根据所述待用姿势模板确定待用姿势的包络框；
所述服务设备利用所述包络框在所述全景图像中进行匹配，以确定所述全景图像中的每一考生对应的即时人像。
作为一种可选的实施方式，本发明实施例中，所述服务设备根据所述全景图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：
所述服务设备对所述全景图像对应的图像焦平面的地理场景进行识别；
若识别出所述图像焦平面的地理场景为路面，则所述服务设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；
若识别出所述图像焦平面的地理场景为栏杆，则所述服务设备从所述常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；
若识别出所述图像焦平面的地理场景为椅子，则所述服务设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。
作为一种可选的实施方式，本发明实施例中，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括：年龄、性别以及身高。
作为一种可选的实施方式，本发明实施例中，所述人像属性算法通过以下方式训练得到，即：
所述服务设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；
所述服务设备从所述样本人像图像中提取人像特征；
所述服务设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；
所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；
所述服务设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；
所述服务设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。
作为一种可选的实施方式，本发明实施例中，所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：
所述服务设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：
其中，m表示所述属性信息在多个属性信息中的编号，表示初始模型计算得到的预测值，表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。
作为一种可选的实施方式，本发明实施例中，所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：
对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：
其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。
作为一种可选的实施方式，本发明实施例中，所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的联系信息，包括：
所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的即时通讯账号和手机号码，作为所述合法考生的教学老师的联系信息。
本发明实施例中，服务设备控制每一考场的拍摄机器人对该考场进行全景图像拍摄以获得该考场对应的全景图像之后，先利用人像特征算法确定全景图像中的每一考生对应的即时人像，然后再针对全景图像中的每一考生对应的即时人像，利用人像属性算法对该考生对应的即时人像进行前向计算，得到该考生对应的即时人像的属性信息；在此基础上，进一步根据全景图像确定该考生在该考场中的考试位置，并从该考场对应的考生数据库中获取该考试位置匹配的合法考生人像的属性信息，在校验出该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息不匹配时，向该考场对应的监考者推送包括该考生位置的考生查验失败第一信息。可见，实施本发明实施例，可以自动、快速的实现考生查验，从而可以提高考生查验的效率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，本发明实施例可以更加准确的检测出全景图像中是否存在考生对应的即时人像，从而可以提高人像检测的准确度。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种应用于考场的考生查验方法的流程示意图；
图2为本发明实施例公开的另一种应用于考场的考生查验方法的流程示意图；
图3为本发明实施例公开的另一种应用于考场的考生查验方法的流程示意图。
具体实施方式
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开一种应用于考场的考生查验方法，能够提高考生查验的效率。以下进行结合附图进行详细描述。
请参阅图1，图1为本发明实施例公开的一种应用于考场的考生查验方法的流程示意图。如图1所示，该应用于考场的考生查验方法可以包括以下步骤：
101、服务设备控制每一考场的拍摄机器人对该考场进行全景图像拍摄，以获得该考场对应的全景图像。
102、服务设备利用人像特征算法确定全景图像中的每一考生对应的即时人像。
作为一种可选的实施方式，本发明实施例中，服务设备利用人像特征算法确定全景图像中的每一考生对应的即时人像，可以包括：
服务设备从模板数据库中读取出常见姿势模板；
服务设备根据全景图像中的地理场景从常见姿势模板中确定待用姿势模板；
服务设备根据待用姿势模板确定待用姿势的包络框；
服务设备利用包络框在全景图像中进行匹配，以确定全景图像中的每一考生对应的即时人像。
本发明实施例中，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，本发明实施例可以更加准确的检测出全景图像中是否存在考生对应的即时人像，从而可以提高人像检测的准确度。
作为一种可选的实施方式，本发明实施例中，服务设备根据全景图像中的地理场景从常见姿势模板中确定待用姿势模板，可以包括：
服务设备对全景图像对应的图像焦平面的地理场景进行识别；
若识别出图像焦平面的地理场景为路面，服务设备从常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；
若识别出图像焦平面的地理场景为栏杆，服务设备从常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；
若识别出图像焦平面的地理场景为椅子，服务设备从常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。
103、服务设备针对全景图像中的每一考生对应的即时人像，利用人像属性算法对该考生对应的即时人像进行前向计算，得到该考生对应的即时人像的属性信息。
本发明实施例中，人像属性算法是基于多个样本人像图像以及多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，属性信息包括：年龄、性别以及身高。
作为一种可选的实施方式，本发明实施例中，人像属性算法通过以下方式训练得到，即：
服务设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；
服务设备从样本人像图像中提取人像特征；
服务设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；
服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗；
服务设备将多个属性信息的损耗求和，得到多个属性信息的总损耗；
服务设备对初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗小于或等于预设阈值时，停止调整得到人像属性算法。
作为一种可选的实施方式，服务设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：
服务设备对于多个属性信息中每一个属性信息，若该属性信息为回归属性，按照如下公式对该属性信息的预测值和属性信息的值进行计算，得到该属性信息的损耗：
其中，m表示该属性信息在多个属性信息中的编号，表示初始模型计算得到的预测值，表示该属性信息的值，i表示回归维度，j表示回归维度的标，L表示该属性信息对应的损耗。
作为另一种可选的实施方式，服务设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：
服务设备对于多个属性信息中每一个属性信息，若该属性信息不为回归属性，按照如下公式对该属性信息的预测向量和属性信息向量进行计算，得到该属性信息的损耗：
其中，m表示该属性信息在多个属性信息中的编号，x表示该属性信息的值，z表示初始模型计算得到的预测值，d表示该属性信息的识别结果数目， h表示该属性信息的识别结果的标识，L表示该属性信息对应的损耗。
104、服务设备根据全景图像确定该考生在该考场中的考试位置，并根据该考试位置，从该考场对应的考生数据库中获取该考试位置匹配的合法考生人像的属性信息。
105、服务设备校验该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息是否相匹配，如果不匹配，执行步骤106；如果匹配，返回步骤102。
106、服务设备向该考场对应的监考者推送考生查验失败第一信息，该考生查验失败第一信息包括该考试位置。
其中，实施图1所描述的方法，可以自动、快速的实现考生查验，从而可以提高考生查验的效率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图1所描述的方法可以更加准确的检测出全景图像中是否存在考生对应的即时人像，从而可以提高人像检测的准确度。
请参阅图2，图2为本发明实施例公开的另一种应用于考场的考生查验方法的流程示意图。如图2所示，该应用于考场的考生查验方法可以包括以下步骤：
201、服务设备通过OPC协议与OPC服务器建立数据通讯连接，OPC服务器通过网络与位于每一考场的拍摄机器人的PLC设备建立数据通讯连接。
202、服务设备检测OPC服务器上报的、由每一考场的拍摄机器人的PLC 设备发起的考生查验请求，该考生查验请求携带该拍摄机器人所在考场的考场编号。
203、服务设备以该拍摄机器人所在考场的考场编号为依据，获取该拍摄机器人所在考场的考试时段。
其中，各个拍摄机器人所在考场的考试时段的可以相同，也可以有差异化，本发明实施例不作限定。
204、服务设备判断当前时间是否位于该拍摄机器人所在考场的考试时段内，若是，执行步骤205-步骤209；若否，返回步骤201。
205、服务设备以该拍摄机器人所在考场的考场编号为依据，获取该拍摄机器人所在考场对应的考生数据库。
206、服务设备控制每一考场的拍摄机器人对该考场进行全景图像拍摄，以获得该考场对应的全景图像。
本发明实施例中，针对每一考场的拍摄机器人，服务设备可以在速度轨道上生成用于控制该拍摄机器人转动速度的速度轨道景，在机器人轨道上生成用于标识该拍摄机器人的机器人轨道景，在命令轨道上生成用于控制该拍摄机器人进行全景图像拍摄的命令轨道景，以及在媒体轨道上生成用于宣传考试秩序的媒体轨道景；其中，上述的速度轨道景、机器人轨道景、命令轨道景以及媒体轨道景的开始时间相同，以及，上述的速度轨道景、机器人轨道景、命令轨道景以及媒体轨道景的结束时间也相同；
进一步地，服务设备可以将上述的速度轨道景、命令轨道景以及媒体轨道景同时发送给上述的机器人轨道景标识的该拍摄机器人的PLC设备，以使该拍摄机器人的PLC设备以上述的速度轨道景、命令轨道景以及媒体轨道景为依据，响应上述的命令轨道景，并按照上述的速度轨道景对该拍摄机器人所在的考场进行全景图像拍摄，并且在进行全景图像拍摄的过程中同步播放上述的媒体轨道景，以达到同步宣传考试秩序的目的。从而，可以实现在提高考生查验的效率的同时，同步宣传考试秩序，降低监考者的工作负担。
207、服务设备利用人像特征算法确定全景图像中的每一考生对应的即时人像。
208、服务设备针对全景图像中的每一考生对应的即时人像，利用人像属性算法对该考生对应的即时人像进行前向计算，得到该考生对应的即时人像的属性信息。
209、服务设备根据全景图像确定该考生在该考场中的考试位置，并根据该考试位置，从该考场对应的考生数据库中获取该考试位置匹配的合法考生人像的属性信息。
本发明实施例中，服务设备可以根据全景图像确定该考生在该考场中的考试位置，并以该考生在该考场中的考试位置作为索引信息，从该考场对应的考生数据库中获取与该索引信息相关联的该考试位置匹配的合法考生人像的属性信息。
210、服务设备校验该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息是否相匹配，如果不匹配，执行步骤211；如果匹配，返回步骤207。
211、服务设备向该考场对应的监考者推送考生查验失败第一信息，该考生查验失败第一信息包括该考试位置。
其中，实施图2所描述的方法，可以自动、快速的实现考生查验，从而可以提高考生查验的效率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图2所描述的方法可以更加准确的检测出全景图像中是否存在考生对应的即时人像，从而可以提高人像检测的准确度。
请参阅图3，图3为本发明实施例公开的另一种应用于考场的考生查验方法的流程示意图。如图3所示，该应用于考场的考生查验方法可以包括以下步骤：
301、服务设备通过OPC协议与OPC服务器建立数据通讯连接，OPC服务器通过网络与位于每一考场的拍摄机器人的PLC设备建立数据通讯连接。
302、服务设备检测OPC服务器上报的、由每一考场的拍摄机器人的PLC 设备发起的考生查验请求，该考生查验请求携带拍摄机器人所在考场的考场编号。
303、服务设备以该拍摄机器人所在考场的考场编号为依据，获取该拍摄机器人所在考场的考试时段。
304、服务设备判断当前时间是否位于该拍摄机器人所在考场的考试时段内，若是，执行步骤305-步骤310；若否，返回步骤301。
305、服务设备以该拍摄机器人所在考场的考场编号为依据，获取该拍摄机器人所在考场对应的考生数据库。
306、服务设备控制每一考场的拍摄机器人对该考场进行全景图像拍摄，以获得该考场对应的全景图像。
307、服务设备利用人像特征算法确定全景图像中的每一考生对应的即时人像。
308、服务设备针对全景图像中的每一考生对应的即时人像，利用人像属性算法对该考生对应的即时人像进行前向计算，得到该考生对应的即时人像的属性信息。
309、服务设备根据全景图像确定该考生在该考场中的考试位置，并根据该考试位置，从该考场对应的考生数据库中获取该考试位置匹配的合法考生人像的属性信息。
310、服务设备校验该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息是否相匹配，如果不匹配，执行步骤211；如果匹配，返回步骤311-步骤314。
本发明实施例中，服务设备在校验该考生对应的即时人像的属性信息与该考试位置匹配的合法考生人像的属性信息相匹配时，服务设备可以从该考生对应的即时人像中捕获该考生的即时人脸图像，并根据该考生的即时人脸图像的色彩信息，对该考生的即时人脸图像进行二值化处理；进一步地，将二值化处理后的该考生的即时人脸图像分成多个像素块，并对每个像素块内所有像素对应的像素值进行或运算，得到每个像素块的或运算结果组成该考生的即时人脸图像的下采样图片；进一步地，将得到的下采样图片划分为多个像素区域，通过对每个像素区域中所有像素点的或运算结果求和，获得组成该考生的即时人脸图像的每个像素区域的特征信息；从该拍摄机器人所在考场对应的考生数据库中，获取与该合法考生人像的属性信息向相关联的合法考生人脸图像；根据该考生的即时人脸图像的每个像素区域的特征信息判断该考生的即时人脸图像与该合法考生人脸图像是否相匹配，如果不匹配，执行步骤311-步骤314，从而可以提高考生查验的准确率。
311、服务设备向该考场对应的监考者推送考生查验失败第一信息，该考生查验失败第一信息包括该考试位置。
312、服务设备以该考试位置匹配的合法考生人像的属性信息为依据，查询与该考试位置匹配的合法考生人像的属性信息相关联的该合法考生的简介信息；
313、服务设备以该合法考生的简介信息为依据，查询与该合法考生的简介信息相关联的该合法考生的教学老师的联系信息。
作为一种可选的实施方式，服务设备以该合法考生的简介信息为依据，查询与该合法考生的简介信息相关联的该合法考生的教学老师的联系信息，包括：
服务设备以该合法考生的简介信息为依据，查询与该合法考生的简介信息相关联的该合法考生的教学老师的即时通讯账号和手机号码，作为该合法考生的教学老师的联系信息。
314、服务设备根据该合法考生的教学老师的联系信息，向该合法考生的教学老师发送考生查验失败第二信息，该考生查验失败第二信息包括该合法考生的简介信息以及该考生在该考场中的该考试位置。
本发明实施例中，服务设备根据该合法考生的教学老师的联系信息，向该合法考生的教学老师发送考生查验失败第二信息，包括：
服务设备获取与该合法考生的简介信息相关联的该合法考生的教学老师的即时通讯账号登录的即时客户端的第一即时地址；
服务设备获取与该合法考生的简介信息相关联的该合法考生的教学老师的手机号码所属手机的第二即时地址；
服务设备计算第一即时地址与该考生在该考场中的该考试位置的第一距离，计算第二即时地址与该考生在该考场中的该考试位置的第二距离；
服务设将第一距离和第二距离进行对比，若二者相同，服务设备同时向与该合法考生的简介信息相关联的该合法考生的教学老师的即时通讯账号和手机号码发送考生查验失败第二信息；若第一距离小于第二距离，服务设备先向与该合法考生的简介信息相关联的该合法考生的教学老师的即时通讯账号发送考生查验失败第二信息，若在指定时长内，没有收到该合法考生的教学老师的即时通讯账号反馈的响应，再向与该合法考生的简介信息相关联的该合法考生的教学老师的手机号码发送考生查验失败第二信息；若第二距离小于第一距离，服务设备先向与该合法考生的简介信息相关联的该合法考生的教学老师的手机号码发送考生查验失败第二信息，若在指定时长内，没有收到该合法考生的教学老师的手机号码反馈的响应，再向与该合法考生的简介信息相关联的该合法考生的教学老师的即时通讯账号发送考生查验失败第二信息，从而可以防止对该合法考生的教学老师造成相同信息的反复骚扰。
其中，实施图3所描述的方法，可以自动、快速的实现考生查验，从而可以提高考生查验的效率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图3所描述的方法可以更加准确的检测出全景图像中是否存在考生对应的即时人像，从而可以提高人像检测的准确度。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种应用于考场的考生查验方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种应用于考场的考生查验方法，其特征在于，所述方法包括：
服务设备控制每一考场的拍摄机器人对所述考场进行全景图像拍摄，以获得所述考场对应的全景图像；
所述服务设备利用人像特征算法确定所述全景图像中的每一考生对应的即时人像；
所述服务设备针对所述全景图像中的每一考生对应的即时人像，利用人像属性算法对所述考生对应的即时人像进行前向计算，得到所述考生对应的即时人像的属性信息；
所述服务设备根据所述全景图像确定所述考生在所述考场中的考试位置，并根据所述考试位置，从所述考场对应的考生数据库中获取所述考试位置匹配的合法考生人像的属性信息；
所述服务设备校验所述考生对应的即时人像的属性信息与所述考试位置匹配的合法考生人像的属性信息是否相匹配，如果不匹配，向所述考场对应的监考者推送考生查验失败第一信息，所述考生查验失败第一信息包括所述考试位置。
2.根据权利要求1所述的考生查验方法，其特征在于，所述服务设备控制每一考场的拍摄机器人对所述考场进行全景图像拍摄，以获得所述考场对应的全景图像之前，所述方法还包括：
所述服务设备通过OPC协议与OPC服务器建立数据通讯连接，所述OPC服务器通过网络与位于每一考场的拍摄机器人的PLC设备建立数据通讯连接；
所述服务设备检测所述OPC服务器上报的、由所述每一考场的拍摄机器人的PLC设备发起的考生查验请求，所述考生查验请求携带所述拍摄机器人所在考场的考场编号；
所述服务设备以所述拍摄机器人所在考场的考场编号为依据，获取所述拍摄机器人所在考场的考试时段；
所述服务设备判断当前时间是否位于所述拍摄机器人所在考场的考试时段内，若是，所述服务设备以所述拍摄机器人所在考场的考场编号为依据，获取所述拍摄机器人所在考场对应的考生数据库。
3.根据权利要求2所述的考生查验方法，其特征在于，所述服务设备向所述考场对应的监考者推送考生查验失败信息之后，所述方法还包括：
所述服务设备以所述考试位置匹配的合法考生人像的属性信息为依据，查询与所述考试位置匹配的合法考生人像的属性信息相关联的所述合法考生的简介信息；
所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的联系信息；
所述服务设备根据所述合法考生的教学老师的联系信息，向所述合法考生的教学老师发送考生查验失败第二信息，所述考生查验失败第二信息包括所述合法考生的简介信息以及所述考生在所述考场中的所述考试位置。
4.根据权利要求1-3任一项所述的考生查验方法，其特征在于，所述服务设备利用人像特征算法确定所述全景图像中的每一考生对应的即时人像，包括：
所述服务设备从模板数据库中读取出常见姿势模板；
所述服务设备根据所述全景图像中的地理场景从所述常见姿势模板中确定待用姿势模板；
所述服务设备根据所述待用姿势模板确定待用姿势的包络框；
所述服务设备利用所述包络框在所述全景图像中进行匹配，以确定所述全景图像中的每一考生对应的即时人像。
5.根据权利要求4所述的考生查验方法，其特征在于，所述服务设备根据所述全景图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：
所述服务设备对所述全景图像对应的图像焦平面的地理场景进行识别；
若识别出所述图像焦平面的地理场景为路面，则所述服务设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；
若识别出所述图像焦平面的地理场景为栏杆，则所述服务设备从所述常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；
若识别出所述图像焦平面的地理场景为椅子，则所述服务设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。
6.根据权利要求1-5任一项所述的考生查验方法，其特征在于，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括：年龄、性别以及身高。
7.根据权利要求6所述的考生查验方法，其特征在于，所述人像属性算法通过以下方式训练得到，即：
所述服务设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；
所述服务设备从所述样本人像图像中提取人像特征；
所述服务设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；
所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；
所述服务设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；
所述服务设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。
8.根据权利要求7所述的考生查验方法，其特征在于，所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：
所述服务设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：
其中，m表示所述属性信息在多个属性信息中的编号，表示初始模型计算得到的预测值，表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。
9.根据权利要求8所述的考生查验方法，其特征在于，所述服务设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：
对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：
其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。
10.根据权利要求3-9任一项所述的考生查验方法，其特征在于，所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的联系信息，包括：
所述服务设备以所述合法考生的简介信息为依据，查询与所述合法考生的简介信息相关联的所述合法考生的教学老师的即时通讯账号和手机号码，作为所述合法考生的教学老师的联系信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810404232.1A CN108647613B (zh) | 2018-04-28 | 2018-04-28 | 一种应用于考场的考生查验方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810404232.1A CN108647613B (zh) | 2018-04-28 | 2018-04-28 | 一种应用于考场的考生查验方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108647613A true CN108647613A (zh) | 2018-10-12 |
| CN108647613B CN108647613B (zh) | 2021-11-16 |
Family
ID=63748331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810404232.1A Active CN108647613B (zh) | 2018-04-28 | 2018-04-28 | 一种应用于考场的考生查验方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647613B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711292A (zh) * | 2018-12-13 | 2019-05-03 | 深圳市赛特雷德科技有限公司 | 一种智能监考方法及装置 |
| CN109934182A (zh) * | 2019-03-18 | 2019-06-25 | 北京旷视科技有限公司 | 对象行为分析方法、装置、电子设备及计算机存储介质 |
| CN111311455A (zh) * | 2020-01-17 | 2020-06-19 | 广东德诚科教有限公司 | 考务信息匹配方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1343107A2 (en) * | 2002-03-04 | 2003-09-10 | Samsung Electronics Co., Ltd. | Method and apparatus for recognising faces using principal component analysis and second order independent component analysis on parts of the image faces |
| CN103208212A (zh) * | 2013-03-26 | 2013-07-17 | 陈秀成 | 一种防作弊的远程在线考试的方法与系统 |
| CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
| CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
| CN106203294A (zh) * | 2016-06-30 | 2016-12-07 | 广东微模式软件股份有限公司 | 基于人脸属性分析的人证合一身份验证方法 |
| CN107845300A (zh) * | 2017-11-22 | 2018-03-27 | 浙江中医药大学 | 一种实时监控的安全考试系统 |
-
2018
- 2018-04-28 CN CN201810404232.1A patent/CN108647613B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1343107A2 (en) * | 2002-03-04 | 2003-09-10 | Samsung Electronics Co., Ltd. | Method and apparatus for recognising faces using principal component analysis and second order independent component analysis on parts of the image faces |
| CN103208212A (zh) * | 2013-03-26 | 2013-07-17 | 陈秀成 | 一种防作弊的远程在线考试的方法与系统 |
| CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
| CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
| CN106203294A (zh) * | 2016-06-30 | 2016-12-07 | 广东微模式软件股份有限公司 | 基于人脸属性分析的人证合一身份验证方法 |
| CN107845300A (zh) * | 2017-11-22 | 2018-03-27 | 浙江中医药大学 | 一种实时监控的安全考试系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711292A (zh) * | 2018-12-13 | 2019-05-03 | 深圳市赛特雷德科技有限公司 | 一种智能监考方法及装置 |
| CN109934182A (zh) * | 2019-03-18 | 2019-06-25 | 北京旷视科技有限公司 | 对象行为分析方法、装置、电子设备及计算机存储介质 |
| CN111311455A (zh) * | 2020-01-17 | 2020-06-19 | 广东德诚科教有限公司 | 考务信息匹配方法、装置、计算机设备和存储介质 |
| CN111311455B (zh) * | 2020-01-17 | 2024-02-06 | 广东德诚科教有限公司 | 考务信息匹配方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108647613B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009528B (zh) | 基于Triplet Loss的人脸认证方法、装置、计算机设备和存储介质 | |
| US9202121B2 (en) | Liveness detection | |
| US20180308107A1 (en) | Living-body detection based anti-cheating online research method, device and system | |
| WO2019037346A1 (zh) | 优化人脸图片质量评价模型的方法及装置 | |
| CN106557726A (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
| CN112418009B (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
| CN108647613A (zh) | 一种应用于考场的考生查验方法 | |
| CN109784878A (zh) | 一种无纸化网络考试系统及方法 | |
| CN108875989B (zh) | 基于人脸识别的预定方法、装置、计算机设备及存储介质 | |
| KR20210155303A (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| CN111275901B (zh) | 快递柜的控制方法、装置、存储介质和计算机设备 | |
| KR20220084462A (ko) | 얼굴인식을 이용한 강의 출결 확인 시스템 및 그 방법 | |
| CN107516285A (zh) | 一种基于蓝牙定位和活体监测的课堂签到方法 | |
| CN110992500A (zh) | 考勤方法、装置及存储介质、服务器 | |
| CN110324650A (zh) | 数据匹配的方法、装置、电子设备及存储介质 | |
| CN110516426A (zh) | 身份认证方法、认证终端、装置及可读存储介质 | |
| KR102581415B1 (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
| WO2022222957A1 (zh) | 一种目标识别的方法和系统 | |
| CN108388840B (zh) | 一种人脸图像的配准方法、装置和人脸识别系统 | |
| CN110288483A (zh) | 账号开通方法、装置、设备及计算机可读存储介质 | |
| CN114049973A (zh) | 对话质检方法、电子设备、计算机存储介质及程序产品 | |
| CN110781473B (zh) | 一种人脸图片识别预处理的方法 | |
| CN113255531A (zh) | 活体检测模型的处理方法、装置、计算机设备和存储介质 | |
| Saeed et al. | Using the active appearance model to detect driver fatigue | |
| CN109389691A (zh) | 基于生物信息的票务处理方法及系统、服务端、客户端 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Luo Zhijin Inventor after: Xiang Xiangjie Inventor before: Xiang Xiangjie |
|
| CB03 | Change of inventor or designer information | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240603 Address after: Room 16, 1st Floor, Zone B, Zhonghu Digital Industrial Park, No. 5089 Zhonghu Avenue, Taocheng District, Hengshui City, Hebei Province, 053000 Patentee after: Hebei tuifei Network Technology Co.,Ltd. Country or region after: China Address before: Room 403, No.35, Sanxiang, xiashou new village, Xicheng District, Dongguan City, Guangdong Province 523073 Patentee before: DONGGUAN HUARUI ELECTRONIC TECHNOLOGY Co.,Ltd. Country or region before: China |