CN112581081A - 基于计算机考试信息化机房座位管理方法、装置及设备 - Google Patents
基于计算机考试信息化机房座位管理方法、装置及设备 Download PDFInfo
- Publication number
- CN112581081A CN112581081A CN202011471444.5A CN202011471444A CN112581081A CN 112581081 A CN112581081 A CN 112581081A CN 202011471444 A CN202011471444 A CN 202011471444A CN 112581081 A CN112581081 A CN 112581081A
- Authority
- CN
- China
- Prior art keywords
- information
- identity
- examination
- image
- examinee
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 44
- 238000012795 verification Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000009795 derivation Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于计算机考试信息化机房座位管理方法、装置及设备,所述方法包括:根据考生的身份信息识别考生的准考证信息;采集考生的当前人脸图像信息,根据身份信息及准考证信息对当前人脸图像信息进行身份验证,获得身份验证结果;将身份验证结果和准考证信息输入至预设座位分配策略模型中,获得机房座位分配结果。相较于现有技术中,需要工作人员利用卡片按照考生排队顺序进行座位分配,导致学生排队较长,考务工作效率低下,而本发明中仅需要根据身份信息对准考证信息进行身份验证,之后将准考证信息及当前人脸图像信息输入至预设座位分配策略模型中,可获得随机分配的考场座位,实现了在保证考生身份准确性的同时,提高了考务工作效率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于计算机考试信息化机房座位管理方法、装置及设备。
背景技术
目前在国内很多高等院校,虽然已经建设了教务管理系统平台,实验室信息管理平台,但是大多数高校对计算机机房的考试考场管理系统没有实现信息化,依旧采用传统人工流程的管理方式,管理效率低,同时也很容易出错给考生带来不便。现有技术中,只是对该考生是否带身份证入场进行了识别,之后采用考生到考点排队填写签到表,由人工随机分配机房号与座位号,造成学生进场排长队,老师工作量大,容易出错,进而导致考务工作效率低下。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于计算机考试信息化机房座位管理方法、装置及设备,旨在解决如何在保证考生身份准确性的同时,提高考务工作效率的技术问题。
为实现上述目的,本发明提供了一种基于计算机考试信息化机房座位管理方法,所述基于计算机考试信息化机房座位管理方法包括:
获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息;
采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果;
将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
可选地,所述获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息的步骤,包括:
获取考生的身份信息,并对所述身份信息进行异构数据处理,获得身份编码信息和身份图像;
根据所述身份编码信息和所述身份图像确定所述考生的准考证信息。
可选地,所述根据所述身份编码信息和所述身份图像确定所述考生的准考证信息的步骤,包括:
根据所述身份编码信息从预设报名信息库中查找对应的考生报名信息;
从所述考生报名信息中提取报名图像,并对所述身份图像和所述报名图像进行匹配;
在匹配一致时,将所述考生报名信息作为所述考生的准考证信息。
可选地,所述采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果的步骤,包括:
采集所述考生的当前人脸图像信息,并根据所述当前人脸图像信息确定所述考生的人脸图像;
对所述人脸图像进行SIFT处理,获得所述人脸图像的尺寸空间;
根据所述尺寸空间确定所述人脸图像的关键点,并对所述关键点进行最小二乘拟合,获得所述关键点的尺度信息和坐标信息;
根据所述尺度信息和所述坐标信息确定人脸特征信息;
根据所述身份图像获得身份图像特征信息,并根据所述报名图像获得准考图像特征信息;
对所述身份图像特征信息与所述准考图像特征信息进行融合处理,获得验证图像特征信息;
根据所述验证图像特征信息对所述人脸特征信息进行身份验证,获得身份验证标识,并将所述身份验证标识作为身份验证结果。
可选地,所述获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息的步骤之前,还包括:
获取样本考场数、样本考生报名信息及样本机房座位编号;
根据所述样本考场数和所述样本考生报名信息生成第一预设约束条件;
根据所述样本考场数和所述样本机房座位编号生成第二预设约束条件;
根据所述样本考场数、所述样本考生报名信息、所述样本机房座位编号、所述第一预设约束条件及所述第二预设约束条件对初始神经网络模型进行训练,获得预设座位分配策略模型。
可选地,所述将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果的步骤之后,还包括:
根据所述准考证信息和所述机房座位分配结果生成目标准考证图像;
对所述目标准考证图像进行加密处理,获得加密准考证图像,并将所述加密准考证图像发送至专用服务器中,以使所述专用服务器对所述加密准考证图像进行处理。
可选地,所述根据所述准考证信息和所述机房座位分配结果生成目标准考证图像的步骤,包括:
根据所述准考证信息生成准考证图像,并获取所述准考证图像中第一选取区域中像素点的深度值;
获取所述第一选取区域中分割对象的深度值范围;
确定所述深度值处于所述深度值范围内的像素点,并根据所述像素点形成深度值导出区域;
根据所述深度值导出区域对所述准考证图像进行分割处理,获得目标考生图像;
将所述目标考生图像和所述机房座位分配结果进行拼合,获得目标准考证图像。
此外,为实现上述目的,本发明还提出一种基于计算机考试信息化机房座位管理装置,所述基于计算机考试信息化机房座位管理装置包括:
识别模块,用于获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息;
验证模块,用于采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果;
分配模块,用于将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
此外,为实现上述目的,本发明还提出一种基于计算机考试信息化机房座位管理设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于计算机考试信息化机房座位管理程序,所述基于计算机考试信息化机房座位管理程序配置为实现如上文所述的基于计算机考试信息化机房座位管理方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于计算机考试信息化机房座位管理程序,所述基于计算机考试信息化机房座位管理程序被处理器执行时实现如上文所述的基于计算机考试信息化机房座位管理方法的步骤。
本发明首先获取考生的身份信息,根据身份信息识别考生的准考证信息;采集考生的当前人脸图像信息,根据身份信息及准考证信息对当前人脸图像信息进行身份验证,获得身份验证结果,然后将身份验证结果和准考证信息输入至预设座位分配策略模型中,获得考生的机房座位分配结果。相较于现有技术中,需要工作人员根据考生到场时间进行座位分配,导致考务工作效率低下,而本发明中仅需要根据身份信息对准考证信息进行身份验证,之后将准考证信息及当前人脸图像信息输入至预设座位分配策略模型中,可获得随机分配的考场座位,实现了在保证考生身份准确性的同时,提高了考务工作效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于计算机考试信息化机房座位管理设备的结构示意图;
图2为本发明基于计算机考试信息化机房座位管理方法第一实施例的流程示意图;
图3为本发明基于计算机考试信息化机房座位管理方法第二实施例的流程示意图;
图4为本发明基于计算机考试信息化机房座位管理装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的基于计算机考试信息化机房座位管理设备结构示意图。
如图1所示,该基于计算机考试信息化机房座位管理设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-VolatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对基于计算机考试信息化机房座位管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于计算机考试信息化机房座位管理程序。
在图1所示的基于计算机考试信息化机房座位管理设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明基于计算机考试信息化机房座位管理设备中的处理器1001、存储器1005可以设置在基于计算机考试信息化机房座位管理设备中,所述基于计算机考试信息化机房座位管理设备通过处理器1001调用存储器1005中存储的基于计算机考试信息化机房座位管理程序,并执行本发明实施例提供的基于计算机考试信息化机房座位管理方法。
本发明实施例提供了一种基于计算机考试信息化机房座位管理方法,参照图2,图2为本发明基于计算机考试信息化机房座位管理方法第一实施例的流程示意图。
本实施例中,所述基于计算机考试信息化机房座位管理方法包括以下步骤:
步骤S10:获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息。
易于理解的是,本实施例的执行主体可以是具有图像处理、数据处理、网络通讯和程序运行等功能的基于计算机考试信息化机房座位管理设备,也可以为其他具有相似功能的计算机设备,本实施例并不加以限制,其中,基于计算机考试信息化机房座位管理设备可以为应用服务器,本实施例以及下述各实施例以应用服务器为例进行说明。所述应用服务器可以接收报名数据库服务器、机房机位数据库服务器、人工服务系统及考生自助考生服务终端发送的数据信息,并对所述数据信息进行处理等,本实施例并不加以限制。
可以理解的是,考生的身份信息可以为考生的身份证信息,应用服务器获取考生的身份信息的方式可以为,考生手持身份证,并将身份证放置在终端,之后通过终端读取的身份信息即二代身份证传输至应用服务器等,其中,终端包括主控模块、存储模块、射频模块及电源模块等,本实施例并不加以限制。
需要说明的是,主控模块可以读写设备的数据处理控制核心,其功能是控制射频模块完成对非接触卡的读写,还要负责通过通信接口与主机或应用系统进行通信以及对显示设备等其他外部设备的控制,存储模块可以是终端配有安全数码卡插槽,主控模块从射频读卡模块读取的信息可以存储在安全数码卡中,射频模块可以为射频卡的读写及射频信号的处理和数据的传输,电源模块,可以为系统提供稳定的电源,实现电池包充放电的有效管理,降低系统功耗等,本实施例并不加以限制。
在具体实现中,考生可以将身份证放置在终端上,之后终端中的主控模块可以控制射频模块对身份证进行信息读取,并将读取后的信息存储在终端的安全数码卡中,最后射频模块可以将读取的身份信息进行数据处理,并将处理后的身份信息发送至应用服务器,以使应用服务器对接收到的身份信息进行处理等。
应用服务器中存在基于.net框架与数据库开发技术开发的身份甄别系统,读取出考生信息与考试院报名库进行信息比对,同时进行图像甄别,经过双重认证后实现考生身份的甄别。
进一步地,为了实现身份甄别认证,根据所述身份信息识别所述考生的准考证信息的步骤可以为,应用服务器获取考生的身份信息,并对身份信息进行异构数据处理,获得身份编码信息和身份图像,之后根据身份编码信息和身份图像确定考生的准考证信息,其中身份编码信息可以为身份证通过射频处理后得到与身份证相对应的唯一身份编码信息,该身份编码信息可以根据身份甄别系统读取出考生信息等,身份图像可以为考生身份证上的人脸图像即身份图像等,本实施例并不加以限制。
根据身份编码信息和身份图像从预设报名信息库中匹配对应的准考证信息的步骤可以为根据身份编码信息从预设报名信息库中查找对应的考生报名信息,从考生报名信息中提取报名图像,并对身份图像和报名图像进行匹配,在匹配一致时,将考生报名信息作为考生的准考证信息等,其中,预设报名信息库可以为考试院报名库,该预设报名信息库存储至报名数据库服务器中,预设报名信息库中存在多个身份编码信息和多个考生报名信息,身份编码信息与考生报名信息存在一一对应的关系等,身份编码信息可以为字符,也可以为数字等,本实施例并不加以限制。
假设考生的身份编码信息为16545646,则从报名数据库服务器中读取预设报名信息库,并从读取预设报名信息库中查找身份编码信息为16545646对应的考生报名信息,该考生报名信息中存在考生的报名图像,之后将考生的报名图像与身份图像进行匹配,在匹配一致时,将考生报名信息作为考生的准考证信息等。
步骤S20:采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果。
需要说明的是,当前人脸图像信息可以理解为通过摄像头实时采集的人脸图像信息,包括拍摄图像时间信息,尺寸大小信息及人脸图像等,本实施例并不加以限制。
为了进一步验证考生的身份信息,需要根据身份证的身份图像及准考证上的报名图像对人脸图像进行验证,判定是否为同一人等。
采集考生的当前人脸图像信息,并根据身份证信息及准考证信息对当前人脸图像信息进行身份验证,获得身份验证结果的方式可以为,采集考生的当前人脸图像信息,并根据当前人脸图像信息确定考生的人脸图像,对人脸图像进行尺度不变特征变换(Scale-invariant feature transform,SIFT)处理,获得人脸图像的尺寸空间,根据尺寸空间确定人脸图像的关键点,并对关键点进行最小二乘拟合,获得关键点的尺度信息和坐标信息,根据尺度信息和坐标信息确定人脸特征信息,根据身份图像获得身份图像特征信息,并根据报名图像获得准考图像特征信息,对身份图像特征信息与准考图像特征信息进行融合处理,获得验证图像特征信息,根据验证图像特征信息对人脸特征信息进行身份验证,获得身份验证标识,并将身份验证标识作为身份验证结果,其中,尺度不变特征变换是用于图像处理领域的一种描述,这种描述具有尺度不变性,可在图像中检测出关键点,是一种局部特征描述子等,身份验证标识可以为身份验证成功标识,还可以为身份验证失败标识等,本实施例并不加以限制。
需要说明的是,根据身份图像获得身份图像特征信息和根据报名图像获得准考图像特征信息的处理方式都可以通过尺度不变特征变换处理,进而获得身份图像特征信息和准考图像特征信息等。
步骤S30:将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
预设座位分配策略模型的构建可以通过获取样本考场数、样本考生报名信息及样本机房座位编号,根据样本考场数和样本考生报名信息生成第一预设约束条件,根据样本考场数和样本机房座位编号生成第二预设约束条件,根据样本考场数、样本考生报名信息、样本机房座位编号、第一预设约束条件及第二预设约束条件对初始神经网络模型进行训练,获得预设座位分配策略模型等。
需要说明的是,样本机房座位编号可以为正常使用的机位对应的编号,可以用数字表示,也可以用字母来表示等,第一预设约束条件可以为用户自定义设置,假设样本考场数为3场,样本考生报名信息中存在30个考生,则第一预设约束条件可以为每场考场对应的考生人数为10个等,第二预设约束条件也可以为用户自定义设置,假设样本考场数为3场,样本机房座位编号为30,则第一预设约束条件可以为每场考场对应的机房座位编号为10个等。
根据样本考场数、样本考生报名信息、样本机房座位编号、第一预设约束条件及第二预设约束条件对初始神经网络模型进行训练,获得预设座位分配策略模型,其中预设座位分配策略模型还可以根据样本考场数、样本考生报名信息、样本机房座位编号、第一预设约束条件及第二预设约束条件通过以下任一机器学习方法训练获得,其中,机器学习方法可以为支持向量机(SVM)、逻辑回归算法、决策树、卷积神经网络、贝叶斯方法、遗传算法等,本实施例并不加以限制。
在考试院下发的准考证中没有显示考点具体机房号与座位号,但是考试院同时希望能够随机分配机房号与座位号给考生考试。传统的考务流程是监考人员在考场外随机的发放纸卡,纸卡上显示该考生的机房号与座位号。因为是传统的手工发放,导致考生在考场外排起几十米长队,效率低。同时因为发放的纸卡不具有随机性,往往一个教室前面坐满了,后面空着大量座位,机房间也存在不均衡问题,前面机房坐满学生,后面机房闲置。纸卡上的座位号不能同步机房内的机器的好坏情况,出现里面的机器是坏机,纸卡仍然发给学生考试的现象,因此,需要利用预设座位分配策略模型为不同的计算机考试机房座位上限和该考场的实际考生数进行分配座位,从而达到计算机机房的座位利用率最大化的目的。
可以理解的是,在身份验证结果为身份验证成功标识时,将身份验证成本标识和准考证信息输入至预设座位分配策略模型中,从而可以输出该考生对应的考场号和考试座位号,并将考生的考场号和考试座位号座位机房座位分配结果等。
进一步地,为了实现考试的信息共享与业务协同,将身份验证结果和准考证信息输入至预设座位分配策略模型中,获得考生的机房座位分配结果的步骤之后,根据准考证信息和机房座位分配结果生成目标准考证图像,之后对目标准考证图像进行加密处理,获得加密准考证图像,并将加密准考证图像发送至专用服务器中,以使专用服务器对加密准考证图像进行处理等,其中,专用服务器可以为考试专用服务器等,本实施例并不加以限制。
根据准考证信息和机房座位分配结果生成目标准考证图像的处理方式还可以根据准考证信息生成准考证图像,并获取准考证图像中第一选取区域中像素点的深度值,获取第一选取区域中分割对象的深度值范围,确定深度值处于深度值范围内的像素点,并根据像素点形成深度值导出区域,根据深度值导出区域对准考证图像进行分割处理,获得目标考生图像,之后将目标考生图像和机房座位分配结果进行拼合,获得目标准考证图像等。
需要说明的是,在深度摄像头拍摄的深度图像中,每个像素点都具有深度信息。每个像素点在画面中所处的位置与摄像头之间的距离(深度)在理论上是零到无穷大的。实际应用中,可以将各个像素点的深度进行归一化处理,得到任意一个范围的深度值。也就是在深度摄像头拍摄的深度图像中,可以获取到每一个像素点带有表示深度信息的数值(深度值)。
可以从准考证图像中获取第一选取区域中像素点的深度值,其中,第一选取区域可以为用户自定义选择区域,深度值可以为0,也可以为9等,本实施例并不加以限制。
第一选取区域中分割对象的深度值范围可以为用户自定义设置,可以为1-10等,假设第一选取区域中的像素点对应的深度值均为9,则可以将第一选取区域从准考证图像中进行分割,并将分割出的第一选取区域与机房座位分配结果进行拼合,获得目标准考证图像,之后对目标准考证图像进行加密处理,获得加密准考证图像,对加密准考证图像进行处理等,用户也可以将目标准考图像进行打印等,还可以将目标准考图像通过加密专线发送至考试院,以使考试院对目标准考图像进行保存和记录等;还可以根据人脸识别和座位分配结果确定真正的学生到考人数,并根据学生到场人数可以自动化生成学生签到表、考场情况记录表及座位表等,其中,座位表形成的是电子化的数据库存储,用于留档备查。
在本实施例中,首先获取考生的身份信息,根据身份信息识别考生的准考证信息;采集考生的当前人脸图像信息,根据身份信息及准考证信息对当前人脸图像信息进行身份验证,获得身份验证结果,然后将身份验证结果和准考证信息输入至预设座位分配策略模型中,获得考生的机房座位分配结果。相较于现有技术中,需要工作人员根据考生到场时间进行座位分配,导致考务工作效率低下,而本实施例中仅需要根据身份信息对准考证信息进行身份验证,之后将准考证信息及当前人脸图像信息输入至预设座位分配策略模型中,可获得随机分配的考场座位,实现了在保证考生身份准确性的同时,提高了考务工作效率。
参考图3,图3为本发明基于计算机考试信息化机房座位管理方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S10,还包括:
步骤S101:获取考生的身份信息,并对所述身份信息进行异构数据处理,获得身份编码信息和身份图像。
可以理解的是,考生的身份信息可以为考生的身份证信息,应用服务器获取考生的身份信息的方式可以为,考生手持身份证,并将身份证放置在终端,之后通过终端读取的身份信息即二代身份证传输至应用服务器等,其中,终端包括主控模块、存储模块、射频模块及电源模块等,本实施例并不加以限制。
需要说明的是,主控模块可以读写设备的数据处理控制核心,其功能是控制射频模块完成对非接触卡的读写,还要负责通过通信接口与主机或应用系统进行通信以及对显示设备等其他外部设备的控制,存储模块可以是终端配有安全数码卡插槽,主控模块从射频读卡模块读取的信息可以存储在安全数码卡中,射频模块可以为射频卡的读写及射频信号的处理和数据的传输,电源模块,可以为系统提供稳定的电源,实现电池包充放电的有效管理,降低系统功耗等,本实施例并不加以限制。
在具体实现中,考生可以将身份证放置在终端上,之后终端中的主控模块可以控制射频模块对身份证进行信息读取,并将读取后的信息存储在终端的安全数码卡中,最后射频模块可以将读取的身份信息进行数据处理,并获得身份编码信息和身份图像等,其中身份编码信息可以为身份证通过射频处理后得到与身份证相对应的唯一身份编码信息,该身份编码信息可以根据身份甄别系统读取出考生信息等,身份图像可以为考生身份证上的人脸图像即身份图像等,本实施例并不加以限制。
步骤S102:根据所述身份编码信息和所述身份图像确定所述考生的准考证信息。
根据身份编码信息和身份图像从预设报名信息库中匹配对应的准考证信息的步骤可以为根据身份编码信息从预设报名信息库中查找对应的考生报名信息,从考生报名信息中提取报名图像,并对身份图像和报名图像进行匹配,在匹配一致时,将考生报名信息作为考生的准考证信息等,其中,预设报名信息库可以为考试院报名库,该预设报名信息库存储至报名数据库服务器中,预设报名信息库中存在多个身份编码信息和多个考生报名信息,身份编码信息与考生报名信息存在一一对应的关系等,身份编码信息可以为字符,也可以为数字等,本实施例并不加以限制。
假设考生的身份编码信息为higdiagdi,则从报名数据库服务器中读取预设报名信息库,并从读取预设报名信息库中查找身份编码信息为higdiagdi对应的考生报名信息,该考生报名信息中存在考生的报名图像,之后将考生的报名图像与身份图像进行匹配,在匹配一致时,将考生报名信息作为考生的准考证信息等,本实施例并不加以限制。
在本实施例中,首先获取考生的身份信息,并对身份信息进行异构数据处理,获得身份编码信息和身份图像,之后根据身份编码信息和身份图像确定考生的准考证信息,实现了对考生身份进行精准验证,从而提高了准考证信息的准确性。
参照图4,图4为本发明基于计算机考试信息化机房座位管理装置第一实施例的结构框图。
如图4所示,本发明实施例提出的基于计算机考试信息化机房座位管理装置包括:
识别模块4001,用于获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息;
验证模块4002,用于采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果;
分配模块4003,用于将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
在本实施例中,首先获取考生的身份信息,根据身份信息识别考生的准考证信息;采集考生的当前人脸图像信息,根据身份信息及准考证信息对当前人脸图像信息进行身份验证,获得身份验证结果,然后将身份验证结果和准考证信息输入至预设座位分配策略模型中,获得考生的机房座位分配结果。相较于现有技术中,需要工作人员根据考生到场时间进行座位分配,导致考务工作效率低下,而本实施例中仅需要根据身份信息对准考证信息进行身份验证,之后将准考证信息及当前人脸图像信息输入至预设座位分配策略模型中,可获得随机分配的考场座位,实现了在保证考生身份准确性的同时,提高了考务工作效率。
进一步地,所述识别模块4001,还用于获取考生的身份信息,并对所述身份信息进行异构数据处理,获得身份编码信息和身份图像;
所述识别模块4001,还用于根据所述身份编码信息和所述身份图像确定所述考生的准考证信息。
进一步地,所述识别模块4001,还用于根据所述身份编码信息从预设报名信息库中查找对应的考生报名信息;
所述识别模块4001,还用于从所述考生报名信息中提取报名图像,并对所述身份图像和所述报名图像进行匹配;
所述识别模块4001,还用于在匹配一致时,将所述考生报名信息作为所述考生的准考证信息。
进一步地,所述验证模块4002,还用于采集所述考生的当前人脸图像信息,并根据所述当前人脸图像信息确定所述考生的人脸图像;
所述验证模块4002,还用于对所述人脸图像进行SIFT处理,获得所述人脸图像的尺寸空间;
所述验证模块4002,还用于根据所述尺寸空间确定所述人脸图像的关键点,并对所述关键点进行最小二乘拟合,获得所述关键点的尺度信息和坐标信息;
所述验证模块4002,还用于根据所述尺度信息和所述坐标信息确定人脸特征信息;
所述验证模块4002,还用于根据所述身份图像获得身份图像特征信息,并根据所述报名图像获得准考图像特征信息;
所述验证模块4002,还用于对所述身份图像特征信息与所述准考图像特征信息进行融合处理,获得验证图像特征信息;
所述验证模块4002,还用于根据所述验证图像特征信息对所述人脸特征信息进行身份验证,获得身份验证标识,并将所述身份验证标识作为身份验证结果。
进一步地,所述基于计算机考试信息化机房座位管理装置,还包括建立模块;
所述建立模块,用于获取样本考场数、样本考生报名信息及样本机房座位编号;
所述建立模块,还用于根据所述样本考场数和所述样本考生报名信息生成第一预设约束条件;
所述建立模块,还用于根据所述样本考场数和所述样本机房座位编号生成第二预设约束条件;
所述建立模块,还用于根据所述样本考场数、所述样本考生报名信息、所述样本机房座位编号、所述第一预设约束条件及所述第二预设约束条件对初始神经网络模型进行训练,获得预设座位分配策略模型。
进一步地,所述基于计算机考试信息化机房座位管理装置,还包括处理模块;
所述处理模块,用于根据所述准考证信息和所述机房座位分配结果生成目标准考证图像;
所述处理模块,还用于对所述目标准考证图像进行加密处理,获得加密准考证图像,并将所述加密准考证图像发送至专用服务器中,以使所述专用服务器对所述加密准考证图像进行处理。
进一步地,所述处理模块,还用于根据所述准考证信息生成准考证图像,并获取所述准考证图像中第一选取区域中像素点的深度值;
所述处理模块,还用于获取所述第一选取区域中分割对象的深度值范围;
所述处理模块,还用于确定所述深度值处于所述深度值范围内的像素点,并根据所述像素点形成深度值导出区域;
所述处理模块,还用于根据所述深度值导出区域对所述准考证图像进行分割处理,获得目标考生图像;
所述处理模块,还用于将所述目标考生图像和所述机房座位分配结果进行拼合,获得目标准考证图像。
本发明基于计算机考试信息化机房座位管理装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于计算机考试信息化机房座位管理方法,其特征在于,所述基于计算机考试信息化机房座位管理方法包括:
获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息;
采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果;
将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
2.如权利要求1所述的方法,其特征在于,所述获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息的步骤,包括:
获取考生的身份信息,并对所述身份信息进行异构数据处理,获得身份编码信息和身份图像;
根据所述身份编码信息和所述身份图像确定所述考生的准考证信息。
3.如权利要求2所述的方法,其特征在于,所述根据所述身份编码信息和所述身份图像确定所述考生的准考证信息的步骤,包括:
根据所述身份编码信息从预设报名信息库中查找对应的考生报名信息;
从所述考生报名信息中提取报名图像,并对所述身份图像和所述报名图像进行匹配;
在匹配一致时,将所述考生报名信息作为所述考生的准考证信息。
4.如权利要求3所述的方法,其特征在于,所述采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果的步骤,包括:
采集所述考生的当前人脸图像信息,并根据所述当前人脸图像信息确定所述考生的人脸图像;
对所述人脸图像进行SIFT处理,获得所述人脸图像的尺寸空间;
根据所述尺寸空间确定所述人脸图像的关键点,并对所述关键点进行最小二乘拟合,获得所述关键点的尺度信息和坐标信息;
根据所述尺度信息和所述坐标信息确定人脸特征信息;
根据所述身份图像获得身份图像特征信息,并根据所述报名图像获得准考图像特征信息;
对所述身份图像特征信息与所述准考图像特征信息进行融合处理,获得验证图像特征信息;
根据所述验证图像特征信息对所述人脸特征信息进行身份验证,获得身份验证标识,并将所述身份验证标识作为身份验证结果。
5.如权利要求1-4任一项所述的方法,其特征在于,所述获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息的步骤之前,还包括:
获取样本考场数、样本考生报名信息及样本机房座位编号;
根据所述样本考场数和所述样本考生报名信息生成第一预设约束条件;
根据所述样本考场数和所述样本机房座位编号生成第二预设约束条件;
根据所述样本考场数、所述样本考生报名信息、所述样本机房座位编号、所述第一预设约束条件及所述第二预设约束条件对初始神经网络模型进行训练,获得预设座位分配策略模型。
6.如权利要求5所述的方法,其特征在于,所述将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果的步骤之后,还包括:
根据所述准考证信息和所述机房座位分配结果生成目标准考证图像;
对所述目标准考证图像进行加密处理,获得加密准考证图像,并将所述加密准考证图像发送至专用服务器中,以使所述专用服务器对所述加密准考证图像进行处理。
7.如权利要求6所述的方法,其特征在于,所述根据所述准考证信息和所述机房座位分配结果生成目标准考证图像的步骤,包括:
根据所述准考证信息生成准考证图像,并获取所述准考证图像中第一选取区域中像素点的深度值;
获取所述第一选取区域中分割对象的深度值范围;
确定所述深度值处于所述深度值范围内的像素点,并根据所述像素点形成深度值导出区域;
根据所述深度值导出区域对所述准考证图像进行分割处理,获得目标考生图像;
将所述目标考生图像和所述机房座位分配结果进行拼合,获得目标准考证图像。
8.一种基于计算机考试信息化机房座位管理装置,其特征在于,所述基于计算机考试信息化机房座位管理装置包括:
识别模块,用于获取考生的身份信息,并根据所述身份信息识别所述考生的准考证信息;
验证模块,用于采集所述考生的当前人脸图像信息,并根据所述身份信息及所述准考证信息对所述当前人脸图像信息进行身份验证,获得身份验证结果;
分配模块,用于将所述身份验证结果和所述准考证信息输入至预设座位分配策略模型中,获得所述考生的机房座位分配结果。
9.一种基于计算机考试信息化机房座位管理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于计算机考试信息化机房座位管理程序,所述基于计算机考试信息化机房座位管理程序配置为实现如权利要求1至7中任一项所述的基于计算机考试信息化机房座位管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011471444.5A CN112581081B (zh) | 2020-12-15 | 2020-12-15 | 基于计算机考试信息化机房座位管理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011471444.5A CN112581081B (zh) | 2020-12-15 | 2020-12-15 | 基于计算机考试信息化机房座位管理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581081A true CN112581081A (zh) | 2021-03-30 |
CN112581081B CN112581081B (zh) | 2024-04-23 |
Family
ID=75135179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011471444.5A Active CN112581081B (zh) | 2020-12-15 | 2020-12-15 | 基于计算机考试信息化机房座位管理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581081B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570741A (zh) * | 2021-07-26 | 2021-10-29 | 深圳市即构科技有限公司 | 一种面试检入装置及面试系统 |
CN113706348A (zh) * | 2021-08-31 | 2021-11-26 | 贵州东冠科技有限公司 | 基于人脸识别的在线自动监考系统及方法 |
CN115146243A (zh) * | 2022-07-08 | 2022-10-04 | 武汉全英教育咨询有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理系统 |
CN115273315A (zh) * | 2022-06-22 | 2022-11-01 | 中银金融科技有限公司 | 一种核酸检测排队方法、装置及电子设备 |
CN116542497A (zh) * | 2023-07-06 | 2023-08-04 | 浙江海亮科技有限公司 | 考场分配方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200414A (zh) * | 2014-09-01 | 2014-12-10 | 成都信息工程学院 | 一种过程化学生自助考试系统 |
CN104504515A (zh) * | 2014-12-18 | 2015-04-08 | 四川大学 | 教学实验考试智能管理系统 |
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 |
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 |
CN110263761A (zh) * | 2019-07-02 | 2019-09-20 | 华中科技大学 | 具有人证对比功能的便携式考场签到系统及信息处理方法 |
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 |
-
2020
- 2020-12-15 CN CN202011471444.5A patent/CN112581081B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200414A (zh) * | 2014-09-01 | 2014-12-10 | 成都信息工程学院 | 一种过程化学生自助考试系统 |
CN104504515A (zh) * | 2014-12-18 | 2015-04-08 | 四川大学 | 教学实验考试智能管理系统 |
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 |
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 |
CN110263761A (zh) * | 2019-07-02 | 2019-09-20 | 华中科技大学 | 具有人证对比功能的便携式考场签到系统及信息处理方法 |
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 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570741A (zh) * | 2021-07-26 | 2021-10-29 | 深圳市即构科技有限公司 | 一种面试检入装置及面试系统 |
CN113706348A (zh) * | 2021-08-31 | 2021-11-26 | 贵州东冠科技有限公司 | 基于人脸识别的在线自动监考系统及方法 |
CN115273315A (zh) * | 2022-06-22 | 2022-11-01 | 中银金融科技有限公司 | 一种核酸检测排队方法、装置及电子设备 |
CN115146243A (zh) * | 2022-07-08 | 2022-10-04 | 武汉全英教育咨询有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理系统 |
CN115146243B (zh) * | 2022-07-08 | 2023-09-15 | 北京布局未来教育科技有限公司 | 一种基于数据分析的线上vr考试考生信息核对管理系统 |
CN116542497A (zh) * | 2023-07-06 | 2023-08-04 | 浙江海亮科技有限公司 | 考场分配方法、装置、电子设备及介质 |
CN116542497B (zh) * | 2023-07-06 | 2023-10-13 | 浙江海亮科技有限公司 | 考场分配方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112581081B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581081B (zh) | 基于计算机考试信息化机房座位管理方法、装置及设备 | |
CN109086669A (zh) | 人脸识别身份验证方法、装置、电子设备 | |
CN109409349B (zh) | 信贷证件鉴别方法、装置、终端及计算机可读存储介质 | |
CN111083096B (zh) | 用于在考试中安全地分发内容的方法和系统 | |
CN109978552B (zh) | 一种基于身份证信息的支付处理方法、装置及设备 | |
CN108805005A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN109635021A (zh) | 一种基于人体检测的数据信息录入方法、装置及设备 | |
CN110245936A (zh) | 移动支付自助签约方法、装置和系统 | |
CN112580108A (zh) | 签名和印章完整性验证方法及计算机设备 | |
CN111738199A (zh) | 图像信息验证方法、装置、计算装置和介质 | |
CN109119163A (zh) | 基于面部识别的健康检测方法及其系统 | |
CN108334869B (zh) | 人脸部件的选择、人脸识别方法和装置,以及电子设备 | |
CN107393044A (zh) | 智能签到管理方法、装置及系统 | |
CN113822645A (zh) | 一种面试管理系统、设备及计算机介质 | |
CN112799612A (zh) | 一种打印控制方法、装置、计算机设备及存储介质 | |
CN113486316A (zh) | 用户身份验证方法、装置、电子设备及可读存储介质 | |
CN109388935A (zh) | 单证验证方法及装置、电子设备及可读存储介质 | |
CN108734099A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN112785741A (zh) | 签到系统和方法、计算机设备和存储设备 | |
CN208014043U (zh) | 基于人脸识别的访客机 | |
CN109919617A (zh) | 一种签名方法、系统、装置及电子设备 | |
CN113032755B (zh) | 核电设备的操作人员验证方法、装置、设备和存储介质 | |
CN115454755A (zh) | 针对终端系统的测试方法以及相关设备 | |
Ashari et al. | Analysis of Combination of Parking System with Face Recognition and QR Code using Histogram of Oriented Gradient Method | |
JP5782969B2 (ja) | 出席管理システム |
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 |