李沛秦， 陳 浩， 熊 偉， 謝劍斌， 閆 瑋

(國防科技大學 電子科學學院，湖南 長沙 410073)

0 引言

人類社會邁入21世紀，以多媒體和國際互聯(lián)網為代表的現(xiàn)代信息技術，正以驚人的速度改變著人們的生活方式和學習方式。網絡教育通過網絡進行教學活動,這樣的教育手段打破了傳統(tǒng)教師教學的時間以及地點的限制,網絡教育獨有的快捷以及交互性強等特點受到了廣大教師、學生的一致好評；其而靈活的、開放的架構有利于數據共享，因此網絡教育在全球范圍內都受到了極高的關注,在研究和應用等方面發(fā)展十分迅速[1][2]。特別是近年來隨著移動互聯(lián)網的興起，以MOOC (Massive Open Online Course) 為代表的在線教育平臺如雨后春筍般迅速發(fā)展，智能手機、平板電腦、筆記本電腦等移動學習終端大量普及，互聯(lián)網、5G通信技術等帶來了更快的傳輸速率，使得在線直播教學受到了前所未有的廣泛關注。

遠程網絡教育比傳統(tǒng)模式更靈活、更能體現(xiàn)學習主體地位，也方便組織遠程考試，這對于位置偏遠的學生或考生，有著非常重要的現(xiàn)實意義。尤其是今年全球普遍出現(xiàn)新冠狀病毒肺炎疫情，為了防控疫情傳播，今年上半年我國大學生群體全程通過居家網絡課程進行學習。無人監(jiān)考是遠程網絡教育中用于評價學習效果的重要環(huán)節(jié)，必須確保其安全性、公正性?，F(xiàn)有遠程網絡教育系統(tǒng)在人員身份驗證、學習過程監(jiān)督、考試過程監(jiān)控等方面存在安全隱患和管控漏洞。為切實推動網絡教育發(fā)展，國防科技大學電子科學學院“人工智能與模式識別”課程教學團隊針對生物特征活體鑒別、面部特征識別、考試過程中的異常作弊行為檢測等關鍵技術開展了探索，力求從技術層面確保真學真考。

1 無人監(jiān)考特點

網絡教育具有鮮明時代性，在保留書本閱讀、離線教學等傳統(tǒng)學習方式的前提下，強調依托信息網絡平臺開展在線學習與考試。積極運用“網絡+教育”的理念方法，逐步實現(xiàn)多樣化教育、個性化學習、智能化服務、精細化管理。與傳統(tǒng)教育模式相比，網絡教育主要依靠遠程在線學習、在線考試完成教育過程，具有方便靈活、節(jié)省資源等優(yōu)點，也有助于發(fā)揮個人主觀能動性。但部分單位、人員由于工作任務重等原因，在缺少傳統(tǒng)教育模式中專人監(jiān)督、考核的前提下，參加網絡無人監(jiān)考可能在身份驗證、考試質量等方面存在替學、替考等問題。需要通過技術手段加以輔助，以消除漏洞，確保網絡教育落到實處。

大學MOOC以及大量的其它各種終身教育、非學歷教育等課程，普遍存在既要方便遠程考試，又要加強考試監(jiān)管的問題?，F(xiàn)有網絡教育的考試模式主要有集中筆試、集中機考、集中網考、分散網考共四類，如表1所示：

表1 學習、考試模式分析

傳統(tǒng)的高校集中教育考試模式具有固定性的特征,需要在特定的地點用紙質閉卷考試的方法考查學習者的完成情況,這對于非本校學習者來說存在很大的不便,特別對已工作的社會學生會出現(xiàn)較為突出的工學矛盾問題。工學矛盾的產生不僅要學習者的學習壓力和質量大幅降低,還會阻礙潛在學習者接受網絡教育的熱情。為了改變這樣的現(xiàn)狀,高校網絡教育考試模式要在“互聯(lián)網+”技術支持上進行大力的創(chuàng)新和改革,打造網絡化的考試平臺。

就“隨時異課”和“分散網考”的現(xiàn)狀來看，目前缺少智能無人化監(jiān)管，遠程教育體系尚不能充分保障考試安全。隨著人工智能、視覺計算新技術的發(fā)展，人臉識別、目標跟蹤、音視頻數據分析等新方法為加強遠程教育中的學習質量、考試安全提供了技術保障。新型信息技術的應用，可以使網絡教育進一步完善，更加受到廣大學習者的歡迎。

2 關鍵技術

2.1 融合式人臉活體快速檢測

相對于傳統(tǒng)的密碼登陸方式，人臉識別是一種安全等級較高、且使用便捷的認證方式，在安全防范領域得到廣泛應用。然而，現(xiàn)有人臉認證系統(tǒng)可通過照片、圖片、視頻等非活體生物樣本攻破。在無人監(jiān)考系統(tǒng)中，我們采用融合式人臉活體檢測方法：

首先定位人臉Landmark關鍵點[3]，其位置和序號如圖1所示。

圖1 人臉關鍵點位置及序號

以人臉關鍵點為中心，適宜的窗口劃分對應的塊并計算其LBP直方圖，將所有塊的直方圖連接起來構成特征向量。分別針對活體人臉樣本和假體人臉樣本提取上述特征向量，通過深度網絡進行訓練和分類，實現(xiàn)活體人臉檢測。與基于結構光的方法[4]相比，該方法不需要增加額外的特種光源。實測該方法達到了基本實時的處理速度，在相對穩(wěn)定的光照環(huán)境下準確率超過99%，可以檢測出照片、打印紙、視頻、面具等假體人臉攻擊。

2.2 綜合全局和局部特征的跨年代人臉魯棒識別

人臉識別已經過幾十年的發(fā)展，并且近年來借助深度學習在若干數據集上已獲得令人矚目的進展[5]。但在無人監(jiān)考應用中，通常注冊人臉和現(xiàn)場比對人臉存在因年齡差異造成的變化，從而導致識別率下降[6]。

本課題以人臉局部部件的特異性作為研究對象，首先從視頻圖像中檢測人臉并基于面部關鍵點實現(xiàn)配準；然后提取左右眉、左右眼、鼻子、嘴唇這6個局部部件，外加全臉共7個面部部件，針對每一部件訓練其對應的卷積神經網絡；在進行人臉比對時，將待處理人臉部件圖像輸入對應CNN，輸出7個部件各自所屬類別，然后綜合各部件特征，考察目標人臉與模板人臉的相似程度，實現(xiàn)定量計算。方法框架如圖2所示。

圖2 基于五官特異性的跨年代人臉識別

該方法融合了局部特征和全局特征，增強了對人臉因年齡變化造成差異的適應性[7]。

2.3 基于改進CSSD的作弊行為檢測

在無人監(jiān)考過程中，針對偷看手機、紙條、書本等非允許物品進行檢測，可有效發(fā)現(xiàn)夾帶、抄襲等作弊行為。近年來，卷積神經網絡已經以多種方式被用于目標檢測。但現(xiàn)有算法存在的不足是對小目標和遮擋問題不夠魯棒[8]，難以直接應用于無人監(jiān)考領域。

我們首先構建如下檢測場景(不要求絕對按照此場景安裝采集設備，僅作為示例展示頂視拍攝效果，只要提供此視角監(jiān)控畫面即可)，如圖3所示。

圖3 作弊行為檢測場景

然后基于卷積神經網絡，使用改進的DenseNet加深網絡結構，提高網絡的特征提取能力。并且通過反卷積和下采樣單元構建了一個環(huán)形特征金字塔，將其命名為環(huán)形單次檢測器CSSD(Cycle Single Shot Detector)[9]。環(huán)形特征金字塔可以充分利用各層之間的信息準確預測行為檢測框，最終使算法在遮擋情況下和檢測小目標方面表現(xiàn)良好，能準確檢測出學習、考試場景中出現(xiàn)的手機、書本、紙條等目標，結合實際規(guī)則可有效發(fā)現(xiàn)夾帶、抄襲等作弊行為。

3 結語

教育模式變革推動采用先進的網絡信息技術，在全國各種類型的學校、企事業(yè)單位建設涵蓋“教育、學習、考試、交流、管理”為一體的網絡教育新平臺。通過跨年代人臉比對確保學習考試人員身份；通過活體檢測杜絕使用照片、圖片等偽造人臉替考；通過場景中的目標檢測避免夾帶、抄襲等作弊行為；結合行為檢測與跟蹤等多項視覺計算新技術，有助于為建設和管控網絡教學、無人監(jiān)考提供技術支撐，達到實時監(jiān)測、自動預警、智能管控、精確決策支持等目的?；谏鲜鲂录夹g可以實現(xiàn)學習考試要素數字化、設施設備智能化、信息資源網絡化和日常管理可視化，有效提升網絡考試安全等級，推動網絡教育改革順利開展。