時間：5月31日(周五)

　　地點：教13(302)

　　參與人員：21計科本6班;21智能本1班

　　專家簡介：

　　李苗，女，工程碩士，副教授，主持、參與省校級科研項目十余項，在國內、外期刊發表教科研論文十余篇。主講《IT職業道德修養》、《辦公自動化》、《大學生職業規劃》等課程，長期指導學生參加創新創業類比賽，近3年指導學生參加各類創新創業比賽獲省級以上獎項達百項。個人多次獲評國家級、省級優秀指導教師、安徽省高校輔導員年度人物、雙能型教師、師德標兵、優秀共產黨員等。

　　內容概要：

　　現如今考場學生身份驗證技術大多數采用身份證以及準考證等，在考場入口處進行監考教師人工驗證的方式進行身份驗證。單靠人工辨別的方式很難在短時間內完成大量考生的對比判別，也很容易會出現錯判、漏判或其他人為因素的干擾。隨著深度學習的快速發展，考生身份識別有著廣闊的應用前景，身份檢測識別能夠確保每位考生的身份真實性，防止考試作弊和代考現象的發生，提高考試的公平性和準確性。

　　本研究第一步利用了考生圖像檢測模型MTCNN(Multi-Task Convolutional Neural Network，多任務卷積神經網絡)和RetinaFace來進行多人人臉的檢測，實驗表明，RetinaFace在準確性上更勝一籌。

　　接著第二步使用數據增強，不僅可以豐富數據集的同時極大地提升訓練速度，而且可以降低模型的內存需求，同時本文采用FaceNet模型來學習人臉圖像的特征，FaceNet將人臉圖像映射到歐氏空間，通過空間距離來衡量人臉的相似度。研究內容主要包括FaceNet模型的改進、數據集的收集與標注、模型訓練與測試，以及在實際考場環境中的應用與評估。研究表明，該算法在一定程度上提升了考場考生的識別率，能夠較好地對考生進行檢測。