为有效协助池州学院教务处2020级新生学籍认证工作的开展，池州学院大数据与人工智能学院采用Sugon_edu iVerification智能核身验证系统，对20级4000余新生进行了“刷脸”学籍认证。

这套人脸识别系统主要包括：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取、人脸图像匹配与识别四个组成部分。由采集中心从教务处导出学生姓名、身份证信息、照片信息，导入到Sugon_edu iVerification智能核身验证系统中，再对4000余新生进行人像采集-识别-认证。并使用扫描范围为270°的摄像头，以确保采集和认证的高效性和准确性。

下面让小编来带你解锁这套系统吧！

01人脸图像采集及检测

人脸图像采集：系统自动搜索进入到采集设备拍摄范围的人脸图像，包括静态图像、动态图像、不同的位置、不同表情等。

人脸检测：即人脸识别的预处理，是在图像中准确标定出人脸的位置和大小等有用的信息,并利用这些特征实现人脸检测。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。

池州学院使用的Sugon_edu iVerification智能核身验证系统,是采用Adaboost学习算法，基于以上特征挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

02人脸图像预处理

人脸图像预处理：基于人脸检测结果，系统对获取的原始图像进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

03人脸图像特征提取

人脸图像特征提取：人脸特征提取，也称人脸表征，是对人脸进行特征建模的过程。人脸特征提取的方法可分为基于知识的表征方法和基于代数特征或统计学习的表征方法两类；可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。

池州学院使用的Sugon_edu iVerification智能核身验证系统，采用基于知识的表征方法，主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。即通过对人脸构成中的眼睛、鼻子、嘴、下巴等局部和它们之间结构关系的几何描述，作为识别人脸的重要特征，完成人脸图像的特征提取。

04人脸图像匹配与识别

人脸图像匹配与识别：人脸识别就是将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

人脸识别和学籍认证的全过程，新生只需在摄像头前站立数秒，确认采集的人像和数据库中匹配一致，即完成了学籍认证。系统在多人同时捕捉和识别的速度约为1s-1.5s，且通过率约为99%。

该智能核身验证系统，为有效提高池州学院学生认证工作的时效，规范学校管理服务流程，提升校园信息化工作的便利性和安全性起到了实质性的推动作用，也向20级的同学们很直观的展示了智能时代信息处理的高效性。