程伟
身份证号码：51120219820824****
摘 要：随着互联网、大数据、云计算等新技术的迅速发展，作为现代高端服务业重要组成部分的服务外包产业，不断朝着数字化、人工智能的方向拓展，并逐渐成为我国经济创新增长的新引擎。本文主要开发设计一款可提供项目素材管理、项目接包人员管理以及资源安全防范保护等服务的智能外包管理系统，旨在缓解公司内部的人力压力，重新整合内部资源，将资源集中在最能反映企业相对优势的业务领域，塑造企业独特的、难以被其他企业代替的特色业务。
关键词：智能外包管理；人脸识别；大数据
1 项目简介
1.1 智能外包管理平台
智能外包管理平台，是一款基于大数据的对平台硬件与固件进行管控的平台，可以提供项目素材管理、项目接包人员管理以及资源安全防范保护等服务。此平台可缓解公司内部的人力资源压力，使公司内外部资源得到有效结合，提高管理效率以及业务能力。
1.2 系统实用意义
随着数据的大量产生，电子化，数据化的大范围覆盖，大数据成为新“能源”。企业在利用大数据开拓新业务，创造新模式的同时，也造成了大量的非专业事务耗费人力以及过剩业务流失客户的现象，因此企业更倾向于把业务以外包的形式开展，而管理平台可以将发包者与接包者连接起来，协助企业解决问题。
2 重点功能实现
2.1 权限管理
通过Shiro实现权限认证，从而实现通过公司内部发包人员与公司外部接包人员的分别登录来展现前后台两套系统的不同内容。
2.2 用户实名认证
在注册时，要求用户填写真实信息进行实名认证，本系统采用了手机号实名认证的方法。
首先通过短信验证来确认用户输入的手机号是否属于用户本人。本系统使用的短信验证方法是调用阿里云的短信发送API。后台通过阿里云短信验证平台提供的接口发送请求到该平台。平台收到请求向用户手机发送验证码。后台通过验证用户输入的验证码和预设的验证码是否一致来判断用户输入的手机号是否属于用户本人。
2.3 人员考勤
系统默认一天的验证次数为2-4之间，取随机数n，将发包方规定的一天工作时间转化为分钟数，然后以分钟数为区间取n个数，再将这些数按照从小到大的顺序进行排序，最后判断相邻数之间的间隔是否大于15，如果不符合，则重新随机，如果符合则将开始时间分别加上这些数，并分别判断这些时间是否在用户自定义的用餐时间内，如果不在，则根据这些时间点进行定时任务，从而实现对用户进行随机验证。
2.4 高安全等级项目访问
在接包用户访问高安全等级的项目时，启动人脸监控系统。假如镜头前不是用户本人或者出现了第二个人的脸，则立即销毁当前页面的所有HTML元素，锁定该用户当前帐号，并将本次事件发送给发包方，由发包方决定合作是否继续。
2.5 任务管理
公司一般会自己搭建Git库，发包方可以给接包方提供一个自己公司的Git接口，接包人员可以将每天更新的项目上传到Git库，这样发包方就可以每天实时查看项目的进度。没有自己的Git库也可以将项目进度划分为多个阶段，接包人员每完成一个阶段即可提交自己的工作成果。
2.6 协议与合同签订
通过第三方电子合同平台“法大大”，进行各种保密协议以及合同的签订。企业在该平台填写必要的信息即可注册企业账号，使用该账号登录之后即可发布合同并指定接收方。个人注册需要经过实名认证，登录后可在法大大APP的个人中心查看自己需要签署的合同。
2.7 人脸识别技术
本系统使用的是由百度提供的人脸识别技术。
首先导入相关JAR包，登录百度云创建一个人脸识别应用，然后可以获取所需的AppID、APIKey、SecretKey。通过这些参数就可以调用人脸识别API。
2.7.1 获取用户脸部照片
首先前端通过获取video标签调用本地的摄像头（获取用户媒体对象，流媒体数据base64），将流媒体数据画到convas画布上去，然后传输到后台。或者获取本地照片经过base64转码后传输给后台。后台再调用API进行处理。
2.7.2 人脸注册
用户在注册时需要进行人脸注册，就是上传本人脸部照片，或者在线拍摄脸部照片（参考2.7.1）。然后后台通过人脸检测接口对百度提供的识别系统发送请求，根据后台返回的参数以及人脸识别官方给出的参数推荐阈值（范围）表来判断人脸是否合格。合格的照片则保存到数据库中，不合格的则提示用户重新上传照片。
2.7.3 人脸登录
用户登录时调用摄像头对用户拍照，将获得的图片信息传给后台。后台将数据库中保存的照片和前端传过来的照片的base64编码信息放入同一个String类型字符串中，编码用半角逗号分隔。然后将该字符串通过人脸对比接口传给人脸识别系统，根据系统返回的参数score（人脸相似度得分，推荐阈值80分）的值进行判断，高于80分则允许登录。
2.7.4 人脸考勤
相比于人脸登录，该功能多进行了一次在线活体检测。其作用为基于单张图片，判断图片中的人脸是否为二次翻拍。此功能可用于H5场景下的一些人脸采集场景中，增加人脸注册的安全性和真实性。后台通过在线活体检测接口将照片传给人脸识别系统，然后根据返回的活体分数值face_liveness进行判断，99.5%以上的人通过考勤。
2.7.5 人脸监控
在访问高安全等级的资源和任务时，需要在访问期间没有第三方人脸（也就是除了指定的操作人脸外，不允许有第二个人脸）的介入。
由于人脸识别系统没有提供在线的视频监控接口，所以需要将前端的人脸拍照功能封装到一个函数中，设置函数循环执行，并且间隔为1s。对每一张拍摄到的人脸照片进行人脸检测、人脸对比、在线活体检测。其中人脸检测结果的返回值中包含face_num参数，即检测到的人脸数量，根据此参数可以判断访问期间是否有第三方人脸出现。
2.8 MD5加密
在 Java 类库中，java.security.MesSageDigest和 sun.misc.BASE64Encoder类对MD5算法的实现提供了支持。基本过程如下：（1）把要加密的字符串转换成字节数组；（2）获取MesSageDigest对象，利用该对象的digest方法完成加密，返回字节数组；（3）将字节数组利用base64算法转换成等长字符串。
3 结 论
基于大数据的人脸识别技术在我国智能外包系统中的应用前景非常广阔，为传统数据库信息调用和身份验证提供了全新的思路和实现路径。通过本次智能外包系统的身份识别系统设计构建，为具体系统架构设计以及实现做出了尝试和探索。相信随着网络技术和大数据技术的不断发展和应用，基于大数据的人脸识别智能外包系统会更加成熟。
参考文献：
[1] 赵池龙，程努华.实用软件工程 [M].（第4版）.北京：电子工业出版社，2015：10-33.
[2] 王珊，萨师煊.数据库系统概论 [M].（第5版）.北京：高等教育出版社，2014：133-134.
[3] 张继军，董卫.Java Web应用开发技术与案例教程 [M].北京：机械工业出版社，2013：224-225.