1.基于人工智能面部捕获的视频运维分析系统，其特征在于，包括：验证层、监控层及警示层；

处于同一考场的考生面容通过验证层进行全局采集，验证层同步以获取的考生身份信息中考生面容在采集的考生面容图像进行比对，以完成考生面容验证，监控层实时采集考场影像，对考场影像中各考生面部进行捕获，基于考生面部捕获结果分析其面部空间位置变换形态，警示层运行接收监控层中考生面部空间位置变换形态，基于考生面部空间位置变换形态确认警示目标，基于警示目标发出预警提示；

所述监控层包括采集模块、配置模块及分析模块，采集模块用于实时采集考场影像，配置模块用于在考场影像中配置考生面容图像捕捉框，分析模块用于在考场影像中基于考生面容图像捕捉框分割获取各考生对应考场影像，在考生对应考场影像中拾取画面帧，基于拾取的画面帧分析各考生面部空间位置变换形态；

以来源于同一考生的捕捉框对应考场影像中画面帧作为考生面部空间位置变换形态分析目标，识别各画面帧中考生轮廓图像，对各画面帧基于纵、横向中线进行分割，使每幅画面帧基于分割得到四幅子画面帧，且每幅子画面帧标注有左上、右上、左下、右下的标记，基于标记对子画面帧进行区分得到四个子画面帧集合；

式中：ADFV为考生面部空间位置变换形态表征参数；Q左上、Q左下表示标记为左上、左下对应子画面帧集合；S(por)s、S(unpor)s为第s幅子画面帧中考生面部图像的区域面积、第s幅子画面帧中考生面部图像以外的区域面积；

其中，基于上式分别以左上、左下；左上、右上；右上、右下；右下、左下计算考生面部空间位置变换形态表征参数记作ADFV↖↙、ADFV↖↗、ADFV↗↘、ADFV↘↙，基于考场影像的连续采集，以完成画面帧拾取更新，则有：记作历史考生面部空间位置变换形态分

析结果。

2.根据权利要求1所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述验证层包括相机模组、上传模块及验证模块，相机模组用于采集考场内考生面容全局图像，上传模块用于上传考生身份信息，验证模块用于接收相机模组运行采集的考场内考生面容全局图像，以及上传模块运行上传的考生身份信息，基于考生身份信息与考场内考生面容全局图像比对，验证考场内考生是否正确；

其中，上传模块中上传的考生身份信息包括：准考证号、座位号、考生身份证号、考生面容图像，考生通过座位号按序于考场中就座后，相机模组采集考场内考生面容全局图像，使所有考生面容图像于同一图像中显示，考场内考生面容全局图像在完成采集后，同步执行图像分割操作，使分割所得各子图像中均仅包含一名考生的面容图像，基于子图像组成一个集合，在上传模块中上传的各考生身份信息中获取考生面容图像，以获取的考生面容图像作为一个集合，将两个集合发送至验证模块中。

3.根据权利要求2所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述验证模块中考场内考生是否正确的验证逻辑表示为：式中：P为判定值；f(SIMM(i,j)≥98％)为判定函数；n、m为基于考生面容全局图像分割及考生身份信息中考生面容图像获取确定的两个集合；SIMM(i,j)为第i幅考生面容图像与第j幅考生面容图像的相似度；P0为基于考场座位数量或考生身份信息数量确定的考生数量；pmiss为缺考考生数量；

其中，考场中存在缺考情况时，集合n、m中相应考生对象同步消减，公式(2)成立时，验证模块验证考场内考生正确，反之，则为不正确，判定函数f(SIMM(i,j)≥98％)中，括号内条件成立，则f(SIMM(i,j)≥98％)＝1，反之取零。

4.根据权利要求3所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述验证模块运行验证结果为否时，于判定函数中获取n内无使判定函数成立的考生面容图像，将该考生面容图像来源考生作为考场监考人员线下处理目标，由考场监考人员线下对考生身份信息再次验证，验证通过后，跳转监控层运行，验证不通过，将该考生面容图像来源考生排除于监控层运行监控范围之外。

5.根据权利要求3所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述考生面容图像的相似度求取逻辑为，以SIMM(i,j)为例：式中：αgeo、αtex、αdeep为基于注意力机制计算出的面部几何特征、纹理特征、深度学习特征的动态权重；68表示在考生面容图像中失去的关键点集合；dv为考生面容图像i与考生面容图像j中第v个对应关键点的欧氏距离；max_distance为归一化参数；Ti、Tj为考生面容图像i与考生面容图像j经局部二值模式提取的纹理特征向量；||Ti||、||Tj||为向量的模；Fi、Fj为考生面容图像i与考生面容图像j通过预训练人脸识别模型提取的高维深度学习特征向量；||Fi||、||Fj||为向量的模；

其中，SIMM(i,j)∈[0,1],αgeo、αtex、αdeep之和为1，且均为正数，并且由系统端用户自定义。

6.根据权利要求5所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述αgeo、αtex、αdeep的取值或服从：构建注意力网络，以面部几何特征差异、纹理特征分布熵、深度学习特征的类内离散度作为输入，经多层感知机计算权重；

式中：Δgeo、Δtex、Δdeep为面部关键点距离差异度量、纹理特征分布熵差异、深度学习特征的类内离散度差异；MLPgeo、MLPtex、MLPdeep分别为对应特征的多层感知机映射函数；q为用于遍历不同特征类型的索引。

7.根据权利要求1所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述采集模块集成于验证层中相机模组内，考场影像基于相机模组进行采集，配置模块在考场影像中配置考生面容图像捕捉框时，基于各捕捉框对考场影像包含的区域均分，且各捕捉框对应区域大小均相同，并且各捕捉框中考桌处于捕捉框内居中位置，所述分析模块在考场影像中拾取画面帧时，各拾取的相邻画面帧对应间隔时间均相等。

8.根据权利要求1所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述警示层包括判定模块、警示模块及可视化模块，判定模块用于接收监控层中历史考生面部空间位置变换形态分析结果，基于历史考生面部空间位置变换形态分析结果判定考生是否存在异常行为，警示模块用于接收判定模块中考生是否存在异常行为的判定结果，在判定结果为是时，发出警示语音，可视化模块用于在考场影像上创建图层，将考生面容图像捕捉框放置于创建的图层表面，获取判定模块中考生是否存在异常行为的判定结果，对判定结果为是的考生对应考生面容图像捕捉框以指定颜色进行透明渲染；

其中，判定模块中判定考生是否存在异常行为的逻辑为：

获取各子图像对应标注方向组合结果中最新三次计算得到的考生面部空间位置变换形态表征参数，即：

N01：ADFV↖↙x‑2、ADFV↖↙x‑1、ADFV↖↙x

N02：ADFV↖↗x‑2、ADFV↖↗x‑1、ADFV↖↗x

N03：ADFV↗↘x‑2、ADFV↗↘x‑1、ADFV↗↘x；

N04：ADFV↘↙x‑2、ADFV↘↙x‑1、ADFV↘↙x

式中x表示考生面部空间位置变换形态表征参数的计算时序序号，再以上各最新三次计算得到的考生面部空间位置变换形态表征参数中任意一组呈连续上升趋势时，判定考生存在异常行为。

9.根据权利要求8所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述警示模块由扬声器所集成，所述扬声器中预设有警示语音，所述警示语音的格式为：“请XX号考生遵守考场准则”，所述“请XX号考生遵守考场准则”中“XX”为考生身份信息中座位号；

其中，可视化模块由具有显示功能的计算机设备所集成，计算机设备对实时渲染的考场影像进行显示，供监考人员视觉读取。

10.根据权利要求1所述的基于人工智能面部捕获的视频运维分析系统，其特征在于，所述采集模块通过无线网络交互连接有配置模块及分析模块，所述采集模块通过无线网络与相机模组交互连接，所述相机模组通过无线网络交互连接有上传模块及验证模块，所述分析模块通过无线网络与判定模块交互连接，所述判定模块通过无线网络交互连接有警示模块及可视化模块。