CN103546452A - 基于网络平台的分布式考试防作弊系统和防作弊方法 - Google Patents

Abstract

本发明公开了一种基于网络平台的分布式考试防作弊系统和防作弊方法。该方法包括如下步骤：考前登录模块检测防作弊考试环境并验证用户信息；网页异步提交模块控制网页录音模块、网页摄像模块实时采集用户的考试信息发送至服务端；服务端语音处理模块、服务端图像处理模块分别对接收的用户语音信息、图像信息预处理并存储在用户考试记录数据库中；教员通过作弊查阅和验证模块查阅预处理后的语音信息和图像信息验证用户的考试信息。本发明通过实时采集用户的图像信息和音频信息，有效防止网络用户在自主考试时作弊，从而提高网络学习平台的使用效能。

Description

基于网络平台的分布式考试防作弊系统和防作弊方法

技术领域

本发明涉及一种考试防作弊系统，尤其涉及一种基于网络平台的分布式考试防作弊系统，同时也涉及该系统实现考试防作弊的方法，属于网络教育技术领域。

背景技术

构建网络学习平台可以使学员在当今快节奏的社会里随时随地学习，比如在公交或地铁内可通过手机登录到网络学习平台进行学习。鉴于网络学习平台具有支持移动学习的能力，它已成为当今最热门的企业内部培训模式。不仅如此，网络学习平台还将成为人们在未来社会中学习的主要形式之一。

网络学习平台在我国还处于新兴事物阶段，无论在理论上还是在技术上都有待进一步研究和开发。尤其在网络考试以及质量评估方面更需要作深入的研究，只有严把网络考试这关，才能对网络学习的质量进行准确的评估。因此，有必要研发专门针对网络学习平台的分布式考试防作弊技术。

网络考试防作弊技术与在考场集中考试的防作弊技术有许多相同的地方，都需要用到摄像机采集图像信号，通过音频采集部件和话筒采集现场的语音信号。对于考场来说，可以通过控制器来控制摄像机采集图像信号，以及控制话筒采集现场的语音信号，并对其进行压缩打包处理，然后通过网络接口向外部发送；同时，控制器还能通过网络接口接收远端控制中心发出的控制指令，并根据控制指令，通过焦距控制器和视角控制器实现对摄像机焦距和视角进行控制。

然而，在分布式网络考试中所用的摄像机是学员自带笔记本或台式机上的摄像头，话筒是笔记本或台式机上的麦克风。这就无法在服务器端控制学员的摄像机焦距和视角，在防作弊操作上存在缺陷。

发明内容

针对现有技术所存在的不足，本发明所要解决的技术问题在于提供一种基于网络平台的分布式考试防作弊系统和防作弊方法。

为实现上述的目的，本发明采用下述的技术方案：

一方面，本发明提供一种基于网络平台的分布式考试防作弊系统，包括相互连接的用户端和服务端；其中，

所述服务端接收所述用户端传输的考试登陆验证信息并处理后反馈至所述用户端，所述用户端向所述服务端发送考试信息并存储在所述服务端中；

所述用户端还包括考前登录模块、网页摄像模块、网页录音模块、网页异步提交模块；

所述考前登录模块分别与所述网页摄像模块、所述网页录音模块连接，所述网页摄像模块、所述网页录音模块连接分别与所述网页异步提交模块连接；

所述考前登录模块验证用户的考试登录信息并通过网页摄像模块、所述网页录音模块发送至所述服务端，所述网页摄像模块、所述网页录音模块分别采集图像信息、语音信息传输至所述网页异步提交模块并通过网络传输至所述服务端；

所述服务端还包括服务端语音处理模块、服务端图像处理模块、用户考试记录数据库、作弊查阅和验证模块；

所述服务端语音处理模块、所述服务端图像处理模块与所述用户考试记录数据库、所述作弊查阅和验证模块连接，所述作弊查阅和验证模块与所述用户考试记录数据库连接；

所述服务端语音处理模块、所述服务端图像处理模块接收用户端发送的考试登录信息并传输至所述作弊查阅和验证模块，所述作弊查阅和验证模块验证考试登录信息并反馈至所述用户端；

所述服务端语音处理模块、所述服务端图像处理模块处理服务端接受的图像信息、语音信息并存储在所述用户考试记录数据库中；所述作弊查阅和验证模块，调取所述用户考试记录数据库中的图像信息、语音信息判定是否作弊。

其中较优地，所述用户端是PC机、笔记本电脑、掌上电脑、平板电脑、智能手机中的任意一种。

另一方面本发明还提供一种基于网络平台的分布式考试防作弊方法，用在上述的分布式考试防作弊系统中，包括如下步骤：

考前登录模块检测防作弊考试环境并验证用户信息；

网页异步提交模块控制网页录音模块、网页摄像模块实时采集用户的考试信息发送至服务端；

服务端语音处理模块、服务端图像处理模块分别对接收的用户语音信息、图像信息预处理并存储在用户考试记录数据库中；

教员通过作弊查阅和验证模块查阅预处理后的语音信息和图像信息验证用户的考试信息。

其中较优地，所述网页异步提交模块向服务端发送考试信息是定时异步发送的。

其中较优地，所述服务端语音处理模块预处理语音信息的步骤进一步包括：

假设抽样音频信号的前几帧是背景噪声，利用这些帧的倒谱系数平均值作为背景噪声倒谱系数估计值；

计算每帧信号的倒谱系数，计算每帧信号的倒谱系数与噪声倒谱系数估计值的倒谱距离；

按各帧倒谱距离得到倒谱距离轨迹；

然后利用近似能量方法中门限判决的方法检测语音段和噪声段；

后处理得到语音的起始点和终止点，通过中值滤波作处理；

将处理过的波形数据连同原始录音数据一同存入该用户在用户考试记录数据库中的表单内。

其中较优地，所述倒谱系数是按下式计算的：

$C_0={\∫}_{-\mathrm{\π}}^{\mathrm{\π}}\log S\left(\mathrm{\ω}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$

其中，C₀为倒谱系数，logS(ω)为信号能量谱密度函数S(w)，dω是对角速度进行积分运算。

其中较优地，所述倒谱系数与噪声倒谱系数估计值的倒谱距离按下式计算的：

$d_{\mathrm{cep}}^{\′}=4.3429\sqrt{{(C_0-C_0^{\′})}^2+2\underset{n=1}{\overset{P}{\mathrm{\Σ}}}{(C_n-C_n^{\′})}^2}$

其中，C'_n为对应于C_n的倒谱系数；P为倒谱系数的阶数。

其中较优地，所述背景噪声倒谱系数估计值利用已经检测过的上一信号帧倒谱向量，按照下式进行更新：

C(k)＝σC(k)+(1-σ)C(k-1)

其中，k为信号帧帧号；C(k-1)为上一信号帧的倒谱向量；σ为一个时间调整因子。

其中较优地，所述服务端图像处理模块预处理图像信息的步骤进一步包括：

将接收到的每张图像分割成多个小区域；

找出每个小区域中每个像素点RGB值；

对小区域中的像素点RGB值求平均值得到新的RGB值；

将新的RGB值按照小区域的位置重新排列得到缩放后的图片；

将缩放后的图片依序存储在数据库中。

本发明通过实时采集用户的图像信息和音频信息，能够在不影响网络学员自主考试的前提下有效防止作弊行为，间接地促使用户切实从提高自身技能方面来加强网络学习，杜绝投机、侥幸考试现象的发生，客观反映每位用户的技能掌握情况，从而有效提高网络学习平台的使用效能。

附图说明

图1是本发明所提供的分布式考试防作弊系统的结构示意图；

图2是本发明中，语音降噪的倒谱处理对比示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的详细说明。

如图1所示，本发明提供一种基于网络平台的分布式考试防作弊系统，包括相互连接的用户端和服务端。其中，服务端接收用户端传输的考试登陆验证信息并处理后反馈至用户端，用户端向服务端发送考试信息并存储在服务端中。下面对本分布式考试防作弊系统展开详细具体的说明。

在本发明的一个实施例中，用户端优先选择PC机。对于现有的PC机而言，显示器、用于采集视频的摄像头、用于采集语音的麦克风等都是标配的外设，其他外设都是日常使用配置，在此就不在一一赘述了。另外，具备摄像头和麦克风的笔记本电脑、掌上电脑（PDA）、平板电脑（Tablet）、智能手机等均可以作为本发明的用户端使用。

如图1所示，用户端包括考前登录模块、网页摄像模块、网页录音模块、网页异步提交模块。考前登录模块分别与网页摄像模块、网页录音模块连接，网页摄像模块、网页录音模块连接分别与网页异步提交模块连接。考前登录模块验证用户的考试登录信息并通过网页摄像模块、网页录音模块发送至服务端，网页摄像模块、网页录音模块分别采集图像信息、语音信息传输至网页异步提交模块并通过网络传输至服务端。

考前登录模块严格要求用户自己在考试前调整摄像头的视角，以便服务端能清晰观看其考试的过程，否则认为其考试无效。同样要求用户自己打开麦克风的录音功能，否则认为其考试无效。用户在登录页面上输入登录信息时，该登录页面中的JavaScript程序会调用录音函数、摄照函数控制用户端的摄像头、麦克风随机拍照/录像或录音，得到随机拍摄的照片/一小段录像和录下的一小段录音。当用户提交登录页面时，所录下的声音数据和所拍的照片数据/录像数据一同传送到服务端。

考虑到家庭或个人Internet网的网速远低于局域网的网速，所以本发明不采用考场常用的摄像方式，而采用定时拍照传图片的方式。兼顾到用户作弊的动作速度及网页异步传输的速度，拍照的时间间隔定为3秒较合适。本发明利用这种定时拍照所传来的图片，在服务端可由机器辅助教员随时判断用户是否在作弊，而不是监考老师在考场监视或集中监视，从而使用户可随时地自主考试。

在本发明的一个实施例中，用户在考试过程中对图像信息的采集过程是这样实现的：在用户的考试显示页面上添加JavaScript的定时模块：setTimeout(function(){要执行的代码}，3000)，其中3000的单位是毫秒，即每隔3秒执行一次function的代码。采用Flash来实现网页的图像采集和语音采集功能，为此需要使得JavaScript可以调用Flash的函数。Flash的AddCallback方法允许JavaScript调用其时间上的函数，基本的调用语法如下：

External Interface.addCal lback(functionID：String，instance：Object，functionName：Function)。与call方法类似，它也是一个静态方法，有三个参数：functionID为从JavaScript调用ActionScript函数时可使用的名称。此名称不必与ActionScript方法的实际名称匹配；instance是在该方法中被解析成的对象。此对象不一定是在其上可找到该方法的对象，可以指定任何对象（或null）；functionName为要从JavaScript调用的ActionScript方法。

本发明对图像信息的采集过程时，主要用到Flash的Camera类，加入以下代码实现图像信息采集功能：myCam＝Camera.get()；myCam.setMode(400,300,10)；my_video.attachVideo(myCam)。再通过以下代码实现视频的扑捉：

在本发明的一个实施例中，为了使服务端并行处理录音文件，同时可分段对是否作弊进行校验，本发明不采用考场常用的麦克风录音方式，而采用定时录音并发送的方式。兼顾到用户作弊的交谈时长及网页异步传输的速度，录音时长为30秒较合适。这样传过来的语音信号，服务端也可以由机器判断用户是否有作弊嫌疑，从而使用户可随时自我安排考试。另外，在考试开始前提示用户不能在声音较大的地方考试，这样会造成服务端的机器误判他在作弊，所以用户应选择较安静的场所进行考试。

在本发明的一个实施例中，用户在考试过程中对用户语音信息的采集过程是这样实现的：在用户的考试显示页面上的JavaScript调用Flash的下列类来实现用户语音信息采集功能：

在本发明的一个实施例中，用户在用户的考试显示页面上答题的时间一般较长，以3秒作为记录时长的图像信息文件和语音信息文件需要及时送到服务端，而不能先暂时保存在页面数据中，等用户答完题点击提交后一同发到服务端。因此，为解决这个问题，每张考试网页中都包含用AJAX写的异步JavaScript脚本，其功能是将定时采集到的照片和语音信息推送到服务端。AJAX指的是异步JavaScript及XML（Asynchronous JavaScript And XML）。AJAX是一种独立于Web服务器软件的用于创建更好更快以及交互性更强的Web应用程序的技术。AJAX应用程序独立于浏览器和平台并被所有的主流浏览器支持，可使因特网应用程序更小、更快，更友好。AJAX能够涉及广大的用户、更易安装及维护，也更易开发。在AJAX中很好地定义了使用的Web标准，AJAX基于下列Web标准：JavaScript、XML、HTML和CSS。

通过使用AJAX，用户的考试页面可通过JavaScript的XML HttpRequest对象直接与服务器进行通信。通过这个对象，用户考试页面中的JavaScript脚本程序在定时器的作用下，定时获得该时长内的语音数据和图像数据，而后建立要连接的URL，打开到具有给URL的服务器的连接，并设置服务器在接收完数据后要运行的函数，最后发送请求。

如图1所示，服务端还包括服务端语音处理模块、服务端图像处理模块、用户考试记录数据库、作弊查阅和验证模块；服务端语音处理模块、服务端图像处理模块与用户考试记录数据库、作弊查阅和验证模块连接，作弊查阅和验证模块与用户考试记录数据库连接；服务端语音处理模块、服务端图像处理模块接收用户端发送的考试登录信息并传输至作弊查阅和验证模块，作弊查阅和验证模块验证考试登录信息并反馈至用户端；服务端语音处理模块、服务端图像处理模块处理服务端接受的图像信息、语音信息并存储在用户考试记录数据库中，作弊查阅和验证模块，调取用户考试记录数据库中的图像信息、语音信息判定是否作弊。

在本发明中，服务端语音处理模块采用倒谱法来检测接收到的语音文件中是否有语音信息，即使语音信息夹杂在与其同强度的噪声中，也能勾画出该语音的轮廓。服务端语音处理模块将处理后的语音文件存储在服务器的考试记录数据库中。用户在考试期间的所有录音文件按时间先后组合到同一个显示页面时，用户的语音信息就展现为时间轴上的轮廓信息，极大地方便教员查找用户在考试时是否有作弊的行为。

服务端图像处理模块对每个用户考试期间3秒传送一次的图片作缩放处理。原图像长为400像素，宽为300像素，现缩小到长为80像素，宽为60像素。这样当教员需要查找用户在考试时是否有作弊行为时，只需提取并观看该用户考试期间的所有照片即可。由于图片作了缩放，教员可在一个显示屏上观看256幅图片，用户一个小时考试的图片仅需5个满屏就可全部浏览完（用户每隔3秒拍摄一幅图片），比较快速和便捷。服务端图像处理模块将处理后的图像文件存储在服务器的考试记录数据库中。

由于服务端记录了每个用户考试的录音文件和图片文件，并且还存有相应处服务端语音处理模块和服务端图像处理模块理过的文件，作弊查阅可从语音信息和图像信息两方面来进行。首先，查看用户被处理过的语音图形信息，它展现为时间轴上的轮廓信息，若有凸起的轮廓说明用户在交谈，可进一步调取原始录音文件进行验证。从图像信息方面进行查阅时，可在一幅显示屏上观看256张图片，连续按PgDn和PgUp键可快速浏览该用户的全部图像。

为了在不影响网络用户自主考试的前提下，有效防止考试作弊，本发明还提供一种基于网络平台的分布式考试防作弊方法，包括如下步骤：考前登录模块检测防作弊考试环境并验证用户信息；网页异步提交模块控制网页录音模块、网页摄像模块实时采集用户的考试信息发送至服务端；服务端语音处理模块、服务端图像处理模块分别对接收的用户语音信息、图像信息预处理并存储在用户考试记录数据库中；教员通过作弊查阅和验证模块查阅预处理后的语音信息和图像信息验证用户的考试信息。下面对该分布式考试防作弊方法展开详细的说明。

首先，介绍考前登录模块检测防作弊考试环境并验证用户信息的步骤。

由于PC机上的普通摄像头和专业监控摄像头存在设计方面的差别，因此要求用户在将普通摄像头作为监考摄像头之前还需要进行一些设置或调整。首先是亮度和对比度的设置，要想拍摄清楚，除了对焦准确、像素合适外，监控摄像头的亮度和对比度的调节也非常重要。在使用摄像头时，要手动完成光源调节，锁定需要拍摄位置的亮度、对比度等。考前登录模块严格要求用户自己在考试前调整摄像头的视角，以便服务端能够清晰观看其考试的过程，否则认为考试无效。另一方面，要求用户自己打开麦克风的录音功能，否则认为考试无效。室内光照环境通常不平均，用户要根据实际拍摄环境，手动调整亮度。其次是摆好摄像头的位置，使摄像头能拍摄到双手和头部的图像信息。用户在登录页面上输入登录信息时，该登录页面中的JavaScript程序会调用录音函数和摄照函数，当用户提交登录页面时，所录下的声音数据和所拍的照片数据被一同传到服务端；在提交登录信息时把随机拍下的一张照片和录下的小段语音也一同发到服务端。服务端在验证用户登录信息的同时，还会判断用户是否调整好了摄像头的视角及打开了麦克风的录音功能。服务端检测照片内容不为空（即不为黑），语音文件内有数据（包括噪音数据）即认为登录成功了，返回用户登录成功的页面，同时提醒他不能再调整摄像头的视角及关闭麦克风的录音功能，否则按作弊处理。若验证不成功，则以页面的形式通知用户是登录信息出错，还是摄像头的视角不对，或是麦克风的录音功能没打开。用户将不能考试，直至用户调整摄像头和验证通过为止。

其次，介绍网页异步提交模块控制网页录音模块、网页摄像模块实时采集用户的考试信息发送至服务端的步骤。

考前登录模块检测防作弊考试环境并验证通过后，网页摄像模块、网页录音模块开始实时采集用户的图像信息和语音信息。下面具体说明：

在本发明的一个实施例中，不采用考场的摄像方式，而采用定时拍照传图片的方式。兼顾到用户作弊的动作速度及网页异步传输的速度，拍照的时间间隔定为3秒较合适，即每隔3秒执行一次function的代码。采用Flash来实现网页的图像采集功能。利用这种定时拍照所传来的图片，服务端可作处理，由机器辅助教员随时判断用户是否在作弊，而不是监考老师在考场监视或集中监视，从而使用户可随时地自主考试。

在本发明的另一个实施例中，不采用考场的话筒录音方式，而采用定时录音并发送的方式，这样可使服务端并行处理录音文件，同时可分段对是否作弊进行校验。兼顾到用户作弊的交谈时长及网页异步传输的速度，录音时长为30秒较合适。这样传过来的语音信号，服务端也可作智能处理，由机器判断用户是否有作弊嫌疑，从而使用户可随时地自主考试。另外，会告诉用户不能在声音较大的地方进行考试，这样会造成服务端的机器误判他在作弊，所以用户应选择较安静的场所来考试。

在本发明的另一个实施例中，用户在浏览器网页上答题的时间一般较长，以3秒作为时间间隔所拍的图片需要及时送到服务端，而不能先暂时保存在页面数据中，等用户答完题点击提交后一同发到服务端。通过AJAX技术，用户的考试页面可使用JavaScript的XML HttpRequest对象来直接与服务器通信。用户考试页面中的JavaScript脚本程序在定时器的作用下，定时获得该时长内的录音数据和摄像图片数据。而后建立要连接的URL，打开到具有给URL的服务器的连接，并设置服务器在接收完数据后要运行的函数，最后定时异步发送考试信息。

再次，介绍服务端语音处理模块、服务端图像处理模块分别对接收的用户语音信息、图像信息预处理并存储在用户考试记录数据库中的步骤。

服务端语音处理模块预处理语音信息包括如下步骤：假设抽样音频信号的前几帧是背景噪声，利用这些帧的倒谱系数平均值作为背景噪声倒谱系数估计值；计算每帧信号的倒谱系数，计算每帧信号的倒谱系数与噪声倒谱系数估计值的倒谱距离；按各帧倒谱距离得到倒谱距离轨迹；然后利用近似能量方法中门限判决的方法检测语音段和噪声段；后处理得到语音的起始点和终止点，通过中值滤波作处理；将处理过的波形数据连同原始录音数据一同存入该用户在用户考试记录数据库中的表单内。

在本发明的一个实施例中，考虑到录音会带入一些小的噪音，因此服务端语音处理模块还需引入对信号的过滤功能。服务端语音处理模块采用倒谱法检测录音文件中是否有语音信息，即使语音信息夹杂在与其同强度的噪声中，也能勾画出该语音的轮廓。将考试期间的所有录音文件按时间先后组合到同一个显示屏幕上时，用户的语音信息就展现为时间轴上的轮廓信息，极大地方便教员查找用户在考试时是否有作弊的行为。

目前，语言边界检查算法有许多，鉴于倒谱被认为是语音信号一种较好的时频表示，故本发明采用倒谱系数法。倒谱系数包含线性预测倒谱系数(LPC2CEP)或Mel刻度倒谱系数(MFCC)，这里用MFCC倒谱向量取代简单特征参数作为语音端点检测的判决特征向量。信号倒谱可以看成是信号能量谱密度函数S(w)的对数的傅里叶级数展开：

$\log S\left(\mathrm{\ω}\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{C}_n{e}^{-\mathrm{jn\ω}}---\left(1\right)$

其中，Cn是倒谱系数，它是实数，且Cn＝C-n，logS(ω)是信号能量谱密度函数。

$C_0={\∫}_{-\mathrm{\π}}^{\mathrm{\π}}\log S\left(\mathrm{\ω}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}---\left(2\right)$

其中，C₀为倒谱系数，dω表示对角速度进行积分运算。

对于一对谱密度函数S(ω)和S'(ω)，应用Parsavel定理可用倒谱距离来表示对数谱的均方距离：

$d_{\mathrm{cep}}^2=\frac{1}{2\mathrm{\π}}{\∫}_{-\mathrm{\π}}^{\mathrm{\π}}|\log S\left(\mathrm{\ω}\right)-\log S^{\′}\left(\mathrm{\ω}\right)|\mathrm{d\ω}=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{(C_n-C_n^{\′})}^2---\left(3\right)$

式中，C_n和C'_n为对应于谱密度函数S(ω)和S'(ω)的倒谱系数。

倒谱距离测量法根据每个信号帧与噪声帧的倒谱距离的轨迹进行检测，它采用门限判决的方法，其过程如下：

(1)假定抽样信号的前几帧信号是背景噪声。利用这些帧的倒谱系数C₀的平均值作为背景噪声倒谱系数的估计值，用向量C表示。

(2)计算每帧信号的倒谱系数，然后用式（4）计算每帧信号的倒谱系数与噪声倒谱系数估计值的倒谱距离：

$d_{\mathrm{cep}}^{\′}=4.3429\sqrt{{(C_0-C_0^{\′})}^2+2\underset{n=1}{\overset{P}{\mathrm{\Σ}}}{(C_n-C_n^{\′})}^2}---\left(4\right)$

式中：C'_n为对应于C_n的倒谱系数；P为倒谱系数的阶数。

(3)由步骤(2)计算的各帧倒谱距离得到倒谱距离轨迹。然后利用近似能量方法中门限判决的方法检测语音段和噪声段。

(4)为使背景噪声倒谱系数的估计值C能够适应噪声的变化，采用一个平滑处理过程。背景噪声倒谱估计C利用已经检测过的上一信号帧的倒谱向量，按照下式进行更新：

C(k)＝σC(k)+(1-σ)C(k-1)   （5）

其中，k为信号帧帧号，C(k-1)为上一信号帧倒谱向量，σ为一个时间调整因子，并且这一帧被认为是非语音帧。

(5)后处理得到语音的起始点和终止点，通过中值滤波作处理后，再将处理过的波形数据连同原始语音数据一同存入该用户在用户考试记录数据库中的表单内。

图2为本发明中，语音降噪的倒谱处理对比示意图。如图2所示，用某用户在考试其间说话的语音来提取这些话音边界，用户原始语音波形如图2中（a）所示，再引入干扰噪声如图中（b）所示，图中（c）是倒谱后的话音边界。

服务端图像处理模块预处理图像信息。主要包括如下步骤：将接收到的每张图像分割成多个小区域；找出每个小区域中每个像素点RGB值；对小区域中的像素点RGB值求平均值得到新的RGB值；将新的RGB值按照小区域的位置重新排列得到缩放后的图片；将缩放后的图片依序存储在用户考试记录数据库中。

在本发明的一个实施例中，服务端图像处理模块在服务端对接收的图像缩放处理过程是这样的：原图像长为400像素，宽为300像素，现缩小到长为80像素，宽为60像素。将接收到的每张图像分割成多个小区域，这个小区域的长为5像素，宽为5像素；找出每个小区域中每个像素点RGB值；对小区域中的像素点RGB值求平均值得到新的RGB值，进一步通过小区域中各像素的R（红）值之和、G（绿）值之和以及B（蓝）值之和，采用取平均值的方法求出该点的RGB值；将新的RGB值按照小区域的位置重新排列得到缩放后的图片；将缩放后的图片依序存储在该用户在用户考试记录数据库中的表单内。服务端图像处理模块在服务端对接收的图像缩放处理得到缩放后的图片，具体算法的语义描述如下：

服务端图像处理模块对每个用户考试期间3秒传送一次的图片作缩放处理。这样当教员需要查找用户在考试时是否有作弊行为时，只需从用户考试记录数据库中提取并观看该用户考试期间的所有照片即可。

最后，介绍教员通过作弊查阅和验证模块查阅预处理后的语音信息和图像信息验证用户的考试信息的步骤。

由于服务端记录了每个用户考试的录音文件和图片文件，并且还存有相应处理过的文件。教员可以从图像信息、语音信息两方面来检查某考生是否存在作弊嫌疑。

首先，教员可以查看用户的录音处理文件，查看用户被处理过的语音图形信息，服务端将用户考试期间经倒谱处理后的坐标图形呈现在教员的显示屏上，它展现为时间轴上的轮廓信息，坐标上有用户语音的地方呈凸起图形。若有凸起的轮廓说明用户在交谈，教员可认为此时用户存在作弊嫌疑，点击这个凸起区域，可进一步调取原始录音文件进行验证。教员可听到用户此刻的原音回放，以此来验证用户是否在交谈。

其次，教员可以查看用户考试期间的图像信息，由于图片作了缩放，服务端一次就将256张小图片呈现在教员的显示屏上。教员可按PgDn键来看下屏上的256张小图片，按PgUp键来看上一屏的256张小图片。用户一个小时考试的图片仅需5个满屏就可全部浏览完（用户每隔3秒拍摄一幅图片），相当快捷方便。通过浏览这几屏的图片，就可回放用户考试现场的情形，从而发现用户是否存在作弊。

综上所述，本发明通过实时采集用户的图像信息和音频信息，有效防止网络用户在自主考试时作弊，间接地促使用户切实从提高自身技能方面来加强网络学习，杜绝投机、侥幸考试现象的发生，客观反映每位用户的技能掌握情况，从而有效提高网络学习平台的使用效能。

上面对本发明所提供的基于网络平台的分布式考试防作弊系统和防作弊方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (9)

1.一种基于网络平台的分布式考试防作弊系统，包括相互连接的用户端和服务端，其特征在于：

所述服务端接收所述用户端传输的考试登陆验证信息并处理后反馈至所述用户端，所述用户端向所述服务端发送考试信息并存储在所述服务端中；

所述用户端还包括考前登录模块、网页摄像模块、网页录音模块、网页异步提交模块；

所述考前登录模块分别与所述网页摄像模块、所述网页录音模块连接，所述网页摄像模块、所述网页录音模块连接分别与所述网页异步提交模块连接；

所述考前登录模块验证用户的考试登录信息并通过网页摄像模块、所述网页录音模块发送至所述服务端，所述网页摄像模块、所述网页录音模块分别采集图像信息、语音信息传输至所述网页异步提交模块并通过网络传输至所述服务端；

所述服务端还包括服务端语音处理模块、服务端图像处理模块、用户考试记录数据库、作弊查阅和验证模块；

所述服务端语音处理模块、所述服务端图像处理模块与所述用户考试记录数据库、所述作弊查阅和验证模块连接，所述作弊查阅和验证模块与所述用户考试记录数据库连接；

所述服务端语音处理模块、所述服务端图像处理模块接收用户端发送的考试登录信息并传输至所述作弊查阅和验证模块，所述作弊查阅和验证模块验证考试登录信息并反馈至所述用户端；

所述服务端语音处理模块、所述服务端图像处理模块处理服务端接受的图像信息、语音信息并存储在所述用户考试记录数据库中；所述作弊查阅和验证模块，调取所述用户考试记录数据库中的图像信息、语音信息判定是否作弊。

2.如权利要求1所述的分布式考试防作弊系统，其特征在于，所述用户端是PC机、笔记本电脑、掌上电脑、平板电脑、智能手机中的任意一种。

3.一种基于网络平台的分布式考试防作弊方法，用在权利要求1所述的分布式考试防作弊系统中，其特征在于包括如下步骤：

考前登录模块检测防作弊考试环境并验证用户信息；

网页异步提交模块控制网页录音模块、网页摄像模块实时采集用户的考试信息发送至服务端；

服务端语音处理模块、服务端图像处理模块分别对接收的用户语音信息、图像信息预处理并存储在用户考试记录数据库中；

教员通过作弊查阅和验证模块查阅预处理后的语音信息和图像信息验证用户的考试信息。

4.如权利要求3所述的分布式考试防作弊方法，其特征在于，所述网页异步提交模块向服务端发送考试信息是定时异步发送的。

5.如权利要求3所述的分布式考试防作弊方法，其特征在于所述服务端语音处理模块预处理语音信息的步骤进一步包括：

假设抽样音频信号的前几帧是背景噪声，利用这些帧的倒谱系数平均值作为背景噪声倒谱系数估计值；

计算每帧信号的倒谱系数，计算每帧信号的倒谱系数与噪声倒谱系数估计值的倒谱距离；

按各帧倒谱距离得到倒谱距离轨迹；

然后利用近似能量方法中门限判决的方法检测语音段和噪声段；

后处理得到语音的起始点和终止点，通过中值滤波作处理；

将处理过的波形数据连同原始录音数据一同存入该用户在用户考试记录数据库中的表单内。

6.如权利要求5所述的分布式考试防作弊方法，其特征在于，所述倒谱系数是按下式计算的：

$C_0={\∫}_{-\mathrm{\π}}^{\mathrm{\π}}\log S\left(\mathrm{\ω}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$

其中，C₀为倒谱系数，logS(ω)为信号能量谱密度函数S(w)，dω是对角速度进行积分运算。

7.如权利要求5所述的分布式考试防作弊方法，其特征在于，所述倒谱系数与噪声倒谱系数估计值的倒谱距离按下式计算的：

$d_{\mathrm{cep}}^{\′}=4.3429\sqrt{{(C_0-C_0^{\′})}^2+2\underset{n=1}{\overset{P}{\mathrm{\Σ}}}{(C_n-C_n^{\′})}^2}$

其中，C'_n为对应于C_n的倒谱系数；P为倒谱系数的阶数。

8.如权利要求5所述的分布式考试防作弊方法，其特征在于，所述背景噪声倒谱系数估计值利用已经检测过的上一信号帧倒谱向量，按照下式进行更新：

C(k)＝σC(k)+(1-σ)C(k-1)

其中：k为信号帧帧号；C(k-1)为上一信号帧倒谱向量；σ为一个时间调整因子。

9.如权利要求3所述的分布式考试防作弊方法，其特征在于，所述服务端图像处理模块预处理图像信息的步骤进一步包括：

将接收到的每张图像分割成多个小区域；

找出每个小区域中每个像素点的RGB值；

对小区域中的像素点RGB值求平均值，得到新的RGB值；

将新的RGB值按照小区域的位置重新排列得到缩放后的图片；

将缩放后的图片依序存储在数据库中。

Images