CN107346407A - 基于mk60人脸识别的作弊行为判断方法 - Google Patents

基于mk60人脸识别的作弊行为判断方法 Download PDF

Info

Publication number
CN107346407A
CN107346407A CN201610288940.4A CN201610288940A CN107346407A CN 107346407 A CN107346407 A CN 107346407A CN 201610288940 A CN201610288940 A CN 201610288940A CN 107346407 A CN107346407 A CN 107346407A
Authority
CN
China
Prior art keywords
mrow
image information
action
real time
chips
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610288940.4A
Other languages
English (en)
Inventor
张佳薇
刘希明
孙凤鸣
王爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Forestry University
Original Assignee
Northeast Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeast Forestry University filed Critical Northeast Forestry University
Priority to CN201610288940.4A priority Critical patent/CN107346407A/zh
Publication of CN107346407A publication Critical patent/CN107346407A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

基于MK60人脸识别的作弊行为判断方法的研究，属于监考辅助设备领域。它解决了考试过程中监考教师不能实时的观察学生动作和监考耗费过多人力的问题。利用OV7725摄像头模块实时采集考生在考试过程中的动作信息，并传输到MK60芯片中，通过MK60对输入的图像信息进行二值化图像预处理后，提取动作信息，随后再和动态阈值V进行比较，从而分析出考生的动作情况，并将信息由NRF24L01通讯模块传输到终端控制器STM32处理器，利用人机界面TFTLCD屏幕模块向监考教师实时的显示考生的动作情况。本发明用于在考试过程中帮助监考教师实时监测考生的动态信息，同时本方法具有算法易实现，能够实时处理的特点。

Description

基于MK60人脸识别的作弊行为判断方法
技术领域
本发明涉及一种针对考试过程中学生作弊行为的监测判断方法及其检测系统，属于监考辅助设备领域。
技术背景
目前考试监考的辅助设备有限，而且考试又作为检验学生学习成果和相应能力的重要手段，在考试期间大多采用传统的监考模式，需要监考教师集中精力观察学生在考试过程中的动作，即便如此监考教师也不能实时的注意到每一位考生的每一个动作细节，而且浪费了大量的人力。虽然现在拥有一些辅助设备，但也只是利用互联网进行线上考试或者通过屏蔽信号实现防作弊，始终无法做到对学生的动作进行实时得监控，因此本发明提出了利用二值化图像后提取人脸动作信息的方法，实现实时智能监考的功能。
发明内容
本发明的目的是为了解决考试过程中监考教师不能实时的观察学生的动作、监考耗费过多人力的问题，提出一种基于MK60人脸识别的作弊行为判断方法。
本发明主要包括MK60芯片、OV7725摄像头模块、TFTLCD屏幕模块、NRF24L01通讯模块、STM32处理器。
OV7725摄像头模块连接到MK60芯片的信息输入端；
NRF24L01通讯模块连接到MK60芯片并向终端无线传输信息的信息输出端；
NRF24L01通讯模块和TFTLCD屏幕模块分别连接到STM32的终端接收信息输入端和显示输出端，作为监控终端。
步骤一:OV7725摄像头模块采集到的图像信息以RGB565模式传输到图像信息分析处理端MK60芯片中，对图像信息进行灰度化的处理，计算公式为:
Gray＝(R*701+G*330+B*701)＞＞8
步骤二:图像信息分析处理端MK60芯片对图像信息进行二值化处理采用了OTSU算法，计算公式如下:
G＝w1×(u1-u)2+w2×(u2-u)2
定义图像的大小为M*N，第i个像素点为n(i),其中t为目标与背景的分割阈值，w1表示目标像素(灰度大于t)占图像的比例，W1表示灰度值大于t的统计数，u1表示目标像素的平均灰度，背景像素占图像的比例w2，背景像素的平均灰度u2。通过以上的公式实现对图像的二值化处理。
步骤三:动作信息的提取和判断，对于动作信息的提取本发明采用减法迭代的方法求取目标颜色数量W的变化规律，具体如下:
设第1、2……n……次人脸在整个图像中所占数值为W1，W2，……Wn……，那么通过做 差的方法可以求取:
ΔW1＝W2–W1
ΔW2＝W3–W2
ΔWn-1＝Wn–Wn-1
并设动作判别信号为SW，其计算公式如下:
此时再对动作信息进行判断，通过与相应的阈值V进行比较从而对考生的动作进行判断阈值V的获取方式如下:
其中K作为判断的灵敏度的调节系数。
因此，MK60可以实时得到数据SW和动作判定阈值V，在正常动作下SW将会存在以下关系:|SW|<|V|，相应的在异常动作下，将会存在:|SW|>|V|，因此，以上信息可以作为动作判定的依据。
步骤四:通过NRF24L01通讯模块将判别信息向终端发送，STM32作为控制终端，通过人机界面TFTLCD屏幕模块向监考教师提供相应的考生信息。
本发明的优点是:本发明能够对考生在考试过程中的动作进行实时的监测判断，通过二值化处理的人脸图像经过提取动作信息后进行上述一系列的数据处理，能够实现对学生动作的监测、分析、响应的一体化处理，极大地减轻了监考教师的工作强度，节省了大量的人力，对保证人才考核的公平公正性和整个社会的人才评价具有重要的意义。
附图说明
图1为本发明的模块示意图。
图2为本发明的不同动作下的二值化图像动作信息ΔWn-1的特征图。
图3为本发明的工作流程框图。
图4为本发明的几种动作下二值化效果图像。
具体实施方式
MK60芯片、OV7725摄像头模块、TFTLCD屏幕模块、NRF24L01通讯模块、STM32。
OV7725摄像头模块连接到MK60芯片的信息输入端；
NRF24L01通讯模块连接到MK60芯片向终端传输信息的信息输出端；
MK60芯片作为图像信息处理和动作特征提取的信息处理器；
NRF24L01通讯模块和TFTLCD屏幕模块分别连接到STM32的终端接收信息输入端和显示输出端，作为监控终端。
工作流程:
OV7725摄像头模实时的采集考生在考试过程中的动作信息，输入到MK60芯中，通过MK60对输入的图像信息进行二值化处理，然后经过提取动作信息后，进行与动态阈值的比较，从而分析出考生的动作情况，并将信息由NRF24L01通讯模块传输到监控终端STM32，利用人机界面TFTLCD屏幕模块向监考教师实时地显示考生的动作情况。

Claims (3)

1.一种基于MK60人脸识别的作弊行为判断方法的研究，其特征包括以下步骤:
OV7725摄像头模块将采集到的图像信息发送给MK60芯片；
MK60芯片作为图像信息处理的中心处理器实时处理图像信息；
MK60将处理完的结果通过NRF24L01发送给STM32附带显示器的监考终端。
2.根据权利要求1所述的基于MK60人脸识别的作弊行为判断方法的研究，其特征在于所述MK60芯片作为图像信息处理的中心处理器实时处理图像信息具体的实现步骤为:
步骤一:OV7725摄像头模块采集到的图像信息以RGB565模式传输到图像信息分析处理端MK60芯片中，对图像信息进行灰度化处理的计算公式为；
步骤二:图像信息处理端MK60芯片对图像信息采用OTSU算法进行二值化；
步骤三:动作信息的提取和判断，对于动作信息的提取本发明采用减法迭代的方法求取目标颜色数量W的变化规律，对W进行求和后得到的SW，对SW采集处理后得到动态阈值V，通过SW和V作比较之后即可判断是否存在作弊行为，具体如下:
设第n次人脸在整个图像中所占数值为Wn，那么通过做差的方法可以求取:
ΔWn-1＝Wn–Wn-1
并设动作判别信号为SW，其计算公式如下:
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>20</mn> </munderover> <msub> <mi>&amp;Delta;W</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>S</mi> <mi>W</mi> </mrow>
动作信息阈值V的获取方式如下:
<mrow> <mi>V</mi> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>1200</mn> </msubsup> <msub> <mi>SW</mi> <mi>i</mi> </msub> </mrow> <mn>1200</mn> </mfrac> <mo>+</mo> <mi>K</mi> </mrow>
其中K作为判断的灵敏度的调节系数；
在正常动作下SW将会存在以下关系:|SW|<|V|；相应的在异常动作下，将会存在:|SW|>|V|。
3.根据权利要求2所述的动作信息的提取和判断，其特征在于动作信号SW的获取和动态判断阈值V的获取以及利用SW和V作比较之后得到动作判断结果的方法。
CN201610288940.4A 2016-05-04 2016-05-04 基于mk60人脸识别的作弊行为判断方法 Pending CN107346407A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610288940.4A CN107346407A (zh) 2016-05-04 2016-05-04 基于mk60人脸识别的作弊行为判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610288940.4A CN107346407A (zh) 2016-05-04 2016-05-04 基于mk60人脸识别的作弊行为判断方法

Publications (1)

Publication Number Publication Date
CN107346407A true CN107346407A (zh) 2017-11-14

Family

ID=60253547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610288940.4A Pending CN107346407A (zh) 2016-05-04 2016-05-04 基于mk60人脸识别的作弊行为判断方法

Country Status (1)

Country Link
CN (1) CN107346407A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532918A (zh) * 2020-10-25 2021-03-19 泰州锐比特智能科技有限公司 网课考试防作弊监控平台及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090003536A (ko) * 2007-06-15 2009-01-12 에스케이 텔레콤주식회사 온라인 테스트를 수행하는 방법 시스템 및 서버
CN102799893A (zh) * 2012-06-15 2012-11-28 北京理工大学 考场监控视频处理方法
CN103136510A (zh) * 2013-01-17 2013-06-05 京东方科技集团股份有限公司 一种监考系统及方法
CN103517042A (zh) * 2013-10-17 2014-01-15 吉林大学 一种养老院老人危险行为监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090003536A (ko) * 2007-06-15 2009-01-12 에스케이 텔레콤주식회사 온라인 테스트를 수행하는 방법 시스템 및 서버
CN102799893A (zh) * 2012-06-15 2012-11-28 北京理工大学 考场监控视频处理方法
CN103136510A (zh) * 2013-01-17 2013-06-05 京东方科技集团股份有限公司 一种监考系统及方法
CN103517042A (zh) * 2013-10-17 2014-01-15 吉林大学 一种养老院老人危险行为监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
屈晶晶 等: "连续帧间差分与背景差分相融合的运动目标检测方法", 《光子学报》 *
蔺永政 等: "基于背景消减法的考场作弊行为检测方法", 《济南大学学报(自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532918A (zh) * 2020-10-25 2021-03-19 泰州锐比特智能科技有限公司 网课考试防作弊监控平台及方法
CN112532918B (zh) * 2020-10-25 2021-11-05 北方至信人力资源评价(北京)有限公司 网课考试防作弊监控平台及方法

Similar Documents

Publication Publication Date Title
CN108898077B (zh) 电力设备红外热图的识别方法和电力设备红外识别系统
CN110598736A (zh) 一种电力设备红外图像故障定位、识别与预测方法
CN106790019A (zh) 基于特征自学习的加密流量识别方法及装置
CN112396635B (zh) 一种基于多设备的复杂环境下多目标检测方法
CN109242789A (zh) 图像处理方法、图像处理装置及存储介质
CN106340000A (zh) 骨龄评估方法
CN106845434B (zh) 一种基于支持向量机的图像型机房漏水监测方法
CN111466878A (zh) 基于表情识别的卧床病人疼痛症状实时监护方法及装置
CN112541393A (zh) 一种基于深度学习的变电站人员检测方法及装置
CN112183643A (zh) 基于声发射的硬岩拉剪破裂识别方法及装置
CN106645180A (zh) 检查基板玻璃缺陷的方法、现场终端及服务器
CN115564194A (zh) 智能电网的计量异常诊断信息生成模型构建方法及系统
CN111680738A (zh) 一种用于苹果品质检测的筛选装置及其检测方法
CN107346407A (zh) 基于mk60人脸识别的作弊行为判断方法
CN112036328B (zh) 银行客户满意度计算方法及装置
CN113077423A (zh) 基于卷积神经网络的激光选区熔化熔池图像分析系统
CN112263220A (zh) 一种内分泌疾病智能诊断系统
JPH06259678A (ja) プラント監視装置
CN116051539A (zh) 一种变电设备发热故障的诊断方法
JPH0929185A (ja) 果皮表面に固有のネットパターンを有する青果物の等級判定方法
CN112508946B (zh) 一种基于对抗神经网络的电缆隧道异常检测方法
Schnieders et al. Fast convergence for object detection by learning how to combine error functions
CN115272055A (zh) 一种基于知识表示的染色体图像分析方法
CN109685757A (zh) 一种基于灰度差分统计的无参考图像质量评价方法及系统
CN113180701A (zh) 一种用于图像标签标注的脑电信号深度学习方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171114