CN109858457A - 基于OpenPose的作弊动作辅助识别方法及系统 - Google Patents
基于OpenPose的作弊动作辅助识别方法及系统 Download PDFInfo
- Publication number
- CN109858457A CN109858457A CN201910122838.0A CN201910122838A CN109858457A CN 109858457 A CN109858457 A CN 109858457A CN 201910122838 A CN201910122838 A CN 201910122838A CN 109858457 A CN109858457 A CN 109858457A
- Authority
- CN
- China
- Prior art keywords
- angle
- examinee
- real
- node
- cheating
- 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
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了基于OpenPose的作弊动作辅助识别方法及系统，包括：利用视频监控获取考场内考生的实时监控视频；将实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；所述考生实时动作骨架序列，包括考生人体关节点以及对应关节点的坐标；每个关节点设有唯一的编号；根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
Description
技术领域
本公开涉及行为识别技术领域，尤其涉及基于OpenPose的作弊动作辅助识别方法及系统。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。
现代考场对反作弊的方法一般都是对身份信息识别，通讯信号和金属的探测等等，手段非常多，但是一旦进入考场开始考试后就仅仅是靠人来分辨作弊行为。网络监控系统还仅限于局域网监控，随着安防技术的不断发展，网络化推进了考场的监控技术，从本地监控到远程监控，从局域网监控到网络监控。说到底还是靠人来分辨。
人工监控有优势也有缺点，比如视线范围有限，视觉死角大，突发事件需要监考人员去处理而使监考力度减小。视频监控也需要人工监考，有些细微的动作不能及时发现，造成监考失误，使考试失去了相对公平性。
发明内容
为了解决现有技术的不足，本公开提供了基于OpenPose的作弊动作辅助识别方法及系统，其能够自动对现实监控场景下人进行检测，行为识别与跟踪，并可较为准确地对其行为进行判定；
第一方面，本公开提供了基于OpenPose的作弊动作辅助识别方法；
基于OpenPose的作弊动作辅助识别方法，包括：
将考生实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；
根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
作为一种可能的实现方式，所述实时监控视频是利用视频监控获取考场内考生的实时监控视频。
作为一种可能的实现方式，所述考生实时动作骨架序列，包括考生人体关节点以及对应关节点的坐标；每个关节点设有唯一的编号。
作为一种可能的实现方式，考生实时肢体角度集合序列，包括：左转头夹角、右转头夹角、左肩部夹角、右肩部夹角、左肘部夹角和右肘部夹角。
作为一种可能的实现方式，左转头夹角计算方式为：
计算头部节点和颈部节点的连线与颈部节点和左肩节点的连线之间的第一夹角，第一夹角即左转头夹角θ1。
作为一种可能的实现方式，右转头夹角计算方式为：
计算头部节点和颈部节点的连线与颈部节点和右肩节点的连线之间的第二夹角，第二夹角即右转头夹角θ2。
作为一种可能的实现方式，左肩部夹角计算方式为：
计算颈部节点和左肩节点的连线与左肩节点和左肘节点的连线之间的第三夹角，第三夹角即左肩部夹角θ3。
作为一种可能的实现方式，右肩部夹角计算方式为：
计算颈部节点和右肩节点的连线与右肩节点和右肘节点的连线之间的第四夹角，第四夹角即右肩部夹角θ4。
作为一种可能的实现方式，左肘部夹角计算方式为：
计算左肩节点和左肘节点的连线与左肘节点与左腕节点的连线之间的第五夹角，第五夹角即左肘部夹角θ5。
作为一种可能的实现方式，右肘部夹角计算方式为：
计算右肩节点和右肘节点的连线与右肘节点与右腕节点的连线之间的第六夹角，第六夹角即右肘部夹角θ6。
作为一种可能的实现方式，所述视频监控采用像素为500万的高清视频监控摄像头对考场内的考生行为进行采集。
作为一种可能的实现方式，所述OpenPose系统部署在上位机上，所述上位机通过人机交互模块接收工作人员的操作指令；上位机还与硬盘录像机连接，上位机将采集的监控视频存储到硬盘录像机中。
作为一种可能的实现方式，根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率：
若左转头夹角θ1大于设定阈值，则X1加1；初始X1＝0；
若右转头夹角θ2大于设定阈值，则X2加1；初始X2＝0；
若左肩部夹角θ3大于设定阈值，则X3加1；初始X3＝0；
若右肩部夹角θ4大于设定阈值，则X4加1；初始X4＝0；
若左肘部夹角θ5大于设定阈值，则X5加1；初始X5＝0；
若右肘部夹角θ6大于设定阈值，则X6加1；初始X6＝0；
作弊概率P：
其中，Kn为每个部位发生作弊的权值，为设定值；Xn为每个部位发生作弊的次数；
A为设定常数；
每间隔设定时间记一次概率P，以设定时间段为周期，计数M次，取M次的平均值作为一分钟内发生作弊的嫌疑概率。
第二方面，本公开提供了基于OpenPose的作弊动作辅助识别系统；
基于OpenPose的作弊动作辅助识别系统，包括：
骨架序列获取模块：将考生实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；
肢体角度集合序列获取模块：根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
作弊行为判断模块：根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
第三方面，本公开提供了一种电子设备；
一种电子设备，包括：存储器、处理器以及存储在存储器上，并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面方法所述的步骤。
第四方面，本公开提供了一种计算机可读存储介质；
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，完成第一方面方法所述的步骤。
本发明与现有技术相比，其显著优点：
(1)采用了图像配准、图像融合技术，提升了图像质量；加入了背景环境选择功能。
(2)采用了基于openpose行为识别进行行为识别。Openpose行为识别是基于骨架模型特征提取的行为识别方法，它是一类利用概率统计知识进行分类的算法。该算法能运用到大型数据库中，且方法简单、分类准确率高、速度快。
(3)运用作弊评定体系该体系的评定不受作弊方式与行为的影响，可以根据指定部位角度的变化判别是否产生作弊行为，克服了传统识别方法的单一性问题。
(4)采用上位机操作系统控制视频监控，操作方便，便于扩展。
(5)基于openpose的骨架模型根据规定相应骨架角的角度变化规律能够准确的判别是否发生作弊，因为只要有作弊行为身体骨架模型所对应的夹角一定会发生幅度变化，所以能够准确的反映出考生是否发生作弊行为。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明实施例的流程图；
图2为本发明实施例的骨架示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明作为一款辅助系统能够帮助监考人员及时发现作弊考生，使考试更加公平公正，使成绩更能体现水平，是学风考风建设的利刃。
特别对于现在的高考、公务员考试、研究生考试等，虽然有些监考人员的大力监察，但也有个别人员违反考试纪律作弊。监考人员精力有限，而本发明很好的帮助监考人员排查考生的作弊情况，将有作弊行为的考生明显的标注出来。这样大大降低了监考人员的工作量，提高了对考场的把控。
实施例一，本实施例提供了基于OpenPose的作弊动作辅助识别方法；
如图1所示，基于OpenPose的作弊动作辅助识别方法，包括：
利用视频监控获取考场内考生的实时监控视频；将实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；所述骨架如图2所示，所述考生实时动作骨架序列，包括考生人体关节点以及对应关节点的坐标；每个关节点设有唯一的编号；
根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
作为一种可能的实现方式，根据考生实时动作骨架序列，计算考生实时肢体角度集合序列的具体步骤为：
计算头部节点和颈部节点的连线与颈部节点和左肩节点的连线之间的第一夹角，第一夹角即左转头夹角θ1；
计算头部节点和颈部节点的连线与颈部节点和右肩节点的连线之间的第二夹角，第二夹角即右转头夹角θ2；
计算颈部节点和左肩节点的连线与左肩节点和左肘节点的连线之间的第三夹角，第三夹角即左肩部夹角θ3；
计算颈部节点和右肩节点的连线与右肩节点和右肘节点的连线之间的第四夹角，第四夹角即右肩部夹角θ4；
计算左肩节点和左肘节点的连线与左肘节点与左腕节点的连线之间的第五夹角，第五夹角即左肘部夹角θ5；
计算右肩节点和右肘节点的连线与右肘节点与右腕节点的连线之间的第六夹角，第六夹角即右肘部夹角θ6；
所述左转头夹角、右转头夹角、左肩部夹角、右肩部夹角、左肘部夹角和右肘部夹角，组成考生实时肢体角度集合序列。
作为一种可能的实现方式，所述视频监控采用像素为500万的高清视频监控摄像头对考场内的考生行为进行采集。
作为一种可能的实现方式，所述OpenPose系统部署在上位机上，所述上位机通过人机交互模块接收工作人员的操作指令；上位机还与硬盘录像机连接，上位机将采集的监控视频存储到硬盘录像机中。
作为一种可能的实现方式，根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率：
若左转头夹角θ1大于设定阈值，则X1加1；初始X1＝0；
若右转头夹角θ2大于设定阈值，则X2加1；初始X2＝0；
若左肩部夹角θ3大于设定阈值，则X3加1；初始X3＝0；
若右肩部夹角θ4大于设定阈值，则X4加1；初始X4＝0；
若左肘部夹角θ5大于设定阈值，则X5加1；初始X5＝0；
若右肘部夹角θ6大于设定阈值，则X6加1；初始X6＝0；
作弊概率P：
其中，Kn为每个部位发生作弊的权值，为设定值；Xn为每个部位发生作弊的次数；
A为设定常数；
每5s记一次概率P，以一分钟为周期，计数12次，取12次的平均值作为一分钟内发生作弊的嫌疑概率。
实施例二，本实施例提供了基于OpenPose的作弊动作辅助识别系统；
基于OpenPose的作弊动作辅助识别系统，包括：
骨架序列获取模块：将考生实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；
肢体角度集合序列获取模块：根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
作弊行为判断模块：根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
实施例三，本实施例提供了一种电子设备；
一种电子设备，包括：存储器、处理器以及存储在存储器上，并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面方法所述的步骤。
实施例四，本实施例提供了一种计算机可读存储介质；
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，完成第一方面方法所述的步骤。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.基于OpenPose的作弊动作辅助识别方法，其特征是，包括：
将考生实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；
根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
2.如权利要求1所述的方法，其特征是，所述考生实时动作骨架序列，包括考生人体关节点以及对应关节点的坐标；每个关节点设有唯一的编号。
3.如权利要求1所述的方法，其特征是，考生实时肢体角度集合序列，包括：左转头夹角、右转头夹角、左肩部夹角、右肩部夹角、左肘部夹角和右肘部夹角。
4.如权利要求3所述的方法，其特征是，
左转头夹角计算方式为：计算头部节点和颈部节点的连线与颈部节点和左肩节点的连线之间的第一夹角，第一夹角即左转头夹角θ1；
右转头夹角计算方式为：计算头部节点和颈部节点的连线与颈部节点和右肩节点的连线之间的第二夹角，第二夹角即右转头夹角θ2；
左肩部夹角计算方式为：计算颈部节点和左肩节点的连线与左肩节点和左肘节点的连线之间的第三夹角，第三夹角即左肩部夹角θ3。
5.如权利要求3所述的方法，其特征是，
右肩部夹角计算方式为：计算颈部节点和右肩节点的连线与右肩节点和右肘节点的连线之间的第四夹角，第四夹角即右肩部夹角θ4；
左肘部夹角计算方式为：计算左肩节点和左肘节点的连线与左肘节点与左腕节点的连线之间的第五夹角，第五夹角即左肘部夹角θ5；
右肘部夹角计算方式为：计算右肩节点和右肘节点的连线与右肘节点与右腕节点的连线之间的第六夹角，第六夹角即右肘部夹角θ6。
6.如权利要求1所述的方法，其特征是，所述OpenPose系统部署在上位机上，所述上位机通过人机交互模块接收工作人员的操作指令；上位机还与硬盘录像机连接，上位机将采集的监控视频存储到硬盘录像机中。
7.如权利要求1所述的方法，其特征是，根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率：
若左转头夹角θ1大于设定阈值，则X1加1；初始X1＝0；
若右转头夹角θ2大于设定阈值，则X2加1；初始X2＝0；
若左肩部夹角θ3大于设定阈值，则X3加1；初始X3＝0；
若右肩部夹角θ4大于设定阈值，则X4加1；初始X4＝0；
若左肘部夹角θ5大于设定阈值，则X5加1；初始X5＝0；
若右肘部夹角θ6大于设定阈值，则X6加1；初始X6＝0；
作弊概率P：
其中，Kn为每个部位发生作弊的权值，为设定值；Xn为每个部位发生作弊的次数；
A为设定常数；
每间隔设定时间记一次概率P，以设定时间段为周期，计数M次，取M次的平均值作为一分钟内发生作弊的嫌疑概率。
8.基于OpenPose的作弊动作辅助识别系统，其特征是，包括：
骨架序列获取模块：将考生实时监控视频输入到OpenPose系统中，得到考生实时动作骨架序列；
肢体角度集合序列获取模块：根据考生实时动作骨架序列，计算考生实时肢体角度集合序列；
作弊行为判断模块：根据考生实时肢体角度集合序列，计算考生存在作弊行为的概率；如果概率大于设定阈值，则输出存在作弊行为的结果。
9.一种电子设备，其特征是，包括：存储器、处理器以及存储在存储器上，并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质，其特征是，其上存储有计算机程序，所述计算机程序被处理器运行时，完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910122838.0A CN109858457A (zh) | 2019-02-18 | 2019-02-18 | 基于OpenPose的作弊动作辅助识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910122838.0A CN109858457A (zh) | 2019-02-18 | 2019-02-18 | 基于OpenPose的作弊动作辅助识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109858457A true CN109858457A (zh) | 2019-06-07 |
Family
ID=66898149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910122838.0A Pending CN109858457A (zh) | 2019-02-18 | 2019-02-18 | 基于OpenPose的作弊动作辅助识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109858457A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781763A (zh) * | 2019-09-30 | 2020-02-11 | 沈阳航空航天大学 | 一种基于姿态的人体张望动作检测方法 |
| CN111274998A (zh) * | 2020-02-17 | 2020-06-12 | 上海交通大学 | 帕金森病手指敲击动作识别方法及系统、存储介质及终端 |
| CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
| CN111738209A (zh) * | 2020-07-17 | 2020-10-02 | 南京晓庄学院 | 一种基于考生姿态识别考场作弊行为预判系统 |
| CN112347869A (zh) * | 2020-10-22 | 2021-02-09 | 燕山大学 | 一种基于特征点的白鼠探头动作定量描述方法 |
| CN113255450A (zh) * | 2021-04-25 | 2021-08-13 | 中国计量大学 | 一种基于姿态估计的人体运动节奏比对系统及方法 |
| CN113361311A (zh) * | 2021-01-18 | 2021-09-07 | 安徽中屏科技有限公司 | 基于行为预判的考试监控系统和方法 |
| CN113569696A (zh) * | 2021-07-22 | 2021-10-29 | 福建师范大学 | 基于视频的人体微小震颤信号提取的方法 |
| CN114882533A (zh) * | 2022-05-30 | 2022-08-09 | 北京百度网讯科技有限公司 | 一种考场异常行为检测方法、装置、设备以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101599177A (zh) * | 2009-07-01 | 2009-12-09 | 北京邮电大学 | 一种基于视频的人体肢体运动的跟踪方法 |
| CN101916365A (zh) * | 2010-07-06 | 2010-12-15 | 北京竞业达数码科技有限公司 | 对考试作弊事件进行智能视频识别的方法 |
| CN105069626A (zh) * | 2015-07-23 | 2015-11-18 | 北京京东尚科信息技术有限公司 | 一种购物异常检测方法及系统 |
| CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
| CN108921284A (zh) * | 2018-06-15 | 2018-11-30 | 山东大学 | 基于深度学习的人际交互肢体语言自动生成方法及系统 |
| CN108960139A (zh) * | 2018-07-03 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 人物行为识别方法、装置及存储介质 |
-
2019
- 2019-02-18 CN CN201910122838.0A patent/CN109858457A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101599177A (zh) * | 2009-07-01 | 2009-12-09 | 北京邮电大学 | 一种基于视频的人体肢体运动的跟踪方法 |
| CN101916365A (zh) * | 2010-07-06 | 2010-12-15 | 北京竞业达数码科技有限公司 | 对考试作弊事件进行智能视频识别的方法 |
| CN105069626A (zh) * | 2015-07-23 | 2015-11-18 | 北京京东尚科信息技术有限公司 | 一种购物异常检测方法及系统 |
| CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
| CN108921284A (zh) * | 2018-06-15 | 2018-11-30 | 山东大学 | 基于深度学习的人际交互肢体语言自动生成方法及系统 |
| CN108960139A (zh) * | 2018-07-03 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 人物行为识别方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘静等: "基于kinect的考试异常行为识别与研究", 《计算机光盘软件与应用》 * |
| 李慧: "基于视频的考场异常行为识别研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
| CN110781763B (zh) * | 2019-09-30 | 2022-06-17 | 沈阳图为科技有限公司 | 一种基于姿态的人体张望动作检测方法 |
| CN110781763A (zh) * | 2019-09-30 | 2020-02-11 | 沈阳航空航天大学 | 一种基于姿态的人体张望动作检测方法 |
| CN111274998A (zh) * | 2020-02-17 | 2020-06-12 | 上海交通大学 | 帕金森病手指敲击动作识别方法及系统、存储介质及终端 |
| CN111274998B (zh) * | 2020-02-17 | 2023-04-28 | 上海交通大学 | 帕金森病手指敲击动作识别方法及系统、存储介质及终端 |
| CN111738209A (zh) * | 2020-07-17 | 2020-10-02 | 南京晓庄学院 | 一种基于考生姿态识别考场作弊行为预判系统 |
| CN112347869A (zh) * | 2020-10-22 | 2021-02-09 | 燕山大学 | 一种基于特征点的白鼠探头动作定量描述方法 |
| CN112347869B (zh) * | 2020-10-22 | 2023-02-14 | 燕山大学 | 一种基于特征点的白鼠探头动作定量描述方法 |
| CN113361311A (zh) * | 2021-01-18 | 2021-09-07 | 安徽中屏科技有限公司 | 基于行为预判的考试监控系统和方法 |
| CN113255450A (zh) * | 2021-04-25 | 2021-08-13 | 中国计量大学 | 一种基于姿态估计的人体运动节奏比对系统及方法 |
| CN113569696A (zh) * | 2021-07-22 | 2021-10-29 | 福建师范大学 | 基于视频的人体微小震颤信号提取的方法 |
| CN113569696B (zh) * | 2021-07-22 | 2023-06-06 | 福建师范大学 | 基于视频的人体微小震颤信号提取的方法 |
| CN114882533A (zh) * | 2022-05-30 | 2022-08-09 | 北京百度网讯科技有限公司 | 一种考场异常行为检测方法、装置、设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109858457A (zh) | 基于OpenPose的作弊动作辅助识别方法及系统 | |
| CN109815907B (zh) | 一种基于计算机视觉技术的仰卧起坐姿态检测与指导方法 | |
| CN101577812B (zh) | 一种岗位监测的方法和系统 | |
| CN110837784B (zh) | 一种基于人体头部特征的考场偷窥作弊检测系统 | |
| CN102622588B (zh) | 双验证人脸防伪方法及装置 | |
| CN108805009A (zh) | 基于多模态信息融合的课堂学习状态监测方法及系统 | |
| CN104036236B (zh) | 一种基于多参数指数加权的人脸性别识别方法 | |
| CN110425005A (zh) | 矿井下皮带运输人员人机交互行为安全监控与预警方法 | |
| CN101853399B (zh) | 利用计算机视觉技术进行盲道和人行横道实时检测的方法 | |
| CN103902970B (zh) | 自动指纹姿态估计方法及系统 | |
| CN105574518A (zh) | 人脸活体检测的方法和装置 | |
| CN109167971A (zh) | 智能区域监控报警系统及方法 | |
| CN108764066A (zh) | 一种基于深度学习的快件分拣操作规范检测方法 | |
| CN110176025B (zh) | 一种基于姿态的监考人跟踪方法 | |
| CN103198330B (zh) | 基于深度视频流的实时人脸姿态估计方法 | |
| CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
| CN106780814A (zh) | 一种教室内使用的全程自动考勤系统 | |
| CN105138954A (zh) | 一种图像自动筛选查询识别系统 | |
| CN103390151B (zh) | 人脸检测方法及装置 | |
| CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
| CN105208325B (zh) | 基于图像定点抓拍及比对分析的国土资源监控预警方法 | |
| CN108596041A (zh) | 一种基于视频的人脸活体检测方法 | |
| CN110472611A (zh) | 人物属性识别的方法、装置、电子设备及可读存储介质 | |
| CN109544523A (zh) | 基于多属性人脸比对的人脸图像质量评价方法及装置 | |
| CN105138967B (zh) | 基于人眼区域活动状态的活体检测方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |