CN110084206A - 一种智慧考场监控系统及其方法 - Google Patents
一种智慧考场监控系统及其方法 Download PDFInfo
- Publication number
- CN110084206A CN110084206A CN201910360013.2A CN201910360013A CN110084206A CN 110084206 A CN110084206 A CN 110084206A CN 201910360013 A CN201910360013 A CN 201910360013A CN 110084206 A CN110084206 A CN 110084206A
- Authority
- CN
- China
- Prior art keywords
- signal
- examinee
- face
- module
- image
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001815 facial effect Effects 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 239000000725 suspension Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims 1
- 238000001228 spectrum Methods 0.000 claims 1
- 230000001052 transient effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 6
- 239000000428 dust Substances 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003670 easy-to-clean Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Tourism & Hospitality (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种智慧考场监控系统及其方法，包括用于识别考生身份并监控考生行为的人脸识别系统、用于监控并定向干扰作弊信号的无线作弊监控系统、主控制器、与主控制器连接的服务器，主控制器分别与人脸识别系统、无线作弊监控系统、服务器连接；人脸识别系统包括采集模块、处理器、提示模块，采集模块与处理器连接，处理器与提示模块连接，提示模块与主控制器连接。本发明实时采集考生考试全程的视频信号并对视频信号进行分析处理，及时发现考生不符合考场纪律规则的行为，对于考生身份的验证，防止学生替考，通过信息化流程，降低了人工出错的可能。
Description
技术领域
本发明涉及考试领域，尤其是涉及一种智慧考场监控系统及其方法。
背景技术
近年来，随着信息化的普及，计算机视觉技术及无线技术的跨越式发展， 面对日益猖獗的考试作弊所导致的问题，有了新的解决方案。
目前的考场监控存在以下问题：一是传统的人工核验身份证和准考证效率 低，出错率高；二是目前无线监控采用的监测车一般是采用流动监测形式，对 于考场范围大，考点分布比较广的考试有一定的局限性，普及度不高，只有在 一些国家级的重要考试中才有可能实用，且实用范围不广；三是现在的摄像装 置存在装置位置不可以调节的缺点，导致摄像装置长时间使用后，因积灰的原 因影响到摄像的质量，不方便清洗，同时也不便于维修；四是考场中桌子经常 搬动，摄像装置往往由于桌子搬动导致覆盖不够全面，而需要增加其他角度摄 像头会导致成本增加，摄像装置往往在墙壁顶部，手动调节角度又比较麻烦。
发明内容
本发明的目的在于提供一种智慧考场监控系统，用于解决上述技术问题。
本发明解决上述技术问题采用的技术方案是：一种智慧考场监控系统，包 括用于识别考生身份并监控考生行为的人脸识别系统、用于监控并定向干扰作 弊信号的无线作弊监控系统、主控制器、与主控制器连接的服务器，主控制器 分别与人脸识别系统、无线作弊监控系统、服务器连接；
人脸识别系统包括采集模块、处理器、提示模块，
采集模块，用于采集考生进入考场、考试期间、考试结束交卷全程的视频 和/或图像信号；
处理器，用于对视频和/或图像信号进行检测处理，判断是否为考生本人并 根据视频和/或图像信号检测到的考生行为与预先录入的考生纪律规则相比较， 判断考生行为是否符合要求；
提示模块，用于对处理器处理后的数据进行结果定义、统计并显示结果， 对非考生本人或不符合预先录入的考生纪律规则的考生进行提示；
采集模块与处理器连接，处理器与提示模块连接，提示模块与主控制器连 接。
作为优选，无线作弊监控系统包括获取模块、识别模块、定向干扰模块，
获取模块，用于对信号进行捕捉并扫描；
识别模块，用于对获取模块捕捉并扫描后的信号进行识别，并判断是否是 作弊信号；
定向干扰模块，用于对识别模块识别的作弊信号进行定向干扰；
识别模块分别与获取模块、定向干扰模块、主控制器连接。
作为优选，采集模块包括摄像装置，摄像装置包括固定杆，固定杆的上方 设有水平调节机构，水平调节机构上方固定安装有承重板，承重板的顶部通过 螺栓固定安装在墙体上，水平调节机构的下方固定安装有位于固定杆内部的第 一电机座，第一电机座的底部固定安装有电机，电机的输出端固定安装有第一 螺纹柱，第一螺纹柱的外表面螺纹连接有一端贯穿并延伸至固定杆外部的螺纹 杆，螺纹杆左右两侧的顶部均固定安装有垂直向滑块，固定杆内腔的左右两侧 均固定安装有垂直向滑轨，垂直向滑块相背的一侧均贯穿并延伸至垂直向滑轨 的内部且与垂直向滑轨活动连接，螺纹杆的底部固定安装有卡接块，卡接块的 正面开设有T形槽，卡接块的内顶壁活动安装有悬挂板，悬挂板的底部固定安 装有位于卡接块中的连接块，连接块的底部固定安装有第二电机座，第二电机 座的底部固定安装有微型电机，微型电机的底部固定安装有摄像头。
作为优选，水平调节机构包括水平向滑轨、与水平向滑轨活动连接的水平 向滑块，水平向滑轨设在承重板下方且与承重板固定连接。
一种智慧考场监控方法，包括用于识别考生身份并监控考生行为的人脸识 别监控方法、用于监控并定向干扰作弊信号的无线作弊监控方法。
作为优选，人脸识别监控方法包括以下步骤：
步骤一：获取处理：采集模块获取考生身份证上的面部图像后，处理器对 面部图像进行预处理，获得预处理后的图像；
步骤二：提取面部特征：处理器将经预处理后的面部图像进行面部特征提 取，获得面部特征向量；
步骤三：识别面部特征：处理器将通过采集模块获取的现场考生面部图像 投影到若干个特征脸上，计算投影后若干个特征脸的权值，将获得的权值与步 骤二获得的脸部特征向量对比，确认现场考生面部图像与考生身份证上面部图 像是否相同。
作为优选，步骤一中还包括预处理方法，预处理方法包括以下步骤：
步骤A：处理器对面部图像进行旋转，旋转到两个眼睛处在同一水平线上；
步骤B：处理器对旋转后的面部图像进行裁剪；根据面部图像的宽度是标准 照片中两个眼睛之间的距离的2倍进行裁剪，两个眼睛的位置确定下来后，其 他器官的位置也就跟着确定了，一张标准化的人脸图像就生成了。
步骤C：处理器对裁剪后的面部图像进行灰度归一化处理。由于拍摄到的不 同考生的面部图像灰度值不一致，为方便统一处理，将所有考生的图片均进行 灰度归一化处理，图像的灰度值和方差均被设定到同一数值。
作为优选，步骤二中还包括面部特征提取方法，面部特征提取方法包括以 下步骤：
步骤1：将预处理后的面部图像按列组成n*n的矩阵X；
步骤2：将矩阵X的每一行进行零均值化处理，求出协方差矩阵C，再根据 协方差矩阵C求出协方差矩阵C的特征值及对应的特征向量；
步骤3：将特征向量按照对应特征值大小从上到下按行进行排列成矩阵，取 前k行组成矩阵P，Y＝PX即为降维到k维后的特征向量。
作为优选，步骤三中还包括面部特征识别的训练方法，面部特征识别的训 练方法包括以下步骤：
步骤①：准备一组面部图像，生成面部图像的特征脸，保存N个特征值相 关的特征向量，并将其定义为一个“面部空间”；
步骤②：将训练集合中的面部图像全部投影到“面部空间”上，计算出每 一个人脸图像在N维空间上的相关分布系数。训练结束后对现场考生的面部图 像进行识别。
作为优选，无线作弊监控方法包括信号识别方法，信号识别方法包括以下 步骤：
步骤I：获取模块对信号进行捕捉并扫描；
步骤II：识别模块对获取模块捕捉并扫描后的信号与同频段信号数据比对， 判断是否是合法频率，若不是合法频率，则判断为异常信号；
步骤III：对合法频率的信号进行电平检测，判断电平是否超标，若电平超 标，则判断为异常信号，若电平未超标，则判断为正常信号；
步骤IV：对异常信号的谱峰个数Cn是否大于一进行判断，若少于一个则 为FSK信号；
步骤V：若谱峰个数Cn大于一，则计算零中心归一化瞬时幅度谱密度的最 大值γmax,计算公式如下：
γmax＝max(|FFT[acn(i)]|2/Ns)
其中，acn(i)＝an(i)-1，为瞬时幅度的平均值，Ns为采样点数，FFT表示信号的快速傅立叶变换，将γmax与γmax的双曲正切函数 th(γmax)比较，若γmax大于th(γmax)则为PSK信号；
步骤VI：若γmax小于th(γmax)，则计算瞬时频率分布统计参数KFD与KFD的双曲正切函数th(KFD)，若KFD大于th(KFD)，则为MSK信号，若KFD小于th (KFD)，则为FM信号，FD为信号瞬时频率的统计向量，KFD为FD的最大值和平 均值的比值。
本发明具有的有益效果是：
1、实时采集考生考试全程的视频信号并对视频信号进行分析处理，及时发 现考生不符合考场纪律规则的行为；
2、对于考生身份的验证，防止学生替考，通过信息化流程，降低了人工出 错的可能；
3、通过信号捕捉、自动识别、定向干扰与屏蔽，保证考试正常进行，提高 了考试的公正性。
附图说明
图1是本发明的系统结构示意图。
图2是本发明的采集模块的结构示意图。
图3是图2的局部放大图。
图4是本发明的信号识别方法的流程图。
图中：1、固定杆，2、承重板，3、螺栓，4、墙体，5、第一电机座，6、 电机，7、第一螺纹柱，8、螺纹杆，9、垂直向滑块，10、垂直向滑轨，11、卡 接块，12、T形槽，13、悬挂板，14、连接块，15、第二电机座，16、微型电 机，17、摄像头，18、水平向滑块，19、水平向滑轨，20、第二螺纹柱，21、 人脸识别系统，211、采集模块，212、处理器，213、提示模块，22、无线作弊 监控系统，221、获取模块，222、识别模块，223、定向干扰模块，23、主控制 器，24、服务器
具体实施方式
以下结合附图和实施方式对本发明作进一步的说明。
如图1-4所示，本发明一种智慧考场监控系统，包括用于识别考生身份并监 控考生行为的人脸识别系统21、用于监控并定向干扰作弊信号的无线作弊监控 系统22、主控制器23、与主控制器23连接的服务器24，主控制器23分别与人 脸识别系统21、无线作弊监控系统22、服务器24连接；
人脸识别系统21包括采集模块211、处理器212、提示模块213，
采集模块211，用于采集考生进入考场、考试期间、考试结束交卷全程的视 频和/或图像信号；
处理器212，用于对视频和/或图像信号进行检测处理，判断是否为考生本 人并根据视频和/或图像信号检测到的考生行为与预先录入的考生纪律规则相比 较，判断考生行为是否符合要求；
提示模块213，用于对处理器212处理后的数据进行结果定义、统计并显示 结果，对非考生本人或不符合预先录入的考生纪律规则的考生进行提示；
采集模块211与处理器212连接，处理器212与提示模块213连接，提示 模块213与主控制器23连接，处理器212将从采集模块211采集到的视频信息 进行处理并解析，通过提示模块213实时传送给主控制器，主控制器23接收到 提示模块213信息后，将提示模块213发送的内容发送到服务器24进行备案。
处理器212根据预先设置，对监控范围内符合一定条件的行为进行检测和 判断，当检测到目标行为时，发送给提示模块213。
同时，考虑到系统存在误差，在对视频进行实时人体行为监测时，需要规 定相应的提示范围，以免大量无效提示信息的产生。当系统频繁监测到相应符 合条件的警报信息时，我们也需要适当设置两个提示的间隔，提示存在的时间 也不宜过长以免产生不间断提示的现象。提示的前提是准确的作弊行为识别， 作弊行为识别首先对接入的视频进行检测，对每一帧图像进行分析，当监测到 相应作弊行为时，通过提示模块213提醒用户该帧视频中存在的作弊行为。
无线作弊监控系统22包括获取模块221、识别模块222、定向干扰模块223，
获取模块221，用于对信号进行捕捉并扫描；
识别模块222，用于对获取模块221捕捉并扫描后的信号进行识别，并判断 是否是作弊信号；
定向干扰模块223，用于对识别模块222识别的作弊信号进行定向干扰；
识别模块222分别与获取模块221、定向干扰模块223、主控制器23连接。
定向干扰模块223是基于TDOA的无线电测向和定位技术的无线屏蔽装置。 TDOA的定位思想是时间差，通过测量信号到达监测站的时间来实现对信号的 定位。通过比较信号到达多个监测站的时间差，就能做出以监测站为焦点、距 离差为长轴的双曲线，双曲线的焦点就是信号的位置。TDOA是基于多站点的 定位系统，因此要对信号进行定位必须要有至少3个以上的监测站进行同时测 量。而每个监测站的组成则相对比较简单，主要包括接收机、天线和时间同步 模块。TDOA不存在相位模糊的问题，测向基线可以不受限制，同时TDOA系 统还具有复杂度低、定位精准高的特点，在无线屏蔽装置中加入TDOA系统， 可以精准定位，定向屏蔽信号。
采集模块211包括摄像装置，摄像装置包括固定杆1，固定杆1的上方设有 水平调节机构，水平调节机构上方固定安装有承重板2，承重板2的顶部通过螺 栓3固定安装在墙体4上，螺栓3的数量有两组，每组螺栓3的数量为两个， 两组螺栓3呈对称等距分布，承重板2的底部固定安装有位于固定杆1内部的 第一电机座5，第一电机座5的底部固定安装有电机6，电机6的型号可为Y2， 电机6的输出端固定安装有第一螺纹柱7，第一螺纹柱7的外表面螺纹连接有一 端贯穿并延伸至固定杆1外部的螺纹杆8，螺纹杆8的内部开设有螺纹槽，螺纹 槽的大小与第一螺纹柱7外侧螺纹的大小相匹配，螺纹杆8左右两侧的顶部均 固定安装有垂直向滑块9，垂直向滑块9的数量为两个，两个垂直向滑块9呈对 称等距分布，固定杆1内腔的左右两侧均固定安装有垂直向滑轨10，通过开启 电机6，电机6的一端输出轴转动带动第一螺纹柱7的转动，螺纹杆8与第一螺 纹柱7螺纹连接，通过设置螺纹杆8上的垂直向滑块9，垂直向滑块9与垂直向 滑轨10滑动连接，在第一螺纹柱7转动时，螺纹杆8因垂直向滑块9消除了水 平方向上旋转的力，使得螺旋杆8可上下移动，通过将螺纹杆8的位置下移，使得摄像头17能被人手动接触到，从而方便对其进行灰尘的清理。水平调节机 构包括水平向滑轨19、与水平向滑轨19活动连接的水平向滑块18，水平向滑 轨19设在承重板2下方且与承重板2固定连接，电机6的另一端输出轴转动带 动第二螺纹柱20转动，第二螺纹柱20转动带动水平向滑块18在水平向滑轨19 上水平移动，水平向滑块18水平滑动从而带动摄像装置水平移动。垂直向滑轨 10的数量为两个，垂直向滑轨10的高度低于固定杆1的高度，两个垂直向滑轨 10呈对称等距分布，垂直向滑块9相背的一侧均贯穿并延伸至垂直向滑轨10的 内部且与垂直向滑轨10活动连接，螺纹杆8的底部固定安装有卡接块11，卡接 块11的正面开设有T形槽12，卡接块11的内顶壁活动安装有悬挂板13，悬挂 板13的底部固定安装有位于卡接块11中的连接块14，T形槽12的大小与悬挂 板13和连接块14的大小均相匹配，连接块14的底部固定安装有第二电机座15， 第二电机座15的底部固定安装有微型电机16，微型电机16的型号可为 4D60GN-24，微型电机16的底部固定安装有摄像头17，通过将悬挂板13、连 接块14、第二电机座15、微型电机16和摄像头17固定安装后，摄像头17等 整体结构从卡接块11的正面用力插入T形槽12内，即可固定住摄像头17，通 过开启微型电机16，微型电机16的转动即可带动摄像头17的转动，便于具体 观测某一方向的情况，整体实现摄像装置高度可以调节的目的，方便清洗，便 于使用者安装和拆卸，整体结构简单，方便使用。
在使用时，通过将悬挂板13、连接块14、第二电机座15、微型电机16和 摄像头17固定安装后，摄像头17等整体结构用力从卡接块11的正面插入T形 槽12内，即可固定住摄像头17，通过开启微型电机16，微型电机16的转动即 可带动摄像头17的转动，通过开启电机6，电机6的输出轴转动带动第一螺纹 柱7的转动，螺纹杆8与第一螺纹柱7螺纹连接，通过设置螺纹杆8上的垂直 向滑块9，垂直向滑块9与垂直向滑轨10滑动连接，在第一螺纹柱7转动时， 螺纹杆8因垂直向滑块9消除了水平方向上旋转的力，使得螺旋杆8可上下移 动，通过将螺纹杆8的位置下移，使得摄像头17能被人手动接触到。
综上所述，该摄像装置，通过将悬挂板13、连接块14、第二电机座15、微 型电机16和摄像头17固定安装后，摄像头17等整体结构从卡接块11的正面 插入T形槽12内，即可固定住摄像头17，通过开启微型电机16，微型电机16 的转动即可带动摄像头17的转动，便于具体观测某一方向的情况，结构简单， 方便安装和拆卸。
并且，该摄像装置，通过开启电机6，电机6的输出轴转动带动第一螺纹柱 7的转动，螺纹杆8与第一螺纹柱7螺纹连接，通过设置螺纹杆8上的垂直向滑 块9，垂直向滑块9与垂直向滑轨10滑动连接，在第一螺纹柱7转动时，螺纹 杆8因垂直向滑块9消除了水平方向上旋转的力，使得螺旋杆8可上下移动， 通过将螺纹杆8的位置下移，使得摄像头17能被人手动接触到，从而方便对其 进行灰尘的清理，整体实现摄像装置高度可以调节的目的，方便清洗，便于使 用者安装和拆卸，整体结构简单，方便使用，解决了现在的摄像装置存在装置 高度不可以调节的缺点，导致摄像装置长时间使用后，因积灰的原因影响到摄 像的质量，不方便清洗，同时也不便于维修的问题。
该摄像装置，通过水平向滑轨19、水平向滑块18的设置，使得摄像装置可 以自由调节水平方向角度，从而使得摄像装置可以在桌位移动后，仍然覆盖大 部分的桌位区域。
一种智慧考场监控方法，包括用于识别考生身份并监控考生行为的人脸识 别监控方法、用于监控并定向干扰作弊信号的无线作弊监控方法。
在考生人脸识别前，需要先进行考生面部图像的获取，为防止学生替考， 要求用二代身份证核验身份，通过拍摄二代身份证上的照片提取面部图像，拍 照的角度，拍照时的光线强弱等因素都会带来干扰，对照片也有影响。加上JPEG 格式压缩的图像，其本身也有一定程度的失真，给人脸识别增加难度，这些因 素没法改变，因此只能通过选择合适的方法，并对其进行优化，在一定程度上 消除不利因素。
人脸识别监控方法包括以下步骤：
步骤一：获取处理：采集模块212获取考生身份证上的面部图像，处理器 212对面部图像进行预处理，获得预处理后的图像；
步骤二：提取面部特征：处理器212将经预处理后的面部图像进行面部特 征提取，获得面部特征向量；
步骤三：识别面部特征：处理器212将通过采集模块211获取的现场考生 面部图像投影到若干个特征脸上，计算投影后若干个特征脸的权值，将获得的 权值与步骤二获得的脸部特征向量对比，确认现场考生面部图像与考生身份证 上面部图像是否相同。
步骤一中还包括预处理方法，预处理方法包括以下步骤：
步骤A：处理器212对面部图像进行旋转，旋转到两个眼睛处在同一水平 线上；
步骤B：处理器212对旋转后的面部图像进行裁剪；。
步骤C：处理器212对裁剪后的面部图像进行灰度归一化处理。
步骤二中还包括面部特征提取方法，面部特征提取方法包括以下步骤：
步骤1：将预处理后的面部图像按列组成n*n的矩阵X；
步骤2：将矩阵X的每一行进行零均值化处理，求出协方差矩阵C，再根据 协方差矩阵C求出协方差矩阵C的特征值及对应的特征向量；
步骤3：将特征向量按照对应特征值大小从上到下按行进行排列成矩阵，取 前k行组成矩阵P，Y＝PX即为降维到k维后的特征向量。
步骤三中还包括面部特征识别的训练方法，面部特征识别的训练方法包括 以下步骤：
步骤①：准备一组面部图像，生成面部图像的特征脸，保存N个特征值相 关的特征向量，并将其定义为一个“面部空间”；
步骤②：将训练集合中的面部图像全部投影到“面部空间”上，计算出每 一个人脸图像在N维空间上的相关分布系数。训练结束后对现场考生的面部图 像进行识别。
根据信号传输的形式不同，无线作弊有音频和数据传输两类。音频传输通 过语音方式向考生传输答案，而数据传输设备通过数据传输的方式向考生传输 答案。前者具有隐蔽性强的特点，而后者具有发射功率大，传输速度快、发送 时间短的特点。
音频传输方式一般采用FM调频信号，作弊终端可以将信号调节并形成含 有答案的语音信号；数据传输方式一般采用FSK、PSK或MSK等数字调制方式， 作弊终端将信号进行解调后直接用中英文字符或数字信号转换成的语音来表示 答案。无线作弊技术具有体质多样性、实用频段范围宽的特点，这些因素大大 增加了反作弊的工作难度，需要解决如何快速捕获空中信号、识别信号体制、 分析判断信号是否非法并定位干扰信号，本专利主要针对如何识别信号体制、 分析判断信号是否非法。
无线作弊监控方法包括信号识别方法，信号识别方法包括以下步骤：
步骤I：获取模块221对信号进行捕捉并扫描；
步骤II：识别模块222对获取模块221捕捉并扫描后的信号与同频段信号数 据比对，判断是否是合法频率，若不是合法频率，则判断为异常信号；
步骤III：对合法频率的信号进行电平检测，判断电平是否超标，若电平超 标，则判断为异常信号，若电平未超标，则判断为正常信号；
数字电路芯片都存在一个阈值电平，就是电路刚刚勉强能翻转动作时的电 平。它是一个界于Vil、Vih之间的电压值，对于CMOS电路的阈值电平，基本 上是二分之一的电源电压值，但要保证稳定的输出，则必须要求输入高电平> Vih，输入低电平<Vil，而如果输入电平在阈值上下，也就是Vil～Vih这个区域， 电路的输出会处于不稳定状态，该阈值电平即为用于判断电平是否超标的标准 电平。
判断信号为异常信号后需要进一步分析判断该信号是否为作弊信号，这就 需要对异常信号进行参数估计并调解信号。信号参数估计包括调制方式的识别、 载波估计、码率估计和带宽估计，本专利仅针对调制方式识别。
针对作弊信号的特点，针对FM、FSK、PSK和MSK信号，采用决策树法 进行识别，具体流程如图4所示。
对于FM、FSK、PSK和MSK信号，只有FSK信号少于一个谱峰，因此检 测信号的谱峰个数可以对FSK信号进行区分。
步骤IV：对异常信号的谱峰个数Cn是否大于一进行判断，若少于一个则 为FSK信号；
步骤V：若谱峰个数Cn大于一，则计算零中心归一化瞬时幅度谱密度的最 大值γmax,计算公式如下：
γmax＝max(|FFT[acn(i)]|2/Ns)
其中，acn(i)＝an(i)-1，为瞬时幅度的平均值，Ns为采样点数，FFT表示信号的快速傅立叶变换，将γmax与γmax的双曲正切函数th(γmax)比较，若γmax大于th(γma)x则为PSK信号；
PSK信号一般会进行基带成型处理，故PSK信号的幅度包网络变化，因此可 以利用这一特征对PSK信号进行区分。
FM信号瞬时频率是连续变化的，整个统计区间相对来说分布较均匀，因此 其统计向量的最大值和最小值之间的比值一般较小；而MSK信号的瞬时频率则 是M个电平的阶梯状分布，瞬时频率分布比较集中，最小值一般为0或接近于0， 因此其统计向量最大值和最小值之间的比值会较大，这样就可以利用这一参数 将FM信号与MSK信号区分。
步骤VI：若γmax小于th(γmax)，则计算瞬时频率分布统计参数KFD与KFD的双曲正切函数th(KFD)，若KFD大于th(KFD)，则为MSK信号，若KFD小于th (KFD)，则为FM信号，FD为信号瞬时频率的统计向量，KFD为FD的最大值和平 均值的比值。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与 其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本 发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的， 本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它 实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要 符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种智慧考场监控系统，其特征在于：包括用于识别考生身份并监控考生行为的人脸识别系统(21)、用于监控并定向干扰作弊信号的无线作弊监控系统(22)、主控制器(23)、与主控制器(23)连接的服务器(24)，主控制器(23)分别与人脸识别系统(21)、无线作弊监控系统(22)、服务器(24)连接；
人脸识别系统(21)包括采集模块(211)、处理器(212)、提示模块(213)，
采集模块(211)，用于采集考生进入考场、考试期间、考试结束交卷全程的视频和/或图像信号；
处理器(212)，用于对视频和/或图像信号进行检测处理，判断是否为考生本人并根据视频和/或图像信号检测到的考生行为与预先录入的考生纪律规则相比较，判断考生行为是否符合要求；
提示模块(213)，用于对处理器(212)处理后的数据进行结果定义、统计并显示结果，对非考生本人或不符合预先录入的考生纪律规则的考生进行提示；
采集模块(211)与处理器(212)连接，处理器(212)与提示模块(213)连接，提示模块(213)与主控制器(23)连接。
2.根据权利要求1所述的智慧考场监控系统，其特征在于：无线作弊监控系统(22)包括获取模块(221)、识别模块(222)、定向干扰模块(223)，
获取模块(221)，用于对信号进行捕捉并扫描；
识别模块(222)，用于对获取模块(221)捕捉并扫描后的信号进行识别，并判断是否是作弊信号；
定向干扰模块(223)，用于对识别模块(222)识别的作弊信号进行定向干扰；
识别模块(222)分别与获取模块(221)、定向干扰模块(223)、主控制器(23)连接。
3.根据权利要求1或2所述的智慧考场监控系统，其特征在于：采集模块(211)包括摄像装置，摄像装置包括固定杆(1)，固定杆(1)的上方设有水平调节机构，水平调节机构上方固定安装有承重板(2)，承重板(2)通过螺栓(3)固定安装在墙体(4)上，水平调节机构的下方固定安装有位于固定杆(1)内部的第一电机座(5)，第一电机座(5)的底部固定安装有电机(6)，电机(6)的输出端固定安装有第一螺纹柱(7)，第一螺纹柱(7)的外表面螺纹连接有一端贯穿并延伸至固定杆(1)外部的螺纹杆(8)，螺纹杆(8)左右两侧的顶部均固定安装有垂直向滑块(9)，固定杆(1)内腔的左右两侧均固定安装有垂直向滑轨(10)，垂直向滑块(9)相背的一侧均贯穿并延伸至垂直向滑轨(10)的内部且与垂直向滑轨(10)活动连接，螺纹杆(8)的底部固定安装有卡接块(11)，卡接块(11)的正面开设有T形槽(12)，卡接块(11)的内顶壁活动安装有悬挂板(13)，悬挂板(13)的底部固定安装有位于卡接块(11)中的连接块(14)，连接块(14)的底部固定安装有第二电机座(15)，第二电机座(15)的底部固定安装有微型电机(16)，微型电机(16)的底部固定安装有摄像头(17)。
4.根据权利要求3所述的智慧考场监控系统，其特征在于：水平调节机构包括水平向滑轨(19)、与水平向滑轨(19)活动连接的水平向滑块(18)，水平向滑轨(19)设在承重板(2)下方且与承重板(2)固定连接。
5.一种智慧考场监控方法，其特征在于：包括用于识别考生身份并监控考生行为的人脸识别监控方法、用于监控并定向干扰作弊信号的无线作弊监控方法。
6.根据权利要求5所述的智慧考场监控系统，其特征在于：人脸识别监控方法包括以下步骤：
步骤一：获取处理：采集模块(212)获取考生身份证上的面部图像，处理器(212)对面部图像进行预处理，获得预处理后的图像；
步骤二：提取面部特征：处理器(212)将经预处理后的面部图像进行面部特征提取，获得面部特征向量；
步骤三：识别面部特征：处理器(212)将通过采集模块(211)获取的现场考生面部图像投影到若干个特征脸上，计算投影后若干个特征脸的权值，将获得的权值与步骤二获得的脸部特征向量对比，确认现场考生面部图像与考生身份证上面部图像是否相同。
7.根据权利要求6所述的智慧考场监控系统，其特征在于：步骤一中还包括预处理方法，预处理方法包括以下步骤：
步骤A：处理器(212)对面部图像进行旋转，旋转到两个眼睛处在同一水平线上；
步骤B：处理器(212)对旋转后的面部图像进行裁剪；
步骤C：处理器(212)对裁剪后的面部图像进行灰度归一化处理。
8.根据权利要求6或7所述的智慧考场监控系统，其特征在于：步骤二中还包括面部特征提取方法，面部特征提取方法包括以下步骤：
步骤1：将预处理后的面部图像按列组成n*n的矩阵X；
步骤2：将矩阵X的每一行进行零均值化处理，求出协方差矩阵C，再根据协方差矩阵C求出协方差矩阵C的特征值及对应的特征向量；
步骤3：将特征向量按照对应特征值大小从上到下按行进行排列成矩阵，取前k行组成矩阵P，Y＝PX即为降维到k维后的特征向量。
9.根据权利要求8所述的智慧考场监控系统，其特征在于：步骤三中还包括面部特征识别的训练方法，面部特征识别的训练方法包括以下步骤：
步骤①：准备一组面部图像，生成面部图像的特征脸，保存N个特征值相关的特征向量，并将其定义为一个“面部空间”；
步骤②：将训练集合中的面部图像全部投影到“面部空间”上，计算出每一个人脸图像在N维空间上的相关分布系数。训练结束后对现场考生的面部图像进行识别。
10.根据权利要求5或6或7或9所述的智慧考场监控系统，其特征在于：无线作弊监控方法包括信号识别方法，信号识别方法包括以下步骤：
步骤I：获取模块(221)对信号进行捕捉并扫描；
步骤II：识别模块(222)对获取模块(221)捕捉并扫描后的信号与同频段信号数据比对，判断是否是合法频率，若不是合法频率，则判断为异常信号；
步骤III：对合法频率的信号进行电平检测，判断电平是否超标，若电平超标，则判断为异常信号，若电平未超标，则判断为正常信号；
步骤IV：对异常信号的谱峰个数Cn是否大于一进行判断，若少于一个则为FSK信号；
步骤V：若谱峰个数Cn大于一，则计算零中心归一化瞬时幅度谱密度的最大值γmax,计算公式如下：
其中，acn(i)＝an(i)-1，为瞬时幅度的平均值，Ns为采样点数，FFT表示信号的快速傅立叶变换，将γmax与γmax的双曲正切函数th(γmax)比较，若γmax大于th(γmax)则为PSK信号；
步骤VI：若γmax小于th(γmax)，则计算瞬时频率分布统计参数KFD与KFD的双曲正切函数th(KFD)，若KFD大于th(KFD)，则为MSK信号，若KFD小于th(KFD)，则为FM信号，FD为信号瞬时频率的统计向量，KFD为FD的最大值和平均值的比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910360013.2A CN110084206B (zh) | 2019-04-30 | 2019-04-30 | 一种智慧考场监控系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910360013.2A CN110084206B (zh) | 2019-04-30 | 2019-04-30 | 一种智慧考场监控系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110084206A true CN110084206A (zh) | 2019-08-02 |
| CN110084206B CN110084206B (zh) | 2021-06-25 |
Family
ID=67418004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910360013.2A Active CN110084206B (zh) | 2019-04-30 | 2019-04-30 | 一种智慧考场监控系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110084206B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539856A (zh) * | 2020-04-24 | 2020-08-14 | 上海好学网络科技有限公司 | 基于平板电脑的考试系统和方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200414A (zh) * | 2014-09-01 | 2014-12-10 | 成都信息工程学院 | 一种过程化学生自助考试系统 |
| US20160191879A1 (en) * | 2014-12-30 | 2016-06-30 | Stephen Howard | System and method for interactive projection |
| 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 |
| US20160275337A1 (en) * | 2015-03-19 | 2016-09-22 | Casio Computer Co., Ltd. | Information processor and computer readable medium |
| CN107330419A (zh) * | 2017-07-04 | 2017-11-07 | 郑州大学 | 一种利用实时监控进行人脸识别替考考生的方法及装置 |
| CN107967660A (zh) * | 2017-11-22 | 2018-04-27 | 浙江中医药大学 | 一种自动面部识别的安全考试系统 |
| CN108322701A (zh) * | 2018-01-25 | 2018-07-24 | 上海理工大学 | 考场视频监控和手机信号屏蔽系统 |
| CN207864961U (zh) * | 2018-02-12 | 2018-09-14 | 清远市远景光电有限公司 | 一种具有旋转角度的摄像结构 |
-
2019
- 2019-04-30 CN CN201910360013.2A patent/CN110084206B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200414A (zh) * | 2014-09-01 | 2014-12-10 | 成都信息工程学院 | 一种过程化学生自助考试系统 |
| US20160191879A1 (en) * | 2014-12-30 | 2016-06-30 | Stephen Howard | System and method for interactive projection |
| US20160275337A1 (en) * | 2015-03-19 | 2016-09-22 | Casio Computer Co., Ltd. | Information processor and computer readable medium |
| 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 |
| CN107330419A (zh) * | 2017-07-04 | 2017-11-07 | 郑州大学 | 一种利用实时监控进行人脸识别替考考生的方法及装置 |
| CN107967660A (zh) * | 2017-11-22 | 2018-04-27 | 浙江中医药大学 | 一种自动面部识别的安全考试系统 |
| CN108322701A (zh) * | 2018-01-25 | 2018-07-24 | 上海理工大学 | 考场视频监控和手机信号屏蔽系统 |
| CN207864961U (zh) * | 2018-02-12 | 2018-09-14 | 清远市远景光电有限公司 | 一种具有旋转角度的摄像结构 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539856A (zh) * | 2020-04-24 | 2020-08-14 | 上海好学网络科技有限公司 | 基于平板电脑的考试系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110084206B (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108229362B (zh) | 一种基于门禁系统的双目人脸识别活体检测方法 | |
| CN102799893B (zh) | 考场监控视频处理方法 | |
| CN106529414A (zh) | 一种通过图像比对实现结果认证的方法 | |
| CN105469105A (zh) | 一种基于视频监控的香烟烟雾检测方法 | |
| US20200042772A1 (en) | People-Credentials Comparison Authentication Method, System and Camera | |
| CN109999469A (zh) | 一种足球绕杆考试智能裁判系统 | |
| CN110298231A (zh) | 一种用于篮球比赛视频进球判定的方法及系统 | |
| CN110414314A (zh) | 一种可进行人脸跟踪识别的摄像头结构及系统 | |
| CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
| CN106709438A (zh) | 一种基于视频会议的人数统计方法 | |
| CN105718964B (zh) | 一种输电线防振锤的视觉检测方法 | |
| 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 | |
| CN111601091B (zh) | 一种用于地铁车站的客流监控装置 | |
| CN106407966B (zh) | 一种应用于考勤的人脸识别方法 | |
| CN109359577A (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN109272000A (zh) | 一种机器人仪表对准和调焦方法及装置 | |
| CN110084206A (zh) | 一种智慧考场监控系统及其方法 | |
| CN110909617B (zh) | 基于双目视觉的活体人脸检测方法及装置 | |
| CN110222647A (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN109583307A (zh) | 一种基于局部特征与词包模型的羊绒羊毛纤维识别方法 | |
| CN202471601U (zh) | 大米垩白米在线检测系统 | |
| CN102542304B (zh) | 识别wap手机色情图像的区域分割肤色算法 | |
| Fang et al. | Realization of intelligent invigilation system based on adaptive threshold | |
| CN110059632A (zh) | 一种人脸识别方法及装置 | |
| CN112802051B (zh) | 基于神经网络的篮球投篮曲线的拟合方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210607 Address after: 310018 rooms 601, 602 and 603, 6 / F, building 3, Haituo business building, Qiantang New District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Guoxian Technology Co.,Ltd. Address before: 310018 608, area a, building 2, 452, Xiasha 6 street, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Quan'ao Education Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |