CN111382721B - 基于人工智能的考场监测系统 - Google Patents

基于人工智能的考场监测系统 Download PDF

Info

Publication number
CN111382721B
CN111382721B CN202010203754.2A CN202010203754A CN111382721B CN 111382721 B CN111382721 B CN 111382721B CN 202010203754 A CN202010203754 A CN 202010203754A CN 111382721 B CN111382721 B CN 111382721B
Authority
CN
China
Prior art keywords
examination room
examination
personnel
module
content
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.)
Expired - Fee Related
Application number
CN202010203754.2A
Other languages
English (en)
Other versions
CN111382721A (zh
Inventor
栗浩洋
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.)
Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd
Original Assignee
Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd
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 Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd filed Critical Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd
Priority to CN202010203754.2A priority Critical patent/CN111382721B/zh
Publication of CN111382721A publication Critical patent/CN111382721A/zh
Application granted granted Critical
Publication of CN111382721B publication Critical patent/CN111382721B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • 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
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • Psychiatry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Social Psychology (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于人工智能的考场监测系统，该基于人工智能的考场监测系统不仅能够针对考场内外环境进行监控，并且还能够通过关于考场的图像对考场内的每一个人进行细节化的监控分析，从而确定当前考场内外环境和考场内的每一个人的行为动作与预设考场要求之间的差异，以此有针对性地对考场内部的每一个人进行排查和互动，同时也不针对考场的内外环境变化对考场进行有效的调控。

Description

基于人工智能的考场监测系统
技术领域
本发明涉及智能教学的技术领域，特别涉及基于人工智能的考场监测系统。
背景技术
目前，考场的监考工作都是通过在考场布置相应监考人员来实现的，这对于人数较少的小考场而言监考人员的工作量较小，但是在实际考试过程中，通常会存在上百人的大考场，在这些大考场中考生都是分散而坐的，并且监考人员需要承担试卷分发、巡查和试卷回收等不同的工作，这难以保证监考工作的有序进行。可见，现有技术的基于人工监考的方式并不能最大限度的覆盖考场的每一个区域以及提高监考工作的效率，虽然已经出现了通过在考场设置视频监控的方式来辅助监考人员的工作的，但是这种视频监控都只是对考场进行全范围的统一图像采集，其并不能有针对性地对考场内部的每一个人进行排查，同时也不能针对考场的内外环境变化对考场进行有效的调控，这严重地影响考场监考工作实施的有效性。
发明内容
针对现有技术存在的缺陷，本发明提供一种基于人工智能的考场监测系统，该基于人工智能的考场监测系统考场环境监测模块、考场人员监测模块、考试内容验证模块、云端控制模块和考场运行调整模块，其通过根据当前考场对应的内部环境参数和/或外部环境参数，生成相应的考场环境评价信息，根据关于当前考场存在人员的图像，生成相应考场人员评价信息，对当前考场对应的考卷内容进行匹配验证处理，以此生成相应的考试内容评判信息，在此基础上，再根据该考场环境评价信息、该考场人员评价信息和该考试内容评价信息中的至少一者，生成相应的考场运行控制信号，最后根据该考场运行控制信号，实现对该考场环境状态的调节和/或与考场人员的互动；可见，该基于人工智能的考场监测系统不仅能够针对考场内外环境进行监控，并且还能够通过关于考场的图像对考场内的每一个人进行细节化的监控分析，从而确定当前考场内外环境和考场内的每一个人的行为动作与预设考场要求之间的差异，以此有针对性地对考场内部的每一个人进行排查和互动，同时也不针对考场的内外环境变化对考场进行有效的调控。
本发明提供一种基于人工智能的考场监测系统，其特征在于：
所述基于人工智能的考场监测系统包括考场环境监测模块、考场人员监测模块、考试内容验证模块、云端控制模块和考场运行调整模块；其中，
所述考场环境监测模块用于根据当前考场对应的内部环境参数和/或外部环境参数，生成相应的考场环境评价信息；
所述考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；
所述考试内容验证模块用于对当前考场对应的考卷内容进行匹配验证处理，以此生成相应的考试内容评判信息；
所述云端控制模块用于根据所述考场环境评价信息、所述考场人员评价信息和所述考试内容评价信息中的至少一者，生成相应的考场运行控制信号；
所述考场运行调整模块用于根据所述考场运行控制信号，实现对所述考场环境状态的调节和/或与考场人员的互动；
进一步，所述考场环境监测模块包括考场边界确定子模块、考场内部参数采集子模块、考场外部参数采集子模块和考场环境评价子模块；其中，
所述考场边界确定子模块用于根据当前考场对应的空间位置和空间格局，对当前考场进行关于考场内部区域和考场外部区域的划分处理；
所述考场内部参数采集子模块用于对所述划分处理得到的所述考场内部区域进行第一环境参数采集处理，以此得到所述内部环境参数；
所述考场外部环境参数采集子模块用于对所述划分处理得到的所述考场外部区域进行第二环境参数采集处理，以此得到所述外部环境参数；
所述考场环境评价子模块用于根据所述内部环境参数和/或所述外部环境参数进行环境状态评价处理，以此得到所述考场环境评价信息；
进一步，所述考场内部参数采集子模块包括环境照度获取单元、环境温度获取单元和环境湿度获取单元；其中，
所述环境照度获取单元用于获取所述考场内部区域的照度参数，以作为一部分所述内部环境参数；
所述环境温度获取单元用于获取所述考场内部区域的温度参数，以作为一部分所述内部环境参数；
所述环境湿度获取单元用于获取所述考场内部区域的湿度参数，以作为一部分所述内部环境参数；
或者，
所述考场外部环境参数采集子模块包括环境噪声获取单元和环境空气流动性获取单元；其中，
所述环境噪声获取单元用于获取所述考场外部区域的噪声分贝参数，以作为一部分所述外部环境参数；
所述环境空气流动性获取单元用于获取所述考场外部区域的空气流动相关参数，以作为一部分所述外部环境参数；
或者，
所述考场环境评价子模块包括环境参数拟合转换单元和评价函数计算单元；其中，
所述环境参数拟合转换单元用于对所述内部环境参数和/或所述外部环境参数进行函数可识别化的拟合转换处理，以此得到相应的可识别环境参量；
所述评价函数计算单元用于根据预设考场环境适宜度评价函数模型对所述可识别环境参量进行计算处理，以此得到所述考场环境评价信息；
进一步，所述考场人员监测模块包括考场人员图像拍摄子模块、考场人员身份识别子模块、考场人员动作识别子模块和考场人员评价子模块；其中，
所述考场人员图像拍摄子模块用于获取当前考场存在人员的第一类型图像集合和/或第二类型图像集合；
所述考场人员身份识别子模块用于根据预定考场人员标识特征，对所述第一类型图像集合和/或所述第二类型图像集合进行考场人员身份识别处理，以此得到考场人员身份识别结果；
所述考场人员动作识别子模块用于根据预定考场人员动作变化轮廓特征，对所述第一类型图像集合和/或所述第二类型图像集合进行考场人员动作识别处理，以此得到考场人员动作识别结果；
所述考场人员评价子模块用于根据所述考场人员身份识别结果和所述考场人员动作识别结果进行考场人员评价处理，以此得到所述考场人员评价信息；
进一步，所述考场人员图像拍摄子模块包括第一类型图像拍摄单元和第二类型图像拍摄单元；其中，
所述第一类型图像拍摄单元用于获取关于当前考场存在人员的静态图像和/或动态图像；
所述第二类型图像拍摄单元用于获取关于当前考场存在人员的单目图像和/或多目图像；
进一步，所述考试内容验证模块包括考卷文本获取子模块、考卷内容验证子模块和考卷内容评判子模块；其中，
所述考卷文本获取子模块用于对当前考卷对应的考卷内容文本识别处理，以此获得对应的考卷内容文本信息；
所述考卷内容验证子模块用于根据预设考卷设置模板，对所述考卷内容文本信息进行匹配验证处理，以此获得关于当前考卷的匹配验证信息；
所述考卷内容评判子模块用于根据所述考卷内容文本信息和所述匹配验证信息，对当前考卷进行关于内容正确性和/或内容有效性的评判处理，以此获得所述考试内容评判信息；
进一步，所述考卷文本获取子模块包括考卷电子化转换单元和考卷内容文本形成单元；其中，
所述考卷电子化转换单元用于对当前考卷进行扫描处理，以此获得电子化的考卷信息；
所述考卷内容文本形成单元用于对所述电子化的考卷信息进行解码处理，以此获得对应的所述考卷内容文本信息；
或者，
所述考卷内容验证子模块包括模板对比单元和考卷匹配置信度计算单元；其中，
所述模板对比单元用于将所述考卷内容文本信息与所述预设考卷设置模板进行对比处理，以此确定相应的考卷内容-模板差异信息；
所述考卷匹配置信度计算单元用于根据所述考卷内容-模板差异信息，计算当前考卷的置信度参量，以此获得关于当前考卷的匹配验证信息；
进一步，所述云端控制模块包括评价信息转换子模块、考场运行模型构建子模块和考场运行模型执行子模块；其中，
所述评价信息转换子模块用于对所述考场环境评价信息、所述考场人员评价信息和所述考试内容评价信息中的至少一者进行模型可识别特征信息转换处理，以此获得相应的模式可识别特征信息；
所述考场运行模型构建子模块用于根据考场运行历史大数据，构建关于当前考场的考场运行模型；
所述考场运行模型执行子模块用于执行所述考场运行模型针对于所述模型可识别特征信息的计算处理，以此生成相应的所述考场运行控制信号；
进一步，所述考场运行调整模块包括运行控制信号解析子模块和考场运行模式调整子模块；其中，
所述运行控制信号解析子模块用于对所述考场运行控制信号进行解析处理，以此获得至少一个考场运行模式调整参数；
所述考场运行模式调整子模块用于根据所述至少一个考场运行模式调整参数，实现对所述考场环境状态的调节和/或与考场人员的互动；
进一步，所述考场运行模式调整子模块包括考场环境状态调节单元和考场人员互动单元；其中，
所述考场环境状态调节单元用于根据所述至少一个考场运行模式调整参数，实现对所述考场环境状态的调节；
所述考场人员互动单元用于根据所述至少一个考场运行模式调整参数，实现与考场人员的互动。
进一步，所述考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；其中，
还包括根据所述第一类型图像拍摄单元采集的动态图像，获取人员空间位置特征集，并将获取的人员空间位置特征集进行归一化处理以获取人物可识别特征信息，并将人物可识别特征信息与一种基于人工智能的考场监测系统数据库进行匹配，根据检索结果，执行生成相应的所述考场运行控制信号的操作；
步骤A1、根据所述第一类型图像拍摄单元，采集当前考场人员的动态图像；
步骤A2、根据预先建立的图像预处理模型，对所述步骤A1采集的考场人员动态图像进行灰度化预处理，同时根据公式(1)对采集的动态图像提取人员方位特征，以获取人员空间位置特征集；
Figure BDA0002420242340000061
其中，N为所述第一类型图像拍摄单元采集动态图像的数量，π为圆周率，exp为以自然常数e为底的指数函数，tan为正切函数，
Figure BDA0002420242340000062
为所述第一类型图像拍摄单元与当前考场人员的夹角，f(s)为所述第一类型图像拍摄单元与所述当前考场人员的距离，x为所述动态图像中当前考场人员向左方向的横向移动幅度，y为所述动态图像中考场人员以水平面为基准点的垂直移动幅度，z为所述动态图像中当前考场人员向前方向的纵向移动幅度，a0为所述动态图像中当前考场人员初始基准点位置，ax为所述动态图像中当前考场人员的横向移动幅度为x时该人员基于基准点向左的横坐标向量值，by为所述动态图像中当前考场人员以水平面为基准点的垂直移动幅度为y时的垂直坐标向量值，cz为所述动态图像中当前考场人员的纵向移动幅度为z时该人员基于基准点向前的纵坐标向量值，
Figure BDA0002420242340000071
为动态图像中考场人员的相对横向移动距离，
Figure BDA0002420242340000072
为根据所述第一类型图像拍摄单元获取考场人员的空间位置信息，T(ax,by,cz)为获取人员空间位置特征集；
步骤A3、根据公式(2)对所述步骤A2获取的人员空间位置特征集进行归一化处理，以获取人物可识别特征信息；
Figure BDA0002420242340000073
其中，j为所述当前考场人员上肢肘关节移动距离值，ε为脊椎弯曲的弧度，arctan为正切函数，vj为所述当前考场人员上肢肘关节移动距离值为j时该人员的上肢肘关节轨迹向量值，hε为脊椎弯曲的弧度为ε时所述人员的躯干的弯曲向量值，
Figure BDA0002420242340000074
为当前考场人员上肢肘关节节点的轨迹变量，
Figure BDA0002420242340000075
为当前考场人员躯干时序变化的归一化处理，R(vj,hε)为获取人物可识别特征信息；
步骤A4、将所述步骤A3获取人物可识别特征信息与所述一种基于人工智能的考场监测系统数据库匹配，通过公式(3)检索所述考场人员是否存在违规现象，并执行生成相应的所述考场运行控制信号的操作；
Figure BDA0002420242340000081
其中，q为所述一种基于人工智能的考场监测系统数据库的数据行数，r为所述一种基于人工智能的考场监测系统数据库的数据列数，kq为与人物可识别特征信息相匹配的考场监测系统数据库数据行数为q所对应的动作特征信息，lr为与人物可识别特征信息相匹配的考场监测系统数据库数据列数为r所对应的动作特征信息，O(kq,lr)为一种基于人工智能的考场监测系统数据库与人物可识别特征信息的匹配值，当O(kq,lr)计算值为趋近于1时，表示所述人物可识别特征信息经考场监测系统数据库检索发现了违规现象，执行生成相应的所述考场运行控制信号的操作。
相比于现有技术，该基于人工智能的考场监测系统考场环境监测模块、考场人员监测模块、考试内容验证模块、云端控制模块和考场运行调整模块，其通过根据当前考场对应的内部环境参数和/或外部环境参数，生成相应的考场环境评价信息，根据关于当前考场存在人员的图像，生成相应考场人员评价信息，对当前考场对应的考卷内容进行匹配验证处理，以此生成相应的考试内容评判信息，在此基础上，再根据该考场环境评价信息、该考场人员评价信息和该考试内容评价信息中的至少一者，生成相应的考场运行控制信号，最后根据该考场运行控制信号，实现对该考场环境状态的调节和/或与考场人员的互动；可见，该基于人工智能的考场监测系统不仅能够针对考场内外环境进行监控，并且还能够通过关于考场的图像对考场内的每一个人进行细节化的监控分析，从而确定当前考场内外环境和考场内的每一个人的行为动作与预设考场要求之间的差异，以此有针对性地对考场内部的每一个人进行排查和互动，同时也不针对考场的内外环境变化对考场进行有效的调控。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于人工智能的考场监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的一种基于人工智能的考场监测系统的结构示意图。该基于人工智能的考场监测系统包括考场环境监测模块、考场人员监测模块、考试内容验证模块、云端控制模块和考场运行调整模块；其中，
该考场环境监测模块用于根据当前考场对应的内部环境参数和/或外部环境参数，生成相应的考场环境评价信息；
该考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；
该考试内容验证模块用于对当前考场对应的考卷内容进行匹配验证处理，以此生成相应的考试内容评判信息；
该云端控制模块用于根据该考场环境评价信息、该考场人员评价信息和该考试内容评价信息中的至少一者，生成相应的考场运行控制信号；
该考场运行调整模块用于根据该考场运行控制信号，实现对该考场环境状态的调节和/或与考场人员的互动。
优选地，该考场环境监测模块包括考场边界确定子模块、考场内部参数采集子模块、考场外部参数采集子模块和考场环境评价子模块；其中，
该考场边界确定子模块用于根据当前考场对应的空间位置和空间格局，对当前考场进行关于考场内部区域和考场外部区域的划分处理；
该考场内部参数采集子模块用于对该划分处理得到的该考场内部区域进行第一环境参数采集处理，以此得到该内部环境参数；
该考场外部环境参数采集子模块用于对该划分处理得到的该考场外部区域进行第二环境参数采集处理，以此得到该外部环境参数；
该考场环境评价子模块用于根据该内部环境参数和/或该外部环境参数进行环境状态评价处理，以此得到该考场环境评价信息。
优选地，该考场内部参数采集子模块包括环境照度获取单元、环境温度获取单元和环境湿度获取单元；其中，
该环境照度获取单元用于获取该考场内部区域的照度参数，以作为一部分该内部环境参数；
该环境温度获取单元用于获取该考场内部区域的温度参数，以作为一部分该内部环境参数；
该环境湿度获取单元用于获取该考场内部区域的湿度参数，以作为一部分该内部环境参数。
优选地，该考场外部环境参数采集子模块包括环境噪声获取单元和环境空气流动性获取单元；其中，
该环境噪声获取单元用于获取该考场外部区域的噪声分贝参数，以作为一部分该外部环境参数；
该环境空气流动性获取单元用于获取该考场外部区域的空气流动相关参数，以作为一部分该外部环境参数。
优选地，该考场环境评价子模块包括环境参数拟合转换单元和评价函数计算单元；其中，
该环境参数拟合转换单元用于对该内部环境参数和/或该外部环境参数进行函数可识别化的拟合转换处理，以此得到相应的可识别环境参量；
该评价函数计算单元用于根据预设考场环境适宜度评价函数模型对该可识别环境参量进行计算处理，以此得到该考场环境评价信息。
优选地，该考场人员监测模块包括考场人员图像拍摄子模块、考场人员身份识别子模块、考场人员动作识别子模块和考场人员评价子模块；其中，
该考场人员图像拍摄子模块用于获取当前考场存在人员的第一类型图像集合和/或第二类型图像集合；
该考场人员身份识别子模块用于根据预定考场人员标识特征，对该第一类型图像集合和/或该第二类型图像集合进行考场人员身份识别处理，以此得到考场人员身份识别结果；
该考场人员动作识别子模块用于根据预定考场人员动作变化轮廓特征，对该第一类型图像集合和/或该第二类型图像集合进行考场人员动作识别处理，以此得到考场人员动作识别结果；
该考场人员评价子模块用于根据该考场人员身份识别结果和该考场人员动作识别结果进行考场人员评价处理，以此得到该考场人员评价信息。
优选地，该考场人员图像拍摄子模块包括第一类型图像拍摄单元和第二类型图像拍摄单元；其中，
该第一类型图像拍摄单元用于获取关于当前考场存在人员的静态图像和/或动态图像；
该第二类型图像拍摄单元用于获取关于当前考场存在人员的单目图像和/或多目图像。
优选地，该考试内容验证模块包括考卷文本获取子模块、考卷内容验证子模块和考卷内容评判子模块；其中，
该考卷文本获取子模块用于对当前考卷对应的考卷内容文本识别处理，以此获得对应的考卷内容文本信息；
该考卷内容验证子模块用于根据预设考卷设置模板，对该考卷内容文本信息进行匹配验证处理，以此获得关于当前考卷的匹配验证信息；
该考卷内容评判子模块用于根据该考卷内容文本信息和该匹配验证信息，对当前考卷进行关于内容正确性和/或内容有效性的评判处理，以此获得该考试内容评判信息。
优选地，该考卷文本获取子模块包括考卷电子化转换单元和考卷内容文本形成单元；其中，
该考卷电子化转换单元用于对当前考卷进行扫描处理，以此获得电子化的考卷信息；
该考卷内容文本形成单元用于对该电子化的考卷信息进行解码处理，以此获得对应的该考卷内容文本信息。
优选地，该考卷内容验证子模块包括模板对比单元和考卷匹配置信度计算单元；其中，
该模板对比单元用于将该考卷内容文本信息与该预设考卷设置模板进行对比处理，以此确定相应的考卷内容-模板差异信息；
该考卷匹配置信度计算单元用于根据该考卷内容-模板差异信息，计算当前考卷的置信度参量，以此获得关于当前考卷的匹配验证信息。
优选地，该云端控制模块包括评价信息转换子模块、考场运行模型构建子模块和考场运行模型执行子模块；其中，
该评价信息转换子模块用于对该考场环境评价信息、该考场人员评价信息和该考试内容评价信息中的至少一者进行模型可识别特征信息转换处理，以此获得相应的模式可识别特征信息；
该考场运行模型构建子模块用于根据考场运行历史大数据，构建关于当前考场的考场运行模型；
该考场运行模型执行子模块用于执行该考场运行模型针对于该模型可识别特征信息的计算处理，以此生成相应的该考场运行控制信号。
优选地，该考场运行调整模块包括运行控制信号解析子模块和考场运行模式调整子模块；其中，
该运行控制信号解析子模块用于对该考场运行控制信号进行解析处理，以此获得至少一个考场运行模式调整参数；
该考场运行模式调整子模块用于根据该至少一个考场运行模式调整参数，实现对该考场环境状态的调节和/或与考场人员的互动。
优选地，所述考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；其中，
还包括根据所述第一类型图像拍摄单元采集的动态图像，获取人员空间位置特征集，并将获取的人员空间位置特征集进行归一化处理以获取人物可识别特征信息，并将人物可识别特征信息与一种基于人工智能的考场监测系统数据库进行匹配，根据检索结果，执行生成相应的所述考场运行控制信号的操作；
步骤A1、根据所述第一类型图像拍摄单元，采集当前考场人员的动态图像；
步骤A2、根据预先建立的图像预处理模型，对所述步骤A1采集的考场人员动态图像进行灰度化预处理，同时根据公式(1)对采集的动态图像提取人员方位特征，以获取人员空间位置特征集；
Figure BDA0002420242340000131
其中，N为所述第一类型图像拍摄单元采集动态图像的数量，π为圆周率，exp为以自然常数e为底的指数函数，tan为正切函数，
Figure BDA0002420242340000132
为所述第一类型图像拍摄单元与当前考场人员的夹角，f(s)为所述第一类型图像拍摄单元与所述当前考场人员的距离，x为所述动态图像中当前考场人员向左方向的横向移动幅度，y为所述动态图像中考场人员以水平面为基准点的垂直移动幅度，z为所述动态图像中当前考场人员向前方向的纵向移动幅度，a0为所述动态图像中当前考场人员初始基准点位置，ax为所述动态图像中当前考场人员的横向移动幅度为x时该人员基于基准点向左的横坐标向量值，by为所述动态图像中当前考场人员以水平面为基准点的垂直移动幅度为y时的垂直坐标向量值，cz为所述动态图像中当前考场人员的纵向移动幅度为z时该人员基于基准点向前的纵坐标向量值，
Figure BDA0002420242340000141
为动态图像中考场人员的相对横向移动距离，
Figure BDA0002420242340000142
为根据所述第一类型图像拍摄单元获取考场人员的空间位置信息，T(ax,by,cz)为获取人员空间位置特征集；
步骤A3、根据公式(2)对所述步骤A2获取的人员空间位置特征集进行归一化处理，以获取人物可识别特征信息；
Figure BDA0002420242340000143
其中，j为所述当前考场人员上肢肘关节移动距离值，ε为脊椎弯曲的弧度，arctan为正切函数，vj为所述当前考场人员上肢肘关节移动距离值为j时该人员的上肢肘关节轨迹向量值，hε为脊椎弯曲的弧度为ε时所述人员的躯干的弯曲向量值，
Figure BDA0002420242340000144
为当前考场人员上肢肘关节节点的轨迹变量，
Figure BDA0002420242340000145
为当前考场人员躯干时序变化的归一化处理，R(vj,hε)为获取人物可识别特征信息；
步骤A4、将所述步骤A3获取人物可识别特征信息与所述一种基于人工智能的考场监测系统数据库匹配，通过公式(3)检索所述考场人员是否存在违规现象，并执行生成相应的所述考场运行控制信号的操作；
Figure BDA0002420242340000151
其中，q为所述一种基于人工智能的考场监测系统数据库的数据行数，r为所述一种基于人工智能的考场监测系统数据库的数据列数，kq为与人物可识别特征信息相匹配的考场监测系统数据库数据行数为q所对应的动作特征信息，lr为与人物可识别特征信息相匹配的考场监测系统数据库数据列数为r所对应的动作特征信息，O(kq,lr)为一种基于人工智能的考场监测系统数据库与人物可识别特征信息的匹配值，当O(kq,lr)计算值为趋近于1时，表示所述人物可识别特征信息经考场监测系统数据库检索发现了违规现象，执行生成相应的所述考场运行控制信号的操作。
上述技术方案的有益效果是：通过该技术方案可通过考场的图像对考场内的每一个人进行细节化的监控分析，从而确定当前考场内的每一个人的行为动作与预设考场要求之间的差异，以此来有针对性地对考场内部的每一个人进行排查，从而保证每一个考生考试成绩的真实性，变相督促各位考生加强课堂及课后知识点学习的主动性，达到通过一种基于智能的考场检测系统甄选自主性学习型人才的目的。
从上述实施例的内容可知，该基于人工智能的考场监测系统不仅能够针对考场内外环境进行监控，并且还能够通过关于考场的图像对考场内的每一个人进行细节化的监控分析，从而确定当前考场内外环境和考场内的每一个人的行为动作与预设考场要求之间的差异，以此有针对性地对考场内部的每一个人进行排查和互动，同时也不针对考场的内外环境变化对考场进行有效的调控。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.基于人工智能的考场监测系统，其特征在于：
所述基于人工智能的考场监测系统包括考场环境监测模块、考场人员监测模块、考试内容验证模块、云端控制模块和考场运行调整模块；其中，
所述考场环境监测模块用于根据当前考场对应的内部环境参数和/或外部环境参数，生成相应的考场环境评价信息；
所述考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；
所述考试内容验证模块用于对当前考场对应的考卷内容进行匹配验证处理，以此生成相应的考试内容评判信息；
所述云端控制模块用于根据所述考场环境评价信息、所述考场人员评价信息和所述考试内容评价信息中的至少一者，生成相应的考场运行控制信号；
所述考场运行调整模块用于根据所述考场运行控制信号，实现对所述考场环境状态的调节和/或与考场人员的互动；
其中，所述考场人员监测模块包括考场人员图像拍摄子模块、考场人员身份识别子模块、考场人员动作识别子模块和考场人员评价子模块；其中，
所述考场人员图像拍摄子模块用于获取当前考场存在人员的第一类型图像集合和/或第二类型图像集合；
所述考场人员身份识别子模块用于根据预定考场人员标识特征，对所述第一类型图像集合和/或所述第二类型图像集合进行考场人员身份识别处理，以此得到考场人员身份识别结果；
所述考场人员动作识别子模块用于根据预定考场人员动作变化轮廓特征，对所述第一类型图像集合和/或所述第二类型图像集合进行考场人员动作识别处理，以此得到考场人员动作识别结果；
所述考场人员评价子模块用于根据所述考场人员身份识别结果和所述考场人员动作识别结果进行考场人员评价处理，以此得到所述考场人员评价信息；
其中，所述考场人员图像拍摄子模块包括第一类型图像拍摄单元和第二类型图像拍摄单元；其中，
所述第一类型图像拍摄单元用于获取关于当前考场存在人员的静态图像和/或动态图像；
所述第二类型图像拍摄单元用于获取关于当前考场存在人员的单目图像和/或多目图像；
其中，所述考场人员监测模块用于根据关于当前考场存在人员的图像，生成相应考场人员评价信息；
还包括根据所述第一类型图像拍摄单元采集的动态图像，获取人员空间位置特征集，并将获取的人员空间位置特征集进行归一化处理以获取人物可识别特征信息，并将人物可识别特征信息与一种基于人工智能的考场监测系统数据库进行匹配，根据检索结果，执行生成相应的所述考场运行控制信号的操作；
步骤A1、根据所述第一类型图像拍摄单元，采集当前考场人员的动态图像；
步骤A2、根据预先建立的图像预处理模型，对所述步骤A1采集的考场人员动态图像进行灰度化预处理，同时根据公式(1)对采集的动态图像提取人员方位特征，以获取人员空间位置特征集；
Figure FDA0002757445520000021
其中，N为所述第一类型图像拍摄单元采集动态图像的数量，π为圆周率，exp为以自然常数e为底的指数函数，tan为正切函数，
Figure FDA0002757445520000031
为所述第一类型图像拍摄单元与当前考场人员的夹角，f(s)为所述第一类型图像拍摄单元与所述当前考场人员的距离，x为所述动态图像中当前考场人员向左方向的横向移动幅度，y为所述动态图像中考场人员以水平面为基准点的垂直移动幅度，z为所述动态图像中当前考场人员向前方向的纵向移动幅度，a0为所述动态图像中当前考场人员初始基准点位置，ax为所述动态图像中当前考场人员的横向移动幅度为x时该人员基于基准点向左的横坐标向量值，by为所述动态图像中当前考场人员以水平面为基准点的垂直移动幅度为y时的垂直坐标向量值，cz为所述动态图像中当前考场人员的纵向移动幅度为z时该人员基于基准点向前的纵坐标向量值，
Figure FDA0002757445520000032
为动态图像中考场人员的相对横向移动距离，
Figure FDA0002757445520000033
为根据所述第一类型图像拍摄单元获取考场人员的空间位置信息，T(ax,by,cz)为获取人员空间位置特征集；
步骤A3、根据公式(2)对所述步骤A2获取的人员空间位置特征集进行归一化处理，以获取人物可识别特征信息；
Figure FDA0002757445520000034
其中，j为所述当前考场人员上肢肘关节移动距离值，ε为脊椎弯曲的弧度，arctan为正切函数，vj为所述当前考场人员上肢肘关节移动距离值为j时该人员的上肢肘关节轨迹向量值，hε为脊椎弯曲的弧度为ε时所述人员的躯干的弯曲向量值，
Figure FDA0002757445520000035
为当前考场人员上肢肘关节节点的轨迹变量，
Figure FDA0002757445520000041
为当前考场人员躯干时序变化的归一化处理，R(vj,hε)为获取人物可识别特征信息；
步骤A4、将所述步骤A3获取人物可识别特征信息与所述一种基于人工智能的考场监测系统数据库匹配，通过公式(3)检索所述考场人员是否存在违规现象，并执行生成相应的所述考场运行控制信号的操作；
Figure FDA0002757445520000042
其中，q为所述一种基于人工智能的考场监测系统数据库的数据行数，r为所述一种基于人工智能的考场监测系统数据库的数据列数，kq为与人物可识别特征信息相匹配的考场监测系统数据库数据行数为q所对应的动作特征信息，lr为与人物可识别特征信息相匹配的考场监测系统数据库数据列数为r所对应的动作特征信息，O(kq,lr)为一种基于人工智能的考场监测系统数据库与人物可识别特征信息的匹配值，当O(kq,lr)计算值为趋近于1时，表示所述人物可识别特征信息经考场监测系统数据库检索发现了违规现象，执行生成相应的所述考场运行控制信号的操作。
2.如权利要求1所述的基于人工智能的考场监测系统，其特征在于：
所述考场环境监测模块包括考场边界确定子模块、考场内部参数采集子模块、考场外部参数采集子模块和考场环境评价子模块；其中，
所述考场边界确定子模块用于根据当前考场对应的空间位置和空间格局，对当前考场进行关于考场内部区域和考场外部区域的划分处理；
所述考场内部参数采集子模块用于对所述划分处理得到的所述考场内部区域进行第一环境参数采集处理，以此得到所述内部环境参数；
所述考场外部环境参数采集子模块用于对所述划分处理得到的所述考场外部区域进行第二环境参数采集处理，以此得到所述外部环境参数；
所述考场环境评价子模块用于根据所述内部环境参数和/或所述外部环境参数进行环境状态评价处理，以此得到所述考场环境评价信息。
3.如权利要求2所述的基于人工智能的考场监测系统，其特征在于：
所述考场内部参数采集子模块包括环境照度获取单元、环境温度获取单元和环境湿度获取单元；其中，
所述环境照度获取单元用于获取所述考场内部区域的照度参数，以作为一部分所述内部环境参数；
所述环境温度获取单元用于获取所述考场内部区域的温度参数，以作为一部分所述内部环境参数；
所述环境湿度获取单元用于获取所述考场内部区域的湿度参数，以作为一部分所述内部环境参数；
或者，
所述考场外部环境参数采集子模块包括环境噪声获取单元和环境空气流动性获取单元；其中，
所述环境噪声获取单元用于获取所述考场外部区域的噪声分贝参数，以作为一部分所述外部环境参数；
所述环境空气流动性获取单元用于获取所述考场外部区域的空气流动相关参数，以作为一部分所述外部环境参数；
或者，
所述考场环境评价子模块包括环境参数拟合转换单元和评价函数计算单元；其中，
所述环境参数拟合转换单元用于对所述内部环境参数和/或所述外部环境参数进行函数可识别化的拟合转换处理，以此得到相应的可识别环境参量；
所述评价函数计算单元用于根据预设考场环境适宜度评价函数模型对所述可识别环境参量进行计算处理，以此得到所述考场环境评价信息。
4.如权利要求1所述的基于人工智能的考场监测系统，其特征在于：
所述考试内容验证模块包括考卷文本获取子模块、考卷内容验证子模块和考卷内容评判子模块；其中，
所述考卷文本获取子模块用于对当前考卷对应的考卷内容文本识别处理，以此获得对应的考卷内容文本信息；
所述考卷内容验证子模块用于根据预设考卷设置模板，对所述考卷内容文本信息进行匹配验证处理，以此获得关于当前考卷的匹配验证信息；
所述考卷内容评判子模块用于根据所述考卷内容文本信息和所述匹配验证信息，对当前考卷进行关于内容正确性和/或内容有效性的评判处理，以此获得所述考试内容评判信息。
5.如权利要求4所述的基于人工智能的考场监测系统，其特征在于
所述考卷文本获取子模块包括考卷电子化转换单元和考卷内容文本形成单元；其中，
所述考卷电子化转换单元用于对当前考卷进行扫描处理，以此获得电子化的考卷信息；
所述考卷内容文本形成单元用于对所述电子化的考卷信息进行解码处理，以此获得对应的所述考卷内容文本信息；
或者，
所述考卷内容验证子模块包括模板对比单元和考卷匹配置信度计算单元；其中，
所述模板对比单元用于将所述考卷内容文本信息与所述预设考卷设置模板进行对比处理，以此确定相应的考卷内容-模板差异信息；
所述考卷匹配置信度计算单元用于根据所述考卷内容-模板差异信息，计算当前考卷的置信度参量，以此获得关于当前考卷的匹配验证信息。
6.如权利要求1所述的基于人工智能的考场监测系统，其特征在于：
所述云端控制模块包括评价信息转换子模块、考场运行模型构建子模块和考场运行模型执行子模块；其中，
所述评价信息转换子模块用于对所述考场环境评价信息、所述考场人员评价信息和所述考试内容评价信息中的至少一者进行模型可识别特征信息转换处理，以此获得相应的模式可识别特征信息；
所述考场运行模型构建子模块用于根据考场运行历史大数据，构建关于当前考场的考场运行模型；
所述考场运行模型执行子模块用于执行所述考场运行模型针对于所述模型可识别特征信息的计算处理，以此生成相应的所述考场运行控制信号。
7.如权利要求1所述的基于人工智能的考场监测系统，其特征在于：
所述考场运行调整模块包括运行控制信号解析子模块和考场运行模式调整子模块；其中，
所述运行控制信号解析子模块用于对所述考场运行控制信号进行解析处理，以此获得至少一个考场运行模式调整参数；
所述考场运行模式调整子模块用于根据所述至少一个考场运行模式调整参数，实现对所述考场环境状态的调节和/或与考场人员的互动；
所述考场运行模式调整子模块包括考场环境状态调节单元和考场人员互动单元；其中，
所述考场环境状态调节单元用于根据所述至少一个考场运行模式调整参数，实现对所述考场环境状态的调节；
所述考场人员互动单元用于根据所述至少一个考场运行模式调整参数，实现与考场人员的互动。
CN202010203754.2A 2020-03-20 2020-03-20 基于人工智能的考场监测系统 Expired - Fee Related CN111382721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010203754.2A CN111382721B (zh) 2020-03-20 2020-03-20 基于人工智能的考场监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010203754.2A CN111382721B (zh) 2020-03-20 2020-03-20 基于人工智能的考场监测系统

Publications (2)

Publication Number Publication Date
CN111382721A CN111382721A (zh) 2020-07-07
CN111382721B true CN111382721B (zh) 2020-12-15

Family

ID=71217289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010203754.2A Expired - Fee Related CN111382721B (zh) 2020-03-20 2020-03-20 基于人工智能的考场监测系统

Country Status (1)

Country Link
CN (1) CN111382721B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112606761B (zh) * 2020-12-25 2022-05-20 江苏日兴汽车配件有限公司 一种车辆室内灯控制系统及其控制方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020172931A1 (en) * 2001-05-18 2002-11-21 International Business Machines Corporation Apparatus, system and method for remote monitoring of testing environments
CN102890747B (zh) * 2012-06-15 2015-04-22 北京理工大学 在线考试智能监控方法
CN106778718A (zh) * 2016-11-22 2017-05-31 江苏黄金屋教育发展股份有限公司 一种基于大数据的自动阅卷机
CN110659542B (zh) * 2018-06-29 2022-10-21 杭州海康威视数字技术股份有限公司 监控方法及装置
CN109961000A (zh) * 2018-10-22 2019-07-02 大连艾米移动科技有限公司 一种智能考场防作弊系统
CN109473099A (zh) * 2018-11-08 2019-03-15 江西国泰利民信息科技有限公司 一种办公室环境智能检测语音控制方法
CN110210413B (zh) * 2019-06-04 2022-12-16 哈尔滨工业大学 一种基于深度学习的多学科试卷内容检测与识别系统及方法
CN110414529A (zh) * 2019-06-26 2019-11-05 深圳中兴网信科技有限公司 试卷信息提取方法、系统及计算机可读存储介质
CN110689013A (zh) * 2019-10-10 2020-01-14 北京课程帮科技有限公司 一种基于特征识别的自动阅卷方法及系统
CN110597333B (zh) * 2019-10-24 2021-06-15 任明乐 一种基于物联网的猪舍环境监控系统
CN110865614A (zh) * 2019-11-04 2020-03-06 佛山市云米电器科技有限公司 一种联合空气流动处理的智能家电系统

Also Published As

Publication number Publication date
CN111382721A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
WO2021047232A1 (zh) 交互行为识别方法、装置、计算机设备和存储介质
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN105117720B (zh) 基于时空模型的目标尺度自适应跟踪方法
CN105956632B (zh) 一种检测目标的方法和装置
Hu et al. Research on abnormal behavior detection of online examination based on image information
CN111444724B (zh) 医疗问答对质检方法、装置、计算机设备和存储介质
CN113761259A (zh) 一种图像处理方法、装置以及计算机设备
CN103745238B (zh) 基于AdaBoost和主动形状模型的受电弓识别方法
Prangchumpol Face recognition for attendance management system using multiple sensors
CN108898623A (zh) 目标跟踪方法及设备
CN111382721B (zh) 基于人工智能的考场监测系统
CN110427943A (zh) 一种基于r-cnn的智能电表数值识别方法
Sony Towards multiclass damage detection and localization using limited vibration measurements
Bühler et al. Automated hand-raising detection in classroom videos: A view-invariant and occlusion-robust machine learning approach
Biradar et al. Fingerprint ridge orientation extraction: a review of state of the art techniques
CN115019396A (zh) 一种学习状态监测方法、装置、设备及介质
CN115797972A (zh) 一种居于ai图像识别判定四肢运动能力的系统
CN114818945A (zh) 融入类别自适应度量学习的小样本图像分类方法及装置
He et al. Human behavior feature representation and recognition based on depth video
CN114373091A (zh) 基于深度学习融合svm的步态识别方法
Ziqiang et al. Data science in face recognition system based on BP neural network
Pande et al. Smart Attendance and Attention Monitoring System
Huang et al. A novel sigma-lognormal parameter extractor for online signatures
Chen et al. Robust Loop-Closure Detection with a Learned Illumination Invariant Representation for Robot vSLAM
CN117854011B (zh) 一种智能ai摄像头识别对比方法及系统

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
CB02 Change of applicant information

Address after: 200237 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai

Applicant after: Shanghai squirrel classroom Artificial Intelligence Technology Co.,Ltd.

Address before: 200237 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai

Applicant before: SHANGHAI YIXUE EDUCATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201215

CF01 Termination of patent right due to non-payment of annual fee