CN111539313A - 考试作弊行为检测方法及系统 - Google Patents
考试作弊行为检测方法及系统 Download PDFInfo
- Publication number
- CN111539313A CN111539313A CN202010319003.7A CN202010319003A CN111539313A CN 111539313 A CN111539313 A CN 111539313A CN 202010319003 A CN202010319003 A CN 202010319003A CN 111539313 A CN111539313 A CN 111539313A
- Authority
- CN
- China
- Prior art keywords
- examinee
- examination
- cheating
- visual line
- video data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 230000006399 behavior Effects 0.000 claims abstract description 143
- 230000000007 visual effect Effects 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 210000000887 face Anatomy 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 239000013074 reference sample Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Social Psychology (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Ophthalmology & Optometry (AREA)
- Psychiatry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例中提供了一种考试作弊行为检测方法及系统，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
Description
技术领域
本申请属于监控识别技术领域，具体地，涉及一种考试作弊行为检测方法及系统。
背景技术
教育考试是选拔人才的重要途径，但是，考试过程中常常存在一些为取得好成绩而剑走偏锋采用一系列作弊手段进行考试，例如替考、无线电作弊以及考场抄袭等作弊行为。因此在考试中如何快速有效的发现并制止作弊行为成为教育考试中的重点关注事项。
作弊行为大概可分为三种模式，一种是考试流程作弊，例如替考以及更改试卷姓名等行为；第二种是采用耳朵听的方式作弊，一般利用高科技无线作弊；第三种采用眼睛看的方式作弊，例如抄袭纸条或者比手势等通过眼睛获取答案进行作弊。对于最后一种通过眼睛看来作弊的方式目前还在采用最原始方式监考，即通过监考人员现场监考以及安装摄像机探头录像来进行监控及查询取证。
目前，针对考试作弊行为现阶段采用身份识别系统防止替考行为，采用金属探测器以及无线通讯技术捕捉或干扰无线作弊信号防止高科技电子产品的作弊行为，以及采用传统的考场安装监控摄像机进行实时监控以及存储录像还原取证的方式进行监管考试行为。而，由于考生人员众多，监考人员无法切实监管所有的考生的每一个具体动作，会存在大量遗漏，而无法及时发现并抓获证据，作弊行为检测效果较差。即使有作弊行为也很难及时发现，或者由于监考老师的不作为等人为因素进一步降低了监考力度。
相比于监考人员监考，通过考场摄像头摄像或者视频进一步监控或者视频分析增加了监考力度，但是由于人员和课桌的密集度，导致监考区域很大部分被遮挡，同时由于摄像头自身照射范围以及像素问题也无法实时监视考场的所有考生的每一个具体动作与行为，无法捕捉细微的作弊行为。在考后查询历史录像文件时，往往无法提供有效的证据表明作弊行为，由于后处理模式导致的只有疑似作弊行为而无法做出对应处罚。
发明内容
本发明提出了一种考试作弊行为检测方法及系统，旨在解决现有技术中摄像头监控存在检测效果差的问题。
根据本申请实施例的第一个方面，提供了一种考试作弊行为检测方法，包括以下步骤：
跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；
根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。
可选地，根据考生视线移动范围分析得到作弊行为检测结果，具体包括：
设定考生视线正常移动范围；
将考生视线移动范围与考生视线正常移动范围进行比较判断；
若考生视线移动范围在考生视线正常移动范围内，则判定考生行为正常；若考生视线移动范围在考生视线正常移动范围外，则判定考生疑似作弊。
可选地，根据视频数据分析得到作弊行为检测结果，具体包括：
通过视频数据获取监控图片；
根据监控图片进行图像文字识别得到作弊行为检测结果；
根据视频数据进行考生行为分析得到作弊行为检测结果。
可选地，跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域的视频数据之前，还包括：
采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；
获取考生入考时人脸图像；
根据考生数据库及考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
可选地，考试作弊行为检测方法还包括采集考生人脸图像，并根据考生人脸图像及考生数据库进行人脸识别分析得到人脸是否匹配结果。
可选地，考试作弊行为检测方法还包括跟踪考生身体位置得到考生偏移数据，并根据考生偏移数据得到考生疑似作弊行为检测结果。
可选地，根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果之后，还包括：
将作弊行为检测结果、考生视线移动范围和/或视频数据远程传输得到综合显示结果。
根据本申请实施例的第二个方面，提供了一种考试作弊行为检测系统，具体包括：
考生考试行为获取模块：用于跟踪考生视线得到考生视线移动范围，和/或用于采集考生正前方区域的视频数据；
作弊行为分析模块：用于根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。
可选地，考试作弊行为检测系统还包括：
考生数据库模块：用于采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；
考前人脸识别模块：用于获取考生入考时人脸图像；并根据考生数据库及考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
根据本申请实施例的第三个方面，提供了一种考试作弊行为检测终端，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行考试作弊行为检测方法。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现考试作弊行为检测方法。
采用本申请实施例中的考试作弊行为检测方法及系统，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，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。在附图中：
图1中示出了根据本申请实施例的考试作弊行为检测方法的步骤流程图；
图2中示出了根据本申请另一实施例的考试作弊行为检测方法的步骤流程图；
图3中示出了根据本申请另一实施例的考试作弊行为检测方法的流程示意图；
图4示出了根据本申请实施例的考试作弊行为检测系统的结构示意图；
图5示出了根据本申请另一实施例的考试作弊行为检测系统的结构示意图；
图6示出了根据本申请实施例的考试作弊行为检测终端的结构示意图。
具体实施方式
在实现本申请的过程中，发明人发现面对通过人工监考进行考试巡检的方式，现有技术提出了摄像头监控或者视频分析考生行为的方式，虽然大大减少了监考员的人力成本，但是由于考场范围大，监控摄像头都存在一定的盲区以及遮挡，无法实时监视考场的所有考生的每一个具体动作与行为，因此不能随时随地的精确实时分析并得到准确的作弊检测结果。
本申请的考试作弊行为检测方法及系统通过自动化、智能化及系统化的试作弊行为检测方式，替代了传统的考试巡检中人工监考，大大减少了监考员的人力成本。同时解决了视频监考时，由于考场范围大，常规监考员以及监控摄像头都存在一定的盲区，导致无法随时随地的精确实时监控的问题。
本申请实施例中的考试作弊行为检测方法及系统，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
通过本申请的视线采集装置可以精确到每一位考生的每一时刻进行实时追踪，避免了漏巡检的情况。本申请的视线跟踪仪可进行抓拍人脸图片，用于在考前对考生人脸进行比对，大大优化了考前排队审查流程，提高了监考效率，同时在考试过程中，对于考中离场回来人员还可以进行二次比对，杜绝了替考现象。通过视频图像识别判断，对于考试作弊图像进行文字识别并上传结果，可用于监控员远程管理审查指挥，方便统一管理。对于考生作弊行为还可以进行有效保存，用于后期取证使用。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的考试作弊行为检测方法的步骤流程图。
如图1所示，本实施例的考试作弊行为检测方法，具体包括以下步骤：
S101：跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；
S102：根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。
步骤S101中，可以通过视线跟踪仪跟踪考生视线，获取得到考生视线移动范围。视线跟踪仪安装位置正对考生以方便获取考生人脸数据。
另一方面的，通过视线跟踪仪还可以采集考生人脸图像，并根据考生人脸图像及考生数据库进行人脸识别分析得到人脸是否匹配结果。考生数据库包括了考生身份信息与人脸信息一一对应的数据。
另一方面的，除了视线跟踪仪，还可以采用针孔摄像头等，可以同时监测跟踪考生身体位置得到考生偏移数据，并根据考生偏移数据得到考生疑似作弊行为检测结果。
在步骤S101中，还可以选择或者同时通过视觉采集装置采集考生正前方区域得到视频数据。考生通过佩戴视觉采集装置，例如佩戴眼镜形式的视觉采集装置。
步骤S102中，根据考生视线移动范围分析得到作弊行为检测结果，具体包括以下步骤：
S1、设定考生视线正常移动范围；
S2、将考生视线移动范围与考生视线正常移动范围进行比较判断；
S3、若考生视线移动范围在考生视线正常移动范围内，则判定考生行为正常；若考生视线移动范围在考生视线正常移动范围外，则判定考生疑似作弊。
步骤S102中，根据视频数据分析得到作弊行为检测结果，具体包括以下步骤：
S11、通过视频数据获取监控图片；
S12、根据监控图片进行图像文字识别得到作弊行为检测结果；
S13、根据视频数据进行考生行为分析得到作弊行为检测结果。
其中步骤S12和步骤S13可同时进行。步骤S12中根据图像文字识别作弊敏感词汇进而得到疑似作弊行为，关于图像文字识别技术属于现有识别技术，本申请在此不再赘述。
步骤S13中根据视频数据对考生行为进行分析，识别作弊姿态进而得到作弊行为检测结果，关于根据视频进行任务行为分析识别技术属于现有技术，本申请在此将不再赘述。本申请可使用云平台服务构架深度学习，采用考试期间的采集素材进行识别分析网络的训练，提高作弊行为检测的准确性。
图2中示出了根据本申请另一实施例的考试作弊行为检测方法的步骤流程图。
如图2所示，在步骤S101跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域的视频数据之前，还包括以下步骤：
S1001：采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；考生的考试信息包括考生考号、座位号以及考场号等等。人脸采集时可采用虹膜识别技术进行采集。
S1002：获取考生入考时人脸图像；
S1003：根据考生数据库及考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
如图2所示，在步骤S102根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果之后，还包括步骤S103：将作弊行为检测结果、考生视线移动范围和/或视频数据远程传输得到综合显示结果。可以有效的保存并截获作弊数据，方便考场监考人员全方位远程监考并协调统一处理作弊行为。
本申请实施例中的考试作弊行为检测方法可以检测出现有常规的替考作弊、查看小抄作弊等，还可以进行作弊数据还原取证。采用了自动化方式进行在线实时全方位巡考，大大节约人力物力成本，有效截获作弊数据。
本申请实施例中的考试作弊行为检测方法具体应用时，首先，采集考生人脸数据信息，用于人脸比对时参考样本，并且触发报警联动考生基础信息(身份、位置、考试科目等信息)，用于监考人员快速做出指挥响应措施。优化了考前人工比对信息流程，大大节省考前时间。将考生信息录入管理平台，并且绑定考生、考场、考试信息进行关联。
其次，在考生进入考场时进行人脸比对审查准备考试，在考试过程中考生中途离场回来后需要重新进行比对审查。
然后，在考桌上安装视线跟踪仪，用于抓拍考生人脸图片用于比对核查，并实时跟踪考生视线移动范围。如果超出提前预先设置好的视线偏移范围则触发疑似作弊信号。同时，考生佩戴视觉采集装置，视觉采集装置能够查看到考生正前方视线所采集到的图像信息，当触发疑似作弊信号过后，视觉采集装置则自动录像和抓图进行分析。
其中，视线跟踪仪以及视觉采集装置可采用无线通信技术进行网络通信构建无线局域网环境，可避免复杂的网络部署。通过图像文字识别技术或者视频行为分析进行判别作弊行为，当发现作弊信号则自动上报监考员，监考员查看还原过后的数据信息进行二次确认是否作弊。如果发现作弊，则可从系统中导出该作弊的抓图信息或者历史录像文件进行取证。本申请能够全方位覆盖所有考场考生作弊情况，确保无盲点监考。
优选地，考桌正中间可采用针孔摄像头测算人体偏移位置来替代高精度视线跟踪仪设备。视线采集摄像机可采用眼镜形式或者可佩带无感知饰品进行视频图像的采集。
采用本申请实施例中的考试作弊行为检测方法，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
实施例2
本实施例2作为实施例1中更具体更详细的实施方式，图3中示出了根据本申请实施例的考试作弊行为检测方法的流程示意图。
如图3所示，本申请的考试作弊行为检测方法可以全程应用于考前准备阶段、开考前考生核查阶段、考中巡查阶段以及考后取证阶段。
关于考前准备阶段，考前信息采集准备主要包括考前对考生基础信息采集以及系统设备的录入，并对考生身份信息与考场信息进行绑定关联，当发现作弊信号时还可以进行考生定位使用。优化了考前人工比对信息流程，大大节省考前时间。考前准备阶段具体包括：
1)对考生人员信息进行采集，采集内容包括考生身份证、考生号、人脸信息以及考生虹膜信息等。
2)视线跟踪仪以及视觉采集装置采用无线通信技术，并注册到整个系统的管理平台上，采用MAC地址信息做为设备唯一标识符。
3)将考生人员信息与视觉采集装置进行绑定关联，即视觉采集装置采集的到视频信号则为该考生的所见视频图像。
4)当考生人员信息与视觉采集装置物理关系绑定成功过后，在系统管理平台上添加本次考试的考试计划信息，考试计划内容包括考生号、对应的考场、科目、场次等基础信息，用于精确发现作弊信号时的精确定位存档使用；
5)在考试信息采集完成过后，可选的，若考生有考前熟悉考场环节，此时考生进入考场落座于属于自己的座位前进行视线跟踪仪微调，设置偏移角度，确保考试过程中能够实时抓怕跟踪。
关于开考前考生核查阶段，需要考前对考生进场进行身份识别。考生进场进行身份识别主要防止替考人员的出现。现有技术中采用考前人工比对身份证件或者进场排队时采用人脸识别或者指纹识别技术，会占用大量时间和人力。本申请可以采用视线跟踪仪装置进行人脸抓拍并且进行比对识别，快速有效的进行身份确认。具体包括以下步骤：
6)考生落座于属于自己的座次位置后，视线跟踪仪装置会自动聚焦抓拍人脸；
7)视线跟踪仪采用本地存储模块进行本地效验或者上传至系统服务器进行身份识别效验，如果发现异常则直接报警，如果没有异常则正常进行考试。
关于考中巡查阶段，考中实时巡检监控大概有两种情况，一是中途突发事件考生需要暂时离场，另外一种是考生行为作弊。考生中途离场过后回来时可以使用开考前考生核查阶段的核验方式进行二次验证，而对于考生的行为作弊方式的检测主要包括以下步骤。
8)视线跟踪仪装置采用实时抓拍考生人脸图像，并分析考生视线范围，当超出考前所预置的偏移量时则触发视觉采集装置进行抓图录像并上传；
9)对于触发的抓图图像进行上传系统平台，对于抓图进行文字识别的内容进行图片还原存档。如果图片识别还原数据中有敏感词汇则判定为疑似作弊行为，如果没有疑似作弊行为则可以直接清空数据信息，保留存储空间；
10)对于触发实时预览的视频图像直接上传系统平台，可采用视频行为分析方法进行判定，如果存在疑似作弊行为则上报处理，如果不存在作弊行为则可以直接清空数据，保留存储空间大小；
对于疑似作弊行为可联动报警，采用人为二次确认方式，确认还原数据是否存在有作弊行为，用以增加检测准确性。
在考中巡查阶段，可扩展的，可以利用客户端主机方式进行远程监控操作，方便考场监考人员全方位远程监考并协调统一处理作弊行为。还可以添加外部报警设备，用于联动声音控制并及时发现作弊行为。
本申请可使用云平台服务构架深度学习，采用考试期间的采集素材进行识别分析网络的训练，提高作弊行为检测的准确性。
关于考后取证阶段，考试结束过后需要把作弊证据移交相关部门领导，此时可通过系统平台进行快速查找取证，具体过程步骤如下：
11)通过本申请的管理平台进行快速筛选已上报的作弊行为数据，可根据考生信息、考试科目等信息进行快速搜索统计，并生成报表。
12)快速导出抓图文件、录像视频文件以及关联对应的考生现场还原数据信息，最后在上交相关部门领导。
如图3所示，本申请的考试作弊行为检测方法分为考前数据信息采集、考前身份信息验证、考中巡检以及考后取证四个阶段，全面覆盖整个考试过程中的预防措施，有效避免了考试作弊行为。其中考前数据采集尤为重要，它是对比验证的核心依据，采集的数据直接影响后面检测验证阶段。关于通过图像文字识别以及行为分析判定是否作弊，本申请此处可以采用云服务方式构建深度学习环境，提高作弊行为检测的准确性。
实施例3
本实施例提供了一种考试作弊行为检测系统，对于本实施例的考试作弊行为检测系统中未披露的细节，请参照其它实施例中的考试作弊行为检测方法。
图4示出了根据本申请实施例的考试作弊行为检测系统的结构示意图。
如图4所示，考试作弊行为检测系统，具体包括考生考试行为获取模块10以及作弊行为分析模块20。
具体的，考生考试行为获取模块10主要包括视线跟踪仪和/或视觉采集装置。视线跟踪仪通过视线跟踪仪跟踪考生视线，获取得到考生视线移动范围。视线跟踪仪安装位置正对考生以方便获取考生人脸数据。
另一方面的，通过视线跟踪仪还可以采集考生人脸图像，并根据考生人脸图像及考生数据库进行人脸识别分析得到人脸是否匹配结果。考生数据库包括了考生身份信息与人脸信息一一对应的数据。
另一方面的，除了视线跟踪仪，还可以采用针孔摄像头等，可以同时监测跟踪考生身体位置得到考生偏移数据，并根据考生偏移数据得到考生疑似作弊行为检测结果。
视觉采集装置采集考生正前方区域得到视频数据。考生通过佩戴视觉采集装置，例如佩戴眼镜形式的视觉采集装置。
作弊行为分析模块20用于根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。
具体的，根据考生视线移动范围分析得到作弊行为检测结果，具体包括以下步骤：
S1、设定考生视线正常移动范围；
S2、将考生视线移动范围与考生视线正常移动范围进行比较判断；
S3、若考生视线移动范围在考生视线正常移动范围内，则判定考生行为正常；若考生视线移动范围在考生视线正常移动范围外，则判定考生疑似作弊。
具体的，根据视频数据分析得到作弊行为检测结果，具体包括以下步骤：
S11、通过视频数据获取监控图片；
S12、根据监控图片进行图像文字识别得到作弊行为检测结果；
S13、根据视频数据进行考生行为分析得到作弊行为检测结果。
根据视频数据对考生行为进行分析，识别作弊姿态进而得到作弊行为检测结果，关于根据视频进行任务行为分析识别技术属于现有技术，本申请在此将不再赘述。本申请可使用云平台服务构架深度学习，采用考试期间的采集素材进行识别分析网络的训练，提高作弊行为检测的准确性。
如图5所示，考试作弊行为检测系统还包括考生数据库模块30、考前人脸识别模块40以及远程显示模块50。
考生数据库模块30用于采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；
考前人脸识别模块40用于获取考生入考时人脸图像；并根据考生数据库及考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
在得到作弊行为检测结果之后，还包括远程显示模块50，可以将作弊行为检测结果、考生视线移动范围和/或视频数据远程传输得到综合显示结果。可以有效的保存并截获作弊数据，方便考场监考人员全方位远程监考并协调统一处理作弊行为。
本申请实施例中的考试作弊行为检测方法可以检测出现有常规的替考作弊、查看小抄作弊等，还可以进行作弊数据还原取证。采用了自动化方式进行在线实时全方位巡考，大大节约人力物力成本，有效截获作弊数据。
本申请实施例中的考试作弊行为检测方法具体应用时，首先，采集考生人脸数据信息，用于人脸比对时参考样本，并且触发报警联动考生基础信息(身份、位置、考试科目等信息)，用于监考人员快速做出指挥响应措施。优化了考前人工比对信息流程，大大节省考前时间。将考生信息录入管理平台，并且绑定考生、考场、考试信息进行关联。
其次，在考生进入考场时进行人脸比对审查准备考试，在考试过程中考生中途离场回来后需要重新进行比对审查。
然后，在考桌上安装视线跟踪仪，用于抓拍考生人脸图片用于比对核查，并实时跟踪考生视线移动范围。如果超出提前预先设置好的视线偏移范围则触发疑似作弊信号。同时，考生佩戴视觉采集装置，视觉采集装置能够查看到考生正前方视线所采集到的图像信息，当触发疑似作弊信号过后，视觉采集装置则自动录像和抓图进行分析。
其中，视线跟踪仪以及视觉采集装置可采用无线通信技术进行网络通信构建无线局域网环境，可避免复杂的网络部署。通过图像文字识别技术或者视频行为分析进行判别作弊行为，当发现作弊信号则自动上报监考员，监考员查看还原过后的数据信息进行二次确认是否作弊。如果发现作弊，则可从系统中导出该作弊的抓图信息或者历史录像文件进行取证。本申请能够全方位覆盖所有考场考生作弊情况，确保无盲点监考。
优选地，考桌正中间可采用针孔摄像头测算人体偏移位置来替代高精度视线跟踪仪设备。视线采集摄像机可采用眼镜形式或者可佩带无感知饰品进行视频图像的采集。
采用本申请实施例中的考试作弊行为检测系统，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
通过本申请的视线采集装置可以精确到每一位考生的每一时刻进行实时追踪，避免了漏巡检的情况。本申请的视线跟踪仪可进行抓拍人脸图片，用于在考前对考生人脸进行比对，大大优化了考前排队审查流程，提高了监考效率，同时在考试过程中，对于考中离场回来人员还可以进行二次比对，杜绝了替考现象。通过视频图像识别判断，对于考试作弊图像进行文字识别并上传结果，可用于监控员远程管理审查指挥，方便统一管理。对于考生作弊行为还可以进行有效保存，用于后期取证使用。
实施例4
图6为本申请实施例提供的考试作弊行为检测终端的结构示意图。如图6所示，本实施例提供的考试作弊行为检测终端包括：存储器301、处理器302、以及计算机程序，其中，该计算机程序存储在存储器301中，并被配置为由处理器302执行以实现任一实施例提供的考试作弊行为检测方法。
实施例5
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现任一实施例提供的考试作弊行为检测方法。
采用本申请实施例中的考试作弊行为检测终端以及计算机可读存储介质，首先跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；然后根据考生视线移动范围和/或根据视频数据分析得到作弊行为检测结果。本申请可以实时监控每一位考生的考试行为，并准确检测出考生作弊行为，避免了漏巡检的情况，大大提高了监考力度，解决了现有技术中摄像头监控检测效果差的问题。
通过本申请的视线采集装置可以精确到每一位考生的每一时刻进行实时追踪，避免了漏巡检的情况。本申请的视线跟踪仪可进行抓拍人脸图片，用于在考前对考生人脸进行比对，大大优化了考前排队审查流程，提高了监考效率，同时在考试过程中，对于考中离场回来人员还可以进行二次比对，杜绝了替考现象。通过视频图像识别判断，对于考试作弊图像进行文字识别并上传结果，可用于监控员远程管理审查指挥，方便统一管理。对于考生作弊行为还可以进行有效保存，用于后期取证使用。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种考试作弊行为检测方法，其特征在于，包括以下步骤：
跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域得到视频数据；
根据所述考生视线移动范围和/或根据所述视频数据分析得到作弊行为检测结果。
2.根据权利要求1所述的考试作弊行为检测方法，其特征在于，所述根据所述考生视线移动范围分析得到作弊行为检测结果，具体包括：
设定考生视线正常移动范围；
将所述考生视线移动范围与所述考生视线正常移动范围进行比较判断；
若所述考生视线移动范围在所述考生视线正常移动范围内，则判定考生行为正常；若所述考生视线移动范围在所述考生视线正常移动范围外，则判定考生疑似作弊。
3.根据权利要求1所述的考试作弊行为检测方法，其特征在于，所述根据所述视频数据分析得到作弊行为检测结果，具体包括：
通过视频数据获取监控图片；
根据所述监控图片进行图像文字识别得到作弊行为检测结果；
根据所述视频数据进行考生行为分析得到作弊行为检测结果。
4.根据权利要求1所述的考试作弊行为检测方法，其特征在于，所述跟踪考生视线得到考生视线移动范围，和/或采集考生正前方区域的视频数据之前，还包括：
采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；
获取考生入考时人脸图像；
根据所述考生数据库及所述考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
5.根据权利要求4所述的考试作弊行为检测方法，其特征在于，还包括采集考生人脸图像，并根据所述考生人脸图像及考生数据库进行人脸识别分析得到人脸是否匹配结果。
6.根据权利要求1所述的考试作弊行为检测方法，其特征在于，还包括跟踪考生身体位置得到考生偏移数据，并根据所述考生偏移数据得到考生疑似作弊行为检测结果。
7.根据权利要求1所述的考试作弊行为检测方法，其特征在于，所述根据所述考生视线移动范围和/或根据所述视频数据分析得到作弊行为检测结果之后，还包括：
将所述作弊行为检测结果、考生视线移动范围和/或视频数据远程传输得到综合显示结果。
8.一种考试作弊行为检测系统，其特征在于，具体包括：
考生考试行为获取模块：用于跟踪考生视线得到考生视线移动范围，和/或用于采集考生正前方区域的视频数据；
作弊行为分析模块：用于根据所述考生视线移动范围和/或根据所述视频数据分析得到作弊行为检测结果。
9.根据权利要求8所述的考试作弊行为检测系统，其特征在于，还包括：
考生数据库模块：用于采集考生身份信息、人脸信息和/或虹膜信息，并与考生的考试信息进行对应，得到考生数据库；
考前人脸识别模块：用于获取考生入考时人脸图像；并根据所述考生数据库及所述考生入考时人脸图像进行人脸识别分析得到人脸是否匹配结果。
10.一种考试作弊行为检测终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的考试作弊行为检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010319003.7A CN111539313A (zh) | 2020-04-21 | 2020-04-21 | 考试作弊行为检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010319003.7A CN111539313A (zh) | 2020-04-21 | 2020-04-21 | 考试作弊行为检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111539313A true CN111539313A (zh) | 2020-08-14 |
Family
ID=71976984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010319003.7A Pending CN111539313A (zh) | 2020-04-21 | 2020-04-21 | 考试作弊行为检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111539313A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036299A (zh) * | 2020-08-31 | 2020-12-04 | 山东科技大学 | 标准考场环境下的考试作弊行为检测方法及系统 |
| CN112070024A (zh) * | 2020-09-09 | 2020-12-11 | 常州纺织服装职业技术学院 | 无纸化考试防作弊方法及无纸化考试系统的监考方法 |
| CN112084994A (zh) * | 2020-09-21 | 2020-12-15 | 哈尔滨二进制信息技术有限公司 | 一种在线监考远程视频作弊研判系统及方法 |
| CN112600884A (zh) * | 2020-12-02 | 2021-04-02 | 武汉育知联信息科技有限公司 | 一种云巡检管理系统 |
| CN113011278A (zh) * | 2021-02-25 | 2021-06-22 | 深圳市讯方技术股份有限公司 | 一种在线考试防作弊方法、装置和电子设备 |
| CN113065490A (zh) * | 2021-04-12 | 2021-07-02 | 合肥越明交通电子科技有限公司 | 一种智慧驾考的检测方法与装置 |
| CN115426482A (zh) * | 2022-09-02 | 2022-12-02 | 华南师范大学 | 基于人工智能的自动监考方法和机器人 |
| CN116012954A (zh) * | 2023-03-23 | 2023-04-25 | 湖北易康思科技有限公司 | 行为识别方法、装置、电子设备及计算机可读存储介质 |
| CN116684745A (zh) * | 2023-06-01 | 2023-09-01 | 广州乐庚信息科技有限公司 | 一种基于互联网的远程监考设备及方法 |
| CN117640896A (zh) * | 2023-12-12 | 2024-03-01 | 深圳职业技术大学 | 一种基于视觉防作弊技术的无人监考系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102799893A (zh) * | 2012-06-15 | 2012-11-28 | 北京理工大学 | 考场监控视频处理方法 |
| CN103208212A (zh) * | 2013-03-26 | 2013-07-17 | 陈秀成 | 一种防作弊的远程在线考试的方法与系统 |
| CN104090385A (zh) * | 2014-07-25 | 2014-10-08 | 金陵科技学院 | 一种防作弊用智能眼镜 |
| CN107491717A (zh) * | 2016-06-13 | 2017-12-19 | 科大讯飞股份有限公司 | 考试作弊检测方法和装置 |
| CN109726663A (zh) * | 2018-12-24 | 2019-05-07 | 广东德诚科教有限公司 | 在线考试监控方法、装置、计算机设备及存储介质 |
| 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 |
| CN110543811A (zh) * | 2019-07-15 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的非配合式考试人员管理方法及其系统 |
-
2020
- 2020-04-21 CN CN202010319003.7A patent/CN111539313A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102799893A (zh) * | 2012-06-15 | 2012-11-28 | 北京理工大学 | 考场监控视频处理方法 |
| CN103208212A (zh) * | 2013-03-26 | 2013-07-17 | 陈秀成 | 一种防作弊的远程在线考试的方法与系统 |
| CN104090385A (zh) * | 2014-07-25 | 2014-10-08 | 金陵科技学院 | 一种防作弊用智能眼镜 |
| CN107491717A (zh) * | 2016-06-13 | 2017-12-19 | 科大讯飞股份有限公司 | 考试作弊检测方法和装置 |
| 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 |
| CN109726663A (zh) * | 2018-12-24 | 2019-05-07 | 广东德诚科教有限公司 | 在线考试监控方法、装置、计算机设备及存储介质 |
| CN110543811A (zh) * | 2019-07-15 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的非配合式考试人员管理方法及其系统 |
Non-Patent Citations (4)
| Title |
|---|
| 张道想等: "网络在线考试监控系统的分析与设计", 《电脑知识与技术(学术交流)》 * |
| 张道想等: "网络在线考试监控系统的分析与设计", 《电脑知识与技术(学术交流)》, no. 01, 28 January 2007 (2007-01-28) * |
| 戴承耕: "视线检测在考试监控系统中的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 戴承耕: "视线检测在考试监控系统中的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 June 2018 (2018-06-15), pages 17 - 19 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036299A (zh) * | 2020-08-31 | 2020-12-04 | 山东科技大学 | 标准考场环境下的考试作弊行为检测方法及系统 |
| CN112036299B (zh) * | 2020-08-31 | 2022-12-13 | 山东科技大学 | 标准考场环境下的考试作弊行为检测方法及系统 |
| CN112070024A (zh) * | 2020-09-09 | 2020-12-11 | 常州纺织服装职业技术学院 | 无纸化考试防作弊方法及无纸化考试系统的监考方法 |
| CN112070024B (zh) * | 2020-09-09 | 2023-07-11 | 常州纺织服装职业技术学院 | 无纸化考试防作弊方法及无纸化考试系统的监考方法 |
| CN112084994A (zh) * | 2020-09-21 | 2020-12-15 | 哈尔滨二进制信息技术有限公司 | 一种在线监考远程视频作弊研判系统及方法 |
| CN112600884B (zh) * | 2020-12-02 | 2022-08-02 | 武汉育知联信息科技有限公司 | 一种云巡检管理系统 |
| CN112600884A (zh) * | 2020-12-02 | 2021-04-02 | 武汉育知联信息科技有限公司 | 一种云巡检管理系统 |
| CN113011278A (zh) * | 2021-02-25 | 2021-06-22 | 深圳市讯方技术股份有限公司 | 一种在线考试防作弊方法、装置和电子设备 |
| CN113065490A (zh) * | 2021-04-12 | 2021-07-02 | 合肥越明交通电子科技有限公司 | 一种智慧驾考的检测方法与装置 |
| CN115426482A (zh) * | 2022-09-02 | 2022-12-02 | 华南师范大学 | 基于人工智能的自动监考方法和机器人 |
| CN116012954A (zh) * | 2023-03-23 | 2023-04-25 | 湖北易康思科技有限公司 | 行为识别方法、装置、电子设备及计算机可读存储介质 |
| CN116684745A (zh) * | 2023-06-01 | 2023-09-01 | 广州乐庚信息科技有限公司 | 一种基于互联网的远程监考设备及方法 |
| CN117640896A (zh) * | 2023-12-12 | 2024-03-01 | 深圳职业技术大学 | 一种基于视觉防作弊技术的无人监考系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539313A (zh) | 考试作弊行为检测方法及系统 | |
| CN105791299A (zh) | 一种无人监考的智能化上机考试系统 | |
| CN110807090A (zh) | 一种面向在线考试的无人监考方法 | |
| WO2020000912A1 (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
| CN109214779A (zh) | 施工现场信息管控系统 | |
| CN111862510A (zh) | 一种基于物联网的校园安全监控系统及方法 | |
| CN106780814A (zh) | 一种教室内使用的全程自动考勤系统 | |
| CN107742101A (zh) | 一种现场施工人员验证方法 | |
| JP2017069963A (ja) | 表示盤や操作盤のデータ収集システム、装置、方法、プログラムおよび記録媒体 | |
| CN110543866A (zh) | 一种基建工程施工人员的安全管理系统及方法 | |
| CN112418814A (zh) | 无人化模式的教学培训、训练考核的系统及方法 | |
| CN107784649A (zh) | 基于图像识别的芯棒测试远程报警系统及方法 | |
| CN111652128B (zh) | 一种高空电力作业安全监测方法、系统和存储装置 | |
| CN115511329A (zh) | 一种电力作业合规监测系统及方法 | |
| KR100998617B1 (ko) | 중앙 통제 방식의 ｃｂｔ 시스템 및 그 방법 | |
| CN114420302A (zh) | 一种企事业单位智能防疫控制系统 | |
| CN109583397B (zh) | 一种电梯检验考试人工智能评判系统的实现方法 | |
| CN116665419B (zh) | 电力生产作业中基于ai分析的故障智能预警系统及方法 | |
| CN113705988B (zh) | 一种监理人员绩效管理方法、系统、存储介质及智能终端 | |
| CN214151721U (zh) | 一种基于人脸算法的识别一体机系统 | |
| CN115620219A (zh) | 一种基于人工智能的监管场所隐患及异常行为监测方法 | |
| CN113160012A (zh) | 一种基于深度学习的计算机在线考试监考方法 | |
| CN105931159A (zh) | 自助式考试系统 | |
| CN110135744B (zh) | 建筑工人安全行为习惯评价方法 | |
| CN112580832A (zh) | 一种巡检核查方法、装置及电子设备 |
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: 20200814 |