CN113095675A - 一种网络考试中依靠标识点监控考生动作模式的方法 - Google Patents
一种网络考试中依靠标识点监控考生动作模式的方法 Download PDFInfo
- Publication number
- CN113095675A CN113095675A CN202110390341.4A CN202110390341A CN113095675A CN 113095675 A CN113095675 A CN 113095675A CN 202110390341 A CN202110390341 A CN 202110390341A CN 113095675 A CN113095675 A CN 113095675A
- Authority
- CN
- China
- Prior art keywords
- examinee
- image
- invigilator
- points
- image identification
- 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
Images
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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本发明提供了一种网络考试中依靠标识点监控考生动作模式的方法,考生提前制作图像标识点,将图像标识点固定在自己上身,开考前考生调整自身坐姿,监考人员在监考教师监考电脑端通过考生移动电话端和考生电脑端拍摄画面确认是否合适,标定考生基准位置和姿态;考试开始后,根据考生基准位置和姿态,在考生移动电话端拍摄考试画面的同时实时计算考生动作模式异常指数,将考生动作模式异常指数传输到监考教师监考电脑端,以实时数据和趋势曲线的方式显示其变化情况,当考生动作异常时给出提醒信号。本发明提供的网络考试中依靠标识点监控考生动作模式的方法,实施起来简单方便,对考试过程影响小,辅助监控效果好,能够有效减轻监考人员的工作强度。
Description
技术领域
本发明涉及网络信息教育技术领域,特别是涉及一种网络考试中依靠标识点监控考生动作模式的方法。
背景技术
随着科技和社会的发展,网络教学逐渐成为一种重要的知识传播方式。相对于传统教学,网络教学具有网络学习资源丰富、不受传统学习时空限制、能够强化自主学习和协作学习等优势。
与传统考试相对应,网络考试也成为衡量网络教学效果的重要方式。网络考试同传统考场考试存在很大差异,对监考过程也提出了新的要求。以2020、2021年普通研究生招生考试复试笔试环节为例,各高校普遍采用网络考试方式。监考大多采用双机位监考方式:通过电脑摄像头,拍摄考生上半身正面情况;在考生的斜后方放置带摄像功能的移动电话(手机),拍摄考生背面、电脑屏幕及周边情况。监考人员通过电脑远程监控考生考试过程。
传统考场内监考人员具有全局视野,通过环视考场情况,1-2秒钟内即可对全部考生的动作模式做出大致判断;在重点监视某个考生的同时,也能够同时兼顾其周边较大范围内其他考生的动作;考场中考生位置固定,需要经常性地监视某个考生时,能够快速地定位。而网络考试中,监视画面为各个考生独立分割型的画面,监考人员缺乏全局视野,需要逐一查看考生动作,全面巡视一遍考生状态,往往需要3-5分钟;在重点监视某个考生时,很难同时兼顾其他考生的动作;经常性地监视某个考生时往往需要操作电脑切换或移动画面进行查找。因此,监考过程不符合人体视觉生理特性,容易造成视觉疲劳影响正常监考。此外,网络考试考生室内光线情况往往不能达到理想的摄像要求,加之某些移动电话摄像性能相对较差,监控画面昏暗模糊;在网络通信不稳定时,监控画面存在延迟、拖影、掉帧甚至卡顿的情况,都会对监考过程产生严重影响。针对网络考试中监考人员同时监控考生人数多、监考视野受限、重点监控考生定位困难、监控画质参差不齐、偶发性网络卡顿影响监考的问题,亟需提出一种在双机位监控的网络考试过程中依靠增加易于计算机识别的图像标识点分析并监控考生动作模式进行辅助监考的方法。
发明内容
本发明的目的是提供一种网络考试中依靠标识点监控考生动作模式的方法,实施起来简单方便,对考试过程影响小,辅助监控效果好,能够有效减轻监考人员的工作强度,及时帮助监考人员发现动作异常的考生、识别出动作模式经常性异常的需要重点关注的考生。
为实现上述目的,本发明提供了如下方案:
一种网络考试中依靠标识点监控考生动作模式的方法,应用于双机位网络监考系统,所述双机位网络监考系统包括考生电脑端、考生移动电话端及监考教师监考电脑端,考生电脑端及考生移动电话端通信连接监考教师监考电脑端,考生电脑端用于给考生发布试题及拍摄考生上半身正面,考生移动电话端用于拍摄考生侧后位及周边情况,在所述双机位网络监考系统中增加图像标识点识别监控环节,图像标识点固定在考生上身衣物上,所述考生移动电话端识别拍摄视频中的图像标识点并依据其变化情况计算考生位置和姿态变化信息上传至监考教师监考电脑端,所述监考教师监考电脑端用于供监考人员查看所有考生位置和姿态变化信息,并在考生动作异常时触发报警提醒监考人员注意;
所述方法包括如下步骤:
步骤1:提前制作图像标识点并将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置;
步骤2:考试开始前监考人员在监考教师监考电脑端通过查看考生移动电话端和考生电脑端拍摄画面,确认并标定考生基准位置和姿态;
步骤3:考试时,根据考生基准位置,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,上传至监考教师监考电脑端并进行本地记录;
步骤4:考试时,监考教师监考电脑端以实时数据、趋势曲线显示所有考生的动作模式异常指数,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号;
步骤5:考试结束后,监考人员保存监考教师监考电脑端所有考生动作模式异常指数记录数据,并可调取考生移动电话端本地记录数据。
可选的,步骤1中所述制作图像标识点,具体为:
制作两个图像标识点,将白色或接近白色的浅色纸质材料裁剪为5×5cm的正方形纸片,利用黑色墨水在纸片上绘制外边长5×5cm的边框,保留4×4cm的白色区域,利用黑色墨水在纸片中部绘制外边长3×3cm的方框,纸片中心保留2×2cm的白色区域。
可选的,步骤1中,将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置,具体为:
将两个图像标识点分别固定在考生左右臂肩关节后外侧衣物上,并保持图像标识点侧边与地面垂直,将考生移动电话端设置在考生斜后方1.5m-2m处,通过考生移动电话端拍摄考生背面、电脑屏幕及考生周围情况。
可选的,步骤2中,监考人员在监考教师监考电脑端通过考生移动电话端和考生电脑端拍摄画面,确认考生基准位置和姿态正常后,标定考生基准位置和姿态,具体为:
通过考生移动电话端对图像标识点进行识别,同时监考人员通过监考教师监考电脑端查看考生的位置和姿态,若考生位置和姿态符合考试要求,且考生移动电话端识别到考生身上的两个图像标识点,则监考人员通过监考教师监考电脑端控制考生移动电话端标定考生基准位置和姿态。
可选的,通过考生移动电话端对图像标识点进行识别的方法,包括如下步骤:
S1:将考生移动电话端拍摄的彩色图像转换为灰度图像;
S2:将S1中转换的灰度图像转换为黑白二值图像;
S3:从S2中转换的黑白二值图像中找到两个图像标识点的坐标。
可选的,S1中,将考生移动电话端拍摄的彩色图像转换为灰度图像,具体为:
每隔1s,从考生移动电话端拍摄的彩色图像中截取一帧图像,通过伽马校正算法计算每个像素点的灰度值,将截取的彩色图像转换为灰度图像,
式中,L为灰度、B为蓝色度、R为红色度、G为绿色度,L、B、R、G均无量纲。
可选的,S2中,将S1中转换的灰度图像转换为黑白二值图像,具体为:
选取一灰度阈值,当灰度图像上像素点灰度值大于等于此阈值时将其设置为255即白色,小于此阈值时将其设置为0即黑色,其中,灰度值大于等于阈值的像素点组成的集合为前景,灰度值小于阈值的像素点组成的集合为背景,采用最大类间方差法选取灰度阈值,设阈值为h,前景点占图像比例为m,前景点灰度值均值为Lm,背景点占图像比例为n,背景点灰度值均值为Ln,整个图像的灰度值均值Lv为:
建立目标函数:
g(h)=m×(Lm-Lv)2+n×(Ln-Lv)2 (3)
采用黄金分割法经过几次试凑寻优后得到g(h)最大时所对应的最佳阈值h,选取最佳阈值h为灰度阈值,将灰度图像转换为黑白二值图像。
可选的,S3中,从S2中转换的黑白二值图像中找到两个图像标识点的坐标,具体为:
以黑白二值图像左上角像素点为原点、上边界为X轴、左边界为Y轴,建立黑白二值图像的像素坐标系,其中坐标单位长度为1像素;
在Y轴方向,逐行依次对X轴像素进行扫描,寻找灰度值按“白-黑-白-黑-白”规律变化的像素序列,找到后,判断此序列“白-黑-白-黑-白”的像素比例是否接近1:1:4:1:1,当每个比例系数的最大偏差均小于20%时,则认为找到一个特征序列,记录此特征序列的中心像素点的X-Y坐标和此特征序列的像素长度,扫描完成后,按照特征序列的像素长度偏差小于20%的原则,对所有找到的特征序列的中心像素点进行分类,对数量最多的两个类内的特征序列的中心像素点的X-Y坐标分别进行聚类统计,若有3个及以上的中心像素点的X坐标和Y坐标的距离均小于本类特征序列像素长度的1/8,则认为从Y轴方向找到了一个图像标识点,此图像标识点的X-Y坐标为这3个及以上的中心像素点的X-Y坐标的平均值取整,记录每一个Y轴方向找到的图像标识点的X-Y坐标,如果Y轴方向找到的图像标识点的数量小于2个,则标识错误;
在X轴方向,逐列依次对Y轴像素进行扫描,依据相同的方法,找到所有X轴方向图像标识点并记录其X-Y坐标,如果X轴方向找到的图像标识点的数量小于2个,则标识错误;
将Y轴方向图像标识点与X轴方向图像标识点进行比对,当某个Y轴方向图像标识点与X轴方向图像标识点的X坐标与Y坐标的距离均小于图像X轴总像素点与Y轴总像素点较小值的1/100时,则确认一个图像标识点,若确认的图像标识点的数量不等于2个,则标识错误;
记录确认的两个图像标识点u1、u2的坐标(x1,y1)、(x2,y2),单位均为像素点数;当出现标识错误时,考生移动电话端将信息传输给监考教师监考电脑端,提醒监考人员查看并处理。
可选的,标定考生基准位置和姿态的方法,具体为:
根据图像标识点坐标u1和u2计算考生位置和姿态参数实时值,所述考生位置和姿态参数实时值包括标识点的中间点u0的坐标(x0,y0)、标识点的绝对距离d0、标识点连线与图像水平轴的夹角r0及灰度为0的像素点在图像中的占比b0,通过下列公式计算得到,
式中,标识点的中间点u0的坐标(x0,y0)及标识点的绝对距离d0的单位为像素点数,标识点连线与图像水平轴的夹角r0的单位为弧度,灰度为0的像素点在图像中的占比b0的单位为%,取标定时刻的前一秒、标定时刻及标定时刻的后一秒的考生位置和姿态参数实时值,并将这三个时刻的考生位置和姿态参数实时值取平均值并保存,得到考生位置和姿态参数基准值:标识点中间点U0的坐标(X0,Y0)、标识点的绝对距离D0、标识点连线与图像水平轴的夹角R0、灰度为0的像素点在图像中的占比B0。
可选的,步骤3中所述根据考生基准位置,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,具体为:
考试开始后,每间隔1s,从考生移动电话端拍摄图像中截取一帧图像,利用该图像进行图像标识点识别及考生位置和姿态参数实时值计算,根据计算得到的考生位置和姿态参数实时值及考生位置和姿态参数基准值实时计算考生位置和姿态偏离正常状态参数值,考生位置和姿态偏离正常状态参数值包括:考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0,通过下列公式计算,
式中,考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0单位均为%,根据考生位置和姿态偏离正常状态参数值,采用加权法实时计算考生动作模式异常指数W,单位为%,
W=0.3Pu0+0.2Pd0+0.2Pr0+0.3Pb0 (13)
式中,当W计算值大于100时,取W值为100。
可选的,步骤4中,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号,具体为:考生动作模式异常指数在0-39时为正常区间,在40-60时为不确定区间,在61-100时为异常区间,在监考教师监考电脑端中考生视频显示画面的右侧,增加提醒信息滚动显示窗口,提醒功能模块实时检测所有考生的动作模式异常指数,设置考生动作模式异常指数的阈值为60,当某个考生动作模式异常指数超过60时触发提醒,在提醒信息滚动显示窗口内以红色显示提醒时刻和该考生的考号等相关信息,监考人员点击此提醒信息予以确认,提醒信息颜色转变为绿色,同时将监视画面切换为该考生的视频画面,提醒信息确认后,该考生的动作模式异常指数一直大于40不会重复触发新的提醒,如果该考生的提醒信息没有被监考人员点击确认,且该考生的动作模式异常指数一直大于40,则每2min后重新触发一次提醒,新的提醒出现后,会将旧的提醒信息依次向下移动一栏,新的提醒信息会显示在最上方。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的网络考试中依靠标识点监控考生动作模式的方法,依靠增加图像标识点自动识别网络考试过程中考生动作模式并在监考教师监考电脑端进行显示和记录,当考生动作异常时通过报警等方式提示监考人员注意,能够有效减轻监考人员查看所有考生的工作强度,及时帮助监考人员发现动作异常的考生、识别出动作模式经常性异常的需要重点关注的考生,对于偶发性的网络通信故障,也能够部分还原考生动作信息,可以降低监考人员工作强度,提高监考环节的客观性和公正性,辅助监考应用效果良好;发明所涉及的图像标识点可利用打印纸、便利贴等由考生自行制作,易于计算机识别,所使用到的软件分别运行在考生移动电话端及监考教师监考电脑端,无需增加其它专业设备,该方法实施起来简单方便,成本低廉;该方法对考试过程影响小,仅需要考生预先制作图像标识点并固定好,调整考生移动电话端及电脑端的位置并按正常坐姿坐好,不需要考生完成额外的工作。
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实例,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为本发明实施例网络考试中依靠标识点监控考生动作模式的方法流程示意图;
图2为图像标识点结构示意图。
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做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。
本发明的目的是提供一种网络考试中依靠标识点监控考生动作模式的方法,实施起来简单方便,对考试过程影响小,辅助监控效果好,能够有效减轻监考人员的工作强度,及时帮助监考人员发现动作异常的考生、识别出动作模式经常性异常的需要重点关注的考生。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为发明实施例网络考试中依靠标识点监控考生动作模式的方法流程示意图,如图1所示,本发明实施例提供的网络考试中依靠标识点监控考生动作模式的方法,应用于双机位网络监考系统,所述双机位网络监考系统包括考生电脑端、考生移动电话端及监考教师监考电脑端,考生电脑端及考生移动电话端通信连接监考教师监考电脑端,考生电脑端用于给考生发布试题及拍摄考生上半身正面,考生移动电话端用于拍摄考生侧后位及周边情况,在所述双机位网络监考系统中增加图像标识点识别监控环节,图像标识点固定在考生上身衣物上,所述考生移动电话端识别拍摄视频中的图像标识点并依据其变化情况计算考生位置和姿态变化信息上传至监考教师监考电脑端,所述监考教师监考电脑端用于供监考人员查看所有考生位置和姿态变化信息,并在考生动作异常时触发报警提醒监考人员注意;
所述方法包括如下步骤:
步骤1:提前制作图像标识点并将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置;
步骤2:考试开始前监考人员在监考教师监考电脑端通过查看考生移动电话端和考生电脑端拍摄画面,确认并标定考生基准位置和姿态;
步骤3:考试时,根据考生基准位置,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,上传至监考教师监考电脑端并进行本地记录;
步骤4:考试时,监考教师监考电脑端以实时数据、趋势曲线显示所有考生的动作模式异常指数,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号;
步骤5:考试结束后,监考人员保存监考教师监考电脑端所有考生动作模式异常指数记录数据,并可调取考生移动电话端本地记录数据。
步骤1中所述制作图像标识点,具体为:
如图2所示,制作两个图像标识点,将白色或接近白色的浅色纸质材料裁剪为5×5cm的正方形纸片,利用黑色墨水在纸片上绘制外边长5×5cm的边框,保留4×4cm的白色区域,利用黑色墨水在纸片中部绘制外边长3×3cm的方框,纸片中心保留2×2cm的白色区域,也可采用浅色便利贴等材料制作。
步骤1中,将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置,具体为:
在考试开始前,通过双面胶带或其他方式将两个图像标识点分别固定在考生左右臂肩关节后外侧衣物上,并保持图像标识点侧边与地面垂直,将考生移动电话端设置在考生斜后方1.5m-2m处,通过考生移动电话端拍摄考生背面、电脑屏幕及考生周围情况。
步骤2中,监考人员在监考教师监考电脑端通过考生移动电话端和考生电脑端拍摄画面,确认考生基准位置和姿态正常后,标定考生基准位置和姿态,具体为:
通过考生移动电话端对图像标识点进行识别,同时监考人员通过监考教师监考电脑端查看考生的位置和姿态,若考生位置和姿态符合考试要求,且考生移动电话端识别到考生身上的两个图像标识点,则监考人员通过监考教师监考电脑端控制考生移动电话端标定考生基准位置和姿态,若考生位置和姿态不符合要求或识别不到图像标识点,则监考人员要求考生调整,直至满足要求。
通过考生移动电话端对图像标识点进行识别的方法,包括如下步骤:
S1:将考生移动电话端拍摄的彩色图像转换为灰度图像;
S2:将S1中转换的灰度图像转换为黑白二值图像;
S3:从S2中转换的黑白二值图像中找到两个图像标识点的坐标。
S1中,将考生移动电话端拍摄的彩色图像转换为灰度图像,具体为:
每隔1s,从考生移动电话端拍摄的彩色图像中截取一帧图像,通过伽马校正算法计算每个像素点的灰度值,将截取的彩色图像转换为灰度图像,
式中,L为灰度、B为蓝色度、R为红色度、G为绿色度,L、B、R、G均无量纲。
S2中,将S1中转换的灰度图像转换为黑白二值图像,具体为:
选取一灰度阈值,当灰度图像上像素点灰度值大于等于此阈值时将其设置为255即白色,小于此阈值时将其设置为0即黑色,使整个图像呈现出明显的黑白效果,其中,灰度值大于等于阈值的像素点组成的集合为前景,灰度值小于阈值的像素点组成的集合为背景,采用最大类间方差法选取灰度阈值,设阈值为h,前景点占图像比例为m,前景点灰度值均值为Lm,背景点占图像比例为n,背景点灰度值均值为Ln,整个图像的灰度值均值Lv为:
建立目标函数:
g(h)=m×(Lm-Lv)2+n×(Ln-Lv)2 (3)
采用黄金分割法经过几次试凑寻优后得到g(h)最大时所对应的最佳阈值h,选取最佳阈值h为灰度阈值,将灰度图像转换为黑白二值图像。
S3中,从S2中转换的黑白二值图像中找到两个图像标识点的坐标,具体为:
以黑白二值图像左上角像素点为原点、上边界为X轴、左边界为Y轴,建立黑白二值图像的像素坐标系,其中坐标单位长度为1像素;
在Y轴方向,逐行依次对X轴像素进行扫描,寻找灰度值按“白-黑-白-黑-白”规律变化的像素序列,找到后,判断此序列“白-黑-白-黑-白”的像素比例是否接近1:1:4:1:1,当每个比例系数的最大偏差均小于20%时,则认为找到一个特征序列,记录此特征序列的中心像素点的X-Y坐标和此特征序列的像素长度,扫描完成后,按照特征序列的像素长度偏差小于20%的原则,对所有找到的特征序列的中心像素点进行分类,对数量最多的两个类内的特征序列的中心像素点的X-Y坐标分别进行聚类统计,若有3个及以上的中心像素点的X坐标和Y坐标的距离均小于本类特征序列像素长度的1/8,则认为从Y轴方向找到了一个图像标识点,此图像标识点的X-Y坐标为这3个及以上的中心像素点的X-Y坐标的平均值取整,记录每一个Y轴方向找到的图像标识点的X-Y坐标,如果Y轴方向找到的图像标识点的数量小于2个,则标识错误;
在X轴方向,逐列依次对Y轴像素进行扫描,依据相同的方法,找到所有X轴方向图像标识点并记录其X-Y坐标,如果X轴方向找到的图像标识点的数量小于2个,则标识错误;
将Y轴方向图像标识点与X轴方向图像标识点进行比对,当某个Y轴方向图像标识点与X轴方向图像标识点的X坐标与Y坐标的距离均小于图像X轴总像素点与Y轴总像素点较小值的1/100时,则确认一个图像标识点,若确认的图像标识点的数量不等于2个,则标识错误;
记录确认的两个图像标识点u1、u2的坐标(x1,y1)、(x2,y2),单位均为像素点数;当出现标识错误时,跳过考生位置和姿态参数实时值和动作模式异常指数的计算,直接将动作模式异常指数设置为100,通过考生移动电话端将信息传输给监考教师监考电脑端,提醒监考人员查看并处理。
标定考生基准位置和姿态的方法,具体为:
根据图像标识点坐标u1和u2计算考生位置和姿态参数实时值,所述考生位置和姿态参数实时值包括标识点的中间点u0的坐标(x0,y0)、标识点的绝对距离d0、标识点连线与图像水平轴的夹角r0及灰度为0的像素点在图像中的占比b0,通过下列公式计算得到,
式中,标识点的中间点u0的坐标(x0,y0)及标识点的绝对距离d0的单位为像素点数,标识点连线与图像水平轴的夹角r0的单位为弧度,灰度为0的像素点在图像中的占比b0的单位为%,取标定时刻的前一秒、标定时刻及标定时刻的后一秒的考生位置和姿态参数实时值,并将这三个时刻的考生位置和姿态参数实时值取平均值并保存,得到考生位置和姿态参数基准值:标识点中间点U0的坐标(X0,Y0)、标识点的绝对距离D0、标识点连线与图像水平轴的夹角R0、灰度为0的像素点在图像中的占比B0。
步骤3中所述根据考生基准位置,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,具体为:
考试开始后,每间隔1s,从考生移动电话端拍摄图像中截取一帧图像,利用该图像进行图像标识点识别及考生位置和姿态参数实时值计算,根据计算得到的考生位置和姿态参数实时值及考生位置和姿态参数基准值实时计算考生位置和姿态偏离正常状态参数值,考生位置和姿态偏离正常状态参数值包括:考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0,通过下列公式计算,
式中,考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0单位均为%,根据考生位置和姿态偏离正常状态参数值,采用加权法实时计算考生动作模式异常指数W,单位为%,
W=0.3Pu0+0.2Pd0+0.2Pr0+0.3Pb0 (13)
式中,当W计算值大于100时,取W值为100。
步骤4中,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号,具体为:考生动作模式异常指数在0-39时为正常区间,在40-60时为不确定区间,在61-100时为异常区间,在监考教师监考电脑端中考生视频显示画面的右侧,增加提醒信息滚动显示窗口,提醒功能模块实时检测所有考生的动作模式异常指数,设置考生动作模式异常指数的阈值为60,当某个考生动作模式异常指数超过60时触发提醒,在提醒信息滚动显示窗口内以红色显示提醒时刻和该考生的考号等相关信息,监考人员点击此提醒信息予以确认,提醒信息颜色转变为绿色,同时将监视画面切换为该考生的视频画面,提醒信息确认后,该考生的动作模式异常指数一直大于40不会重复触发新的提醒,如果该考生的提醒信息没有被监考人员点击确认,且该考生的动作模式异常指数一直大于40,则每2min后重新触发一次提醒,新的提醒出现后,会将旧的提醒信息依次向下移动一栏,新的提醒信息会显示在最上方。
考生移动电话端可采用智能移动电话,必须包括以下功能:
动作模式异常指数信号实时计算和传输功能,接收监考人员在监考教师监考电脑端远程发送的考试开始信号,考生移动电话端收到考试开始的指令后,启动图像标识点识别、考生位置和姿态参数实时值计算、动作模式异常指数计算功能,每间隔1s,从移动电话摄像头拍摄图像中截取一帧图像,利用此图像识别标识点、计算动作模式异常指数并向监考教师监考电脑端发送,接收到监考人员在监考教师监考电脑端远程发送的考试结束信号后停止计算和发送,其中图像分辨率大于1024×1024点,存储为24位RGB彩色图像;
动作模式异常指数实时记录和保存功能,考试开始后,每间隔1s记录一次动作模式异常指数信号和当前时间,累积记录在一个数据文件中,数据文件在接收到考试结束信号时或软件退出时自动保存,数据文件在考试结束后,可由监考人员在监考教师监考电脑端调取;
基准位置和姿态标定功能,考生移动电话端开始摄像并开启图像标识点识别功能后,收到监考教师监考电脑端发出的标定信号后,开始计算接收到标定时刻的前1秒、本时刻、收到标定信号后1秒三个时刻的中间点坐标、标识点的绝对距离、标识点连线与图像水平轴的夹角、灰度为0的像素点在图像中的占比,分别取平均值后保存,作为考生基准位置;
所述监考教师监考电脑端包括如下功能:
动作模式异常指数实时显示功能,监考教师监考电脑端显示考生视频画面的同时在画面中以绿色或蓝色等显眼颜色显示动作模式异常指数;
动作模式异常指数变化趋势显示功能,在监考教师监考电脑端中将8个或10个考生的动作模式异常指数归为一组,在同一幅画面内采用不同颜色,用趋势曲线的方式绘制动作模式异常指数随时间变化情况,趋势画面纵坐标为动作模式异常指数,坐标刻度范围为-5-105,横坐标为时间,整幅画面显示的时长可以由监考人员在30min、1h、2h之间选择,在趋势画面下方标注栏注明每位考生的考号和对应曲线的颜色,考试开始时,将画面横坐标左端点固定为开始时刻,右端点固定为选择的整幅画面显示的时长加考试开始时刻值,由此确定横坐标时间刻度,然后在坐标系内根据动作模式异常指数实时值和当前时间由左向右绘制各考生的动作模式异常指数随时间变化曲线,当绘制曲线到达横坐标右端点时,将横坐标平移1/4个整幅画面显示的时长,每横坐标时间刻度加1/4个整幅画面显示的时长,各趋势曲线继续从横坐标3/4处继续绘制;
动作模式异常指数报警功能,在监考教师监考电脑端中考生视频显示画面的右侧,增加报警信息滚动显示窗口,报警功能模块实时检测所有考生的动作模式异常指数,当某个考生动作模式异常指数超过60时触发报警,在报警信息滚动显示窗口内以红色显示报警时刻和该考生的考号等相关信息,监考人员点击此报警信息予以确认,报警信息颜色转变为绿色,同时将监视画面切换为该考生的视频画面,报警信息确认后,该考生的动作异常指数一直大于40不会重复触发新的报警,如果该考生的报警信息没有被监考人员点击确认,且该考生的动作模式异常指数一直大于40,则每2min后重新触发一次报警,新的报警出现后,会将旧的报警信息依次向下移动一栏,新的报警信息会显示在最上方,同时将报警信息记录保存下来。
考试过程中,考生周边光照应该满足拍摄视频要求,监考教师监考电脑端的数量根据监考人员的数量决定。
本发明提供的网络考试中依靠标识点监控考生动作模式的方法,依靠增加图像标识点自动识别网络考试过程中考生动作模式并在监考教师监考电脑端进行显示和记录,当考生动作异常时通过报警等方式提示监考人员注意,能够有效减轻监考人员查看所有考生的工作强度,及时帮助监考人员发现动作异常的考生、识别出动作模式经常性异常的需要重点关注的考生,对于偶发性的网络通信故障,也能够部分还原考生动作信息,可以降低监考人员工作强度,提高监考环节的客观性和公正性,辅助监考应用效果良好;发明所涉及的图像标识点可利用打印纸、便利贴等由考生自行制作,易于计算机识别,所使用到的软件分别运行在考生移动电话端及监考教师监考电脑端,无需增加其它专业设备,该方法实施起来简单方便,成本低廉;该方法对考试过程影响小,仅需要考生预先制作图像标识点并固定好,调整考生移动电话端及电脑端的位置并按正常坐姿坐好,不需要考生完成额外的工作。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种网络考试中依靠标识点监控考生动作模式的方法,应用于双机位网络监考系统,所述双机位网络监考系统包括考生电脑端、考生移动电话端及监考教师监考电脑端,考生电脑端及考生移动电话端通信连接监考教师监考电脑端,考生电脑端用于给考生发布试题及拍摄考生上半身正面,考生移动电话端用于拍摄考生侧后位及周边情况,其特征在于,在所述双机位网络监考系统中增加图像标识点识别监控环节,图像标识点固定在考生上身衣物上,所述考生移动电话端识别拍摄视频中的图像标识点并依据其变化情况计算考生位置和姿态变化信息上传至监考教师监考电脑端,所述监考教师监考电脑端用于供监考人员查看所有考生位置和姿态变化信息,并在考生动作异常时触发报警提醒监考人员注意;
所述方法包括如下步骤:
步骤1:提前制作图像标识点并将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置;
步骤2:考试开始前监考教师在监考教师监考电脑端通过查看考生移动电话端和考生电脑端拍摄画面,确认并标定考生基准位置和姿态;
步骤3:考试时,根据考生基准位置,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,上传至监考教师监考电脑端并进行本地记录;
步骤4:考试时,监考教师监考电脑端以实时数据、趋势曲线显示所有考生的动作模式异常指数,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号;
步骤5:考试结束后,监考人员保存监考教师监考电脑端所有考生动作模式异常指数记录数据,并可调取考生移动电话端本地记录数据。
2.根据权利要求1所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,步骤1中所述制作图像标识点,具体为:
制作两个图像标识点,将白色或接近白色的浅色纸质材料裁剪为5×5cm的正方形纸片,利用黑色墨水在纸片上绘制外边长5×5cm的边框,保留4×4cm的白色区域,再利用黑色墨水在纸片中部绘制外边长3×3cm的方框,纸片中心保留2×2cm的白色区域。
3.根据权利要求2所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,步骤1中,将图像标识点固定在考生上身衣物上,调整考生移动电话端监控位置,具体为:
将两个图像标识点分别固定在考生左右臂肩关节后外侧衣物上,并保持图像标识点侧边与地面垂直,将考生移动电话端设置在考生斜后方1.5m-2m处,通过考生移动电话端拍摄考生背面、电脑屏幕及考生周围情况。
4.根据权利要求2所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,步骤2中,监考教师在监考教师监考电脑端通过考生移动电话端和考生电脑端拍摄画面,确认考生基准位置和姿态正常后,标定考生基准位置和姿态,具体为:
通过考生移动电话端对图像标识点进行识别,同时监考人员通过监考教师监考电脑端查看考生的位置和姿态,若考生位置和姿态符合考试要求,且考生移动电话端识别到考生身上的两个图像标识点,则监考人员通过监考教师监考电脑端控制考生移动电话端标定考生基准位置和姿态。
5.根据权利要求4所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,通过考生移动电话端对图像标识点进行识别的方法为,将考生移动电话端拍摄的彩色图像转换为黑白二值图像,从黑白二值图像中找到两个图像标识点的坐标,其中从黑白二值图像中找到两个图像标识点的坐标,具体为:
以黑白二值图像左上角像素点为原点、上边界为X轴、左边界为Y轴,建立黑白二值图像的像素坐标系,其中坐标单位长度为1像素;
在Y轴方向,逐行依次对X轴像素进行扫描,寻找灰度值按“白-黑-白-黑-白”规律变化的像素序列,找到后,判断此序列“白-黑-白-黑-白”的像素比例是否接近1:1:4:1:1,当每个比例系数的最大偏差均小于20%时,则认为找到一个特征序列,记录此特征序列的中心像素点的X-Y坐标和此特征序列的像素长度,扫描完成后,按照特征序列的像素长度偏差小于20%的原则,对所有找到的特征序列的中心像素点进行分类,对数量最多的两个类内的特征序列的中心像素点的X-Y坐标分别进行聚类统计,若有3个及以上的中心像素点的X坐标和Y坐标的距离均小于本类特征序列像素长度的1/8,则认为从Y轴方向找到了一个图像标识点,此图像标识点的X-Y坐标为这3个及以上的中心像素点的X-Y坐标的平均值取整,记录每一个Y轴方向找到的图像标识点的X-Y坐标,如果Y轴方向找到的图像标识点的数量小于2个,则标识错误;
在X轴方向,逐列依次对Y轴像素进行扫描,依据相同的方法,找到所有X轴方向图像标识点并记录其X-Y坐标,如果X轴方向找到的图像标识点的数量小于2个,则标识错误;
将Y轴方向图像标识点与X轴方向图像标识点进行比对,当某个Y轴方向图像标识点与X轴方向图像标识点的X坐标与Y坐标的距离均小于图像X轴总像素点与Y轴总像素点较小值的1/100时,则确认一个图像标识点,若确认的图像标识点的数量不等于2个,则标识错误;
记录确认的两个图像标识点u1、u2的坐标(x1,y1)、(x2,y2),单位均为像素点数;当出现标识错误时,考生移动电话端将信息传输给监考教师监考电脑端,提醒监考人员查看并处理。
6.根据权利要求5所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,标定考生基准位置和姿态的方法,具体为:
根据图像标识点坐标u1和u2计算考生位置和姿态参数实时值,所述考生位置和姿态参数实时值包括标识点的中间点u0的坐标(x0,y0)、标识点的绝对距离d0、标识点连线与图像水平轴的夹角r0及灰度为0的像素点在图像中的占比b0,通过下列公式计算得到,
式中,x1和x2为图像标识点坐标u1和u2的横坐标,y1和y2为图像标识点坐标u1和u2的纵坐标,n为背景点占图像比例,m为前景点占图像比例,标识点的中间点u0的坐标(x0,y0)及标识点的绝对距离d0的单位为像素点数,标识点连线与图像水平轴的夹角r0的单位为弧度,灰度为0的像素点在图像中的占比b0的单位为%,取标定时刻的前一秒、标定时刻及标定时刻的后一秒的考生位置和姿态参数实时值,并将这三个时刻的考生位置和姿态参数实时值取平均值并保存,得到考生位置和姿态参数基准值:标识点中间点U0的坐标(X0,Y0)、标识点的绝对距离D0、标识点连线与图像水平轴的夹角R0、灰度为0的像素点在图像中的占比B0。
7.根据权利要求6所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,步骤3中所述根据考生基准位置和姿态,实时识别考试过程中考生移动电话端拍摄画面内图像标识点相对位置和绝对位置的变化情况,以此分析考生的动作模式,并计算构造出考生动作模式异常指数信号,具体为:
考试开始后,每间隔1s,从考生移动电话端拍摄图像中截取一帧图像,利用该图像进行图像标识点识别及考生位置和姿态参数实时值计算,根据计算得到的考生位置和姿态参数实时值及考生位置和姿态参数基准值实时计算考生位置和姿态偏离正常状态参数值,考生位置和姿态偏离正常状态参数值包括:考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0,通过下列公式计算,
式中,考生位置偏离度Pu0、考生身体转向度Pd0、考生身体倾斜度Pr0、图像灰度异常度Pb0的单位均为%,根据考生位置和姿态偏离正常状态参数值,采用加权法实时计算考生动作模式异常指数W,单位为%,
W=0.3Pu0+0.2Pd0+0.2Pr0+0.3Pb0 (10)
式中,当W计算值大于100时,取W值为100。
8.根据权利要求7所述的网络考试中依靠标识点监控考生动作模式的方法,其特征在于,步骤4中所述,根据考生动作模式异常指数判断考生动作是否异常,超出阈值时产生提醒信号,具体为:考生动作模式异常指数在0-39时为正常区间,在40-60时为不确定区间,在61-100时为异常区间,在监考教师监考电脑端中考生视频显示画面的右侧,增加提醒信息滚动显示窗口,提醒功能模块实时检测所有考生的动作模式异常指数,设置考生动作模式异常指数的阈值为60,当某个考生动作模式异常指数超过60时触发提醒,在提醒信息滚动显示窗口内以红色显示提醒时刻和该考生的考号等相关信息,监考人员点击此提醒信息予以确认,提醒信息颜色转变为绿色,同时将监视画面切换为该考生的视频画面,提醒信息确认后,该考生的动作模式异常指数一直大于40不会重复触发新的提醒,如果该考生的提醒信息没有被监考人员点击确认,且该考生的动作模式异常指数一直大于40,则每2min后重新触发一次提醒,新的提醒出现后,会将旧的提醒信息依次向下移动一栏,新的提醒信息会显示在最上方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390341.4A CN113095675B (zh) | 2021-04-12 | 2021-04-12 | 一种网络考试中依靠标识点监控考生动作模式的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390341.4A CN113095675B (zh) | 2021-04-12 | 2021-04-12 | 一种网络考试中依靠标识点监控考生动作模式的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095675A true CN113095675A (zh) | 2021-07-09 |
CN113095675B CN113095675B (zh) | 2022-03-29 |
Family
ID=76677177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110390341.4A Active CN113095675B (zh) | 2021-04-12 | 2021-04-12 | 一种网络考试中依靠标识点监控考生动作模式的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095675B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269062A (zh) * | 2021-05-14 | 2021-08-17 | 彭皓 | 应用于智慧教育的人工智能异常识别方法 |
CN113743209A (zh) * | 2021-07-30 | 2021-12-03 | 北京长峰科威光电技术有限公司 | 一种用于大规模线上考试的辅助监考方法 |
CN115273213A (zh) * | 2022-09-28 | 2022-11-01 | 深圳市卓帆技术有限公司 | 一种vr眼镜及其在线考试防作弊方法 |
CN117237869A (zh) * | 2023-09-15 | 2023-12-15 | 杭州亦闲信息科技有限公司 | 一种在线考试的监控系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096518A (zh) * | 2016-06-02 | 2016-11-09 | 哈尔滨多智科技发展有限公司 | 基于深度学习的快速动态人体动作提取、识别方法 |
CN109241841A (zh) * | 2018-08-01 | 2019-01-18 | 甘肃未来云数据科技有限公司 | 视频人体动作的获取方法和装置 |
CN109598226A (zh) * | 2018-11-29 | 2019-04-09 | 安徽工业大学 | 基于Kinect彩色及深度信息在线考试作弊判断方法 |
CN110032992A (zh) * | 2019-04-25 | 2019-07-19 | 沈阳航空航天大学 | 一种基于姿态的考试作弊检测方法 |
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 |
-
2021
- 2021-04-12 CN CN202110390341.4A patent/CN113095675B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096518A (zh) * | 2016-06-02 | 2016-11-09 | 哈尔滨多智科技发展有限公司 | 基于深度学习的快速动态人体动作提取、识别方法 |
CN109241841A (zh) * | 2018-08-01 | 2019-01-18 | 甘肃未来云数据科技有限公司 | 视频人体动作的获取方法和装置 |
CN109598226A (zh) * | 2018-11-29 | 2019-04-09 | 安徽工业大学 | 基于Kinect彩色及深度信息在线考试作弊判断方法 |
CN110032992A (zh) * | 2019-04-25 | 2019-07-19 | 沈阳航空航天大学 | 一种基于姿态的考试作弊检测方法 |
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 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269062A (zh) * | 2021-05-14 | 2021-08-17 | 彭皓 | 应用于智慧教育的人工智能异常识别方法 |
CN113269062B (zh) * | 2021-05-14 | 2021-11-26 | 食安快线信息技术(深圳)有限公司 | 应用于智慧教育的人工智能异常识别方法 |
CN113743209A (zh) * | 2021-07-30 | 2021-12-03 | 北京长峰科威光电技术有限公司 | 一种用于大规模线上考试的辅助监考方法 |
CN115273213A (zh) * | 2022-09-28 | 2022-11-01 | 深圳市卓帆技术有限公司 | 一种vr眼镜及其在线考试防作弊方法 |
CN117237869A (zh) * | 2023-09-15 | 2023-12-15 | 杭州亦闲信息科技有限公司 | 一种在线考试的监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113095675B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095675B (zh) | 一种网络考试中依靠标识点监控考生动作模式的方法 | |
CN110197169B (zh) | 一种非接触式的学习状态监测系统及学习状态检测方法 | |
EP1530379B1 (en) | Method and device for compensating colors in image display device for users with color vision deficiency | |
US20100265361A1 (en) | Imaging device and imaging method | |
US8184168B2 (en) | Method and apparatus for configuring parameter values for cameras | |
JP4718253B2 (ja) | 監視カメラの画像異常検出装置 | |
US20110050927A1 (en) | Information processing apparatus and control method therefor | |
JP7217660B2 (ja) | ボルトの締結状態検知装置及び方法、並びにプログラム | |
JP4448304B2 (ja) | 顔検知装置 | |
CN101946519B (zh) | 图像处理装置、成像装置、校正系数计算方法 | |
US7421121B2 (en) | Spectral normalization using illuminant exposure estimation | |
JP2007318331A (ja) | 顕微鏡用撮像装置 | |
CN106770274A (zh) | 作物的生理表征检测方法、可携带式检测装置与检测系统 | |
CN105376478A (zh) | 照相机、拍摄系统、拍摄方法 | |
JP2010097619A (ja) | 顔検知装置 | |
CN106060416A (zh) | 一种智能拍照方法 | |
CN106846302B (zh) | 一种工具正确取件的检测方法及基于此方法的考核台 | |
CN110830717B (zh) | 一种参数值的获取方法及电子设备 | |
CN114915776A (zh) | 一种用于检测网络摄像头传输性能的方法和系统 | |
CN113313050A (zh) | 一种基于视频流的皮肤智能检测系统 | |
CN115236072A (zh) | 一种升降柱状态检测方法及其装置 | |
CN217957201U (zh) | 一种基于场景监测的摄像设备及摄像系统 | |
CN112084902B (zh) | 人脸图像获取方法、装置、电子设备及存储介质 | |
CN113727089B (zh) | 双目模组镜头组装防呆的检测方法、系统、装置及设备 | |
CN218004374U (zh) | 一种自适应亮度的led小间距显示屏系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |