CN113269063B - 基于大数据和智慧教育的考试管理系统 - Google Patents
基于大数据和智慧教育的考试管理系统 Download PDFInfo
- Publication number
- CN113269063B CN113269063B CN202110528897.5A CN202110528897A CN113269063B CN 113269063 B CN113269063 B CN 113269063B CN 202110528897 A CN202110528897 A CN 202110528897A CN 113269063 B CN113269063 B CN 113269063B
- Authority
- CN
- China
- Prior art keywords
- examinee
- invigilation
- image
- invigilated
- module
- 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.)
- Active
Links
- 238000013507 mapping Methods 0.000 claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 69
- 230000005484 gravity Effects 0.000 claims description 22
- 230000001788 irregular Effects 0.000 claims description 17
- 241000209202 Bromus secalinus Species 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims 8
- 238000000034 method Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 57
- 238000007726 management method Methods 0.000 description 21
- 238000005192 partition Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 208000003464 asthenopia Diseases 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据和智慧教育的考试管理系统,其包括:考试管理终端、智能监考设备和智慧教育云平台,智慧教育云平台分别与考试管理终端和智能监考设备具有通信连接;智慧教育云平台包括图像处理模块、考生划分模块、考生映射模块、行为识别模块和数据库,各模块间具有通信连接。图像处理模块根据监控视频生成监考图像序列。考生划分模块根据考试座位分布信息对监考图像序列进行处理以得到监考子图包。考生映射模块根据考生座位映射信息对监考子图包中所有的监考子图集进行考生映射处理以得到考生监考序列包。行为识别模块对考生监考序列进行分析以确定相应考生是否作弊,并在相应考生作弊时发送作弊警示信息到考试管理终端。
Description
技术领域
本发明涉及智慧教育和大数据领域,尤其涉及一种基于大数据和智慧教育的考试管理系统。
背景技术
智慧教育即教育信息化,是指在教育管理、教育教学和教育科研中全面深入地运用现代信息技术来促进教育改革与发展的过程。智慧教育是依托物联网、云计算、无线通信等新一代信息技术所打造的物联化、智能化、感知化、泛在化的新型教育形态和教育模式。
监考工作从考试诞生伊始便一直存在,主要依靠监考老师的双眼监督考生的考试行为,对违反考场纪律的考生予以处罚以保证考试的公平性。这种纯靠监考人员的监督力和责任心的监考方式存在诸多弊端,如:监考人员长时间高强度监考容易视觉疲劳或者由于视野受限难以同时监控所有考生行为。
发明内容
有鉴于此,本发明提供了一种基于大数据和智慧教育的考试管理系统,其包括:
考试管理终端、智能监考设备和智慧教育云平台,智慧教育云平台分别与考试管理终端和智能监考设备具有通信连接。
智慧教育云平台包括图像处理模块、考生划分模块、考生映射模块、行为识别模块和数据库,各模块间均具有通信连接。
智慧教育云平台接收考试管理终端发送的第一监考信息以及智能监考设备发送的第二监考信息;所述第一监考信息包括:考试编号、考试时间、考试地点和考试座位图;所述第二监考信息包括:考试编号、考试时间、考试地点和监考视频;
图像处理模块将监控视频在时间维度上按照预设步长分割为若干个监考图像,并按照时间顺序将所有监考图像进行排列以生成监考图像序列;
考生划分模块根据考试座位图获取考试座位分布信息,并根据考试座位分布信息将监考图像划分若干个不规则网格,然后根据所有不规则网格的重心得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像划分为等间距的规则网格以得到监考划分图像,并根据监考划分图像得到监考子图包;
考生映射模块根据考试座位图获取考生座位映射信息,并根据考生座位映射信息对监考子图包进行映射处理以得到考生监考序列包;所述考生监考序列包包括若干个考生监考序列;
行为识别模块根据考生监考序列包获取行为识别点序列,并根据行为识别点序列获取所有行为识别点的时间特征和空间特征,然后将行为识别点的时间特征和空间特征进行特征融合以获取行为识别点的时空特征;
行为识别模块根据每个行为识别点的时空特征和每个行为识别点的周围行为识别点的时空特征进行像素直方图统计以得到异常识别特征向量;
行为识别模块根据异常识别特征向量判断该考生监考序列对应的考生是否作弊并在相应考生作弊时发送作弊警示信息到考试管理终端。
根据一个优选实施方式,考试管理员通过考试管理终端发送第一监考信息到智慧教育云平台;智能监考设备将采集到的监考视频进行考试信息标注以生成第二监考信息并将其发送到智慧教育云平台。
根据一个优选实施方式,考生划分模块根据考试座位分布信息得到监考划分图像包括:
考生划分模块以监考图像中心为坐标轴原点建立标准坐标系,并以标准坐标系为参考坐标系建立距离矩阵,然后根据考试座位分布信息将监考图像划分若干个不规则网格;
考生划分模块根据距离矩阵获取监考图像中每个不规则网格的重心到标准坐标系的原点的距离,并根据所有不规则网格的重心到标准坐标系的原点的距离得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像的坐标覆盖区域划分为等间距的规则网格得到监考划分图像;每个规则网格对应一个考试座位。
根据一个优选实施方式,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块获取监考划分图像中的每个规则网格的重心,并将每个规则网格的重心作为监考划分图像中每个考生的考生中心坐标;
考生划分模块根据监考划分图像中每个考生的考生中心坐标获取监考划分图像中每个考生的考生头部轮廓,并根据每个考生的考生头部轮廓得到每个考生的考生头部重心、考生头部宽度和考生头部高度;
考生划分模块根据每个考生的考生头部重心、考生头部宽度和考生头部高度进行映射处理得到每个考生的考生左肩中心坐标和考生右肩中心坐标;所述考生左肩中心坐标和考生右肩中心坐标以标准坐标系为参考坐标系;
考生划分模块根据预设肩部斜率将每个考生的考生左肩中心点和考生右肩中心点向下引垂线以得到每个考生的考生手臂轮廓线,并根据预设肘部夹角将每个考生的考生手臂轮廓线向下引垂线以得到每个考生的考生腰部轮廓线。
根据一个优选实施方式,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据每个考生的考生头部轮廓线、考生手臂轮廓线和考生腰部轮廓线获取监考划分图像中每个考生的第一考生轮廓;
考生划分模块根据监考划分图像中每个考生的第一考生轮廓获取每个考生的轮廓关键点的坐标;
考生划分模块根据监考划分图像中每个考生的轮廓关键点的坐标将监考划分图像划分为若干个第一考生图像,每个第一考生图像对应一个考生。
根据一个优选实施方式,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据考生划分系数获取初始划分曲线,并根据初始划分曲线的参数和考生划分系数对第一考生图像进行拟合以得到每个第一考生图像对应的考生划分曲线;
考生划分模块根据每个第一考生图像对应的考生划分曲线对每个第一考生图像进行划分以得到若干个第二考生图像;
考生划分模块根据考试座位分布信息为每个第二考生图像标注相应的考试座位编号以得到监考子图;
考生划分模块将每个监考图像对应的所有监考子图按照考试座位分布信息和考试座位编号进行排序以得到每个监考图像对应的监考子图集;
考生划分模块将监考图像序列中的每个监考图像对应的监考子图集按照时间顺序进行排列以得到监考子图包。
根据一个优选实施方式,考生映射模块根据考生座位映射信息对监考子图包进行映射处理得到考生监考序列包括:
考生映射模块获取监考子图包中的所有监考子图,并将监考子图包中考试座位编号相同的监考子图按照时间顺序进行排列以得到监考子图序列;
考生映射模块根据考生座位映射信息和监考子图序列的考试座位编号获取该监考子图序列的考生编号,每个监考子图序列对应一个考生;
考生映射模块为监考子图序列标注其对应的考生编号以得到考生监考序列,所述考生监考序列包括若干个按照时间顺序排列的考生监考图;所述考生监考图为标注了考生编号的监考子图;
考生映射模块根据所有考生的考生监考序列得到考生监考序列包;所述考生监考序列包包括若干个按照考试座位分布信息和考试座位编号排序的考生监考序列。
根据一个优选实施方式,行为识别模块根据考生监考序列包获取行为识别点序列包括:
行为识别模块从考生监考序列中任意选取一个考生监考图作为标识考生监考图,遍历标识考生监考图中的所有像素点,并将正在遍历的像素点作为目标像素点;
行为识别模块根据考生监考序列获取目标像素点随时间变化的序列以得到目标像素序列,并根据目标像素序列获取目标像素点的像素观测值;
行为识别模块将标识考生监考图中所有的像素点按照像素观测值进行排列,并选取像素观测值最大的前第一数量的像素点作为行为识别点;
行为识别模块获取行为识别点的对应像素点的像素序列以得到行为识别点序列。
根据一个优选实施方式,所述智能监考设备为部署在考场的具有数据传输和通信功能的高清摄像机,其包括枪型摄像机、一体化摄像机、半球形摄像机、鱼眼摄像机和针孔摄像机。考试管理终端为考试管理员使用的具有数据传输功能和通信功能的智能设备,其包括:智能手机、笔记本电脑、平板电脑和台式电脑。
根据一个优选实施方式,所述考试编号用于对每场考试进行唯一标识,每个考试编号对应唯一的考试。所述考试座位图用于指示考试时考试座位的分布情况以及每个考试座位对应的考生编号。所述作弊警示信息包括:考生编号、考试座位编号、考试时间和考试地点。所述考试座位编号用于对每个考试座位进行唯一标识,每个考试座位编号对应唯一的考试座位。
根据一个优选实施方式,所述监考图像序列包括若干个按照时间先后顺序排列的监考图像。所述监考子图包包括若干个按照时间顺序排列的监考子图集,每个监考子图集对应唯一的监考图像。所述监考子图集包括若干个按照考试座位分布信息和考试座位编号排列的监考子图,每个监考子图对应唯一的考生。所述考生监考序列包括若干个按照时间先后顺序排列的考生监考图,所述考生监考图为标注了考生编号的监考子图。每个考生监考序列对应唯一的考生。
本发明具有以下有益效果:本发明通过考试座位图对监考视频进行处理以得到若干个考生监考序列,并对每个考生监考序列进行分析以判断相应考生是否存在作弊行为。本发明能自动监测每一位考生的行为,克服了监考人员长时间高强度监考的视觉疲劳和关注整个考场所有考生较困难的局限。
附图说明
图1为本发明的基于大数据和智慧教育的考试管理系统的结构框图。
具体实施方式
为使本发明的实施例、技术方案和优点更加明显,下面将结合附图对本发明的技术方案进行清楚、完整的描述,显然,所述的实施例是本发明的一部分实施例,而不是全部实施例。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
如图1所示,本发明的基于大数据和智慧教育的考试管理系统包括考试管理终端、智能监考设备和智慧教育云平台,智慧教育云平台分别与考试管理终端和智能监考设备具有通信连接。
智慧教育云平台包括图像处理模块、考生划分模块、考生映射模块、行为识别模块和数据库,各模块间均具有通信连接。
智慧教育云平台接收考试管理终端发送的第一监考信息以及智能监考设备发送的第二监考信息;所述第一监考信息包括:考试编号、考试时间、考试地点和考试座位图;所述第二监考信息包括:考试编号、考试时间、考试地点和监考视频。
图像处理模块将监控视频在时间维度上按照预设步长分割为若干个监考图像,并按照时间顺序将所有监考图像进行排列以生成监考图像序列;
考生划分模块根据考试座位图获取考试座位分布信息,并根据考试座位分布信息将监考图像划分若干个不规则网格,然后根据所有不规则网格的重心得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像划分为等间距的规则网格以得到监考划分图像,并根据监考划分图像得到监考子图包;
考生映射模块根据考试座位图获取考生座位映射信息,并根据考生座位映射信息对监考子图包进行映射处理以得到考生监考序列包;
行为识别模块根据考生监考序列包获取行为识别点序列,并根据行为识别点序列获取所有行为识别点的时间特征和空间特征,然后将行为识别点的时间特征和空间特征进行特征融合以获取行为识别点的时空特征;
行为识别模块根据每个行为识别点的时空特征和每个行为识别点的周围行为识别点的时空特征进行像素直方图统计以得到异常识别特征向量;
行为识别模块根据异常识别特征向量判断该考生监考序列对应的考生是否作弊并在相应考生作弊时发送作弊警示信息到考试管理终端。
为了便于理解,下面对本发明的工作方法和原理进行具体说明。
具体的,在一个实施例中,基于大数据和智慧教育的考试管理方法可以包括:
S1、智慧教育云平台接收考试管理终端发送的第一监考信息以及智能监考设备发送的第二监考信息。
第一监考信息包括:考试编号、考试时间、考试地点和考试座位图。考试编号用于对每场考试进行唯一标识,每个考试编号对应唯一的考试。考试时间为考试开始和结束的时间段,考试地点为考试的具体地址。考试座位图用于指示考试时考试座位的分布情况以及每个考试座位对应的考生编号,其包括考试座位分布信息和考生座位映射信息。考试座位分布信息用于指示为考场内所有考试座位的分布情况,考生座位映射信息为用于指示考场内每个考试座位与考生的映射关系,即用于指示每个考试座位编号与考生编号的映射关系。
第二监考信息包括:考试编号、考试时间、考试地点和监考视频。考试编号用于对每场考试进行唯一标识,每个考试编号对应唯一的考试。考试时间为考试开始和结束的时间段,考试地点为考试的具体地址。监考视频为智能监考设备在考试期间采集的监控视频。
智能监考设备为部署在考场的具有数据传输和通信功能的高清摄像机,其包括枪型摄像机、一体化摄像机、半球形摄像机、鱼眼摄像机和针孔摄像机。考试管理终端为考试管理员使用的具有数据传输功能和通信功能的智能设备,其包括:智能手机、笔记本电脑、平板电脑和台式电脑。
在一个实施例中,考试管理员通过考试管理终端发送第一监考信息到智慧教育云平台;智能监考设备将采集到的监考视频进行考试信息标注以生成第二监考信息并将其发送到智慧教育云平台。
S2、图像处理模块将监控视频在时间维度上按照预设步长分割为若干个监考图像,并按照时间顺序将所有监考图像进行排列以生成监考图像序列。
预设步长为根据作弊识别精度进行预先设置,监考图像序列包括若干个按照时间先后顺序排列的监考图像。监考图像用于对考生在考场上的表现进行监督。
S3、考生划分模块根据考试座位图获取考试座位分布信息,并根据考试座位分布信息将监考图像划分若干个不规则网格,然后根据所有不规则网格的重心得到内插网格间距;考生划分模块根据所述内插网格间距将监考图像划分为等间距的规则网格以得到监考划分图像,并根据监考划分图像得到监考子图包。
在一个实施例中,考生划分模块根据考试座位分布信息得到监考划分图像包括:
考生划分模块以监考图像中心为坐标轴原点建立标准坐标系,并以标准坐标系为参考坐标系建立距离矩阵,然后根据考试座位分布信息将监考图像划分若干个不规则网格;
考生划分模块根据距离矩阵获取监考图像中每个不规则网格的重心到标准坐标系的原点的距离,并根据所有不规则网格的重心到标准坐标系的原点的距离得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像的坐标覆盖区域划分为等间距的规则网格得到监考划分图像;每个规则网格对应一个考试座位。
在一个实施例中,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块获取监考划分图像中的每个规则网格的重心,并将每个规则网格的重心作为监考划分图像中每个考生的考生中心坐标;
考生划分模块根据监考划分图像中每个考生的考生中心坐标获取监考划分图像中每个考生的考生头部轮廓,并根据每个考生的考生头部轮廓得到每个考生的考生头部重心、考生头部宽度和考生头部高度;
考生划分模块根据每个考生的考生头部重心、考生头部宽度和考生头部高度进行映射处理得到每个考生的考生左肩中心坐标和考生右肩中心坐标;所述考生左肩中心坐标和考生右肩中心坐标以标准坐标系为参考坐标系;
考生划分模块根据预设肩部斜率将每个考生的考生左肩中心点和考生右肩中心点向下引垂线以得到每个考生的考生手臂轮廓线,并根据预设肘部夹角将每个考生的考生手臂轮廓线向下引垂线以得到每个考生的考生腰部轮廓线。
在一个实施例中,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据每个考生的考生头部轮廓线、考生手臂轮廓线和考生腰部轮廓线获取监考划分图像中每个考生的第一考生轮廓;
考生划分模块根据监考划分图像中每个考生的第一考生轮廓获取每个考生的轮廓关键点的坐标;
考生划分模块根据监考划分图像中每个考生的轮廓关键点的坐标将监考划分图像划分为若干个第一考生图像,每个第一考生图像对应一个考生。
在一个实施例中,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据考生划分系数获取初始划分曲线,并根据初始划分曲线的参数和考生划分系数对第一考生图像进行拟合以得到每个第一考生图像对应的考生划分曲线;
考生划分模块根据每个第一考生图像对应的考生划分曲线对每个第一考生图像进行划分以得到若干个第二考生图像;
考生划分模块根据考试座位分布信息为每个第二考生图像标注相应的考试座位编号以得到监考子图;
考生划分模块将每个监考图像对应的所有监考子图按照考试座位分布信息和考试座位编号进行排序以得到每个监考图像对应的监考子图集;
考生划分模块将监考图像序列中的每个监考图像对应的监考子图集按照时间顺序进行排列以得到监考子图包。
在一个实施例中,考生划分曲线的描述函数为:
可选地,监考子图包包括若干个按照时间顺序进行排列的监考子图集,每个监考子图集对应唯一的监考图像,监考子图集包括若干个按照考试座位分布信息和考试座位编号排列的监考子图,每个监考子图对应唯一的考生。监考图像序列包括若干个按照时间先后顺序排列的监考图像。
S4、考生映射模块根据考试座位图获取考生座位映射信息,并根据考生座位映射信息对监考子图包进行映射处理以得到考生监考序列包。
在一个实施例中,考生映射模块根据考生座位映射信息对监考子图包进行映射处理得到考生监考序列包括:
考生映射模块获取监考子图包中的所有监考子图,并将监考子图包中考试座位编号相同的监考子图按照时间顺序进行排列以得到监考子图序列;
考生映射模块根据考生座位映射信息和监考子图序列的考试座位编号获取该监考子图序列的考生编号,每个监考子图序列对应一个考生;
考生映射模块为监考子图序列标注其对应的考生编号以得到考生监考序列,所述考生监考序列包括若干个按照时间顺序排列的考生监考图;所述考生监考图为标注了考生编号的监考子图;
考生映射模块根据所有考生的考生监考序列得到考生监考序列包;所述考生监考序列包包括若干个按照考试座位分布信息和考试座位编号排序的考生监考序列。
S5、行为识别模块根据考生监考序列包获取行为识别点序列,并根据行为识别点序列获取所有行为识别点的时间特征和空间特征,然后将行为识别点的时间特征和空间特征进行特征融合以获取行为识别点的时空特征;根据每个行为识别点的时空特征和每个行为识别点的周围行为识别点的时空特征进行像素直方图统计以得到异常识别特征向量;根据异常识别特征向量判断该考生监考序列对应的考生是否作弊并在相应考生作弊时发送作弊警示信息到考试管理终端。
在一个实施例中,行为识别模块根据考生监考序列包获取行为识别点序列包括:
行为识别模块从考生监考序列中任意选取一个考生监考图作为标识考生监考图,遍历标识考生监考图中的所有像素点,并将正在遍历的像素点作为目标像素点;
行为识别模块根据考生监考序列获取目标像素点随时间变化的序列以得到目标像素序列,并根据目标像素序列获取目标像素点的像素观测值;
行为识别模块将标识考生监考图中所有的像素点按照像素观测值进行排列,并选取像素观测值最大的前第一数量的像素点作为行为识别点;
行为识别模块获取行为识别点的对应像素点的像素序列以得到行为识别点序列。
本发明通过对监控视频按照考生座位进行划分,不但可大幅提升监控老师的监考效果,提高考试的公平性,可以有效解决考场作弊行为难以实施精确监控和监考人员负担过重等问题。提高作弊行为的识别率,并且能在识别到考生作弊时根据考生编号自动获取该考生的信息,避免了传统技术中需要人为识别作弊考生是谁的情况。此外,本发明能够录制考试过程,为考场纠纷提供关键证据和技术支持。
可选地,考生监考序列包包括若干个按照考试座位分布信息和考试座位编号排序的考生监考序列,每个考生监考序列对应唯一的考生。考生监考序列包括若干个按照时间先后排序排列的考生监考图,考生监考图为标注了考生编号的监考子图。考生座位映射信息为用于指示考场内每个考试座位与考生的映射关系,即,考生座位映射信息用于指示每个考试座位编号与考生编号的映射关系。考生编号用于对每个考生进行唯一标识,每个考生编号对应唯一的考生。考试座位编号用于对每个考试座位进行唯一标识,每个考试座位编号对应唯一的考试座位。作弊警示信息包括:考生编号、考试座位编号、考试时间和考试地点。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种基于大数据和智慧教育的考试管理系统,其特征在于,其包括:考试管理终端、智能监考设备和智慧教育云平台,所述智慧教育云平台与考试管理终端和智能监考设备具有通信连接;智慧教育云平台包括图像处理模块、考生划分模块、考生映射模块、行为识别模块和数据库,各模块间具有通信连接;
智慧教育云平台接收考试管理终端发送的第一监考信息以及智能监考设备发送的第二监考信息;
图像处理模块将监控视频在时间维度上按照预设步长分割为若干个监考图像,并按照时间顺序将所有监考图像进行排列以生成监考图像序列;
考生划分模块根据考试座位图获取考试座位分布信息,并根据考试座位分布信息将监考图像划分若干个不规则网格,然后根据所有不规则网格的重心得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像划分为等间距的规则网格以得到监考划分图像,并根据监考划分图像得到监考子图包;
考生映射模块根据考试座位图获取考生座位映射信息,并根据考生座位映射信息对监考子图包进行映射处理以得到考生监考序列包;所述考生监考序列包包括若干个考生监考序列;
行为识别模块根据考生监考序列包获取行为识别点序列,并根据行为识别点序列获取所有行为识别点的时间特征和空间特征,然后将行为识别点的时间特征和空间特征进行特征融合以获取行为识别点的时空特征;
行为识别模块根据每个行为识别点的时空特征和每个行为识别点的周围行为识别点的时空特征进行像素直方图统计以得到异常识别特征向量;
行为识别模块根据异常识别特征向量判断该考生监考序列对应的考生是否作弊并在相应考生作弊时发送作弊警示信息到考试管理终端。
2.根据权利要求1所述的系统,其特征在于,所述考试管理终端为考试管理员使用的具有数据传输功能和通信功能的智能设备,其包括智能手机、笔记本电脑、平板电脑和台式电脑。
3.根据权利要求1或2所述的系统,其特征在于,考生划分模块根据考试座位分布信息得到监考划分图像包括:
考生划分模块以监考图像中心为坐标轴原点建立标准坐标系,并以标准坐标系为参考坐标系建立距离矩阵,然后根据考试座位分布信息将监考图像划分若干个不规则网格;
考生划分模块根据距离矩阵获取监考图像中每个不规则网格的重心到标准坐标系的原点的距离,并根据所有不规则网格的重心到标准坐标系的原点的距离得到内插网格间距;
考生划分模块根据所述内插网格间距将监考图像的坐标覆盖区域划分为等间距的规则网格得到监考划分图像;每个规则网格对应一个考试座位。
4.根据权利要求3所述的系统,其特征在于,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块获取监考划分图像中的每个规则网格的重心,并将每个规则网格的重心作为监考划分图像中每个考生的考生中心坐标;
考生划分模块根据监考划分图像中每个考生的考生中心坐标获取监考划分图像中每个考生的考生头部轮廓,并根据每个考生的考生头部轮廓得到每个考生的考生头部重心、考生头部宽度和考生头部高度;
考生划分模块根据每个考生的考生头部重心、考生头部宽度和考生头部高度进行映射处理得到每个考生的考生左肩中心坐标和考生右肩中心坐标;所述考生左肩中心坐标和考生右肩中心坐标以标准坐标系为参考坐标系;
考生划分模块根据预设肩部斜率将每个考生的考生左肩中心点和考生右肩中心点向下引垂线以得到每个考生的考生手臂轮廓线,并根据预设肘部夹角将每个考生的考生手臂轮廓线向下引垂线以得到每个考生的考生腰部轮廓线。
5.根据权利要求4所述的系统,其特征在于,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据每个考生的考生头部轮廓线、考生手臂轮廓线和考生腰部轮廓线获取监考划分图像中每个考生的第一考生轮廓;
考生划分模块根据监考划分图像中每个考生的第一考生轮廓获取每个考生的轮廓关键点的坐标;
考生划分模块根据监考划分图像中每个考生的轮廓关键点的坐标将监考划分图像划分为若干个第一考生图像,每个第一考生图像对应一个考生。
6.根据权利要求5所述的系统,其特征在于,考生划分模块根据监考划分图像得到监考子图包包括:
考生划分模块根据考生划分系数获取初始划分曲线,并根据初始划分曲线的参数和考生划分系数对第一考生图像进行拟合以得到每个第一考生图像对应的考生划分曲线;
考生划分模块根据每个第一考生图像对应的考生划分曲线对每个第一考生图像进行划分以得到若干个第二考生图像;
考生划分模块根据考试座位分布信息为每个第二考生图像标注相应的考试座位编号以得到监考子图;
考生划分模块将每个监考图像对应的所有监考子图按照考试座位分布信息和考试座位编号进行排序以得到每个监考图像对应的监考子图集;
考生划分模块将监考图像序列中的每个监考图像对应的监考子图集按照时间顺序进行排列以得到监考子图包。
7.根据权利要求6所述的系统,其特征在于,考生映射模块根据考生座位映射信息对监考子图包进行映射处理得到考生监考序列包括:
考生映射模块获取监考子图包中的所有监考子图,并将监考子图包中考试座位编号相同的监考子图按照时间顺序进行排列以得到监考子图序列;
考生映射模块根据考生座位映射信息和监考子图序列的考试座位编号获取该监考子图序列的考生编号,每个监考子图序列对应一个考生;
考生映射模块为监考子图序列标注其对应的考生编号以得到考生监考序列,所述考生监考序列包括若干个按照时间顺序排列的考生监考图;所述考生监考图为标注了考生编号的监考子图;
考生映射模块根据所有考生的考生监考序列得到考生监考序列包;所述考生监考序列包包括若干个按照考试座位分布信息和考试座位编号排序的考生监考序列。
8.根据权利要求7所述的系统,其特征在于,行为识别模块根据考生监考序列包获取行为识别点序列包括:
行为识别模块从考生监考序列中任意选取一个考生监考图作为标识考生监考图,遍历标识考生监考图中的所有像素点,并将正在遍历的像素点作为目标像素点;
行为识别模块根据考生监考序列获取目标像素点随时间变化的序列以得到目标像素序列,并根据目标像素序列获取目标像素点的像素观测值;
行为识别模块将标识考生监考图中所有的像素点按照像素观测值进行排列,并选取像素观测值最大的前第一数量的像素点作为行为识别点;
行为识别模块获取行为识别点的对应像素点的像素序列以得到行为识别点序列。
9.根据权利要求8所述的系统,其特征在于,所述智能监考设备为部署在考场的具有数据传输和通信功能的高清摄像机,其包括枪型摄像机、一体化摄像机、半球形摄像机、鱼眼摄像机和针孔摄像机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528897.5A CN113269063B (zh) | 2021-05-14 | 2021-05-14 | 基于大数据和智慧教育的考试管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528897.5A CN113269063B (zh) | 2021-05-14 | 2021-05-14 | 基于大数据和智慧教育的考试管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269063A CN113269063A (zh) | 2021-08-17 |
CN113269063B true CN113269063B (zh) | 2022-06-03 |
Family
ID=77231083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110528897.5A Active CN113269063B (zh) | 2021-05-14 | 2021-05-14 | 基于大数据和智慧教育的考试管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269063B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116580354B (zh) * | 2023-05-11 | 2023-11-03 | 北京优思安科技有限公司 | 应用模式切换的远程教育监考系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615246A (zh) * | 2009-07-24 | 2009-12-30 | 哈尔滨工程大学 | 面向大型考试的考生身份指纹验证系统 |
CN101763459A (zh) * | 2009-09-01 | 2010-06-30 | 周荣华 | 一种对个体实现远程监考的方法 |
CN102289578A (zh) * | 2011-08-02 | 2011-12-21 | 吉林省高校科研与学位管理学会 | 基于加密识别码的防作弊考试系统及其实现方法 |
CN103136510A (zh) * | 2013-01-17 | 2013-06-05 | 京东方科技集团股份有限公司 | 一种监考系统及方法 |
CN106373054A (zh) * | 2016-08-23 | 2017-02-01 | 周口师范学院 | 一种大学考场座位智能分配方法和设备 |
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 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
CN111417074A (zh) * | 2020-03-26 | 2020-07-14 | 成都佳发安泰教育科技股份有限公司 | 一种基于wifi定位考生位置防止作弊的方法及系统 |
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 |
CN112085883A (zh) * | 2020-09-11 | 2020-12-15 | 安徽中屏科技有限公司 | 一种智慧监考反作弊系统 |
EP3816827A1 (en) * | 2019-10-30 | 2021-05-05 | Tata Consultancy Services Limited | Method and system for securely conducting a digital examination |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890747B (zh) * | 2012-06-15 | 2015-04-22 | 北京理工大学 | 在线考试智能监控方法 |
CN104092505B (zh) * | 2014-07-30 | 2016-02-17 | 厦门大学 | 一种检测和识别考场内开机手机的方法 |
-
2021
- 2021-05-14 CN CN202110528897.5A patent/CN113269063B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615246A (zh) * | 2009-07-24 | 2009-12-30 | 哈尔滨工程大学 | 面向大型考试的考生身份指纹验证系统 |
CN101763459A (zh) * | 2009-09-01 | 2010-06-30 | 周荣华 | 一种对个体实现远程监考的方法 |
CN102289578A (zh) * | 2011-08-02 | 2011-12-21 | 吉林省高校科研与学位管理学会 | 基于加密识别码的防作弊考试系统及其实现方法 |
CN103136510A (zh) * | 2013-01-17 | 2013-06-05 | 京东方科技集团股份有限公司 | 一种监考系统及方法 |
CN106373054A (zh) * | 2016-08-23 | 2017-02-01 | 周口师范学院 | 一种大学考场座位智能分配方法和设备 |
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 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
EP3816827A1 (en) * | 2019-10-30 | 2021-05-05 | Tata Consultancy Services Limited | Method and system for securely conducting a digital examination |
CN111417074A (zh) * | 2020-03-26 | 2020-07-14 | 成都佳发安泰教育科技股份有限公司 | 一种基于wifi定位考生位置防止作弊的方法及系统 |
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 |
CN112085883A (zh) * | 2020-09-11 | 2020-12-15 | 安徽中屏科技有限公司 | 一种智慧监考反作弊系统 |
Non-Patent Citations (1)
Title |
---|
基于视频行为分析的智能监考辅助系统;李春梅等;《科技创新与应用》;20190618(第18期);244-248 * |
Also Published As
Publication number | Publication date |
---|---|
CN113269063A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269063B (zh) | 基于大数据和智慧教育的考试管理系统 | |
CN105405130B (zh) | 基于聚类的证照图像高光检测方法及装置 | |
CN116092199B (zh) | 一种员工工作状态识别方法及识别系统 | |
CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
CN111563449A (zh) | 一种实时课堂注意力检测方法及系统 | |
CN109891519A (zh) | 信息处理装置、信息处理方法和程序 | |
CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
CN115205780A (zh) | 一种工地违规的监控方法、系统、介质及电子设备 | |
CN116958908B (zh) | 监控数据处理方法及系统 | |
CN113269062B (zh) | 应用于智慧教育的人工智能异常识别方法 | |
CN112766095B (zh) | 一种参会人员投入度评价系统及其评价方法 | |
CN116343100B (zh) | 一种基于自监督学习的目标识别方法及系统 | |
Jeelani et al. | Real-world mapping of gaze fixations using instance segmentation for road construction safety applications | |
CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
CN113095259A (zh) | 远程在线课程教学管理方法 | |
CN107422842A (zh) | 一种信息处理方法及装置 | |
CN114154032A (zh) | 变电站三维可视化立体巡检方法、系统、装置及存储介质 | |
JP2020095651A (ja) | 生産性評価システム、生産性評価装置、生産性評価方法、及びプログラム | |
CN113867532A (zh) | 一种基于虚拟现实技能训练的评估系统及评估方法 | |
CN110135292B (zh) | 一种基于虚拟现实技术的非物质文化遗产展示系统 | |
CN114494427A (zh) | 一种对吊臂下站人的违规行为检测方法、系统及终端 | |
CN113468250A (zh) | 热力图生成方法、装置、设备及存储介质 | |
CN116682041B (zh) | 教学及考试用智能辅助卡及其控制系统 | |
CN116913007B (zh) | 基于自助体检机的多端交互方法及装置 | |
CN112101123B (zh) | 一种注意力检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220512 Address after: 213002 floor 8, Hehai business building, No. 89, Huanghe East Road, Xinbei District, Changzhou City, Jiangsu Province Applicant after: Changzhou Yixue Network Technology Co.,Ltd. Address before: 610200 IOT sensing technology park, IOT West Street, IOT Industrial Park, Gongxing Town, Chengdu, Sichuan Applicant before: Peng Hao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |