CN116524435A - 基于电子围栏的在线监考方法及相关设备 - Google Patents

Abstract

本申请提供一种基于电子围栏的在线监考方法及相关设备，所述方法包括：获取考生的标准姿态图像，根据标准姿态图像得到考生的电子围栏；每间隔预设时间获取考生的实时姿态图像；对实时姿态图像进行人体骨骼点检测，得到实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标；通过比对每个人体骨骼点的像素坐标与电子围栏对考生进行在线监控。上述方法能够精准地识别出考生发生异常行为的情况，能进一步深度挖掘监考视频中的隐含信息，提高监考效率，及时对考生的异常行为进行监控。

Description

基于电子围栏的在线监考方法及相关设备

技术领域

本申请涉及监控技术领域，具体涉及基于电子围栏的在线监考方法及相关设备。

背景技术

随着网络技术的发展，在线考试平台已经在各行业被广泛使用。随着线上考试的普及，线上考试监考也越来越值得关注。

目前最普遍的线上考试监考方法是在考场安装监控设备，由监考人员对学生面部行为和视觉行为进行人工判别，根据屏幕前人脸是否变化来判断是否存在擅自离场、替考或多人考试等作弊行为。上述监考方法中考场中的监控设备只能起到记录考试过程的作用，监考工作主要还是通过人工的方式。

随着考生数量的增加，监考人员对监控画面的审查工作会变得愈发繁重，特别是审查实时视频时，监考人员很难对大量的考生画面进行实时高效的监控。

发明内容

鉴于此，本申请提供一种基于电子围栏的在线监考方法及相关设备，可以解决监考过程中无法智能识别考生异常行为的问题。

本申请第一方面提供一种基于电子围栏的在线监考方法，所述方法包括：获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏；每间隔预设时间获取所述考生的实时姿态图像；对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标；通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

本申请实施例提供的基于电子围栏的在线监考方法，首先，根据考生的标准姿态图像得到考生的电子围栏，然后，通过对考生的实时姿态图像进行人体骨骼点检测，获取考生全局的人体骨骼点，最后，将每个人体骨骼点与电子围栏进行比对，根据比对结果对考生进行在线监控。上述方法中，若考生的人体骨骼点在电子围栏之外，表明考生存在异常行为，通过结合考生全局的人体骨骼点与电子围栏的比对对考生的潜在异常行为进行监控，能够精准地识别出考生发生异常行为的情况，能进一步深度挖掘监考视频中隐含信息，提高监考效率，及时对考生的异常行为进行监控，为考生营造更好的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

在其中一实施例中，所述对所述考生进行在线监控包括若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

在其中一实施例中，所述对所述考生进行在线监控包括：若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；存储所述异常骨骼点；对所述异常骨骼点进行细粒度划分，得到所述异常骨骼点对应的人体部位；基于所述异常骨骼点对应的人体部位的预设越界分数得到所述考生的累计越界分数；若所述累计越界分数大于预设的分数阈值，输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端，以供所述监考人员对所述考生的违规情况进行判罚。

在其中一实施例中，所述人体部位为头部、肩膀、手部、腿部、脚部中的一者。

在其中一实施例中，所述电子围栏包括平面电子围栏和垂直电子围栏，所述对所述考生进行在线监控包括：将每个所述人体骨骼点的像素坐标分别与所述平面电子围栏和所述垂直电子围栏进行比对；若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述平面电子围栏之外，和/或，所述任意一个人体骨骼点的像素坐标在所述垂直电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

在其中一实施例中，所述根据所述标准姿态图像得到所述考生的电子围栏包括：对所述标准姿态图像进行背景差分处理，得到所述标准姿态图像中所述考生的身体的掩膜图像；对所述掩膜图像进行多次膨胀，得到所述考生的电子围栏。

在其中一实施例中，所述根据所述标准姿态图像得到所述考生的电子围栏还包括：对所述掩膜图像进行深度估计，得到所述掩膜图像的深度估计信息；根据所述深度估计信息获取所述考生距离主机的最远距离和最近距离；对所述最远距离和所述最近距离分别增加预设偏移量，得到所述垂直电子围栏。

本申请第二方面提供一种基于电子围栏的在线监考装置，包括：第一获取模块，用于获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏；第二获取模块，用于每间隔预设时间获取所述考生的实时姿态图像；人体检测模块，用于对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标；异常监控模块，用于通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

本申请第三方面提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；处理器，执行所述至少一个指令以实现如上述实施例所述的基于电子围栏的在线监考方法。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如上述实施例所述的基于电子围栏的在线监考方法。

附图说明

图1是本申请实施方式提供的一种基于电子围栏的在线监考方法的应用场景图。

图2是本申请实施方式提供的一种基于电子围栏的在线监考方法的流程图。

图3是本申请一实施例提供的一种基于电子围栏的在线监考方法的监控场景图。

图4是本申请一实施例提供的步骤S400的部分细化流程图。

图5是本申请又一实施例提供的步骤S400的部分细化流程图。

图6是本申请又一实施例提供的步骤S400的部分细化流程图。

图7是本申请又一实施例提供的一种基于电子围栏的在线监考方法的监控场景图。

图8是本申请实施例提供的一种基于电子围栏的在线监考装置的示意图。

图9是本申请实施例提供的一种电子设备的示意图。

主要元件符号说明

考生终端 10

主机 11

辅机 12

监考终端 30

在线监考装置 100

第一获取模块 110

第二获取模块 120

人体检测模块 130

异常监控模块 140

电子设备 20

存储器 21

处理器 22

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述在一个实施例中实施例的目的，不是旨在于限制本申请。

需要说明的是，本申请中“至少一个”是指一个或者多个，“多个”是指两个或多于两个。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

另外需要说明的是，本申请实施例中公开的方法或流程图所示出的方法，包括用于实现方法的一个或多个步骤，在不脱离权利要求的范围的情况下，多个步骤的执行顺序可以彼此互换，其中某些步骤也可以被删除。

下面将结合附图对一些实施例做出说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

目前大部分的线上考试都依靠双机位或多机位模式配置多个拍摄装置进行拍摄，其中一个机位拍摄考试者的正面，另外一个或多个机位拍摄考试者的周边环境，通过监考人员审查多设备拍摄的录制视频或实时画面对考试是否违规进行判断。

然而，随着考生数量的增加，监考人员对多设备的监控画面的审查工作会变得愈发繁重，特别是审查实时流视频时，监考人员很难对大量的考生画面进行的实时监控。因此，线上考试需要一种对考生进行行为约束并能对异常行为进行报警的方法来减轻监考人员的负担。

为解决上述问题，本申请实施例提供了一种基于电子围栏的在线监考方法，能够精准地识别出考生发生异常行为的情况，能进一步深度挖掘监考视频中隐含信息，提高监考效率，及时对考生的异常行为进行监控。

图1是本申请实施例提供的一种基于电子围栏的在线监考方法的应用场景图。

本申请实施例提供的在线监考方法可应用在由互相之间通讯连接的考生终端10和监考终端30所构成的场景中。考生终端10用于对考生的异常行为进行检测，并在检测到异常行为时发送异常信息至监考终端30。监考终端30用于为监考人员提供监考视频和异常信息。在一个实施例中，考生终端10可以是手机、计算机设备、摄像头等具有摄像功能和通信功能的终端设备，监考终端30可以是手机、计算机设备、大屏等具有通信功能和显示功能的终端设备，实际应用中对考生终端10和监考终端30的设备形态不进行限定。

在本实施例中，考生终端10可以包括主机11和辅机12，其中，主机11设置于考生的正前方，用于对考生异常行为进行检测，辅机12设置于考生的侧方，用于对考生的周围环境进行监控。

图2是本申请实施例提供的一种基于电子围栏的在线监考方法的流程图。上述方法应用于考生终端10，例如，图1所示的主机11。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

具体地，上述在线监考方法包括：

S100，获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏。

在一实施例中，主机11在执行步骤S100前，可以提示考生考试开始，考生确认考试开始后，主机11会弹出提示学生在预设时间例如5秒内保持考试的标准坐姿，5秒后拍摄一张考生的标准姿态图像。然后，主机11对标准姿态图像进行背景差分处理，得到标准姿态图像中考生的身体的掩膜图像。主机11对掩膜图像进行多次膨胀，得到考生的电子围栏。具体地，作为一示例，在对掩膜图像进行膨胀处理时，主机11将像素为1的区域作为人体区域，将像素为0的区域作为非人体区域。主机11对掩膜图像进行膨胀N次得到该考生对应的电子围栏。例如，N可以为1000，也就是说，对掩膜图像进行膨胀1000次可以得到考生的电子围栏。

上述实施例中，采用人像抠图技术针对图像中人体生成透明度掩膜，只保留人体部分，去掉背景部分。图像膨胀涉及一种图像形态学处理算法，可以增大亮区。电子围栏表示为由一系列点围成的区域，可被理解为考生在考试过程中的活动范围。在本实施例中，电子围栏也即是对掩膜图像进行多次膨胀后所获得的图像。

S200，每间隔预设时间获取所述考生的实时姿态图像。

例如，预设时间可以为1秒，主机11每隔1秒获取一次考生的实时姿态图像，实际应用中不局限于此，可根据考试类型/考试内容等进行设置与调整。

S300，对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标。

具体地，主机11以实时姿态图像作为Alphapose模型的输入数据，然后Alphapose模型利用输入数据进行人体骨骼点的识别，最终识别出多个人体骨骼点及每个人体骨骼点的像素坐标。上述Alphapose模型采用自上而下的方法,先使用物体探测器Faster R-CNN(faster region-based convolutional neural network)检测出实时姿态图像中考生的人体区域,再采用单人姿态估计(single-person poseestimator，SPPE)算法对检测到的考生的人体区域进行骨骼点检测，最终识别出多个人体骨骼点及每个人体骨骼点的像素坐标。

S400，通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

具体地，主机11确定电子围栏区域的像素坐标范围，根据每个人体骨骼点的像素坐标，判断每个人体骨骼点是否都在电子围栏之外。例如，如果所有人体骨骼点都不在电子围栏之外，则认为考生没有异常行为，考试继续正常进行，如图3的a所示。

例如，如果一人体骨骼点的像素坐标位于电子围栏的边缘线或电子围栏的内部，都表明该人体骨骼点不在电子围栏之外。

上述实施例提供的在线监考方法，首先，根据考生的标准姿态图像得到考生的电子围栏，然后，通过对考生的实时姿态图像进行人体骨骼点检测，获取考生全局的人体骨骼点，最后，将每个人体骨骼点与电子围栏进行比对，根据比对结果对考生进行在线监控。上述方法中考生的人体骨骼点在电子围栏之外，表明考生存在异常行为，通过结合考生全局的人体骨骼点与电子围栏的比对对考生的潜在作弊行为进行监控，能够精准地识别出考生发生异常行为的情况，能进一步深度挖掘监考视频中的隐含信息，提高监考效率，及时对考生的异常行为进行监控，为考生营造更好的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

图4是本申请一实施例提供的对图2中的步骤S400的部分细化流程图。具体地，步骤S400中对所述考生进行在线监控包括：

S410，若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点。

具体地，若在检测过程中，所述多个人体骨骼点中存在任意一个人体骨骼点的像素坐标在电子围栏之外，如图3的b和c所示，表明考生存在异常行为，则确定在电子围栏之外的人体骨骼点为异常骨骼点。

S411，输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端，以供所述监考人员对所述考生的违规情况进行判罚。

具体地，若在检测过程中，检测出多个人体骨骼点中存在任意一个人体骨骼点的像素坐标在电子围栏之外时，主机11输出包括规范姿势的提示信息，以提示考生保持规范姿势，例如，主机11的显示界面弹出“请规范坐姿”的提示信息、输出“请规范坐姿”的语音提示信息，同时，发送包括异常骨骼点的异常信息至监考人员的监考终端30，以供监考人员对该考生进行重点观察，监考人员结合主机11和辅机12提供的监控视频判断考生的违规程度，并根据考生的违规程度对考生进行提醒或处罚，对于违规程度严重的考生可以直接终止考试，例如，异常信息可以包括出现异常骨骼点的考生信息、异常骨骼点的信息、出现异常骨骼点的考生的监控视频。

上述实施例提供的在线监考方法，对所有异常骨骼点一视同仁，不考虑异常骨骼点是人体的哪个部位，检测出任意一个人体骨骼点的像素坐标在电子围栏之外时立即向教师终端发送异常报警，能够全面识别出考生发生异常行为的情况，及时对考生的异常行为进行监控，为考生营造更严格的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

图5是本申请又一实施例提供的针对图2中的步骤S400的部分细化流程图。具体地，对所述考生进行在线监控包括：

S420，若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点。

具体地，若在检测过程中，多个人体骨骼点中存在任意一个人体骨骼点的像素坐标在电子围栏之外，如图3的b和c所示，表明考生存在异常行为，则确定在电子围栏之外的人体骨骼点为异常骨骼点。

S421，存储所述异常骨骼点。

具体地，主机对在电子围栏之外的异常骨骼点进行暂存，例如，存储出现异常骨骼点的图像信息。

S422，对所述异常骨骼点进行细粒度划分，得到所述异常骨骼点对应的人体部位。

具体地，对所述异常骨骼点进行细粒度划分的方法包括：首先，利用预设人体区块先在实时姿态图像中检测出异常骨骼点所在位置，得到目标区块，再检测出预设人体区块中有区分性的区域位置，再将目标区块及区分性的预设人体区块同时送入CNN分类，得出异常骨骼点对应的人体部位。例如，人体部位为头部、肩膀、手部、腿部、脚部中的一者。

S423，基于所述异常骨骼点对应的人体部位的预设越界分数得到所述考生的累计越界分数。

在本申请一实施例中，可以预先设置人体部位的预设越界分数，通过预设人体部位的预设越界分数可以计算出现异常骨骼点的考生的累计越界分数，例如，人体部位的预设越界分数的划分规则为：头部的异常骨骼点的越界分数为40，肩膀的异常骨骼点的越界分数为10，手部的异常骨骼点的越界分数为30，腿部的异常骨骼点的越界分数为10，脚部的异常骨骼点的越界分数为10。

在一些实施例中，如图3的b所示，考生的头部的异常骨骼点为3个，则此时累计越界分数为3*40＝120。

在一些实施例中，如图3的c所示，考生的头部的异常骨骼点为1个，生的手部的异常骨骼点为3个，则此时累计越界分数为1*40+3*30＝130。

S424，若所述累计越界分数大于预设的分数阈值，输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端，以供所述监考人员对所述考生的违规情况进行判罚。

例如，分数阈值为60，则图3的b和c所示场景中，累计越界分数均已大于60，则主机11输出包括规范姿势的提示信息，以提示考生保持规范姿势，例如，主机11的显示界面弹出“请规范坐姿”的提示信息、输出“请规范坐姿”的语音提示信息，同时，发送包括异常骨骼点的异常信息至监考人员的监考终端30，以供监考人员对该考生进行重点观察，监考人员结合主机11和辅机12提供的监控视频判断考生的违规程度，并根据考生的违规程度对考生进行提醒或处罚，对于违规程度严重的考生可以直接终止考试，例如，异常信息可以包括出现异常骨骼点的考生信息、异常骨骼点的信息、出现异常骨骼点的考生的监控视频。

上述实施例提供的在线监考方法，按照人体部位作弊的可能性大小对人体的不同部位的异常骨骼点赋予不同的越界分数，对异常骨骼点的越界分数进行累加，累计越界分数大于预设的分数阈值时向教师终端发送异常报警，能够根据实际情况精准识别出考生发生异常行为的情况，及时对考生的异常行为进行监控，为考生营造更严格的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

图6是本申请又一实施例提供的针对图2中步骤S400的部分细化流程图。在本实施例中，电子围栏包括平面电子围栏和垂直电子围栏。

在一实施例中，主机11获取垂直电子围栏的方法包括：对掩膜图像进行深度估计，得到所述掩膜图像的深度估计信息。根据所述深度估计信息获取所述考生距离主机11的最远距离和最近距离；对所述最远距离和所述最近距离分别增加预设偏移量，得到所述垂直电子围栏。

在一实施例中，主机11获取平面电子围栏的方法包括：对标准姿态图像进行背景差分处理，得到标准姿态图像中考生的身体的掩膜图像，然后对掩膜图像进行多次膨胀，得到考生的平面电子围栏。

具体地，对所述考生进行监控包括：

S430，将每个所述人体骨骼点的像素坐标分别与所述平面电子围栏和所述垂直电子围栏进行比对。

具体地，比对每个人体骨骼点的像素坐标是否在平面电子围栏之外；若多个人体骨骼点的像素坐标都不在平面电子围栏之外，还需要将每个人体骨骼点的像素坐标与垂直电子围栏进行比对；若多个人体骨骼点的像素坐标存在任意一个人体骨骼点的像素坐标在平面电子围栏之外，则不需要将该任意一个人体骨骼点的像素坐标与垂直电子围栏进行比对，直接确定该任意一个人体骨骼点的像素坐标为异常骨骼点。

S431，若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述平面电子围栏，和/或，所述任意一个人体骨骼点的像素坐标在所述垂直电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点。

具体地，如果任意一个人体骨骼点的像素坐标在水平电子围栏之外或任意一个人体骨骼点的像素坐标在垂直电子围栏之外，则确定该任意一个人体骨骼点为异常骨骼点。

例如，图7的b和c所示，存在人体骨骼点的像素坐标在平面电子围栏之外，则确定图7的b和c中在平面电子围栏之外的人体骨骼点为异常骨骼点。

例如，图7的B和C所示，存在人体骨骼点的像素坐标在垂直电子围栏之外，则确定图7的B和C在平面电子围栏之外的人体骨骼点为异常骨骼点。S432，输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

具体地，主机11输出包括规范姿势的提示信息，以提示考生保持规范姿势，例如，主机11的显示界面弹出“请规范坐姿”的提示信息、输出“请规范坐姿”的语音提示信息，同时，发送包括异常骨骼点的异常信息至监考人员的监考终端30，以供监考人员对该考生进行重点观察，监考人员结合主机11和辅机12提供的监控视频判断考生的违规程度，并根据考生的违规程度对考生进行提醒或处罚，对于违规程度严重的考生可以直接终止考试，例如，异常信息可以包括出现异常骨骼点的考生信息、异常骨骼点的信息、出现异常骨骼点的考生的监控视频。

在一些实施例中，若所述多个人体骨骼点像素坐标全部都在所述平面电子围栏内，如图7的a所示，且，所述多个人体骨骼点像素坐标全部都在所述垂直电子围栏内，如图7的A所示，则认为考生没有异常行为，考试继续正常进行。上述实施例提供的在线监考方法，基于深度估计将考生的电子围栏拓展到了三维空间，以平面电子围栏和垂直电子围栏同时对考生进行约束，能够更精准识别出考生发生异常行为的情况，及时对考生的异常行为进行监控，为考生营造更严格的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

在一些实施例中，主机11和辅机12可以将对考生的监控视频上传至服务器(图未示)，服务器对主机11提供的多个监控视频同时进行人体骨骼点检测。若没有发现有异常行为则自动认为考生的该场考试有效。若发现某个考生有异常行为，审查人员或监考人员根据主机11和辅机12提供的监控视频重点对该学生进行观察，如果确认不存在作弊行为则该考生的考试有效，否则认定该考生的考试结果无效。

上述实施例中，将异常行为的检测移到了服务器端，方便考试后对考试过程进行抽检，为考生营造更严格的、更公平的考试环境。

图8是本申请实施例提供的一种基于电子围栏的在线监考装置100的示意图，具体地，该在线监考装置100包括：第一获取模块110、第二获取模块120、人体检测模块130、异常监控模块140。

具体地，第一获取模块110用于获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏。第二获取模块120用于每间隔预设时间获取所述考生的实时姿态图像。人体检测模块130用于对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标。异常监控模块140用于通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

可以理解的是，以上所描述的模块划分，为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能模块可以集成在相同处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在相同单元中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

上述实施例提供的在线监考装置，首先，第一获取模块110根据考生的标准姿态图像得到考生的电子围栏，然后，人体检测模块130对第二获取模块120获取的考生的实时姿态图像进行人体骨骼点检测，获取考生全局的人体骨骼点，最后，异常监控模块140将每个人体骨骼点与电子围栏进行比对，根据比对结果对考生进行在线监控。上述系统中考生的人体骨骼点在电子围栏之外，表明考生存在异常行为，通过结合考生全局的人体骨骼点与电子围栏的比对对考生的潜在作弊行为进行监控，能够精准地识别出考生发生异常行为的情况，能进一步深度挖掘监考视频中的隐含信息，提高监考效率，及时对考生的异常行为进行监控，为考生营造更好的、更公平的考试环境，为监考人员提供更高效、更智能的实时监考技术。

图9是本申请实施例提供的一种电子设备20的示意图。

在本申请的一个实施例中，电子设备20包括，但不限于，存储器21、处理器22。所述电子设备20可以作为考生终端10的主机11。存储器21存储至少一个指令，处理器22执行存储器21存储的至少一个指令，以实现上述实施例的基于电子围栏的在线监考方法。

示例性的，指令可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器21中，并由处理器22执行。一个或多个模块/单元可以是能够完成特定功能的一系列指令段，指令段用于描述指令在电子设备20中的执行过程。例如，可以分割成图8所示的第一获取模块110、第二获取模块120、人体检测模块130、异常监控模块140。

电子设备20可以是桌上型计算机、笔记本、掌上电脑、工业电脑、平板电脑、服务器等计算设备。本领域技术人员可以理解，示意图仅仅是电子设备20的示例，并不构成对电子设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备20还可以包括输入输出设备、网络接入设备、总线等。

处理器22可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programm第二虚拟图像le Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器21可用于存储计算机程序和/或模块，处理器22通过运行或获取存储在存储器21内的计算机程序和/或模块，以及调用存储在存储器21内的数据，实现在线监考装置100的各种功能。存储器21可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如图像获取功能、图像检测功能等)等；存储数据区可存储根据在线监考装置100的使用所创建的数据等。此外，存储器21可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

存储器21可以是在线监考装置100的外部存储器和/或内部存储器。进一步地，存储器21可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等。

本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有至少一个指令，至少一个指令被电子设备20中的处理器22执行，以实现如上述实施例的基于电子围栏的在线监考方法。

存储器21中的程序代码和各种数据如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，例如在线监考方法，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于计算机可读存储介质中，计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)等。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。

最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (10)

1.一种基于电子围栏的在线监考方法，其特征在于，所述方法包括：

获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏；

每间隔预设时间获取所述考生的实时姿态图像；

对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标；

通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

2.如权利要求1所述的基于电子围栏的在线监考方法，其特征在于，所述对所述考生进行在线监控包括：

若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；

输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

3.如权利要求1所述的基于电子围栏的在线监考方法，其特征在于，所述对所述考生进行在线监控包括：

若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；

存储所述异常骨骼点；

对所述异常骨骼点进行细粒度划分，得到所述异常骨骼点对应的人体部位；

基于所述异常骨骼点对应的人体部位的预设越界分数，得到所述考生的累计越界分数；

若所述累计越界分数大于预设的分数阈值，输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

4.如权利要求3所述的基于电子围栏的在线监考方法，其特征在于，所述人体部位为头部、肩膀、手部、腿部、脚部中的一者。

5.如权利要求1所述的基于电子围栏的在线监考方法，其特征在于，所述电子围栏包括平面电子围栏和垂直电子围栏，所述对所述考生进行在线监控包括：

将每个所述人体骨骼点的像素坐标分别与所述平面电子围栏和所述垂直电子围栏进行比对；

若所述多个人体骨骼点中的任意一个人体骨骼点的像素坐标在所述平面电子围栏之外，和/或，所述任意一个人体骨骼点的像素坐标在所述垂直电子围栏之外，确定所述任意一个人体骨骼点为异常骨骼点；

输出包括规范姿势的提示信息，并发送包括所述异常骨骼点的异常信息至监考人员的监考终端。

6.如权利要求5所述的基于电子围栏的在线监考方法，其特征在于，所述根据所述标准姿态图像得到所述考生的电子围栏包括：

对所述标准姿态图像进行背景差分处理，得到所述标准姿态图像中所述考生的身体的掩膜图像；

对所述掩膜图像进行多次膨胀，得到所述考生的电子围栏。

7.如权利要求6所述的基于电子围栏的在线监考方法，其特征在于，所述根据所述标准姿态图像得到所述考生的电子围栏还包括：

对所述掩膜图像进行深度估计，得到所述掩膜图像的深度估计信息；

根据所述深度估计信息获取所述考生距离主机的最远距离和最近距离；

对所述最远距离和所述最近距离分别增加预设偏移量，得到所述垂直电子围栏。

8.一种基于电子围栏的在线监考装置，其特征在于，包括：

第一获取模块，用于获取考生的标准姿态图像，根据所述标准姿态图像得到所述考生的电子围栏；

第二获取模块，用于每间隔预设时间获取所述考生的实时姿态图像；

人体检测模块，用于对所述实时姿态图像进行人体骨骼点检测，得到所述实时姿态图像中的多个人体骨骼点及每个人体骨骼点的像素坐标；

异常监控模块，用于通过比对所述每个人体骨骼点的像素坐标与所述电子围栏对所述考生进行在线监控。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储至少一个指令；

处理器，执行所述至少一个指令以实现如权利要求1至7中任意一项所述的基于电子围栏的在线监考方法。

10.一种计算机可读存储介质，其特征在于：

所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行，以实现如权利要求1至7中任意一项所述的基于电子围栏的在线监考方法。