CN116580432A - 一种在线考试监控方法、系统、计算设备及存储介质 - Google Patents
一种在线考试监控方法、系统、计算设备及存储介质 Download PDFInfo
- Publication number
- CN116580432A CN116580432A CN202310229500.1A CN202310229500A CN116580432A CN 116580432 A CN116580432 A CN 116580432A CN 202310229500 A CN202310229500 A CN 202310229500A CN 116580432 A CN116580432 A CN 116580432A
- Authority
- CN
- China
- Prior art keywords
- examinee
- examination
- face
- abnormal
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 82
- 230000006399 behavior Effects 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000009471 action Effects 0.000 claims abstract description 13
- 210000001747 pupil Anatomy 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000209202 Bromus secalinus Species 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- JTSDBFGMPLKDCD-XVFHVFLVSA-N tilmicosin Chemical compound O([C@@H]1[C@@H](C)[C@H](O)CC(=O)O[C@@H]([C@H](/C=C(\C)/C=C/C(=O)[C@H](C)C[C@@H]1CCN1C[C@H](C)C[C@H](C)C1)CO[C@H]1[C@@H]([C@H](OC)[C@H](O)[C@@H](C)O1)OC)CC)[C@@H]1O[C@H](C)[C@@H](O)[C@H](N(C)C)[C@H]1O JTSDBFGMPLKDCD-XVFHVFLVSA-N 0.000 description 1
- 229960000223 tilmicosin Drugs 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V40/10—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种在线考试监控方法，考生在配置有在线考试平台的计算设备上登录在线考试界面，该方法包括：对考生身份信息进行实名认证；实时获取考生人脸图像和考试环境图像；对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间；对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作；当人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值、考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断考生是否存在作弊行为。本方案能够有效减少考生在线考试过程中的作弊行为。
Description
技术领域
本发明涉及视频监控技术领域，尤其是涉及一种在线考试监控方法、系统、计算设备及存储介质。
背景技术
随着信息技术在教学中的普及以及后疫情时代远程教育的现实需求，在线考试已经成为新常态。为了加强在线考试过程监控，通常采用摄像头抓拍的方式进行监考，以防止考生在考生过程中的作弊行为。
现有技术中利用人脸识别技术确认应试者是否为考生本人，考试过程中，摄像头实时动态抓取考生照片进行比对识别，对考生异常行为进行智能识别，并可通过APP或计算机考试系统进行回放，确保每场考试的监考结果有据可查，保证考试的公平公开。但是现有的在线考试监控系统对于考试环境的监控不全面，尤其对于非集中组织的在线考试，面对层出不穷的网络作弊形式，缺乏一全面可靠在线考试监控方法，以减少考试作弊行为。
因此，需要一种在线考试监控方法，能够提高监控内容的全面性和考试过程中异常信息检测的准确性，以解决现有技术中存在的缺陷。
发明内容
针对现有技术中的缺陷，本方案提供了一种在线考试监控方法、系统、计算设备及存储介质，能够扩大在线考试监控的应用场景，通过多种识别技术提高考试过程中异常信息检测的全面性和准确性。
根据本发明的第一方面，提供了一种在线考试监控方法，考生在配置有在线考试平台的计算设备上登录在线考试界面，首先，对考生身份信息进行实名认证。然后，实时获取考生人脸图像和考试环境图像。
接着，对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间；以及，对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作。
最后，当人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则、考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断考生是否存在作弊行为。。
通过采用上述技术方案，基于人脸识别技术对考生身份进行认证，可以避免代考现象。通过对考试过程中人脸图像和考试环境图像进行多目标识别和异常动作识别，能够减少考试过程中考生作弊行为。通过将监控视频实时上传到监控终端，便于对异常信息的考生监控视频进行调取判断是否存在作弊行为，能够为作弊行为的判断提供可靠的数据支撑。
可选地，在上述方法中，考生身份信息包括身份证号、考试编号、照片、指纹，在线考试平台预先存储有考生的身份信息，可以接收考生在在线考试界面输入的身份证号、考试编号和实时采集的考生照片和指纹；然后，将考生输入的信息与预先存储在数据库中的身份信息进行比对，判断是否是考生本人，如果是考生本人，则认证成功；如果不是考试本人则认证失败。
通过对多种唯一标志性的特征对考生进行身份认证，能够提高身份信息认证的可靠性。
可选地，在上述方法中，对获取的考生人脸图像进行预处理；获取预处理后的考生人脸图像中的人脸特征信息，人脸特征信息包括左瞳孔坐标、右瞳孔坐标、鼻子坐标、嘴唇坐标和面部轮廓坐标；根据人脸特征信息与基准人脸特征信息之间的几何关系，确定人脸偏转角度；以及通过计时设备获取人脸偏转时间。
可选地，在上述方法中，考试环境图像至少包括在线考试页面图像和考生周围环境图像，可以通过在线考试平台按照预设帧率采集在线考试页面图像，在线考试平台还适于对外接程序或外接设备进行检测；通过按照预设规则设置的全方位摄像头以预设采集频率获取考生人脸图像、考生周围环境图像。
可选地，在上述方法中，基于YOLO算法对实时获取的考生周围环境图像进行多目标识别和动作识别，获得第一识别结果；基于YOLO算法对预设的考生周围环境图像进行多目标识别和动作识别，获取第二识别结果；将第一识别结果和第二识别结果进行比对，判断实时获取的考生周围环境图像中是否存在异常物体或异常动作。
可选地，在上述方法中，还可以通过语音识别设备采集考生的语音信息，判断考生是否通过语音传递作弊信息；当检测到考生通过语音传递作弊信息时，生成异常提醒信息，并将异常提醒信息发送至监考终端。
可选地，在上述方法中，当判断考生存在作弊行为时，则通过服务器关闭该考生的在线考试页面，强制提交试卷，并在考生信息中添加作弊标记。
第二方面，本申请提供一种在线考试监控系统，包括：
身份认证模块，用于对考生身份信息进行实名认证；
图像获取模块，用于实时获取考生人脸图像和考试环境图像；
特征检测模块，用于对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间；
识别模块，用于对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作；
异常提醒模块，用于在人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则、考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断考生是否存在作弊行为。
第三方面，本申请提供一种计算设备，采用如下技术方案：
一种计算设备，包括存储器、处理器以及储存在存储器上并可在处理器上运行的计算机程序，处理器执行如第一方面中任一所述的在线考试监控方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，包括存储有能够被处理器加载并执行如第一方面任一种在线考试监控方法的计算机程序。
通过上述方案，通过人脸识别技术、多目标识别技术和异常动作识别技术，从多角度对考试过程进行监控，以减少考生作弊行为；按照预设规则对监控视频进行检测可以确保监控内容的有效性，通过对人脸偏转角度和考生异常动作或周围环境中的异常物体进行检测，可以为监考人员判断考生是否作弊提供数据支撑，便于追溯。
附图说明
图1示出了根据本发明一个实施例的计算设备100的结构图；
图2示出了根据本发明一个实施例的在线考试监控方法200的流程示意图；
图3示出了根据本发明一个实施例的在线考试监控系统300的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在线考试可分为居家模式和集中组织模式，为了应对在线考试作弊行为，在线考试平台会在考试中融合双视角对考生进行监控，例如通过录屏和外部摄像头同时监控，将面部监控和环境监控结合等。但实际应用中，作弊行为往往无孔不入，例如通过后台网页、外接屏幕、视角盲区等方式进行作弊，影响考试公平性。
为了提高在线考试的公平性，本方案提供一种在线考试监控方法和系统，能够适用于居家在线考试模式和集中组织在线考试模式，提高作弊行为监测的全面性和准确性。
本申请实施例公开一种计算设备，包括存储器、处理器以及储存在存储器上并可在处理器上运行的计算机程序，处理器本发明提供的在线考试监控方法。图1示出了根据本发明一个实施例的计算设备100的结构图。如图1所示，在基本配置102中，计算设备100典型地包括存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理器，包括但不限于：微处理器（µP）、微控制器（µC）、数字信息处理器（DSP）或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元（ALU）、浮点数单元（FPU）、数字信号处理核心（DSP核心）或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，存储器106可以是任意类型的存储器，包括但不限于：易失性存储器（诸如RAM）、非易失性存储器（诸如ROM、闪存等）或者它们的任何组合。计算设备中的物理内存通常指的是易失性存储器RAM，磁盘中的数据需要加载至物理内存中才能够被处理器104读取。存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。操作系统120例如可以是Linux、Windows等，其包括用于处理基本系统服务以及执行依赖于硬件的任务的程序指令。应用122包括用于实现各种用户期望的功能的程序指令，应用122例如可以是浏览器、即时通讯软件、软件开发工具（例如集成开发环境IDE、编译器等）等，但不限于此。当应用122被安装到计算设备100中时，可以向操作系统120添加驱动模块。
在计算设备100启动运行时，处理器104会从存储器106中读取操作系统120的程序指令并执行。应用122运行在操作系统120之上，利用操作系统120以及底层硬件提供的接口来实现各种用户期望的功能。当用户启动应用122时，应用122会加载至存储器106中，处理器104从存储器106中读取并执行应用122的程序指令。
计算设备100还包括储存设备132，储存设备132包括可移除储存器136和不可移除储存器138，可移除储存器136和不可移除储存器138均与储存接口总线134连接。
计算设备100还可以包括有助于从各种接口设备（例如，输出设备142、外设接口144和通信设备146）到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备（例如，键盘、鼠标、笔、语音输入设备、触摸输入设备）或者其他外设（例如打印机、扫描仪等）之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信接口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频（RF）、微波、红外（IR）或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。在根据本发明的计算设备100中，应用122包括用于执行本发明的在线考试监控方法200的指令。
本申请实施例公开一种计算机可读存储介质，包括存储有能够被处理器加载并执行本方案在线考试监控方法200的计算机程序。
其中，该计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用；计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
为了执行本方案所提供的的在线考试监控方法，计算设备100上预先安装或配置有在线考试平台，提供在线考试登录界面和考试界面，在考试过程中，在线考试平台对考试计算机进行全屏锁屏，禁止与考试无关的其他一切操作，并可以对考生考试界面进行录屏。
为了防止考生通过外接程序或外接设备进行作弊，例如，外接程序可以是远程共享屏幕、远程控制程序、即时通讯程序等，外接设备可以是外接显示器、存储设备、网络设备等。在线考试平台可以对外接程序或外接设备进行检测，当检测到外接远程程序或外接设备时可以对外接程序或外接设备进行屏蔽或者强制停止考试。
图2示出了根据本发明一个实施例的在线考试监控方法200的流程示意图。考生在配置有在线考试平台的计算设备上登录在线考试界面，如图2所示，该方法始于步骤S210，对考生身份信息进行实名认证。
其中，考生身份信息包括身份证号、考试编号、照片、指纹等。在线考试平台中预先存储有考生的身份信息，由于身份证号、考试编号、照片、指纹、虹膜特征等与学生本人是一对一的关系，因此通过对身份证号、考试编号、照片、指纹、虹膜等多方面进行验证可以保证参加考试的人员是考生本人，避免代考行为。
其中，考生照片是考试登录在线考试平台时采集的图像，在对考生照片进行验证时，可以先对照片进行预处理，例如，系统采集的人脸图像可能会受到环境、光照、遮挡等多种条件的干扰，可以对采集的人脸图像进行灰度校正、光线补偿、直方图均衡、锐化等处理。然后，提取人脸图像中的特征点，通过人脸特征单计算欧氏距离、曲率和角度，完成人脸建模；最后，将处理后的人脸图像和数据库中预先存储的考生照片进行特征对比，计算出相似度，根据相似度判断是否是考生本人。
例如，如果相似度大于95%，则可以认为是考生本人。如果相似度低于95%，可以重新采集考生照片进行人脸对比，如果超过3次相似度都低于95%则可认为非考生本人。
为了提高身份信息验证的准确性，可以通过指纹识别技术和虹膜识别技术分别对考生的指纹和考生照片中提取的虹膜特征进行识别验证。
在完成身份信息认证之后，则进入正式考试，随后执行步骤S220，实时获取考生人脸图像和考试环境图像。
其中，考试环境图像包括在线考试页面图像和考生周围环境图像。对于在线考试页面图像，可以通过在线考试平台按照预设的帧率和码率对在线考试页面进行录屏。对于考生周围环境图像，可以按照预设规则通过全方位摄像头或者按照规定的方位、角度、高度等架设多个摄像头，保证考生周围360度均可以采集，避免拍摄死角。
对于居家在线考试，可以用电脑摄像头拍摄考生面部图像，以及用外部全景摄像头或多个位置假设的摄像头拍摄考生所处的环境图像，使得考生周围环境图像至少包括电脑桌面图像，考生前、后、左、右环境图像。对于集中组织的在线考试，可以通过架设在每个考生位置的全景摄像头拍摄考生周围环境图像。
各摄像头与后台服务器连接，可以将实时采集的考生人脸图像和考试环境图像上传到后台服务器，以便在后续监测中出现异常信息时，可以实时调取对应的视频进行查看。后台服务器还可以对摄像头采集帧率进行检测，这样可以防止考生将事先录制好的视频文件进行上传。
根据本发明的一个实施例，还可以通过语音识别设备采集考生的语音信箱，判断考生是否通过语音传递作弊信息。当检测到考生通过语音传递作弊信息时，生成异常提醒信息，并将异常提醒信息发送至监考终端。
随后执行步骤S230，对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间。
为了避免考生在考试过程中出现换人代考行为，可以在考试过程中保持对人脸特征进行识别。由于考生作弊行为主要表现在视线偏移、脸部方位偏转等，可以对人脸偏转角度进行识别。
具体地，可以先对摄像头实时获取的考生人脸图像进行预处理，包括几何处理、光照补偿、直方图均衡化等，提高人脸图像的质量。然后，利用人脸识别技术识别考生人脸图像中的特征点，例如左瞳孔、右瞳孔、鼻子、嘴唇等。根据预设的坐标原点确定左瞳孔坐标、右瞳孔坐标、鼻子坐标、嘴唇坐标和面部轮廓坐标，作为人脸特征信息。
随后就可以根据人脸特征信息与基准人脸特征信息之间的几何关系，确定考生人脸图像的人脸偏转角度。其中，基准人脸特征信息为考生人脸图像对应的正脸图像的特征信息。可以通过坐标投影变换计算人脸绕水平方向偏转的角度以及人脸绕垂直方向偏转的角度。
根据本发明的一个实施例，可以对考生视线进行检测，例如可以通过上述方法得到的人脸偏转角度确定人脸朝向，从而确定视线方向。此外还需要通过摄像头自带的计时设备获取人脸偏转或视线偏转的持续时间。
接着执行步骤S240，对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作。
为了识别考试环境图像中的异常物体和异常动作，根据本发明的一个实施例，可以通过端到端多目标识别模型，例如，基于YOLO算法对实时获取的考生周围环境图像进行多目标识别和动作识别，获得第一识别结果；基于YOLO算法对预设的考生周围环境图像进行多目标识别和动作识别，获取第二识别结果；将第一识别结果和第二识别结果进行比对，判断实时获取的考生周围环境图像中是否存在异常物体或异常动作。
其中，预设的考生周围环境图像可以是考试开始前获取的符合考试规则的图像，例如考生面向前方端坐保持侧脸不超过30°、俯仰角小于15°、偏转角小于15°，周围无非考试人员、无额外书籍等。当第二识别结果与第二识别结果不一致，例如，第一识别结果中存在书籍、非考试人员等与考试无关的物体，或者存在较大幅度的行为动作，如站立、观望等，则可以判断实时获取的考试环境图像中存在异常物体或异常动作。
最后执行步骤S250，当人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则、考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断考生是否存在作弊行为。
例如，当人脸偏转角度大于45度，且偏转时间大于30秒，则生成异常提醒信息。当考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息。例如，在监考屏幕上弹出红色告警弹窗，弹窗信息中显示可能存在作弊行为的考生信息。即使计算设备与监考终端的网络连接断开，也可以通过短信等方式及时提醒监考人员，加强对可能存在作弊行为的考生的监控。
监考人员可以调取存在异常信息的考生的监控视频，判断考生是否确实存在作弊行为，并对存在异常信息的考生持续重点关注。当判断考生确实存在作弊行为，则通过后台服务器关闭该考生的在线考试页面，强制提交试卷，并在考生信息中添加作弊标记。
通过采用本发明提供的在线考试监控方法，能够通过人脸识别技术和多目标识别技术，从多角度对考试过程进行监控，通过对人脸偏转角度和考生异常动作或周围环境中的异常物体进行检测，可以为监考人员判断考生是否作弊提供数据支撑。
图3示出了根据本发明一个实施例的在线考试监控系统300的结构示意图。如图3所示，在线考试监控系统300包括身份认证模块310、图像获取模块320、特征检测模块330、识别模块340和异常提醒模块350。
其中，身份认证模块310可以对考生身份信息进行实名认证。例如可以对考生的身份证号、考试编号、考生照片、指纹、虹膜特征等进行认证，认证通过才能参加在线考试。这样可以减少替考的行为。
图像获取模块320可以实时获取考生人脸图像和考试环境图像。例如可以通过预先设置的多角度全景摄像头获取考试环境图像，通过在线考试平台对在线考试页面进行录屏。可以按照预设的帧率获取jpg、png、bmp等格式的图片，获取的照片要无遮挡、光照强度大于200lux、无反光或阴影等，这样可以避免考生故意遮挡镜头导致识别失败的情况。
特征检测模块330可以对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间。
在考试过程中，特征检测模块可以实时通过自定义抓拍时间，例如30s一帧，对获取的考生人脸图像进行特征检测，除了判断是否是考生本人之外，还对人脸偏转角度进行识别。从而避免考试过程中换人作答或者考试过程中查看小抄提示等作弊行为。
识别模块340可以对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作。
异常提醒模块350可以在人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则、考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断考生是否存在作弊行为。
关于各模块的具体功能可参照本方案对在线考试监控方法的描述，在此不再赘述。
通过上述技术方案，通过人脸识别技术、多目标识别技术和异常动作识别技术，从多角度对考试过程进行监控，以减少考生作弊行为；按照预设规则对监控视频进行检测可以确保监控内容的有效性，通过对人脸偏转角度和考生异常动作或周围环境中的异常物体进行检测，可以为监考人员判断考生是否作弊提供数据支撑，便于追溯。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。
Claims (10)
1.一种在线考试监控方法，适于在计算设备中执行，考生在配置有在线考试平台的计算设备上登录在线考试界面，所述计算设备与监考终端建立网络连接，其特征在于，所述方法包括：
对考生身份信息进行实名认证；
实时获取考生人脸图像和考试环境图像；
对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间；
对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作；
当所述人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则或者所述考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断所述考生是否存在作弊行为。
2.根据权利要求1所述的在线考试监控方法，其特征在于，所述考生身份信息包括身份证号、考试编号、照片、指纹，在线考试平台预先存储有考生的身份信息，所述对考生身份信息进行实名认证的步骤包括：
接收考生在在线考试界面输入的身份证号、考试编号和实时采集的考生照片和指纹；
将考生输入的信息与预先存储在数据库中的身份信息进行比对，判断是否是考生本人，如果是考生本人，则认证成功；如果不是考试本人则认证失败。
3.根据权利要求1所述的在线考试监控方法，其特征在于，所述对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间的步骤包括：
对获取的考生人脸图像进行预处理；
获取预处理后的考生人脸图像中的人脸特征信息，所述人脸特征信息包括左瞳孔坐标、右瞳孔坐标、鼻子坐标、嘴唇坐标和面部轮廓坐标；
根据人脸特征信息与基准人脸特征信息之间的几何关系，确定人脸偏转角度；以及
通过计时设备获取人脸偏转时间。
4.根据权利要求1所述的在线考试监控方法，其特征在于，所述考试环境图像至少包括在线考试页面图像和考生周围环境图像，所述实时获取考生人脸图像和考试环境图像的步骤包括：
通过在线考试平台采集在线考试页面图像，所述在线考试平台还适于对外接程序或外接设备进行检测；
通过全方位摄像头以预设采集频率获取考生人脸图像、考生周围环境图像。
5.根据权利要求4所述的在线考试监控方法，其特征在于，所述对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作的步骤包括：
基于YOLO算法对实时获取的考生周围环境图像进行多目标识别和动作识别，获得第一识别结果；
基于YOLO算法对预设的考生周围环境图像进行多目标识别和动作识别，获取第二识别结果；
将所述第一识别结果和第二识别结果进行比对，判断实时获取的考生周围环境图像中是否存在异常物体或异常动作。
6.根据权利要求1所述的在线考试监控方法，其特征在于，所述方法还包括：
通过语音识别设备采集考生的语音信息，判断考生是否通过语音传递作弊信息；
当检测到考生通过语音传递作弊信息时，生成异常提醒信息，并将异常提醒信息发送至监考终端。
7.根据权利要求6所述的在线考试监控方法，其特征在于，所述方法还包括：
当判断所述考生存在作弊行为时，则通过服务器关闭该考生的在线考试页面，强制提交试卷，并在考生信息中添加作弊标记。
8.一种在线考试监控系统，其特征在于，包括：
身份认证模块，用于对考生身份信息进行实名认证；
图像获取模块，用于实时获取考生人脸图像和考试环境图像；
特征检测模块，用于对考生人脸图像进行特征检测，将人脸特征信息与基准人脸特征信息进行对比，获取人脸偏转角度和偏转时间；
识别模块，用于对考试环境图像进行多目标识别和动作识别，判断考试环境图像中是否存在异常物体和异常动作；
异常提醒模块，用于在所述人脸偏转角度大于第一预设阈值且偏转时间大于第二预设阈值则、所述考试环境图像中存在异常物体或异常动作时，则生成异常提醒信息，并将异常提醒信息发送至监考终端，以判断所述考生是否存在作弊行为。
9.一种计算设备，其特征在于：包括存储器、处理器以及储存在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行如权利1-7中任一所述的在线考试监控方法。
10.一种计算机可读存储介质，其特征在于，包括存储有能够被处理器加载并执行如权利要求1-7中任一项所述的在线考试监控方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310229500.1A CN116580432A (zh) | 2023-03-10 | 2023-03-10 | 一种在线考试监控方法、系统、计算设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310229500.1A CN116580432A (zh) | 2023-03-10 | 2023-03-10 | 一种在线考试监控方法、系统、计算设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116580432A true CN116580432A (zh) | 2023-08-11 |
Family
ID=87544134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310229500.1A Pending CN116580432A (zh) | 2023-03-10 | 2023-03-10 | 一种在线考试监控方法、系统、计算设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116580432A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2023
- 2023-03-10 CN CN202310229500.1A patent/CN116580432A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN117237869B (zh) * | 2023-09-15 | 2024-07-23 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359548B (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
| US11182592B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
| WO2018219180A1 (zh) | 确定人脸图像质量的方法和装置、电子设备和计算机存储介质 | |
| CN111191532B (zh) | 基于施工区域的人脸识别方法、装置、计算机设备 | |
| US9892315B2 (en) | Systems and methods for detection of behavior correlated with outside distractions in examinations | |
| CN112149615B (zh) | 人脸活体检测方法、装置、介质及电子设备 | |
| CN108549854A (zh) | 一种人脸活体检测方法 | |
| KR20170103931A (ko) | 영상식별 시스템 및 식별방법 | |
| CN103383723A (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
| US11348370B2 (en) | Iris authentication device, iris authentication method, and recording medium | |
| CN111652087A (zh) | 验车方法、装置、电子设备和存储介质 | |
| KR102593624B1 (ko) | 부정 행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
| CN110263680A (zh) | 图像处理方法、装置和系统及存储介质 | |
| CN112163470A (zh) | 基于深度学习的疲劳状态识别方法、系统、存储介质 | |
| CN116580432A (zh) | 一种在线考试监控方法、系统、计算设备及存储介质 | |
| CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
| CN114463828A (zh) | 基于人证统一的监考方法及系统、电子设备和存储介质 | |
| KR20230110681A (ko) | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
| US20220343617A1 (en) | Image analysis device, control method, and program | |
| KR20220017329A (ko) | 녹음 녹화 프로그램이 구비된 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| KR102581415B1 (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
| KR20210136771A (ko) | 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
| CN108875467B (zh) | 活体检测的方法、装置及计算机存储介质 |
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 |