[發(fā)明專利]一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911014024.1
• 申請(qǐng)日: 2019-10-23
• 公開（公告）號(hào): CN110837784B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 蔡昆京
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06V40/20
• 分類號(hào): G06V40/20;G06V40/16;G06V20/40;G06V10/764
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 王曉玲

1.一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)，其特征在于，包括：

RGB-D數(shù)據(jù)采集模塊，用于實(shí)時(shí)記錄考場(chǎng)中監(jiān)考人員及考生的RGB彩色視頻和深度信息數(shù)據(jù)；

頭部特征提取模塊，用于逐幀對(duì)采集到的RGB-D視頻數(shù)據(jù)進(jìn)行分析，獲取頭部位置、頭部姿態(tài)、頭部運(yùn)動(dòng)軌跡、人臉身份以及眼神注視方向的等各種人體頭部特征；

作弊行為判定分類模塊，用于對(duì)RGB-D視頻數(shù)據(jù)提取的特征按照若干條規(guī)則進(jìn)行判斷分類，再綜合每條規(guī)則判斷的結(jié)果給出最后是否偷窺作弊的結(jié)論；

其中，所述頭部特征提取模塊包括頭部位置軌跡計(jì)算單元、頭部姿態(tài)估計(jì)單元、人臉識(shí)別單元和眼神方向估計(jì)單元；

所述頭部位置軌跡計(jì)算單元用深度學(xué)習(xí)臉部檢測(cè)框架獲取視頻中每個(gè)考生的臉部矩形框，根據(jù)矩形框中點(diǎn)位置(u,v)找出對(duì)應(yīng)深度圖中的深度d，結(jié)合攝像頭內(nèi)參光心位置c_x、c_y以及焦距f_x、f_x，根據(jù)以下公式可以計(jì)算頭部的空間位置坐標(biāo)(x,y,z)，

z＝d

在整個(gè)視頻上用同樣方法可以計(jì)算頭部的運(yùn)動(dòng)軌跡以及熱點(diǎn)位置區(qū)域；

所述頭部姿態(tài)估計(jì)單元將臉部檢測(cè)得到的矩形框圖片輸入到深度卷積神經(jīng)網(wǎng)絡(luò)模型中，輸出得到三個(gè)轉(zhuǎn)向角的分類class_Pitch、class_Yaw、class_Roll，最后根據(jù)以下公式準(zhǔn)確計(jì)算頭部在三維空間的三個(gè)轉(zhuǎn)向角：Pitch、Yaw、Roll，

Pitch＝(class_Pitch×2–90)°

Yaw＝(class_Yaw×2–90)°

Roll＝(class_Roll×2–90)°。

2.根據(jù)權(quán)利要求1所述的一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)，其特征在于，所述RGB-D數(shù)據(jù)采集模塊由布置在考場(chǎng)前后固定位置的兩個(gè)RGB-D攝像頭組成，能夠全面地采集考場(chǎng)中監(jiān)考人員及考生的RGB彩色視頻以及深度圖片數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)，其特征在于，所述眼神方向估計(jì)單元首先對(duì)臉部矩形框圖片進(jìn)行超分辨率處理，然后使用關(guān)鍵點(diǎn)識(shí)別獲取雙眼的特征點(diǎn)，將臉部矩形框以及雙眼特征點(diǎn)一起作為眼神識(shí)別神經(jīng)網(wǎng)絡(luò)模型的輸入，得到基于頭部的注視方向，再結(jié)合頭部姿態(tài)角度Pitch、Yaw、Roll，確定最終的目光朝向。

4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)，其特征在于，所述人臉識(shí)別單元使用深度人臉識(shí)別模型對(duì)檢測(cè)到的臉部矩形框提取特征，計(jì)算該特征與考場(chǎng)數(shù)據(jù)庫(kù)中考生的人臉特征的余弦值，余弦值最小的即為身份最匹配的考生。

5.根據(jù)權(quán)利要求1所述的一種基于人體頭部特征的考場(chǎng)偷窺作弊檢測(cè)系統(tǒng)，其特征在于，所述作弊行為判定分類模塊，綜合提取到的各種頭部特征按照若干條規(guī)則作弊判斷分類，每一條規(guī)則代表一個(gè)弱的作弊判定分類器；每個(gè)弱分類器的錯(cuò)誤率為e_n，權(quán)重將N個(gè)弱分類器級(jí)聯(lián)成一個(gè)最終判別是否偷窺作弊的強(qiáng)分類若最終的偷窺作弊判定結(jié)果F1，則考生存在偷窺作弊行為，0F1代表考生疑似作弊的概率，F(xiàn)＝0則表示考生沒有作弊。