[發(fā)明專利]一種基于人體頭部特征的考場偷窺作弊檢測系統(tǒng)

有效

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

本發(fā)明公開了一種基于人體頭部特征的考場偷窺作弊檢測系統(tǒng)，包括RGB?D數(shù)據(jù)采集模塊，采集關于考生的RGB彩色視頻和深度信息數(shù)據(jù)；頭部特征提取模塊，由頭部位置軌跡計算單元、頭部姿態(tài)估計單元、眼神方向估計單元以及人臉識別單元組成，根據(jù)RGB?D視頻數(shù)據(jù)分析頭部位置軌跡、頭部姿態(tài)、眼神注視方向和人臉身份等各種人體頭部特征；作弊行為判定分類模塊，對提取的頭部特征按照多條規(guī)則分別判斷是否作弊，再加權綜合每條規(guī)則分類的結果得到最終是否偷窺作弊的結論。

技術領域

本發(fā)明涉及計算機視覺領域，尤其涉及到一種基于人體頭部特征的考場偷窺作弊檢測系統(tǒng)。

背景技術

目前我國在考場防止作弊方面采取了很多措施，其中就包括了視頻監(jiān)控。雖然視頻監(jiān)控一定程度上彌補了人工監(jiān)考不能統(tǒng)籌兼顧的缺點，但是相對來說視頻監(jiān)控更多地用來記錄考場實況，預防較大的突發(fā)情況，而在考試后還是需要組織大量人力來回看分析監(jiān)控視頻，判斷考生是否存在作弊行為。這樣不僅效率低，而且也比較容易出現(xiàn)漏判、誤判的情況，因此如果可以引入計算機視覺和大數(shù)據(jù)智能地對監(jiān)控視頻進行分析，檢測是否有舞弊行為，既能提升效率也能提高準確率，保障考場紀律和考試公平。

如今重要考場上利用通訊設備作弊可以通過金屬探測杜絕，不容易被注意到的作弊行為主要都是屬于偷窺他人答卷或者偷瞄私帶的小抄等。針對作弊行為提出的大多數(shù)視頻監(jiān)控智能檢測作弊方案都是基于人體姿態(tài)展開的。現(xiàn)有技術中，申請?zhí)枮镃N201910336784.8的中國專利申請“一種基于姿態(tài)的考試作弊檢測方法”，通過姿態(tài)估計算法以及對人體骨架序列的運動學分析以識別考生狀態(tài)，從而檢測作弊行為。

事實上大多數(shù)考場上不容易被發(fā)現(xiàn)的作弊行為，如偷窺他人試卷等主要是集中在上半身尤其是頭部的運動，上述對全身人體骨架姿態(tài)進行估計的方法條件過于寬泛，檢測效率低下，也沒有具體的判斷標準，準確性不高，并不實用。而且基于單個RGB彩色攝像頭拍攝的視頻，單目視角也很難對畫面中的物體位置和后續(xù)運動軌跡進行準確的估計。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術中的缺陷，提供一種基于人體頭部特征的考場偷窺作弊檢測系統(tǒng)，它能夠根據(jù)考場采集的RGB-D視頻數(shù)據(jù)，智能分析考生頭部位置軌跡、頭部姿態(tài)、眼神方向等特征，高效準確地判斷考生是否存在偷窺作弊行為。

為解決上述技術問題，本發(fā)明采用的技術方案是：

一種基于人體頭部特征的考場偷窺作弊檢測系統(tǒng)，其特征在于，包括：

RGB-D數(shù)據(jù)采集模塊，用于實時記錄考場中監(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，用于逐幀對采集到的RGB-D視頻數(shù)據(jù)進行分析，獲取頭部位置、頭部姿態(tài)、頭部運動軌跡、人臉身份以及眼神注視方向的特征；

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

進一步地，系統(tǒng)各個模塊之間的連接關系為：RGB-D數(shù)據(jù)采集模塊將獲取的RGB-D視頻數(shù)據(jù)傳遞至頭部特征提取模塊，提取多種頭部特征后，最后交由作弊行為判定分類模塊判定是否存在偷窺作弊行為。

進一步地，所述RGB-D數(shù)據(jù)采集模塊，由布置在考場前后固定位置的兩個RGB-D攝像頭組成，能夠全面地采集考場中監(jiān)考人員及考生的RGB彩色視頻以及深度圖片數(shù)據(jù)。

進一步地，所述頭部特征提取模塊，包括頭部位置軌跡計算單元、頭部姿態(tài)估計單元、人臉識別單元和眼神方向估計單元。

進一步的，所述頭部位置軌跡計算單元，首先使用深度學習臉部檢測框架獲取視頻中每個考生的臉部矩形框，根據(jù)矩形框中點位置(u,v)找出對應深度圖中的深度d，根據(jù)以下公式可以計算頭部的空間位置坐標(x,y,z)；