[發(fā)明專(zhuān)利]一種基于YOLOv3的考試作弊小抄識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010992055.0
• 申請(qǐng)日: 2020-09-21
• 公開(kāi)（公告）號(hào): CN112115870A
• 公開(kāi)（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 陳潤(rùn)彬;樊奕良;陳斗;許方園
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京潤(rùn)北智能環(huán)境研究院有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/20;G06N3/08;G06Q50/20
• 代理公司: 南京源古知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32300
• 代理人: 鄭宜梅

本發(fā)明公開(kāi)了一種基于YOLOv3的考試作弊小抄識(shí)別方法，包括：學(xué)生端設(shè)置眼鏡攝像頭和正常考試紙張分析判斷單元；正常考試紙張分析判斷單元將采集考試紙張圖像數(shù)據(jù)、標(biāo)識(shí)符的圖像數(shù)據(jù)，基于YOLOv3神經(jīng)網(wǎng)絡(luò)訓(xùn)練出目標(biāo)識(shí)別網(wǎng)絡(luò)；通過(guò)學(xué)生的眼鏡攝像頭進(jìn)行采集學(xué)生端視頻數(shù)據(jù)，并將學(xué)生端視頻數(shù)據(jù)傳輸人目標(biāo)識(shí)別網(wǎng)絡(luò)；目標(biāo)識(shí)別網(wǎng)絡(luò)通過(guò)判斷學(xué)學(xué)生端視頻數(shù)據(jù)中的標(biāo)識(shí)符是否在紙張中實(shí)現(xiàn)判斷采集的學(xué)生端視頻數(shù)據(jù)中的紙張是否為考試紙張；如果不是則判斷出為非正常考試紙張事件，并將該非正常考試紙張事件的數(shù)據(jù)通過(guò)通信模塊傳輸至監(jiān)考管理端。本發(fā)明通過(guò)眼鏡攝像頭直接采集學(xué)生端視覺(jué)信息，分析非正常考試紙張，提高判斷準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別領(lǐng)域，具體涉及一種基于YOLOv3的考試作弊小抄識(shí)別方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)以及大數(shù)據(jù)應(yīng)用的快速發(fā)展，線上授課，線上考試已經(jīng)成為一種新的現(xiàn)在教學(xué)方式。而今年由于疫情的原因，學(xué)生與老師大部分只能在家學(xué)習(xí)與授課，這加速了線上授課與線上考試的普及，因此網(wǎng)上教學(xué)、網(wǎng)上授課已然成為了大眾所認(rèn)可的教學(xué)方式之一。雖然線上教學(xué)或考試可以打破空間與時(shí)間維度完成教學(xué)任務(wù)，但由于其先天缺點(diǎn)，學(xué)生處于無(wú)人監(jiān)管的狀態(tài)。當(dāng)無(wú)監(jiān)考人員監(jiān)督學(xué)生考試時(shí)，則會(huì)導(dǎo)致無(wú)法檢查控制考生的作弊行為，給考生的作弊提供了更大的可能性。

近年來(lái)，隨著人工智能的迅速升溫，人工智能結(jié)合互聯(lián)網(wǎng)，視頻監(jiān)控等技術(shù)，實(shí)現(xiàn)各種現(xiàn)代化工作，提高生產(chǎn)過(guò)程可控性，減少人干預(yù)，提高工作效率等目的。目標(biāo)檢測(cè)算法是人工智計(jì)算機(jī)視覺(jué)中的一大方向，目標(biāo)檢測(cè)主要是通過(guò)提取待檢測(cè)目標(biāo)的多個(gè)樣本不用尺度特征訓(xùn)練分類(lèi)器，訓(xùn)練完成后在待檢測(cè)圖像上做滑動(dòng)窗口搜索，判斷掃描窗口區(qū)域是檢測(cè)目標(biāo)還是背景，最終輸出圖像中待檢測(cè)目標(biāo)額位置和區(qū)域。因此結(jié)合目標(biāo)檢測(cè)方法在線上實(shí)現(xiàn)考試作弊小抄具有一定的實(shí)用價(jià)值。

目前的在線考試小抄作弊行為檢測(cè)分為人工監(jiān)考與自動(dòng)監(jiān)考兩類(lèi)：人工監(jiān)考為監(jiān)考員通過(guò)在線考試系統(tǒng)提供考生實(shí)時(shí)畫(huà)面或不定時(shí)截取考試畫(huà)面，由監(jiān)考人員在后臺(tái)判斷是否存在作弊嫌疑；自動(dòng)監(jiān)考為采集在線考試系統(tǒng)得到的圖像數(shù)據(jù)進(jìn)行處理分析，如識(shí)別考生的頭部姿態(tài)、面部表情等方法進(jìn)行作弊行為的判斷。

人工監(jiān)管需要教師與學(xué)生一對(duì)一或一對(duì)多進(jìn)行監(jiān)管，該方法可以確保監(jiān)考的全面性，并且監(jiān)考員長(zhǎng)時(shí)間對(duì)監(jiān)考屏幕保持觀察容易產(chǎn)生視覺(jué)疲勞，同時(shí)，人工監(jiān)考不可避免的存在主觀因素等，在線考試所要求的公平性無(wú)法。

目前自動(dòng)監(jiān)考的在線考試作弊行為檢測(cè)方法有基于頭部姿態(tài)、基于注視點(diǎn)估計(jì)、基于語(yǔ)音檢測(cè)等。系統(tǒng)通過(guò)電腦屏幕前的攝像頭視頻數(shù)據(jù)，經(jīng)過(guò)MT-CNN人臉檢測(cè)、ResNet50神經(jīng)網(wǎng)絡(luò)、XGBoost等方法對(duì)學(xué)生進(jìn)行頭部姿態(tài)、屏幕注視點(diǎn)估計(jì)及嘴部狀態(tài)識(shí)別，結(jié)合上訴方法進(jìn)行在線考試作弊行為檢測(cè)。該方法通過(guò)對(duì)考生的動(dòng)作行為進(jìn)行識(shí)別然后判斷考生是否有作弊嫌疑。

但由于在考試時(shí)每個(gè)考生都有不同的“考試小動(dòng)作”讓自己處于放松狀態(tài)，對(duì)考生行為進(jìn)行識(shí)別與判斷的考試作弊檢測(cè)方法很容易對(duì)考生的無(wú)意動(dòng)作發(fā)生誤判。導(dǎo)致準(zhǔn)確率下降，提高了監(jiān)考端的工作成本，增加教師的工作量。

發(fā)明內(nèi)容

1.所要解決的技術(shù)問(wèn)題：

針對(duì)上述技術(shù)問(wèn)題，本發(fā)明提供一種基于YOLOv3的考試作弊小抄識(shí)別方法，通過(guò)在學(xué)生端收集學(xué)生的視覺(jué)信息并處理數(shù)據(jù)，而非處理電腦屏幕前的攝像頭視頻數(shù)據(jù)。本方案中由學(xué)生佩戴配有攝像頭的眼鏡收集學(xué)生視覺(jué)數(shù)據(jù)，然后對(duì)學(xué)生視覺(jué)的視頻數(shù)據(jù)進(jìn)行處理，識(shí)別視頻中的紙張與標(biāo)識(shí)符，計(jì)算紙張與標(biāo)識(shí)符的相對(duì)位置，判斷該紙張是否為作弊小抄。隨后把非正常考試紙張分析結(jié)果數(shù)據(jù)包上傳到監(jiān)考管理端對(duì)考生的作弊嫌疑行為進(jìn)行審核。因此解決了單純對(duì)學(xué)生進(jìn)行頭部識(shí)別、表情識(shí)別時(shí)考生無(wú)意動(dòng)作的誤判別可能性，直接識(shí)別考生的第一人稱(chēng)視覺(jué)數(shù)據(jù)能夠剔除許多第三人稱(chēng)視角數(shù)據(jù)所帶來(lái)的附加干擾信息，提高了準(zhǔn)確率降低監(jiān)考端監(jiān)考員的工作成本，降低了其工作量。

2.技術(shù)方案：

一種基于YOLOv3的考試作弊小抄識(shí)別方法，包括以下步驟：