[發明專利]一種監考人員違規行為識別方法及系統

在審

• 申請號: 202011196561.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112417989A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 謝強
• 申請（專利權）人: 四川天翼網絡服務有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

本發明公開了一種監考人員違規行為識別方法及系統，所述監考人員違規行為識別系統包括：數據采集模塊、視頻預處理模塊、特征提取模塊、分類模型模塊和識別結果輸出模塊；數據采集模塊將視頻文件發送給視頻預處理模塊，視頻預處理模塊從視頻文件中提取出目標輪廓和關鍵區域，并對其進行稠密光流計算，特征提取模塊對接收的數據進行特征提取，將提取后的信息發送給分類模型模塊，分類模型模塊對接收信息進行分類識別，并將最終識別結果發送給識別結果輸出模塊，識別結果輸出模塊接收并展示分類模型模塊輸出的識別結果信息；本申請利用深度學習算法自動的檢測考試監控視頻中有疑似違規行為的監考老師，節約了人力成本和時間。

技術領域

本發明涉及行為識別領域，尤其涉及一種監考人員違規行為識別方法及系統。

背景技術

行為識別在計算機領域一直是一個廣受海內外研究者和各大公司關注的領域，屬于高級視覺研究范疇，隨著近年來人工智能的不斷發展，行為識別技術應用也越來越廣，包括銀行、教育、交通、法庭、公共場所、醫院以及各大商場等場所均可發現此技術的應用。

目前，對監考人員違規行為的監測主要還是靠后臺工作人員通過視頻資料對監考人員的違規行為進行人工監測識別，或是靠監考人員互相監督；通過視頻資料對監考人員的違規行為進行人工監測識別的方式需要耗費工作人員大量的時間精力，且由于人的精力有限，常常出現錯看漏看的情況，而靠監考人員互相監督的方式容易受太多外界因素的影響。

發明內容

基于此，本發明的目的是為了解決傳統監考模式中人力資源浪費嚴重，工作人員工作量過大，出錯率較高的問題。

為實現上述目的，本發明提出一種監考人員違規行為識別方法及系統，所述監考人員違規行為識別方法包括以下步驟：

S1：輸入視頻文件并采集數據；

S2：處理輸入的視頻文件，提取出目標輪廓和關鍵區域，并對關鍵區域進行稠密光流計算得到光流序列圖；

S3: 結合CNN和LSTM網絡對數據進行特征提取；

S4: 通過雙流融合的方式對特征信息進行識別，獲取識別后的行為信息；

S5：統計整理行為識別結果信息并展示。

所述S2還包括以下子步驟：

S21：通過對輸入圖像進行高斯混合模型計算和幀間差分計算，提取目標輪廓和關鍵區域；

S22：通過對關鍵區域進行Farneback稠密光流計算得到光流序列圖。

所述S3還包括以下子步驟：

S31:通過輸入的運動關鍵區域的原始幀圖像提取特征；

S32:通過輸入的堆疊光流圖提取特征。

所述S4采用一種固定權值的雙流融合方式，通過對時間流和空間流分配不同權重并融合二者分類結果以獲得最終行為識別結果。

所述固定權值通過實驗選取。

所述監考人員違規行為識別系統包括：

數據采集模塊：用于采集并向視頻預處理模塊輸入視頻文件；

視頻預處理模塊：包括運動前景處理子模塊和稠密光流計算子模塊，處理數據采集模塊輸入的視頻文件，提取出目標輪廓和關鍵區域，并對關鍵區域進行稠密光流計算得到光流序列圖，將光流圖和原始幀圖像發送至特征提取模塊；

特征提取模塊：包括基于空間流網絡的特征提取和基于時間流網絡的特征提取，通過結合CNN和LSTM網絡對視頻預處理模塊傳遞的數據進行特征提取，并將提取后的特征信息發送給分類模型模塊；