[發明專利]一種基于深度學習的計算機在線考試監考方法

在審

• 申請號: 202110504508.5
• 申請日: 2021-05-10
• 公開（公告）號: CN113160012A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 嚴懷成;劉濤;張皓;李郅辰;陳輝;王孟;田永笑;陳瑞
• 申請（專利權）人: 華東理工大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06K9/00
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 楊宏泰

1.一種基于深度學習的計算機在線考試監考方法，用以實現在多種復雜環境下識別判斷是否存在作弊行為，其特征在于，包括以下步驟：

1)構建并訓練多個深度學習網絡模型，用以分別識別是否出現作弊工具、是否使用作弊工具、是否出現非考試人員靠近的狀態；

2)考試開始后，根據考試現場攝像頭的布設場景，進行多路攝像頭的實時監測；

3)根據攝像頭獲取的圖像采用深度學習網絡模型進行實時作弊判斷。

2.根據權利要求1所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟1)中，作弊工具包括電子設備、書籍和紙條，電子設備包括手機和平板。

3.根據權利要求1所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟1)中，在訓練深度學習網絡模型的過程中，若出現過擬合現象，則采用L2正則化和馬賽克數據增強，以防止正則化；若出現欠擬合現象，則減少正則化，檢查數據標簽是否正確，并添加新的特征輸入。

4.根據權利要求1所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟2)中，在開始考試前的準備階段，若攝像頭輸入和通信異常，則不會進入考試階段。

5.根據權利要求1所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟2)中，在聯網環境下，考試現場攝像頭的布設場景具體包括：

場景1：使用拍攝考生人臉的前置攝像頭以及拍攝桌面用以檢測是否出現違規物品以及是否出現作弊動作的監控桌面攝像頭；

場景2：使用一個能夠直接拍攝到桌面和電腦前方的廣角攝像頭；

場景3：在場景1或場景2的基礎上添加后置攝像頭。

6.根據權利要求5所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟3)中，對于場景1，進行身份驗證判斷是否替考具體為：

在考試開始階段，通過信息匹配算法將前置攝像頭拍攝的人臉圖片與系統傳入的考生照片進行匹配對照；若沒有考生照片，則在考試開始前抓拍一張考生的人臉圖片作為先驗圖片，并在考試過程中每間隔設定時間采集考生的人臉圖片進行匹配對照，若匹配有誤則定為替考；

判斷是否作弊具體為：

將前置攝像頭和監控桌面攝像頭拍攝的兩路視頻圖像作為深度學習網絡模型的輸入，判斷是否出現違規物品、手消失、攝像頭遮擋或非考試人員靠近，當出現非考試人員靠近、手消失或攝像頭遮擋的時間超過設定閾值時，則判定為作弊，若沒有超過設定閾值，則警告提醒一次，累積三次警告提醒則判定為作弊；

若檢測出現違規物品并且使用了違規物品，則判定為作弊，具體為：

采用深度學習算法進行檢測得到出現在拍攝范圍內違規物品置信度最高的檢測框，并且對考生雙手進行檢測得到置信度最高的檢測框，以兩者面積較小的為基準，實時獲取兩者檢測框的重合面積，當重合面積超過閾值時，則視為使用了違規物品。

7.根據權利要求6所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟3)中，對于場景2，將廣角攝像頭拍攝的一路視頻圖像作為深度學習網絡模型的輸入，判斷是否作弊的方式與場景1相同。

8.根據權利要求6所述的一種基于深度學習的計算機在線考試監考方法，其特征在于，所述的步驟3)中，對于場景3，在場景1和場景2的基礎上，通過額外增加的后置攝像頭檢測是否出現違規物品，若出現違規物品，則直接判定為作弊，若出現非考試人員靠近的時間超過設定閾值時，則判定為作弊，若沒有超過設定閾值，則警告提醒一次，累積三次警告提醒則判定為作弊。