[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: 上海科盛知識產權代理有限公司 31225
• 代理人: 楊宏泰

本發明涉及一種基于深度學習的計算機在線考試監考方法，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。與現有技術相比，本發明具有適用于非標準的復雜考試環境、檢測全面準確等優點。

技術領域

本發明涉及深度學習檢測識別技術領域，尤其是涉及一種基于深度學習的計算機在線考試監考方法。

背景技術

隨著多媒體技術與計算機網絡的廣泛應用，在電腦上進行計算機考試、招聘筆試隨處可見，但是在考試過程中，如在計算機office、C++程序設計等考試過程中，因為通過人工監考，仍存在著桌子下面進行查看手機、偷看紙條等作弊現象。但由于考試人數較多，且有電腦遮擋監考官視線等難免會有鉆空子的考生，影響考試公平。在公司招聘員工時，都會進行網申答題，技術崗還有在線筆試等，而這個過程中經常存在同學找他人一起做題，使用手機拍照，手機搜答案等現象。又比如，如今受新冠肺炎的影響，為了防止疫情的擴散，很多高校研究生入學考試復試均采取在線復試，同樣存在可能查閱手機，翻閱紙條、他人協助等作弊方式。

以上場景中雖然都有攝像頭進行錄像，但是仍需要通過人工的方式去檢查錄像，判斷是否作弊。對這種大量的圖像數據進行人工處理，效率不高，存在漏檢，且浪費勞動力，為了提高效率、準確率和勞動成本，使用人工智能的方式進行自動識別的方法越來越重要。

目前針對紙條作弊的情況，在office、會計師考試、銀行業從業資格考試等比較規范，統一管理的環境下，規定不讓帶入書籍等，對紙條作弊使用監考沒有影響，但是在復雜環境下，比如筆試允許使用草稿紙，如果加入紙條使用作弊檢測，會將草稿紙也誤判為作弊，也可以通過紙條內容，ocr識別，但是仍然沒法區分是屬于紙條還是稿紙，所以在復雜化境下只能將紙條使用作弊檢測一類刪除。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于深度學習的計算機在線考試監考方法，基于深度學習對攝像頭獲取的視頻流進行分析，從而判斷是否有作弊行為。

本發明的目的可以通過以下技術方案來實現：

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，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。

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。

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。

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。

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。

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：