【技术实现步骤摘要】
本专利技术涉及一种固定场景中的人物动作、行为监控方法及系统，尤其涉及一种应用在考场中的考场监控数据处理方法及其实现的自动监考系统。
技术介绍
随着视频识别领域技术的不断发展，现在，将视频监控应用在监考环境中，以减少监考的人力消耗、提高监考的全面、准确性，成为了视频识别领域的一个重要应用方向。但是，在现有技术中，还没有一种结构简单、资源耗费少，同时又能够准确对监考对象进行行为判断的监考系统。现有技术往往还在采用无纸化考试中常用的一对一式视频监控方式，而这种方式既需要大量的终端设备，又不能很好地全面监控考生的动作，同时也给考生带来了较大的心理负担，不利于考生的正常发挥。此外，在例如申请号为CN201110135345.4的专利申请中，通过将考场上分成监考区域、考试区域的固定与活动区域，并依据发生异常状况的所在区域，决定是否将该些异常状况进行报警或提醒处理，而这一技术方案仅仅是在区域划分方面的改进，而对于是否能够对异常行为进行准确判断、减少误判断等方法，则没有提出任何的实质方案。在又如申请号为CN201010537314.7的专利申请中，则是通过对监控画面中的全景监控，判断是否发生异常状况，并提前给异常状况设置不同的等级及对应的处理方式，从而在监控到异常状况时，能够在服务器端进行相应的处理，但是，该申请中并未给出如何判断不同的异常状况的等级，以及如何依据视频图像自动进行状况判断，对这些核心环节未给出任何的技术改进方案。上述现有技术均存在着没有很好的对考场细微动作进行判断的方法的缺陷，以及资源消耗大等问题，未能提出一种较好地实现自动监考的方法。
技术实现思路
有鉴于...
【技术保护点】
一种考场监控数据处理方法，其特征在于，所述方法包括以下步骤：S1：在考试时间到达时，开始实时获取监控系统的视频监控画面；S2：对所述视频监控画面数据流进行采样；S3：对采样后的视频数据进行预处理，按照预设的区域范围将考生座位进行区域划分，得到各个座位区域；S4：对划分区域后的图像进行动作识别，当识别出超过预设阈值的动作时，判定为违规动作；S5：当识别出违规动作时，开始记录一预设时长的视频画面，以及所述视频画面的开始时间信息，并将所述视频画面及所述开始时间信息作为数据包发送给服务器；S6：在监控平台着重显示违规动作所在的座位区域，并发出提醒。
【技术特征摘要】
1.一种考场监控数据处理方法，其特征在于，所述方法包括以下步骤：S1：在考试时间到达时，开始实时获取监控系统的视频监控画面；S2：对所述视频监控画面数据流进行采样；S3：对采样后的视频数据进行预处理，按照预设的区域范围将考生座位进行区域划分，得到各个座位区域；S4：对划分区域后的图像进行动作识别，当识别出超过预设阈值的动作时，判定为违规动作；S5：当识别出违规动作时，开始记录一预设时长的视频画面，以及所述视频画面的开始时间信息，并将所述视频画面及所述开始时间信息作为数据包发送给服务器；S6：在监控平台着重显示违规动作所在的座位区域，并发出提醒。2.如权利要求1所述的方法，其特征在于，所述步骤S4进一步包括：求取监控图像连续帧间的特定区域的面积差，并预设面积差阈值，基于所述面积差及面积差阈值，将所述违规动作预设为多个报警级别；在监控平台端为每个报警级别设置相应的着重显示方式。3.如权利要求1所述的方法，其特征在于，所述步骤S4中的动作识别至少包括以下的一种：站起、蹲下动作；扭头、转身动作；频繁低头动作；手臂大幅摆动动作。4.根据权利要求1所述的方法，其特征在于，所述步骤S1之前，进一步包括考位区块划分步骤，该步骤包括：S01：设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据；S02：对所述监控视频数据进行采样，获取其中的N个采样图像；S03：对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像；S04：对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线与竖线；S05：将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互紧邻的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记；所述子区块的面积小于等于每个考位实际在图像中所占的面积的1/4；S06：合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块图像；S07：比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取划分的考位区块相同数量最多的两幅考位区块图像；当所述两幅考位区块图像中同一考位的考位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考位区块图像，以该图像中的考位区块，作为座位区域。5.根据权利要求4所述的方法，其特征在于：步骤S04中，首先获取灰度图像的灰度直方图，并获取直方图中的最大峰值和最小峰值，滤除图像中灰度值大于等于最大峰值及小于等于最小峰值的像素点，获得待边缘检测图像；其次，对所述待边缘检测图像进行边缘检测，获得边缘图像。6.根据权利要求2所述的方法，其特征在于：首先对考试过程中的采样后的视频数据，进行人脸检测及人物轮廓检测；其次，对比采样后的视频数据中，连续两帧图像的人脸面积变化，以及人物轮廓面积变化；上述面积变化为两帧图像面积差的绝对值；设置至少一第一阈值L1，及至少一第二阈值S1，当人脸面积变化L≥L1且人物轮廓面积变化S≥S1时，设置为最高报警等级；当L＜L1且S≥S1时，设置为第二报警等级；当L≥L1且S＜S1时，设置为第三报警等级。7.根据权利要求6所述的方法，其特征在于，所述人脸检测及人物轮廓检测的具体方法为：首先，对采样后的视频数据的图像进行灰度化处理，获得灰度图像，并对灰度图像进行增强，具体采用如下方式： g ( x , y ) = 0 f ( x , y ) ≤ h 1 f ( x , y ) - h 1 h 2 - h 1 h 1 < f ( x , y ) < h 2 ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。