【技术实现步骤摘要】
一种考试作弊行为识别方法
本专利技术属于考试作弊行为识别
，涉及一种考试作弊行为识别方法。
技术介绍
随着计算机技术的不断深入发展，就要求有更好、更完善的系统应用到远程教育当中去。目前的在线考试系统对于作弊行为的检测也有了较为显著的效果，但仍需监考人员来人工监考，对于参与人数较多的考试，监考人员不能及时准确的发现考生的作弊行为，并且考生的作弊行为较为多样，作弊设备也更为隐蔽。这对监考人员无疑是很大的压力。
技术实现思路
本专利技术的目的是提供一种考试作弊行为识别方法，通过EfficientDet(EfficientObjectDetection高效的目标检测)算法和Dlib(人脸特征点定位)开源库，具有减少程序复杂度的同时，提高运行速度，并且保持监测的准确性的特点。本专利技术所采用的技术方案是，一种考试作弊行为识别方法，具体按照以下步骤实施：步骤1、采集考试数据集并人工进行标注；步骤2、利用迁移学习的方式配合基于卷积神经网络的分类算法，判断屏幕前是否出现了与考试无关的物品和屏幕前的人...
【技术保护点】
1.一种考试作弊行为识别方法，其特征在于，具体按照以下步骤实施：/n步骤1、采集考试数据集并人工进行标注；/n步骤2、利用迁移学习的方式配合基于卷积神经网络的分类算法，判断屏幕中是否出现了与考试无关的物品和屏幕前的人员数目；/n步骤3、使用人脸识别算法对考生的身份进行验证，并在考试的过程中利用唇部关键点信息对唇部运动进行建模，识别考生说话行为；/n步骤4、根据头部特征点的三维坐标计算出四元数，然后通过四元数求解欧拉角来描述考生当前的头部姿态；/n步骤5、如出现步骤2-4中的与考试无关的物品和人员、说话行为和头部姿态偏移中的一种或多种，则对考生进行警告并对监考老师进行预警。/n
【技术特征摘要】
1.一种考试作弊行为识别方法，其特征在于，具体按照以下步骤实施：
步骤1、采集考试数据集并人工进行标注；
步骤2、利用迁移学习的方式配合基于卷积神经网络的分类算法，判断屏幕中是否出现了与考试无关的物品和屏幕前的人员数目；
步骤3、使用人脸识别算法对考生的身份进行验证，并在考试的过程中利用唇部关键点信息对唇部运动进行建模，识别考生说话行为；
步骤4、根据头部特征点的三维坐标计算出四元数，然后通过四元数求解欧拉角来描述考生当前的头部姿态；
步骤5、如出现步骤2-4中的与考试无关的物品和人员、说话行为和头部姿态偏移中的一种或多种，则对考生进行警告并对监考老师进行预警。
2.根据权利要求1所述的一种考试作弊行为识别方法，其特征在于，所述步骤1中标注对象为与考试无关的物品，包括纸张、书本、手机。
3.根据权利要求1所述的一种考试作弊行为识别方法，其特征在于，所述步骤2-5中采用主机位和副机位两部分进行识别；步骤2中在coco数据集上预训练异常物品集，然后在标注的考试数据集上进行二次训练，最终的输出为图像中是否出现了书本、纸条、手机及出现后的位置，以及图像中人的位置以及人数，并在考生考试中对摄像头上传到云端的视频进行检测。
4.根据权利要求1所述的一种考试作弊行为识别方法，其特征在于，所述步骤3中人脸识别算法对考生的身份进行验证是，调用Dlib开源库进行人脸识别，具体为：在考试前预先采集每个考生的12张照片，建立一个身份识别库，考试中，每隔一分钟识别一次，包括人脸特征提取和人脸特征对比，从而判断有无替考行为。
5.根据权利要求4所述的一种考试作弊行为识别方法，其特征在于，所述人脸特征提取具体为：
调用Dlib中的函数使用HOG算法训练人脸68个特征点，然后根据已训练好的68个特征点模型进行人脸特征点的检测定位，接着再通过预训练好的深度残差网络模型，产生每副输入人脸图像的128维特征向量。
6.根据权利要求4所述的一种考试作弊行为识别方法，其特征在于，所述人脸特征对比具体为：
采用人脸特征提取算法对考试数据集中人脸图像进行处理，获取每张人脸图像的128维特征矢量并储存；采用同样的方法对待测考生的人脸图像...
【专利技术属性】
技术研发人员：任劼，李婉婉，胡剑波，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61
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。