基于智能手环设备与脑电波采集设备的VR考试方法和装置制造方法及图纸

本发明专利技术揭示了一种基于智能手环设备与脑电波采集设备的VR考试方法、装置、计算机设备和存储介质，包括：向第一考生展示第一VR试题；得到第一考生的生理特征数据和脑电波数据；若为竞争模式，则选出指定对比考生；展示第二VR试题；得到所述指定对比考生的答题进度和答题内容；得到修饰后的答题内容；加入答题进度和修饰后的答题内容；实时检测第一生理特征数据和第一脑电波数据，第二生理特征数据和第二脑电波数据；同时输入异常状态预测模型中，从而得到预测结果；若预测结果为异常，则结束第一考生的VR考试，从而完成VR考试过程。从而模拟出真实的考试场景，数据利用率高，考核结果准确，对于考生的保护性好，实时性强。实时性强。实时性强。

【技术实现步骤摘要】
基于智能手环设备与脑电波采集设备的VR考试方法和装置


[0001]本申请涉及到计算机领域，特别是涉及到一种基于智能手环设备与脑电波采集设备的VR考试方法、装置、计算机设备和存储介质。

技术介绍

[0002]虚拟现实技术(VR)的发展对于教育领域有着显著地促进作用，例如采用VR技术进行考试，能够有效防止学生作弊的现象出现。但是现有的VR考试方案，只是让考生在VR场景中进行答题，无法模拟出真实环境中的考试场景(真实环境中的考试是存在竞争的，考试不仅是对知识的考核，还是对心理素质、环境适应力的考核)，因此现有的VR考试方案的考核效果差，考核准确性低。

技术实现思路

[0003]本申请提出一种基于智能手环设备与脑电波采集设备的VR考试方法，包括以下步骤：
[0004]S1、当第一考生戴上预设的第一VR眼镜进行VR考试时，通过所述第一VR眼镜向所述第一考生展示第一数量的第一VR试题；
[0005]S2、采用预设的智能手环设备与脑电波采集设备，对所述第一考生进行信号采集处理，从而对应得到所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据；
[0006]S3、获取所述第一考生参与的VR考试的模式，并判断VR考试的类型是否为竞争模式；
[0007]S4、若VR考试的类型为竞争模式，则根据预设的对比考生筛选方法，以所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据为依据，从同时参与相同的VR考试的考生中选出指定对比考生；
[0008]S5、向所述第一考生和所述指定对比考生分别展示第二数量的相同的第二VR试题，其中，所述第二数量大于所述第一数量；
[0009]S6、实时检测所述指定对比考生的答题状况，从而得到所述指定对比考生针对于所述第二VR试题的答题进度，并提取出所述指定对比考生针对于所述第二VR试题的答题内容；
[0010]S7、根据预设的答题内容修饰方法，对所述指定对比考生针对于所述第二VR试题的答题内容进行修饰处理，从而得到修饰后的答题内容，其中修饰处理至少包括对部分原始答题内容进行遮盖处理；
[0011]S8、在所述第一考生对第二VR试题答题的VR场景中，加入所述指定对比考生的答题进度和所述修饰后的答题内容，从而所述第一考生能够得知所述指定对比考生的答题进度和所述修饰后的答题内容；
[0012]S9、实时检测所述第一考生的第一生理特征数据和第一脑电波数据，以及实时检
测所述指定对比考生的第二生理特征数据和第二脑电波数据；
[0013]S10、将所述第一生理特征数据、所述第一脑电波数据、所述第二生理特征数据和所述第二脑电波数据同时输入预设的异常状态预测模型中进行处理，从而得到所述异常状态预测模型输出的预测结果，其中所述预测结果为正常或者异常；所述异常状态预测模型基于预设的神经网络模型并采用预设的训练数据训练而成，所述训练数据由第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据、第二训练用脑电波数据和人工标记的状态标签构成，所述第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据和第二训练用脑电波数据分别对两个处于竞争状态下的VR考试的考生进行数据采集得到；
[0014]S11、判断所述预测结果是否为异常；
[0015]S12、若所述预测结果为异常，则结束所述第一考生的VR考试，从而完成所述第一考生的VR考试过程。
[0016]进一步地，所述根据预设的对比考生筛选方法，以所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据为依据，从同时参与相同的VR考试的考生中选出指定对比考生的步骤S4，包括：
[0017]S401、从同时参与相同的VR考试的考生中随机选出一名暂定考生，并获取所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据；其中，所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据在时间上均连续；
[0018]S402、根据所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据，分别对应生成第一生理时间曲线函数和第一脑电波时间曲线函数；其中，所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据在时间上均连续；
[0019]S403、根据所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据，分别对应生成第二生理时间曲线函数和第二脑电波时间曲线函数；
[0020]S404、根据公式：
[0021][0022]U(t)＝H(t)-h(t),P(t)＝J(t)-j(t)
[0023]获取函数Y(t)，其中H(t)为所述第一生理时间曲线函数，h(t)为所述第二生理时间曲线函数，J(t)为所述第一脑电波时间曲线函数，j(t)为所述第二脑电波时间曲线函数，U(t)为所述第一生理时间曲线函数和所述第二生理时间曲线函数的差值函数，P(t)为所述第一脑电波时间曲线函数和所述第二脑电波时间曲线函数的差值函数，t为时间，min为最小值函数，c为预设的大于0的参数值；
[0024]S405、以所述函数Y(t)根据是否等于c为依据，将所述函数Y(t)划分为第一子函数和第二子函数，其中所述第一子函数的数值均不等于c，而所述第二子函数的数值均等于c；
[0025]S406、根据公式：时长占比＝第一子函数的时长/(第一子函数的时长+第二子函数的时长)，计算出所述时长占比；其中所述第一子函数的时长指所述第一子函数在时间轴上的长度，所述第二子函数的时长指所述第二子函数在时间轴上的长度；
[0026]S407、判断所述时长占比是否大于预设的比例阈值；
[0027]S408、若所述时长占比大于预设的比例阈值，则将所述暂定考生作为指定对比考生。
[0028]进一步地，所述在所述第一考生对第二VR试题答题的VR场景中，加入所述指定对比考生的答题进度和所述修饰后的答题内容，从而所述第一考生能够得知所述指定对比考生的答题进度和所述修饰后的答题内容的步骤S8的同时，包括：
[0029]S801、在所述指定对比考生对第二VR试题答题的VR场景中，不增加所述第一考生的答题进度和答题内容，从而所述指定对比考生无法得知所述第一考生的答题进度和答题内容；
[0030]所述将所述第一生理特征数据、所述第一脑电波数据、所述第二生理特征数据和所述第二脑电波数据同时输入预设的异常状态预测模型中进行处理，从而得到所述异常状态预测模型输出的预测结果，其中所述预测结果为正常或者异常；所述异常状态预测模型基于预设的神经网络模型并采用预设的训练数据训练而成，所述训练数据由第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据、第二训练用脑电波数据和人工标记的状态标签构成，所述第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据和第二训练用脑电波数据分别对两个处于竞争状态下的VR考试的考生进行数据采集得到的步骤S10中的所述两个处于竞争状态下的VR考本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能手环设备与脑电波采集设备的VR考试方法，其特征在于，包括：S1、当第一考生戴上预设的第一VR眼镜进行VR考试时，通过所述第一VR眼镜向所述第一考生展示第一数量的第一VR试题；S2、采用预设的智能手环设备与脑电波采集设备，对所述第一考生进行信号采集处理，从而对应得到所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据；S3、获取所述第一考生参与的VR考试的模式，并判断VR考试的类型是否为竞争模式；S4、若VR考试的类型为竞争模式，则根据预设的对比考生筛选方法，以所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据为依据，从同时参与相同的VR考试的考生中选出指定对比考生；S5、向所述第一考生和所述指定对比考生分别展示第二数量的相同的第二VR试题，其中，所述第二数量大于所述第一数量；S6、实时检测所述指定对比考生的答题状况，从而得到所述指定对比考生针对于所述第二VR试题的答题进度，并提取出所述指定对比考生针对于所述第二VR试题的答题内容；S7、根据预设的答题内容修饰方法，对所述指定对比考生针对于所述第二VR试题的答题内容进行修饰处理，从而得到修饰后的答题内容，其中修饰处理至少包括对部分原始答题内容进行遮盖处理；S8、在所述第一考生对第二VR试题答题的VR场景中，加入所述指定对比考生的答题进度和所述修饰后的答题内容，从而所述第一考生能够得知所述指定对比考生的答题进度和所述修饰后的答题内容；S9、实时检测所述第一考生的第一生理特征数据和第一脑电波数据，以及实时检测所述指定对比考生的第二生理特征数据和第二脑电波数据；S10、将所述第一生理特征数据、所述第一脑电波数据、所述第二生理特征数据和所述第二脑电波数据同时输入预设的异常状态预测模型中进行处理，从而得到所述异常状态预测模型输出的预测结果，其中所述预测结果为正常或者异常；所述异常状态预测模型基于预设的神经网络模型并采用预设的训练数据训练而成，所述训练数据由第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据、第二训练用脑电波数据和人工标记的状态标签构成，所述第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据和第二训练用脑电波数据分别对两个处于竞争状态下的VR考试的考生进行数据采集得到；S11、判断所述预测结果是否为异常；S12、若所述预测结果为异常，则结束所述第一考生的VR考试，从而完成所述第一考生的VR考试过程。2.根据权利要求1所述的基于智能手环设备与脑电波采集设备的VR考试方法，其特征在于，所述根据预设的对比考生筛选方法，以所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据为依据，从同时参与相同的VR考试的考生中选出指定对比考生的步骤S4，包括：S401、从同时参与相同的VR考试的考生中随机选出一名暂定考生，并获取所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据；其中，所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据在时间上均连续；
S402、根据所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据，分别对应生成第一生理时间曲线函数和第一脑电波时间曲线函数；其中，所述第一考生在答复所述第一VR试题期间的生理特征数据和脑电波数据在时间上均连续；S403、根据所述暂定考生在答复所述第一VR试题期间的生理特征数据和脑电波数据，分别对应生成第二生理时间曲线函数和第二脑电波时间曲线函数；S404、根据公式：U(t)＝H(t)-h(t),P(t)＝J(t)-j(t)获取函数Y(t)，其中H(t)为所述第一生理时间曲线函数，h(t)为所述第二生理时间曲线函数，J(t)为所述第一脑电波时间曲线函数，j(t)为所述第二脑电波时间曲线函数，U(t)为所述第一生理时间曲线函数和所述第二生理时间曲线函数的差值函数，P(t)为所述第一脑电波时间曲线函数和所述第二脑电波时间曲线函数的差值函数，t为时间，min为最小值函数，c为预设的大于0的参数值；S405、以所述函数Y(t)根据是否等于c为依据，将所述函数Y(t)划分为第一子函数和第二子函数，其中所述第一子函数的数值均不等于c，而所述第二子函数的数值均等于c；S406、根据公式：时长占比＝第一子函数的时长/(第一子函数的时长+第二子函数的时长)，计算出所述时长占比；其中所述第一子函数的时长指所述第一子函数在时间轴上的长度，所述第二子函数的时长指所述第二子函数在时间轴上的长度；S407、判断所述时长占比是否大于预设的比例阈值；S408、若所述时长占比大于预设的比例阈值，则将所述暂定考生作为指定对比考生。3.根据权利要求1所述的基于智能手环设备与脑电波采集设备的VR考试方法，其特征在于，所述在所述第一考生对第二VR试题答题的VR场景中，加入所述指定对比考生的答题进度和所述修饰后的答题内容，从而所述第一考生能够得知所述指定对比考生的答题进度和所述修饰后的答题内容的步骤S8的同时，包括：S801、在所述指定对比考生对第二VR试题答题的VR场景中，不增加所述第一考生的答题进度和答题内容，从而所述指定对比考生无法得知所述第一考生的答题进度和答题内容；所述将所述第一生理特征数据、所述第一脑电波数据、所述第二生理特征数据和所述第二脑电波数据同时输入预设的异常状态预测模型中进行处理，从而得到所述异常状态预测模型输出的预测结果，其中所述预测结果为正常或者异常；所述异常状态预测模型基于预设的神经网络模型并采用预设的训练数据训练而成，所述训练数据由第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据、第二训练用脑电波数据和人工标记的状态标签构成，所述第一训练用生理特征数据、第一训练用脑电波数据、第二训练用生理特征数据和第二训练用脑电波数据分别对两个处于竞争状态下的VR考试的考生进行数据采集得到的步骤S10中的所述两个处于竞争状态下的VR考试的考生之中仅有一名考生能够得知另一名考生的答题进度和...

【专利技术属性】
技术研发人员：马赫，邓仕平，董淑娟，倪小明，郭南明，
申请(专利权)人：广州市南方人力资源评价中心有限公司，
类型：发明
国别省市：