考试作弊检测方法和装置制造方法及图纸

本申请公开了一种考试作弊检测方法和装置，考试作弊检测方法包括：获取待检测视频；判断待检测视频的第i帧图像和第(i‑1)帧图像之间是否存在有肢体动作变化的考生；在确定第i帧图像和第(i‑1)帧图像之间存在有肢体动作变化的考生的情况下，针对第i帧图像中的部分或全部考生中的每一个考生，获取考生对应的二维应考向量，根据考生对应的二维应考向量确定考生是否在作弊；其中，二维应考向量包括：第i帧图像、第(i+m)帧图像、第(i+2m)帧图像、……、第(i+mn‑m)帧图像中考生的一维肢体向量，一维肢体向量包括：考生的露出桌面以上的人体上半身的关键点的坐标；将i加上(mn‑m)，继续执行判断的步骤。本申请实施例提高了计算效率。

【技术实现步骤摘要】
考试作弊检测方法和装置
本申请涉及图像处理领域，具体涉及一种考试作弊检测方法和装置。
技术介绍
为了分析考试中的考风问题，如考生作弊行为、监考老师不作为等，在高考，研究生考试、成人自考和学业水平测试等各类考试后，需要进行考试视频回放。考试视频回放任务需要大量的时间和金钱成本，尤其是大型考试。因此，需要一个考试视频大数据分析系统，能自动的分析考生的行为，进而分析考试中存在的问题，一方面对考试的公平、公正起到至关重要的作用，另一方面对作弊行为起到威慑作用，从源头上减少考试作弊的发生。相关的考试作弊检测方法存在计算效率低，识别准确率低的问题。
技术实现思路
本申请提供一种考试作弊检测方法和装置，能够提高计算效率。本申请第一方面提供一种考试作弊检测方法，包括：获取待检测视频；判断所述待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生；在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间存在有肢体动作变化的考生的情况下，针对所述第i帧图像中的部分或全部所述考生中的每一个所述考生，获取所述考生对应的二维应考向量，根据所述考生对应的二维应考向量确定所述考生是否在作弊；其中，所述二维应考向量包括：所述第i帧图像、第(i+m)帧图像、第(i+2m)帧图像、……、第(i+mn-m)帧图像中所述考生的一维肢体向量，所述一维肢体向量包括：所述考生的露出桌面以上的人体上半身的关键点的坐标；i为大于或等于1的整数，m为大于或等于1的整数，n为大于或等于2的整数；将i加上(mn-m)，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。在一些示例性实施例中，在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间不存在有肢体动作变化的考生的情况下，该方法还包括：将i加上1，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。在一些示例性实施例中，所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生之前，该方法还包括：对所述待检测视频中的第i帧图像进行人体检测得到所述第i帧图像中每一个考生的人体检测结果图，对所述待检测视频中的第(i-1)帧图像进行人体检测得到所述第(i-1)帧图像中每一个考生的所述人体检测结果图；其中，所述人体检测结果图包括：包括所述考生露出桌面以上的人体上半身的最小外接矩形框；所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生包括：根据所述第i帧图像中所有所述考生的所述人体检测结果图和所述第(i-1)帧图像中所有所述考生的所述人体检测结果图，确定在所述第i帧图像和所述第(i-1)帧图像之间是否存在有肢体动作变化的考生。在一些示例性实施例中，所述根据第i帧图像中所有考生的人体检测结果图和第(i-1)帧图像中所有考生的人体检测结果图，确定在第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生包括：针对所述第i帧图像中的每一个所述考生，计算所述第i帧图像和所述第(i-1)帧图像中同一个所述考生的所述人体检测结果图之间的相似度；在所述相似度大于第一预设阈值的情况下，确认所述考生有肢体动作变化；在所述相似度小于或等于所述第一预设阈值的情况下，确认所述考生没有肢体动作变化。在一些示例性实施例中，所述人体上半身的关键点包括：鼻子的关键点、左眼的关键点、右眼的关键点、左耳的关键点、右耳的关键点、脖子的关键点、左肩的关键点、右肩的关键点、左肘的关键点、右肘的关键点、左手的关键点、右手的关键点。在一些示例性实施例中，所述根据考生对应的二维应考向量确定考生是否在作弊包括：根据所述考生对应的二维应考向量确定所述考生的表征是否在作弊的作弊置信度，根据所述考生的作弊置信度确定所述考生是否在作弊。在一些示例性实施例中，所述根据考生的作弊置信度确定考生是否在作弊包括：在所述考生的作弊置信度大于第二预设阈值的情况下，确定所述考生在作弊；在所述考生的作弊置信度小于或等于所述第二预设阈值的情况下，确定所述考生没有在作弊。本申请第二方面提供一种考试作弊检测装置，包括：视频获取模块，用于获取待检测视频；肢体动作变化判断模块，用于判断所述待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生；作弊确定模块，用于在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间存在有肢体动作变化的考生的情况下，针对所述第i帧图像中的部分或全部所述考生中的每一个所述考生，获取所述考生对应的二维应考向量，根据所述考生对应的二维应考向量确定所述考生是否在作弊；其中，所述二维应考向量包括：所述第i帧图像、第(i+m)帧图像、第(i+2m)帧图像、……、第(i+mn-m)帧图像中所述考生的一维肢体向量，所述一维肢体向量包括：所述考生的露出桌面以上的人体上半身的关键点的坐标；i为大于或等于1的整数，m为大于或等于1的整数，n为大于或等于2的整数；所述肢体动作变化判断模块还用于：将i加上(mn-m)，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。在一些示例性实施例中，所述肢体动作变化判断模块还用于：在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间不存在有肢体动作变化的考生的情况下，将i加上1，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。在一些示例性实施例中，所述肢体动作变化判断模块还用于：对所述待检测视频中的第i帧图像进行人体检测得到所述第i帧图像中每一个考生的人体检测结果图，对所述待检测视频中的第(i-1)帧图像进行人体检测得到所述第(i-1)帧图像中每一个考生的所述人体检测结果图；其中，所述人体检测结果图包括：包括所述考生露出桌面以上的人体上半身的最小外接矩形框；根据所述第i帧图像中所有所述考生的所述人体检测结果图和所述第(i-1)帧图像中所有所述考生的所述人体检测结果图，确定在所述第i帧图像和所述第(i-1)帧图像之间是否存在有肢体动作变化的考生。本申请具有如下优点：本申请实施例先采用简单而快速的方法判断第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生，在确定第i帧图像和第(i-1)帧图像之间存在有肢体动作变化的考生的情况下，才基于考生对应的二维应考向量进一步确定考生是否在作弊，也就是采用更加准确而稍微复杂的方法检测考生是否在作弊，从而提高了计算效率。在一些示例性实施例中，在确定待检测视频的第i帧图像和第(i-1)帧图像之间不存在有肢体动作变化的考生的情况下，认为第i帧图像中的所有考生均没有在作弊，也就是不需要基于考生对应的二维应考向量进一步确定考生是否在作弊，从而过滤掉大部分没有作弊发生的画面本文档来自技高网...

【技术保护点】
1.一种考试作弊检测方法，包括：/n获取待检测视频；/n判断所述待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生；/n在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间存在有肢体动作变化的考生的情况下，针对所述第i帧图像中的部分或全部所述考生中的每一个所述考生，获取所述考生对应的二维应考向量，根据所述考生对应的二维应考向量确定所述考生是否在作弊；其中，所述二维应考向量包括：所述第i帧图像、第(i+m)帧图像、第(i+2m)帧图像、……、第(i+mn-m)帧图像中所述考生的一维肢体向量，所述一维肢体向量包括：所述考生的露出桌面以上的人体上半身的关键点的坐标；i为大于或等于1的整数，m为大于或等于1的整数，n为大于或等于2的整数；/n将i加上(mn-m)，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。/n

【技术特征摘要】
1.一种考试作弊检测方法，包括：
获取待检测视频；
判断所述待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生；
在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间存在有肢体动作变化的考生的情况下，针对所述第i帧图像中的部分或全部所述考生中的每一个所述考生，获取所述考生对应的二维应考向量，根据所述考生对应的二维应考向量确定所述考生是否在作弊；其中，所述二维应考向量包括：所述第i帧图像、第(i+m)帧图像、第(i+2m)帧图像、……、第(i+mn-m)帧图像中所述考生的一维肢体向量，所述一维肢体向量包括：所述考生的露出桌面以上的人体上半身的关键点的坐标；i为大于或等于1的整数，m为大于或等于1的整数，n为大于或等于2的整数；
将i加上(mn-m)，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。


2.根据权利要求1所述的考试作弊检测方法，在确定所述待检测视频的第i帧图像和第(i-1)帧图像之间不存在有肢体动作变化的考生的情况下，该方法还包括：
将i加上1，继续执行所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生的步骤。


3.根据权利要求1所述的考试作弊检测方法，所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生之前，该方法还包括：
对所述待检测视频中的第i帧图像进行人体检测得到所述第i帧图像中每一个考生的人体检测结果图，对所述待检测视频中的第(i-1)帧图像进行人体检测得到所述第(i-1)帧图像中每一个考生的所述人体检测结果图；其中，所述人体检测结果图包括：包括所述考生露出桌面以上的人体上半身的最小外接矩形框；
所述判断待检测视频的第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生包括：
根据所述第i帧图像中所有所述考生的所述人体检测结果图和所述第(i-1)帧图像中所有所述考生的所述人体检测结果图，确定在所述第i帧图像和所述第(i-1)帧图像之间是否存在有肢体动作变化的考生。


4.根据权利要求3所述的考试作弊检测方法，其中，所述根据第i帧图像中所有考生的人体检测结果图和第(i-1)帧图像中所有考生的人体检测结果图，确定在第i帧图像和第(i-1)帧图像之间是否存在有肢体动作变化的考生包括：
针对所述第i帧图像中的每一个所述考生，计算所述第i帧图像和所述第(i-1)帧图像中同一个所述考生的所述人体检测结果图之间的相似度；
在所述相似度大于第一预设阈值的情况下，确认所述考生有肢体动作变化；
在所述相似度小于或等于所述第一预设阈值的情况下，确认所述考生没有肢体动作变化。


5.根据权利要求1-4任一项所述的考试作弊检测方法，其中，所述人体上半身的关键点包括：鼻子的关键点、左眼的关...

【专利技术属性】
技术研发人员：廉士国，南一冰，王达，
申请(专利权)人：中国联合网络通信集团有限公司，联通大数据有限公司，
类型：发明
国别省市：北京;11