【技术实现步骤摘要】
一种远程考试异常状态预判方法、系统、设备及存储介质
[0001]本申请涉及人工智能
，更具体地，涉及一种远程考试异常状态预判方法、系统、设备及存储介质。
技术介绍
[0002]随着教育信息技术的发展，考试形式由传统线下考试逐步发展到远程考试的方式，无纸化的远程考试能够减少监考空间、时间等环境因素的影响。受疫情影响远程考试一时间蓬勃发展，传统线下依靠考务人员实施监考的方式无法满足远程考试的要求。目前高校使用的远程考试平台都推出了监考模式，比如利用摄像头抓怕、后台监测考生作答的状态等。一些监考要求较高的课程则采用了双机位操作的方式：在电脑屏幕开启摄像头的同时，学生要在侧后方架起手机，利用手机摄像头同步进行拍摄。虽然远程监考对学生作弊进行了各种设置，但远程监考系统无论是准确性还是可操作性能难以获得理想的效果。
技术实现思路
[0003]针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种远程考试异常状态预判方法、系统、设备及存储介质，通过对远程考试中考生的精细表情及面部远程血压信号进行识别分析，可以实时...
【技术保护点】
【技术特征摘要】
1.一种远程考试异常状态预判方法，其特征在于，包括：分别获取远程考试系统中RGB摄像头及近红外摄像头采集的考生视频资源，并将考生视频资源按时间顺序分为多帧图像，获得考生RGB多帧图像及近红外多帧图像；将考生RGB多帧图像及近红外多帧图像输入到训练后的精细表情识别模型中，获取考生在考场中的面部精细表情识别结果，将考生RGB多帧图像及近红外多帧图像输入到训练后的面部远程血压识别模型中，获取考生在考场中的血压识别结果；根据考生的面部精细表情及血压识别结果进行考生异常状态判断及预警。2.如权利要求1所述的远程考试异常状态预判方法，其特征在于，所述精细表情识别模型包括：特征提取及融合模块、卷积空间Transformer、时间Transformer和全连接层，所述卷积空间Transformer包括N个空间编码器，所述时间Transformer包括M个时间编码器，所述空间编码器、时间编码器均由多头注意力机制组成；所述特征提取及融合模块用于从RGB和近红外图像中分别提取特征并进行特征融合输入到所述卷积空间Transformer，所述卷积空间Transformer用于从输入的融合特征中提取考生的人脸空间特征输入到所述时间Transformer，所述时间Transformer将所有帧的考生人脸空间特征作为输入来生成判别特征表示输入到所述全连接层，所述全连接层用于获得面部精细表情识别结果。3.如权利要求2所述的远程考试异常状态预判方法，其特征在于，所述卷积空间Transformer用于实现步骤：从输入的融合特征中提取考生的人脸空间特征进行特征映射，把获取的特征映射展平为一维的序列M
f
；根据M
f
获得输入嵌入表示，通过前面一层的嵌入表示计算每个空间编码器中的查询向量、关键字向量和值向量；根据查询向量、关键字向量计算N个空间编码器各自的自注意力系数，使用每一个注意力头的自注意力系数计算值向量的权重之和，再将所有注意力头的向量的连接投影并通过MLP操作，输出嵌入表示将嵌入表示在空间层面被连接生成特征图M
r
，计算每一帧的特征嵌入x
′
t
，x
′
t
＝GMP(g(M
r
))，其中g(
·
)表示卷积层，GMP代表全局最大池化。4.如权利要求2所述的远程考试异常状态预判方法，其特征在于，所述时间Transformer用于实现步骤：根据考生人脸空间特征获得输入嵌入表示；通过前面一层嵌入表示计算在每个时间编码器中的查询向量、关键字向量和值向量；根据查询向量、关键字向量计算M个时间编码器各自的自注意力系数，使用每一个注意力头的自注意力系数计算值向量的权重之和，再将所有注意力头的向量的连接投影并通过MLP操作，输出判别特征表示。5.如权利要求1所述的远程考试异常状态预判方法，其特征在于，所述面部远程血压识别模型包括特征提取及融合模块、血压信号提取模块和血压信号处理模块，所述特征提取及融合模块包括用于从预处理后的考生RGB多帧图像及近红外多帧...
【专利技术属性】
技术研发人员：刘海，张昭理，周启云，何嘉文，刘俊强，王书通，刘婷婷，杨兵，
申请(专利权)人：湖北大学，
类型：发明
国别省市：
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。