基于边缘计算的考场智能监控方法技术

本发明专利技术提供了基于边缘计算的考场智能监控方法，其通过同一边缘计算终端对考场的所有摄像头进行共同控制，并根据每个摄像头所处区域的考生分布状态以及其拍摄得到的考场内部影像的影像画质信息，分别调整摄像头的拍摄参数；通过边缘计算终端对经过拍摄参数调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息，以此判断考生是否存在作弊行为；再向考场管理平台终端上传存在作弊行为的考生定位信息和向监考人员所持的移动终端发送通知消息，其利用边缘计算终端对所有摄像头拍摄的影像进行同步分析处理，在考试过程中能够及时确定发生的作弊行为，提高考场监控管理的及时性和可靠性。可靠性。可靠性。

【技术实现步骤摘要】
基于边缘计算的考场智能监控方法


[0001]本专利技术涉及考场智能监控管理的
，特别涉及基于边缘计算的考场智能监控方法。

技术介绍

[0002]考场内部的考生数量较多，并且考生分布范围较大，仅仅依靠监考人员无法对考场进行全面和实时的监控。为此，通常在考场内部不同位置安装摄像头，对考试过程进行拍摄监控。但是，上述摄像头只具有拍摄和存储功能，其无法对拍摄得到的影像进行实时识别分析，这使得上述方式只能在考试结束后通过人工识别的方式对影像进行分析，从而需要耗费较多的人力物力进行影像分析，无法实时发现作弊行为，降低考场监控管理的及时性和可靠性。

技术实现思路

[0003]针对现有技术存在的缺陷，本专利技术提供基于边缘计算的考场智能监控方法，其通过同一边缘计算终端对考场的所有摄像头进行共同控制，并根据每个摄像头所处区域的考生分布状态以及其拍摄得到的考场内部影像的影像画质信息，分别调整摄像头的拍摄参数；通过边缘计算终端对经过拍摄参数调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息，以此判断考生是否存在作弊行为；再向考场管理平台终端上传存在作弊行为的考生定位信息和向监考人员所持的移动终端发送通知消息，其利用边缘计算终端对所有摄像头拍摄的影像进行同步分析处理，在考试过程中能够及时确定发生的作弊行为，不需要后续对影像进行人工识别，提高考场监控管理的及时性和可靠性。
[0004]本专利技术提供基于边缘计算的考场智能监控方法，其包括如下步骤：
[0005]步骤S1，在考场不同位置处安装若干摄像头，并将所有摄像头接入到同一边缘计算终端，通过边缘计算终端指示摄像头进行初始化操作；根据每个摄像头所处区域的考生分布状态，调整每个摄像头的拍摄参数；
[0006]步骤S2，通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对所述考场内部影像进行预分析处理，得到所述考场内部影像的影像画质信息；根据所述影像画质信息，再次调整其对应的摄像头的拍摄参数；
[0007]步骤S3，通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息；根据所述行为信息，判断考生是否存在作弊行为；
[0008]步骤S4，通过边缘计算终端根据上述判断结果，向考场管理平台终端上传相应的考生定位信息；再根据所述考生定位信息，向监考人员所持的移动终端发送通知消息。
[0009]进一步，在所述步骤S1中，将所有摄像头接入到同一边缘计算终端，，通过边缘计算终端指示摄像头进行初始化操作具体包括：
[0010]通过边缘计算终端向每个摄像头发送测试形式的控制指令，并确定每个摄像头接收到所述测试形式的控制指令后进行相应拍摄动作的实际响应时间；
[0011]若所述实际响应时间大于或等于预设时间阈值，则通过边缘计算终端向对应的摄像头发送重启指令。
[0012]进一步，在所述步骤S1中，根据每个摄像头所处区域的考生分布状态，调整每个摄像头的拍摄参数具体包括：
[0013]获取每个摄像头对应的拍摄视场范围覆盖的考生分布数量，根据所述考生分布数量，调整每个摄像头进行扫描拍摄操作过程中的扫描拍摄周期或光圈曝光量。
[0014]进一步，在所述步骤S2中，通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对所述考场内部影像进行预分析处理，得到所述考场内部影像的影像画质信息具体包括：
[0015]通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对每个考场内部影像进行区别标记；
[0016]对所述考场内部影像进行预分析处理，得到影像画面像素轮廓细度值，以此作为影像画质信息。
[0017]进一步，在所述步骤S2中，根据所述影像画质信息，再次调整其对应的摄像头的拍摄参数具体包括：
[0018]将所述影像画面像素轮廓细度值与预设细度阈值进行比对，若所述影像画面像素轮廓细度值大于或等于预设细度阈值，则减小摄像头的拍摄焦距；若所述影像画面像素轮廓细度值小于预设细度阈值，则增大摄像头的拍摄焦距。
[0019]进一步，在所述步骤S3中，通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息具体包括：
[0020]通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进行人体肢体动作识别分析处理，得到考生的头部动作行为信息和手部动作行为信息。
[0021]进一步，在所述步骤S3中，根据所述行为信息，判断考生是否存在作弊行为具体包括：
[0022]对所述头部动作行为信息和所述手部动作行为信息进行神经网络模型学习处理，判断考生是否存在作弊行为。
[0023]进一步，在所述步骤S4中，通过边缘计算终端根据上述判断结果，向考场管理平台终端上传相应的考生定位信息；再根据所述考生定位信息，向监考人员所持的移动终端发送通知消息具体包括：
[0024]当判断考生存在作弊行为，则通过边缘计算终端向考场管理平台终端上传相应考生在考场内部的座位位置信息；
[0025]再向监考人员所持的移动终端发送包含所述座位位置信息的通知消息。
[0026]进一步，在所述步骤S4中，通过边缘计算终端根据上述判断结果，向考场管理平台终端上传相应的考生定位信息具体包括：
[0027]在考场的墙面上粘贴关于考场内考生相关信息的二维码，在考试前指示摄像头对当前考场内的二维码进行拍摄识别，得到考场内考生的信息数据，当考试过程中未发生作
弊行为时，在考试结束后再次利用边缘计算终端，判断监控录像回放的过程中存在作弊行为后，根据考生的定位信息和通过识别二维码，得到考场内考生的信息数据对应的考试学号信息，将所述考试学号信息和对应的考试的监控录像回放视频进行打包，并发送到考场管理平台终端，其过程为；
[0028]步骤S401，利用下面公式(1)，根据预先设定的每个考场内的考生座位号以及考试学号信息，生成考场内考生的信息数据，并将所述信息数据转换成二维码和粘贴在相应的考场的墙面上，
[0029][0030]在上述公式(1)中，B(a)表示生成的考场内考生的信息数据中的第a组子信息，其中所述考场内考生的信息数据按照生座位号分成多组子信息，将子信息进行汇总即为所述考场内考生的信息数据；a表示本考场内的考生座位号，并且每个考场的考生座位号总数均不超过100；D(a)表示本考场内的考生座位号为a所对应的考试学号信息；,
‑2表示将括号内的数值转换为二进制形式；表示循环左移；*+
10
表示将括号内的数值转换为十进制形式；
[0031]通过上述过程将所述考场的所有子信息汇总起来，得到所述考场内考生的信息数据，并将所述信息数据转换成二维码和粘贴在相应的考场的墙面上，在考试前指示摄像头对当前考场内的二维码进行拍摄识别得到考场内考生的信息数据记作b，并且b(a)表示拍摄识别的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于边缘计算的考场智能监控方法，其特征在于，其包括如下步骤：步骤S1，在考场不同位置处安装若干摄像头，并将所有摄像头接入到同一边缘计算终端，通过边缘计算终端指示摄像头进行初始化操作；根据每个摄像头所处区域的考生分布状态，调整每个摄像头的拍摄参数；步骤S2，通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对所述考场内部影像进行预分析处理，得到所述考场内部影像的影像画质信息；根据所述影像画质信息，再次调整其对应的摄像头的拍摄参数；步骤S3，通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息；根据所述行为信息，判断考生是否存在作弊行为；步骤S4，通过边缘计算终端根据上述判断结果，向考场管理平台终端上传相应的考生定位信息；再根据所述考生定位信息，向监考人员所持的移动终端发送通知消息。2.如权利要求1所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S1中，将所有摄像头接入到同一边缘计算终端，，通过边缘计算终端指示摄像头进行初始化操作具体包括：通过边缘计算终端向每个摄像头发送测试形式的控制指令，并确定每个摄像头接收到所述测试形式的控制指令后进行相应拍摄动作的实际响应时间；若所述实际响应时间大于或等于预设时间阈值，则通过边缘计算终端向对应的摄像头发送重启指令。3.如权利要求2所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S1中，根据每个摄像头所处区域的考生分布状态，调整每个摄像头的拍摄参数具体包括：获取每个摄像头对应的拍摄视场范围覆盖的考生分布数量，根据所述考生分布数量，调整每个摄像头进行扫描拍摄操作过程中的扫描拍摄周期或光圈曝光量。4.如权利要求3所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S2中，通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对所述考场内部影像进行预分析处理，得到所述考场内部影像的影像画质信息具体包括：通过边缘计算终端收集每个摄像头采集得到的考场内部影像，并对每个考场内部影像进行区别标记；对所述考场内部影像进行预分析处理，得到影像画面像素轮廓细度值，以此作为影像画质信息。5.如权利要求4所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S2中，根据所述影像画质信息，再次调整其对应的摄像头的拍摄参数具体包括：将所述影像画面像素轮廓细度值与预设细度阈值进行比对，若所述影像画面像素轮廓细度值大于或等于预设细度阈值，则减小摄像头的拍摄焦距；若所述影像画面像素轮廓细度值小于预设细度阈值，则增大摄像头的拍摄焦距。6.如权利要求5所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S3中，通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进行识别分析处理，得到影像包含的每个考生对应的行为信息具体包括：通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进
行人体肢体动作识别分析处理，得到考生的头部动作行为信息和手部动作行为信息。7.如权利要求6所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S3中，根据所述行为信息，判断考生是否存在作弊行为具体包括：对所述头部动作行为信息和所述手部动作行为信息进行神经网络模型学习处理，判断考生是否存在作弊行为。8.如权利要求7所述的基于边缘计算的考场智能监控方法，其特征在于：在所述步骤S4中，通过边缘计算终端根据上述判断结果，向考场管理平台终端上传相应的考生定位信息；再根据所述考生定位信息，向监考人员所持的移动终端发送通知消息具体包括：当...

【专利技术属性】
技术研发人员：余丹，张腾怀，兰雨晴，王丹星，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：