一种引体向上作弊行为的检测方法技术

本发明专利技术公开了一种引体向上作弊行为的检测方法，通过改进Yolo v5模型中的骨干网络及预测输出端建立了作弊行为检测模型，采用作弊行为检测模型对测试过程进行实时检测，节省了模型训练的时间，提高了样本量较小情况下的训练效果，有效降低了引体向上测试过程对人工的依赖程度。依赖程度。依赖程度。

【技术实现步骤摘要】
一种引体向上作弊行为的检测方法


[0001]本专利技术属于计算机视觉和图像处理
，具体涉及一种引体向上作弊行为的检测方法。

技术介绍

[0002]随着国家对大学生体质测试的重视程度逐步提高，越来越多的高校都已启动开展相关体质测试。引体向上测试是体质测试中最重要的项目之一，为了降低引体向上测试的人力成本，与体质测试相关的自动化技术与设备层出不穷，然而由于无法检测测试过程中的一些作弊手段(如替考、他人托举等)，导致测试成绩无法反映学生的真实情况，无法体现测试的公平性，因此目前采用现有技术的体质测试过程中仍需要一定程度上的人工参与，并没有从根本上解放测试人员。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种引体向上作弊行为的检测方法，实现了引体向上运动过程中的实时作弊行为检测。
[0004]本专利技术提供的一种引体向上作弊行为的检测方法，包括以下步骤：
[0005]步骤1、从多视角采集正常测试和不同作弊情况下的引体向上动作图片，建立训练样本数据集，建立数据集的过程包括图像采集、数据清洗、图像标注、数据增本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种引体向上作弊行为的检测方法，其特征在于，包括以下步骤：步骤1、从多视角采集正常测试和不同作弊情况下的引体向上动作图片，建立训练样本数据集，建立数据集的过程包括图像采集、数据清洗、图像标注、数据增强及数据集划分；步骤2、基于改进YOLO v5的深度学习卷积网络模型建立作弊行为检测模型，采用步骤1建立的训练样本数据集完成对作弊行为检测模型的训练；步骤3、将引体向上测试过程中采集的部分实时视频帧输入训练得到的作弊行为检测模型中，通过非极大值抑制NMS对冗余预测框进行剔除，保留置信度最高的预测框，判断当前是否存在作弊行为。2.根据权利要求1所述的检测方法，其特征在于，所述步骤1中的所述从多视角采集正常测试和不同作弊情况下的引体向上动作图片的方式为：通过在标准动作的拉升阶段、下降阶段以及最高点或最低点保持阶段随机获取若干帧得到正常测试的引体向上动作图片，通过复现测试中的作弊场景在动作的执行过程中随机获取若干帧得到不同作弊情况下的引体向上动作图片。3.根据权利要求1所述的检测方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：汤代佳，毛冠军，郭泽华，姚超，李昶林，
申请(专利权)人：北京理工大学陕西师范大学，
类型：发明
国别省市：