【技术实现步骤摘要】
异常行为判断方法、装置及存储介质
[0001]本申请涉及在线考试
,尤其涉及一种异常行为判断方法、装置及存储介质。
技术介绍
[0002]在线考试系统已经被广泛应用于各类考试场景,例如企业招聘的在线笔试、研究生入学考试的在线复试、计算机等级考试等。
[0003]为了有效监控考试中的各种作弊行为,大多数场景都配备有监控设备进行录像,由于不同考试场景下的考场和周边环境不固定,容易出现替考、他人协助考试等作弊异常行为。当前大多采用人工处理的方式检查录像,从而判断用户是否作弊,然而,这种方式不仅效率不高,且由于人工判断存在主观性,还容易出现漏检和误判的情况,从而导致判断结果不准确。
[0004]因此,当前方法存在判断考试中用户是否存在异常行为的效率和准确率较低的技术问题,需要改进。
技术实现思路
[0005]本申请提供一种异常行为判断方法、装置及存储介质,用于缓解当前方法存在的判断效率和准确率较低的技术问题。
[0006]为了解决上述技术问题,本申请提供以下技术方案:
[0007]本申请提供一种异常行为判断方法,应用于在线考试系统中的服务器,所述在线考试系统包括所述服务器、考试终端以及监控设备;该方法包括:
[0008]根据所述考试终端的终端标识,确定目标用户的考试场景信息和考场人脸信息;
[0009]获取所述监控设备发送的实时监控视频,所述监控设备的设备标识与所述考试终端的终端标识配对;
[0010]对所述实时监控视频进行人脸识别,得到所述实时监 ...
【技术保护点】
【技术特征摘要】
1.一种异常行为判断方法,其特征在于,应用于在线考试系统中的服务器,所述在线考试系统包括所述服务器、考试终端以及监控设备;所述方法包括:根据所述考试终端的终端标识,确定目标用户的考试场景信息和考场人脸信息;获取所述监控设备发送的实时监控视频,所述监控设备的设备标识与所述考试终端的终端标识配对;对所述实时监控视频进行人脸识别,得到所述实时监控视频中用户的初始人脸图像;使用所述设备标识对应的人脸图像矫正模型,处理所述初始人脸图像,得到所述实时监控视频中用户的实际人脸图像;根据训练后的行为识别模型识别所述实时监控视频中的人体图像,得到所述实时监控视频中用户的人体姿态数据;根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据,得到所述目标用户的异常行为判断结果。2.根据权利要求1所述的异常行为判断方法,其特征在于,所述使用所述设备标识对应的人脸图像矫正模型,处理所述初始人脸图像,得到所述实时监控视频中用户的实际人脸图像的步骤,包括:获取人脸图像矫正模型集和标识模型映射关系,所述人脸图像矫正模型是基于教师图像矫正模型对学生图像矫正模型进行知识蒸馏得到的,所述教师图像矫正模型是基于监控设备的内参数据和畸变系数构建的图像样本集训练得到的,所述学生图像矫正模型是基于所述教师图像矫正模型构建的;根据所述设备标识和所述标识模型映射关系,从所述人脸图像校正模型集中确定所述设备标识对应的人脸图像矫正模型;根据所述设备标识对应的人脸图像矫正模型对所述初始人脸图像进行矫正处理,得到所述实时监控视频中用户的实际人脸图像。3.根据权利要求1所述的异常行为判断方法,其特征在于,在所述根据训练后的行为识别模型识别所述实时监控视频中的人体图像,得到所述实时监控视频中用户的人体姿态数据的步骤之前,包括:获取模拟的考试行为数据;根据所述模拟的考试行为数据训练初始行为识别模型,得到训练后的行为识别模型。4.根据权利要求1所述的异常行为判断方法,其特征在于,所述根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据,得到所述目标用户的异常行为判断结果的步骤,包括:在所述考试场景信息表征为单人场景时,解析所述实际人脸图像,得到实际人脸数量和实际人脸信息;判断所述实际人脸数量是否满足预设单人阈值,得到数量判断结果;若所述数量判断结果表征所述实际人脸数量不满足所述预设单人阈值,则记录数量异常次数,在所述数量异常次数超过预设数量异常次数时,确定所述单人场景下的所述目标用户存在异常行为;若所述数量判断结果表征所述实际人脸数量满足预设单人阈值,则根据所述实际人脸信息、所述考场人脸信息以及所述人体姿态数据,得到所述目标用户的异常行为判断结果。
5.根据权利要求4所述的异常行为判断方法,其特征在于,所述若所述数量判断结果表征所述实际人脸数量满足预设单人阈值,则根据所述实际人脸信息、所述考场人脸信息以及所述人体姿态数据,得到所述目标用户的异常行为判断结果的步骤,包括:若所述数量判断结果表征所述实际人脸数量满足预设单人阈值,则根据所述实际人脸信息和所...
【专利技术属性】
技术研发人员:陈浩,
申请(专利权)人:湖北易康思科技有限公司,
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。