异常行为判断方法、装置及存储介质制造方法及图纸

本申请提供一种异常行为判断方法、装置及存储介质。该方法应用于在线考试系统中的服务器，在确定目标用户的考试场景信息和考场人脸信息，并获取系统中监控设备发送的实时监控视频后，对实时监控视频进行人脸识别和矫正处理得到视频中用户的实际人脸图像，并根据训练后的行为识别模型识别该实时监控视频得到人体姿态数据，最后根据实际人脸图像、考试场景信息、考场人脸信息以及人体姿态数据得到异常行为判断结果。该方法通过训练后的行为识别模型得到人体姿态数据，并结合对初始人脸图像进行矫正得到的实际人脸图像、和考试场景信息确定目标用户的异常行为判断结果，针对不同的考试场景，可以快速得到判断结果，提高了判断效率和准确率。和准确率。和准确率。

【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，得到所述实时监控视频中用户的初始人脸图像；
[0011]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；
[0012]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；
[0013]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。
[0014]相应的，本申请还提供一种异常行为判断装置，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；该装置包括：
[0015]第一确定模块，用于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；
[0016]第一获取模块，用于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；
[0017]人脸识别模块，用于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；
[0018]图像矫正模块，用于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；
[0019]行为识别模块，用于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；
[0020]判断模块，用于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。
[0021]同时，本申请提供一种电子设备，其包括处理器和存储器，存储器用于存储计算机程序，处理器用于运行所述存储器里的计算机程序，以执行上述异常行为判断方法中的步骤。
[0022]此外，本申请还提供一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行上述异常行为判断方法中的步骤。
[0023]有益效果：本申请提供一种异常行为判断方法、装置及存储介质。该方法应用于在线考试系统中的服务器，该在线考试系统包括服务器、考试终端以及监控设备，具体地，服务器先根据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，并获取监控设备发送的实时监控视频，其中，该监控设备的设备标识与考试终端的终端标识配对，然后对实时监控视频进行人脸识别，得到实时监控视频中用户的初始人脸图像，并使用该设备标识对应的人脸图像矫正模型处理该初始人脸图像，从而得到实时监控视频中用户的实际人脸图像，然后根据训练后的行为识别模型识别该实时监控视频中的人体图像，得到实时监控视频中用户的人体姿态数据，最后，根据实际人脸图像、考试场景信息、考场人脸信息、以及人体姿态数据，得到该目标用户的异常行为判断结果。该方法中监控设备的设备标识与考试终端的终端标识配对，使得服务器能快速获取与目标用户相关的实时监控视频，再利用与设备标识对应的人脸图像矫正模型，对实时监控视频中识别得到的初始人脸图像进行矫正处理，得到视频中用户的实时人脸图像，同时，利用训练后的行为识别模型识别实时监控视频中的人体图像，得到人体姿态数据，从而减少误判，最后结合与目标用户相关的考试场景信息和考场人脸信息得到行为判断结果，提高了判断的效率和准确率。
附图说明
[0024]下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。
[0025]图1是本申请实施例提供的在线考试系统的系统架构图。
[0026]图2是本申请实施例提供的异常行为判断方法的流程示意图。
[0027]图3是本申请实施例提供的多人场景的场景示意图。
[0028]图4是本申请实施例提供的异常行为判断装置的结构示意图。
[0029]图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]本申请的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含；本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行。
[0032]本申请提供一种异常行为判断方法、装置及存储介质，其中，该异常行为判断装置可以集成在电子设备中，该电子设备可以是服务器等。
[0033]请参阅图1，图1是本申请实施例提供的在线考试系统的系统架构图，如图1所示，该系统可以包括终端以及设备，终端之间、设备之间、以及终端与设备之间通过各种网关组成的互联网等方式连接通信，其中，该在线考试系统中至少包括服务器101、考试终端102以及监控设备103：
[0034]服务器101可以是独立的服务器，也可以是服务器组成的服务器网络或者服务器集群；例如，本申请中所描述的服务器，其包括但不限于计算机、网络主机、存储服务器以及应用服务器或者多个服务器构成的云服务器，其中云服务器由基于云计算(Cloud Computing)的大量计算机或者网络服务器构成。该服务器本文档来自技高网...

【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：