【技术实现步骤摘要】
本专利技术涉及计算机，特别是涉及一种基于座位识别算法的考场作弊行为识别方法和一种基于座位识别算法的考场作弊行为识别装置、一种计算机设备及一种存储介质。
技术介绍
1、随着ai视频分析技术的不断发展，在教育考试领域，每年都有千万级的考生参加各类考试，对整个社会影响巨大，公众对考试公平的需求也越来越强烈。而ai视频识别技术是计算机视觉中增长最快的领域之一，基于ai算法对考场监控视频内容进行检测分析，通过提取视频中的关键信息，进行标记处理，并形成相应事件告警，可以有效的遏制考场作弊事件的发生。
2、在分析现有技术中至少存在如下问题：除了现场监考，目前考试通过实时查看考场视频来防止考生作弊，巡视人员至少要轮巡查看1个考点至少50个考场，每个考场至少30个考生的实时视频，人工查看视频任务量大且容易漏看，实时视频和录像回放时间长，导致一些考生和监考员的违规行为很容易被忽视，而且实时监控视频无法跟考务编排数据结合，需要人眼自己去找座位表对应视频上的人员来定位考生和监考员，费时费力。而现有的openpose人体姿态识别算法在有一定倾斜角度的监控视频下并不能很好的识别，且单个考场视频分析需要的资源消耗较大，不具备普遍适用性。在不影响考试正常进行的情况下，需要用更高效、便捷的方式来防止监考员违规行为和考生的作弊行为。
技术实现思路
1、鉴于上述问题，提出了本实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于座位识别算法的考场作弊行为识别方法、一种基于座位识别算法的考场作弊行
2、为了解决上述问题，本实施例公开了一种基于座位识别算法的考场作弊行为识别方法，包括：
3、获取考场视频，通过视频抽帧，得到考场视频图像；
4、通过所述考场视频图像确定摄像头所在方位；其中，所述摄像头所在方位包括摄像头在教室左边，摄像头在教室右边，摄像头在教室中间；
5、当考场视频图像中央位置，存在一条或两条垂直方向过道，则判定摄像头在教室中间；
6、或者，若垂直方向过道不存在，但水平方向存在一条过道，最底下两边的桌子的矩形面积之差不超过80％，则判定摄像头在教室中间；
7、或者，若底部存在水平过道，过道下方最右边的桌子比最左边的桌子矩形面积大一倍以上，则可以判定摄像头在教室右边；
8、或者，若垂直方靠右向存在一条过道，并且过道右边的桌子比左边的少，则可以判定摄像头在教室左边；
9、或者，最右边的桌子在垂直方向存在一条直线经过所有桌子区域，则可以判定摄像头在教室右边；
10、或者，最左边的桌子在垂直方向存在一条直线经过所有桌子区域，则可以判定摄像头在教室左边；
11、根据摄像头的三个方位识别出第一张桌子的位置；
12、当摄像头在教室右边时，以考场视频图像的左下角为参考点，距离参考点最远的桌子为第一张桌子的位置；
13、或者，当摄像头在教室左边时，以考场视频图像的右下角为参考，离参考点最远的桌子为第一张桌子的位置；
14、或者，当摄像头在教室中间时，以考场视频图像的过道为参考，最顶端离过道最近的桌子为第一张桌子的位置；
15、以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果；
16、根据桌子位置的排序结果针对考场视频图像中座位上的考生和监考员进行行为分析，需要预先对考场违规行为模型进行训练；
17、获取考场违规行为历史视频，对视频进行数据处理，对发现的考场违规行为进行抽帧，归类。得到各种考场违规的图片集；
18、对考场违规的图片集进行区分，对不同的违规行为打上标签，在图片上对违规行为画上不同的标记框。得到各种违规行为的标记分类集；
19、搭建yolov5网络框架，使用yolov5训练模型训练得到考场违规行为的模型；
20、反复使用模型，输入各种已训练的违规照片和新的违规照片进行分析，得到的结果检查是否正确，不正确的将未识别的图片进行重新标记，再次进行训练，不断优化模型，得到优化后的训练模型。
21、优选地，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
22、摄像头在教室左边的情况，以桌子的左下角为参考点，从之前步骤的第一张桌子开始，识别出同样是左下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，则为第二张桌子的位置；
23、将该桌子从数据队列中取走。接着以刚才第二张桌子为参考，识别出同样是左下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，为第三张桌子的位置；
24、将第三张桌子从数据队列中取走。接着第三张桌子为参考，识别出同样是左下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，为第四张桌子······以此类推，将第一列的桌子的位置排序完成；
25、排完第一列后，继续以图片左下角为参考，识别出离参考点最远的桌子，将其作为第一张桌子，重复以上的步骤将该列排完；
26、最后对全部桌子排完后，以行列的方式进行合并存储。
27、优选地，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
28、摄像头在教室右边的情况，以桌子的右下角为参考点，从之前步骤的第一张桌子开始，识别出同样是右下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，则为第二张桌子的位置；
29、将该桌子从数据队列中取走。接着以刚才第二张桌子为参考，识别出同样是右下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，为第三张桌子的位置；
30、将第三张桌子从数据队列中取走。接着第三张桌子为参考，识别出同样是右下角离其最近、并且矩形底部坐标比第一张的矩形底部坐标大，为第四张桌子······以此类推，将第一列的桌子的位置排序完成；
31、排完第一列后，继续以图片右下角为参考，识别出离参考点最远的桌子，将其作为第一张桌子，重复以上的步骤将该列排完；
32、最后对全部桌子排完后，以行列的方式进行合并存储。
33、优选地，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
34、对摄像头在教室中间的情况，以中间过道为分界点，分别进行排序。
35、在过道左边的桌子，以过道的定点为参考，识别出右上角离定点最近的桌子，则为第一张桌子。取走第一张桌子后，以第一张桌子的右下角为参考，识别出右下角离其最近的桌子，并且该桌子的矩形底部坐标要比第一张的要大，则为第二张桌子。
36、取走第二张桌子后，同样以第二张桌子的右下角为参考，识别出右下角离其最近的桌子，并且该桌子的矩形底部坐标要比第二张的要大，则为第三张桌子。
37、取走第三本文档来自技高网...
【技术保护点】
1.一种基于座位识别算法的考场作弊行为识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
3.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.一种基于座位识别算法的考场作弊行为识别装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述排序结果获取模块包括：
8.根据权利要求6所述的装置，其特征在于，所述排序结果获取模块包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的基于座位识别算法的考场作弊行为识别的步骤。
...【技术特征摘要】
1.一种基于座位识别算法的考场作弊行为识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
3.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述以第一张桌子的位置为起点，开始对考场视频图像的桌子位置进行排序，得到桌子位置的排序结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
【专利技术属性】
技术研发人员：罗伟冰，陈钟炼，陈福权，
申请(专利权)人：广州云积软件技术有限公司，
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。