【技术实现步骤摘要】
本申请涉及行为监控分析，尤其涉及一种基于深度学习的行为监控分析方法、系统、设备及介质。
技术介绍
1、随着网络技术的发展，线上考试逐渐成为一种主流的考试形式。然而，线上考试的监考难度较大，考生可能存在多种违反考试规则的行为，例如起身离开考试界面查阅书籍等，这些行为会严重影响考试的公平性。因此，如何有效地监控线上考试考生的行为，及时发现并纠正违规行为是当前亟待解决的问题。
2、目前为了解决该问题，采用的做法是派大量监考人员对多个考生的监控画面进行实时监视。或通过人脸识别算法对多名考生的进行实时监视，具体地，通过在电力线上考试过程中实时进行人脸图像捕捉，并在捕捉不到人脸或捕捉到非考试人脸时进行考试界面锁定处理，实现了考试过程中考试内容的保密管理，有效提升了替考预防时对考试安全的保障力度，同时在进行线上考试作弊行为时进行考试行为和答题状态分析。
3、然而，上述监考人员的监控方法，由于监考人员生理特征决定了对视频的分析带有主观性，而且长时间高度紧张地集中审查视频画面，很快会出现视觉疲劳，从而对监控视频中偶尔出现的考生作弊行为很难做出及时准确地判断。上述人脸图像捕捉的监控方法，主要集中在人脸部分析，分析结果准确度低。
技术实现思路
1、针对现有技术的上述不足，本申请提供一种基于深度学习的行为监控分析方法、系统、设备及介质，以解决现有的方案分析结果准确度低的问题。
2、第一方面，本申请提供了一种基于深度学习的行为监控分析方法，方法包括：通过移动采集设备实时采
3、进一步地，在通过移动采集设备实时采集考生行为视频，进而获得视频帧图像之后，方法还包括：确定视频帧图像是否符合预设标准，在不符合时，弹出矫正移动采集设备的提示框。
4、进一步地，对视频帧图像进行图像增强，具体包括：通过公式：，对视频帧图像进行图像增强；其中，为输出像素值，为原始图像像素值，a和为预设增强常数。
5、进一步地，方法还包括：在触发语音提醒后，存储触发语音提醒的视频帧图像。
6、第二方面，本申请提供了一种基于深度学习的行为监控分析系统，系统包括：获得模块，用于通过移动采集设备实时采集考生行为视频，进而获得视频帧图像；对视频帧图像进行图像增强，并将图像增强后的图像调整为预设格式，以获得处理后图像；将处理后图像作为训练好的位置检测卷积神经网络的输入，以获得考生位置坐标，进而获取考生位置抠图；其中，位置检测卷积神经网络的预测输出层采用解耦头方式；提醒模块，用于将考生位置抠图作为人体骨骼关键点检测算法的输入，以获得骨骼关键点位置；确定骨骼关键点位置是否符合预设要求，以在不符合要求时，进行语音提醒；利用位置检测卷积神经网络，取预测输出层解耦头后的分支的输出数据，输入softmax激活函数，以得到最终的行为类别；在行为类别不符合要求时，进行语音提醒。
7、进一步地，系统还包括提示模块，用于确定视频帧图像是否符合预设标准，在不符合时，弹出矫正移动采集设备的提示框。
8、进一步地，获得模块包括提示单元，用于通过公式：，对视频帧图像进行图像增强；其中，为输出像素值，为原始图像像素值，a和为预设增强常数。
9、进一步地，系统还包括存储模块，用于在触发语音提醒后，存储触发语音提醒的视频帧图像。
10、第三方面，本申请提供了一种基于深度学习的行为监控分析设备，设备包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述任一项的一种基于深度学习的行为监控分析方法。
11、第四方面，本申请提供了一种非易失性计算机存储介质，其上存储有计算机指令，计算机指令在被执行时实现如上述任一项的一种基于深度学习的行为监控分析方法。
12、本领域技术人员能够理解的是，本申请至少具有如下有益效果：
13、本申请通过移动采集设备负责实时采集线上考生的视频帧图像；对捕捉到考生视频帧图像进行预处理，如图像增强，图像尺寸调整等；通过位置检测卷积神经网络提取考生的位置信息；通过人体骨骼关键点检测算法判断考生肢体是否完全位于框内，利用softmax激活函数检查行为类别（否有站立行为）；当考生出现站立行为或肢体离开监控画面异常行为提醒模块会发出提醒，提醒考生规范考试作答行为；另外，本申请会对发生疑似作弊行为的视频帧图像进行保存，方便后期人工审查核验。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的行为监控分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，在通过移动采集设备实时采集考生行为视频，进而获得视频帧图像之后，所述方法还包括：
3.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，对视频帧图像进行图像增强，具体包括：
4.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，所述方法还包括：
5.一种基于深度学习的行为监控分析系统，其特征在于，所述系统包括：
6.根据权利要求5所述的基于深度学习的行为监控分析系统，其特征在于，所述系统还包括提示模块，
7.根据权利要求5所述的基于深度学习的行为监控分析系统，其特征在于，获得模块包括提示单元，
8.根据权利要求5所述的基于深度学习的行为监控分析系统，其特征在于，所述系统还包括存储模块，
9.一种基于深度学习的行为监控分析设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，其特征在于，其上存储有计算
...【技术特征摘要】
1.一种基于深度学习的行为监控分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，在通过移动采集设备实时采集考生行为视频，进而获得视频帧图像之后，所述方法还包括：
3.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，对视频帧图像进行图像增强，具体包括：
4.根据权利要求1所述的基于深度学习的行为监控分析方法，其特征在于，所述方法还包括：
5.一种基于深度学习的行为监控分析系统，其特征在于，所述系统包括：
6.根据权...
【专利技术属性】
技术研发人员：马磊，陈义学，侯庆，梁延灼，
申请(专利权)人：山东山大鸥玛软件股份有限公司，
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。