【技术实现步骤摘要】
本专利技术属于在线考试，具体涉及一种基于人工智能的在线考试自动监考系统及方法。
技术介绍
1、随着网络技术的发展，在线考试成为一种方便、快捷的考试方式。在线考试一般需要与之匹配的在线监考系统，在线监考系统可以通过网络技术对远程考试进行实时监控和管理，可以提高远程考试的安全性和可靠性，在考试过程中对考生的行为和活动进行监控，减少作弊行为的发生，同时也为教师和考试主管部门提供了更多的数据和信息来评估考生的能力和水平。
2、现有的在线监考系统基本上是通过考生身份验证、考试环境监控和考生屏幕监控来实现。比如公开号为cn110807090a的专利技术专利公开了一种面向在线考试的无人监考方法，其在进考场时采集考生的生物数据识别考生身份，在考试过程中，通过设置在考场的声音采集模块和动作采集模块分别采集声音数据和视频数据并传输至考试终端，在考试终端进行语音识别和图像识别，分析考生是否作弊。但是实际考试过程中，这种监考方式并不能全面识别各种作弊行为，导致作弊行为判断不准确、在线监考效果不佳，无法保障考试的公平性。
技术实现思路
1、有鉴于此，本专利技术提出了一种基于人工智能的在线考试自动监考系统及方法，用于解决现有的在线监考系统中作弊行为判断不准确的问题。
2、本专利技术第一方面，公开了一种基于人工智能的在线考试自动监考系统，其特征在于，所述系统包括：
3、表情监测模块：用于根据考场监控数据对考生的进行面部识别，实时监控考生的面部表情和眼神动态，判断是否存在疑似作
4、行为监测模块：用于根据考场监控数据分析考生的身体动作和姿态，识别出异常行为；
5、屏幕监测模块：用于实时监控考生的电脑屏幕，判断考生是否在屏幕上打开了与考试无关的页面或者开启了作弊软件，识别出异常行为；
6、通知预警模块：用于若考生有疑似作弊情况或存在异常行为情况，发送预警信息给监考人员；
7、作弊判断模块：用于实时分析考生的卷面答题情况，根据卷面答题情况、疑似作弊情况或异常行为情况综合判断考生是否作弊，若是，发送判断结果给监考人员参考。
8、在以上技术方案的基础上，优选的，所述表情监测模块具体包括：
9、模型搭建单元：用于在dpn网络的基础block中引入注意力机制，形成一个网络构建块；以网络构建块为基础网络，构建u型网络结构，得到u-dpn网络；
10、模型训练单元：用于通过u-dpn网络构建面部识别模型，并建立数据集训练面部识别模型；
11、嫌疑识别单元：用于将考生的面部表情图像输入面部识别模型，判断是否有作弊嫌疑；使用眼球追踪技术来监测考生的眼神动态，判断是否有作弊嫌疑。
12、在以上技术方案的基础上，优选的，所述模型搭建单元中，以dpn网络的基础block中引入注意力机制，形成一个网络构建块具体包括：
13、在dpn网络的基础block的bottleneck层之后增加一个卷积注意力层，形成一个网络构建块；
14、卷积注意力层包括2个平均池化层、2个最大池化层、1个多层感知机、1个relu激活函数层、2个sigmoid层，1个elementwise层。
15、在以上技术方案的基础上，优选的，所述u-dpn网络包括编码路径和解码路径，所述编码路径和解码路径构成u型网络结构；
16、编码路径包括4个编码器，每个编码器包括2个网络构建块；
17、解码路径包括1个反卷积层、2个解码器和1个卷积层，每个解码器包括2个网络构建块；
18、编码路径和解码路径之间通过跳层连接。
19、在以上技术方案的基础上，优选的，所述行为监测模块具体包括：
20、采用u-dpn网络建立行为识别模型，通过行为识别模型识别考生的身体动作和姿态，判断是否有异常行为。
21、在以上技术方案的基础上，优选的，所述作弊判断模块中，卷面答题情况具体包括：
22、卷面答题情况包括考生的答题速度、修改答案的频率、答题的逻辑性。
23、在以上技术方案的基础上，优选的，所述作弊判断模块具体包括：
24、第一判断单元：用于实时统计考生的平均答题速度，判断当存在疑似作弊情况或存在异常行为之后，考生平均答题速度是否加快，若是，判定考生作弊；所述平均答题速度为输入字符数与考试已开始时长的比值；
25、第二判断单元：用于实施监控考生答题过程中的修改答案的频率，判断当存在疑似作弊情况或存在异常行为之后，考生修改答案的频率是否加快，若是，判定考生作弊；
26、第三判断单元：用于比对考生在不同题目或不同部分的答案，观察答案之间是否存在逻辑矛盾或不一致的情况，若是，判定答题的逻辑性一致，否则，判定答题的逻辑性不一致，当存在疑似作弊情况或存在异常行为之后，考生修改答案并出现逻辑性不一致情况，判定考生作弊。
27、本专利技术第二方面，公开了一种基于人工智能的在线考试自动监考方法，所述方法包括：
28、根据考场监控数据对考生的进行面部识别，实时监控考生的面部表情和眼神动态，判断是否存在疑似作弊情况；
29、根据考场监控数据分析考生的身体动作和姿态，识别出异常行为；
30、实时监控考生的电脑屏幕，判断考生是否在屏幕上打开了与考试无关的页面或者开启了作弊软件，识别出异常行为；
31、若考生有疑似作弊情况或存在异常行为情况，发送预警信息给监考人员；
32、实时分析考生的卷面答题情况，根据卷面答题情况、疑似作弊情况或异常行为情况综合判断考生是否作弊，若是，发送判断结果给监考人员参考。
33、本专利技术第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
34、其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
35、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本专利技术第一方面所述的方法。
36、本专利技术第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本专利技术第一方面所述的方法。
37、本专利技术相对于现有技术具有以下有益效果：
38、1)本专利技术分别从面部表情监测、行为监测、屏幕监测等多个方面判断考生是否有作弊嫌疑或异常行为，在有作弊嫌疑或异常行为的基础上，根据作弊嫌疑或异常行为之后卷面答题情况的变化情况综合判断考生是否作弊，将作弊嫌疑与卷面答题情况相结合，作弊判断所使用的因素更全面、判断结果更准确。
39、2)本专利技术在dpn网络的基础block中引入注意力机制，形成一个网络构建块，从而可以在获得bottleneck层的共享权重后，根据特征在通道和空间两个维度的重要度去凸显有效信息并尽量抑制冗余信息，从而增强网络的特征表达能力。
40、3)本专利技术以网络构建块本文档来自技高网...
【技术保护点】
1.一种基于人工智能的在线考试自动监考系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于人工智能的在线考试自动监考系统，其特征在于，所述表情监测模块具体包括：
3.根据权利要求2所述的基于人工智能的在线考试自动监考系统，其特征在于，所述模型搭建单元中，以DPN网络的基础Block中引入注意力机制，形成一个网络构建块具体包括：
4.根据权利要求3所述的基于人工智能的在线考试自动监考系统，其特征在于，所述U-DPN网络包括编码路径和解码路径，所述编码路径和解码路径构成U型网络结构；
5.根据权利要求4所述的基于人工智能的在线考试自动监考系统，其特征在于，所述行为监测模块具体包括：
6.根据权利要求1所述的基于人工智能的在线考试自动监考系统，其特征在于，所述作弊判断模块中，卷面答题情况具体包括：
7.根据权利要求6所述的基于人工智能的在线考试自动监考系统，其特征在于，所述作弊判断模块具体包括：
8.一种基于人工智能的在线考试自动监考方法，其特征在于，所述方法包括：
9.一种电子设
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求8所述的方法。
...【技术特征摘要】
1.一种基于人工智能的在线考试自动监考系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于人工智能的在线考试自动监考系统，其特征在于，所述表情监测模块具体包括：
3.根据权利要求2所述的基于人工智能的在线考试自动监考系统，其特征在于，所述模型搭建单元中，以dpn网络的基础block中引入注意力机制，形成一个网络构建块具体包括：
4.根据权利要求3所述的基于人工智能的在线考试自动监考系统，其特征在于，所述u-dpn网络包括编码路径和解码路径，所述编码路径和解码路径构成u型网络结构；
5.根据权利要求4所述的基于人工智能的在线考试自动监考系统，...
【专利技术属性】
技术研发人员：莫洪武，海克洪，
申请(专利权)人：武汉美和易思数字科技有限公司，
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。