CN102724394A - 考场监控摄像头 - Google Patents
考场监控摄像头 Download PDFInfo
- Publication number
- CN102724394A CN102724394A CN2012102032722A CN201210203272A CN102724394A CN 102724394 A CN102724394 A CN 102724394A CN 2012102032722 A CN2012102032722 A CN 2012102032722A CN 201210203272 A CN201210203272 A CN 201210203272A CN 102724394 A CN102724394 A CN 102724394A
- Authority
- CN
- China
- Prior art keywords
- examinee
- examination
- camera
- characteristic
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种考场监控摄像头,包括与具体处理设备连接的接口、音视频传感器、生物信息传感器、存储模块、控制模块,其中:音视频传感器用于捕捉考生的音视频信息;生物信息传感器用于捕捉考生的生物信息;控制模块与连接的具体处理设备通讯,获得考生的核实生物信息,并与生物信息传感器捕捉到的生物信息比较,以进行考生的身份验证,并将结果传输到具体处理设备。本发明使考生身份验证和考试监控过程自动化,提供了一个可靠和专用的考试环境,方便了在线考试的组织和管理,实现了用最小的开销管理可靠的考试。
Description
技术领域
本发明涉及一种摄像头,特别涉及一种用于实现考场监控的摄像头。
背景技术
近年来,随着计算机和互联网的发展,基于计算机和互联网技术的在线考试***得到了发展,例如在大型的GRE、GMAT等考试中得到了推广应用。在线考试***通常包括一个考试服务器,以及一个或多个考试站,考卷通过网络从服务器发送到考试站,考试站收集应试者应答数据,并发送回考试服务器。在进行这样的在线考试时,特别是在考试对考场纪律要求非常严格,或者考试结果对于可靠性要求非常高的时候,需要花费大量时间和精力来确保考试的完整性。首先,考生必须进行登记,确保有资格的人登记参加考试。其次,需要确保登记的人才被允许参加考试。在考试过程中,需要配备专门人员监督考试以确保不发生作弊。并且,在线考试中一个非常重要的方面是要确保计算机上考试问题信息以及计算机运行环境的安全,以确保应试者不会利用考试的机器作弊,或者考试信息不会被盗、泄露、被越权访问以及被修改。所有这些安全措施都需要大量经费和人力。
目前国内外对在线考试进行监考主要是采取集中机房、人工监考的方式。这种方式需要准备专用的考场,并采用传统的人工监考的方式。与传统的标准纸质考试相比较,这种在线考试方式只是在试卷生成和收集方面做出了改进,在监考方式方面仍然完全套用传统的方法。部分在线考试***尝试性的增加了视频监控功能。美国Prometric(普尔文)考试公司就是国际上最大的计算机化教育和考试认证服务的公司,开创了计算机化考试技术和管理标准,用于GRE和TOFEL等考试的机考***,就具有考场视频监控功能,但是这种技术只是实现了考试环境的视频记录,不能实现针对每个考试个体和计算机的同步监控,除此之外,这种监控***还需要大量人力参与分析视频信息,不能实现对海量视频信息的自动分析、预测和利用。同时这种技术需要专用的监控设备,设备价格昂贵,安装、调试及维护需要专业人士进行,成本过高、灵活性差。
发明内容
本发明的目的在于开发一种针对在线考试考场监控的摄像头,提供考场监控信息并对监控视频信息进行处理,从而可以低成本的实现无人监考。
本发明的另一个目的在于使整个考试过程自动化,从而使应考者可以自动进行考试身份认证并完成考试,而不需要任何人员在现场。
本发明的目的是通过以下基本技术方案实现的:
本发明提供了一种考场监控摄像头,包括与具体处理设备连接的接口、音视频传感器、生物信息传感器、控制模块,其中:
音视频传感器用于捕捉考生的音视频信息;
生物信息传感器用于捕捉考生的生物信息;
控制模块与连接的具体处理设备通讯,获得考生的核实生物信息,并与生物信息传感器捕捉到的生物信息比较,以进行考生的身份验证,并将结果传输到具体处理设备。
优选的,音视频传感器兼做生物信息传感器,捕捉考生的正面图像作为考生的生物信息,并与考生的核实照片进行比较,以进行考生的身份验证。
有益效果
本发明使考生身份验证和考试监控过程自动化,提供了一个可靠和专用的考试环境,方便了在线考试的组织和管理,实现了用最小的开销管理可靠的考试。
附图说明
图1为实施例中摄像头的正视图。
图2为实施例中摄像头的后视图。
图中,1为音视频传感器,2为生物信息传感器,3为状态指示屏,4为交互按钮,5为USB口,6为状态指示灯,7为功能扩展槽1,8为功能扩展槽2,9为功能扩展槽N,10为可编程ROM。
具体实施方式
下面结合附图,具体说明本发明的优选实施方式。
实施例1为本发明的一种具体实施方式。实施例1中,摄像头承担了主要的考场监控功能,可以捕捉考生的考试状态信息,将异常状态发送到监控服务器,从而可以实现考场的无人监考,或者减少监考人员。
摄像头连接在考生考试用的计算机上,摄像头与计算机之间通过USB口连接。考生报名时,需要登记本人的生物统计数据,如留下本人的指纹、数字图像等信息,该信息存储在监考服务器上,作为核实的考生生物信息。在考生选择的考试时间,考生开始考试之前,摄像头通过连接的生物信息传感器,记录考生的生物信息,并与核实的考试生物信息比较,进行身份认证,在身份认证通过的情况下才允许考试。进一步的,在考试的过程中,生物信息传感器每隔一定的时间提取考生生物信息,与核实的考生生物信息进行比较。如果考试期间提取的考生生物统计数据发生较大的变化,可能出现考生考试期间替考现象的发生。
摄像头正面指向考生,摄像头正面的设置如附图1所示。除包含普通摄像头所具有的音视频传感器之外,在摄像头正面还设置了生物信息传感器,用于捕捉考生的虹膜信息或指纹信息。控制模块中包括身份认证功能,通过将捕捉的虹膜信息或指纹信息与获得的核实考生信息比较,可以实现考生的身份认证。
在另一个实施例中,摄像头兼做考生的生物信息传感器,通过将摄像头捕捉到的考生正面人脸图像与获得的核实考生照片进行比较,可以实现考生的身份认证。
实施例1中的摄像头监控模块还提供了对考生监考视频图像进行处理,以判断是否是作弊行为的子模块,包括以下步骤:
步骤一、准备样品图像,样本图像分为正样本和负样本,即判定为正面人脸的图像和判定为非正面人脸的图像,根据样本图像生成分类器;
步骤二、接收考试监控视频,每隔一定时间间隔从视频中采集一幅考生摄像头捕获图像,并使用步骤一得到的分类器进行分类,判断捕获图像是否为正面人脸图像;
步骤三、如果检测到非正面人脸图像连续存在超过一定时间,则判定考生可能存在作弊行为,提醒***管理员注意,或者对考生采取警告、终止考试等处理措施;
其中,步骤一中根据样本图像生成分类器的方法为:
一、将样本图片记为(x1,y1),...(xn,yn),yi=1表示该样本为正例即判定为正面人脸的图像,yi=0表示该例为负例即判定为非正面人脸的图像;
二、将所有的样本图像归一化为标准大小的图像,并且将所有的样本进行灰度化;
三、初始化样本权重:
四、训练***的强分类器,具体方法为:
A.指定强分类器中包含的弱分类器的个数T,对t=1,...T,循环执行以下步骤:
1)归一化权重:
2)对每一个Haar特征f,训练一个弱分类器h(x,f,p,θ);计算对应这个特征的弱分类器的分类误差;Haar特征就是用两个相邻的矩形组成的特征,其中一个用白色矩形表示,一个用黑色矩形表示,Haar特征模板包括边缘特征、线性特征、中心特征和对角线特征,每个特征模板内有白色和黑色两种矩形,特征模板在一幅图像子窗口内可以放置在任意放置并可以缩放,任意一种形态的任意一次缩放摆放称为一种特征,定义该模板的特征值为白色矩形像素和减去黑色矩形像素和,对于灰度图像,像素和即每个像素灰度值之和;
3)选取最佳的即拥有最小错误率εt的弱分类器ht(x)=h(x,ft,pt,θt),其中ft,pt,θt是使εt为最小的值;
4)按照上一步得到的最佳弱分类器调整权重:
B.最终得到的强分类器为:
其中
步骤2)中,训练弱分类器及计算加权错误率的方法为:
对每一个特征f,训练一个弱分类器h(x,f,p,θ)
其中f为特征,θ为阈值,p指示不等号的方向,就是1和-1,用来判别***指定的是大于阈值符合标准还是小于阈值符合标准,x代表一个检测子窗口,f(x)代表该特征模板的特征值;
对每个特征f,训练一个弱分类器h(x,f,p,θ),就是确定f的最优阈值,使得这个弱分类器h(x,f,p,θ)对所有的训练样本的分类误差最低;
对每个特征进行弱分类器训练的过程为:
(1)对每个特征f,得到所有训练样本的特征值;
(2)将特征值排序;
(3)对排好序的每个元素:
(i)计算全部正样本的权重和T+;
(ii)计算全部负样本的权重和T-;
(iii)计算该元素前正样本的权重和S+;
(iv)计算该元素前负样本的权重和S-;
e=min(S++(T--S-),S-+(T+-S+));
(4)比较所有分类误差,得到使分类误差最小的阈值,作为针对特征f的弱分类器。
优选的,步骤一即根据样本图像生成分类器的步骤在监考服务器上实现,监考摄像头控制模块预置或从监考服务器下载已经生成的分类器,利用该分类器实时的对监考视频信息进行处理,当判断为是作弊行为时采取相应措施,并将异常视频信息传输到监考服务器。
在摄像头正面设置有与考生的交互按钮,包括提问按钮和确认按钮,考生可以通过提问按钮向监考老师或者监控服务器发出信息,提醒监考老师或者监控服务器解答考生问题。当监考老师或者监控服务器向考生发出提示或警告信息,考生可以通过确认按钮确认收到该信息。
此外,在摄像头正面还设置有状态指示屏,用于显示向考生发出的提示或警告信息。例如,提示考生考试的剩余时间,或者警告考生不要做出异常动作。
摄像头背面指向的是考场的监考老师,背面的设置如附图2所示。在摄像头的背面设置有状态指示灯,用于向监考老师发出提示信息,不同的信息可以用不同颜色的指示灯进行提示。例如,通过红色的指示灯提示监考老师发现考生有异常的小动作,通过绿色的提示灯显示考生有问题,提示监考老师解答考生问题。
此外,在摄像头背面设置有一组功能扩展槽,包括wifi接口或网口。摄像头通过wifi接口或网口实现与监考服务器的网络连接。在一个实施例中,摄像头只是通过USB口连接到考试计算机,由考试计算机完成与监考服务器的通讯,摄像头通过考试计算机获得核实的考生生物信息,并将生物信息比较的结果传输到考试计算机。在另一个实施例中,摄像头通过wifi接口或网口实现与监考服务器的网络连接,可以直接与监考服务器通讯,获得核实的考试生物信息,并将生物信息比较的结果同时传输到考试计算机和监考服务器。
功能扩展槽还包括硬件加密接口,用于连接作为密钥使用的硬件,如U盾,从而可以更加严密的实现身份认证过程。
在需要严格监考的场合,摄像头还包括连接第二个摄像头的硬件扩展接口,从而可以实现双摄像头监考,一个摄像头用于监控考生信息,一个摄像头用于监控考生的屏幕。随着计算机技术的发展,考生有可能利用***漏洞和虚拟机等技术突破进程监控模块和***行为控制模块的监控。作为一个可选的监考措施,可以监控考生的屏幕,以记录考试期间考生的屏幕数据。在用摄像头监控考生屏幕的情况下,摄像头还包括相应的屏幕分析子模块,将获得的考生屏幕数据与考试时应当出现的屏幕数据进行比对,在诸如考生屏幕显示并非应考软件的情况下,判断出考生的作弊行为。作为进一步的优化,屏幕分析模块不需要预先获得考试时应当出现的屏幕数据,而是提取当前同时参加考试的全部考生的屏幕信息,得到当前应当出现的屏幕数据,并对差异较大的考生屏幕数据进行分析。例如,如果所有考生的屏幕上都应该出现应考软件的界面,某一个考生屏幕上出现的是别的应用程序的界面,则该考生的屏幕与其他考生屏幕存在较大差异,会被提取出来进行分析。
进一步的,在一个实施例中,摄像头的控制模块还包括进程监控子模块,用来对考试机器的进程进行监控管理,在考试阶段只有特定的进程才允许运行。进程监控子模块在连接到考试机器后自动运行,或者提示考生将该子模块下载到考试机器上运行。
进一步的,在一个实施例中,摄像头的控制模块还包括***行为控制子模块。该模块在考试期间监视和记录诸如键盘、鼠标操作的用户输入,并判断用户的输入是否为***预设的非法操作,如果是非法操作则禁止用户的操作。例如,如果考生输入ALT+TAB的键盘组合,会触发***程序切换的操作,会破坏考试程序的独占性,存在一定危险;如果考生输入TSKILL命令,该命令会删除***进程,是比较危险的操作;如果用户尝试关闭考试窗口,或者尝试在应考软件和任何其他应用程序之间交换数据,也是不允许的。对于这些危险的操作,将其预先定义为非法操作,在检测到考生执行了这些操作时,***会根据危险级别进行警告或者是禁止。***行为控制子模块在连接到考试机器后自动运行,或者提示考生将该子模块下载到考试机器上运行。
摄像头内部通过可编程ROM实现对摄像头各模块和部件的控制。用户将控制流程预置到可编程ROM中,以实现身份认证、监控考生状态、与服务器通讯等功能。当应用环境改变时,通过改变可编程ROM的内容,也可以方便的适应新的应用需求。
本发明不仅限于以上实施例,凡是利用本发明的设计思路,做一些简单变化的设计,都应计入本发明的保护范围之内。
Claims (10)
1.一种考场监控摄像头,包括与具体处理设备连接的接口、音视频传感器、生物信息传感器、控制模块,其特征在于,
音视频传感器用于捕捉考生的音视频信息;
生物信息传感器用于捕捉考生的生物信息;
控制模块与连接的具体处理设备通讯,获得考生的核实生物信息,并与生物信息传感器捕捉到的生物信息比较,以进行考生的身份验证,并将结果传输到具体处理设备。
2.根据权利要求1所述的一种考场监控摄像头,其特征在于,音视频传感器兼做生物信息传感器,捕捉考生的正面图像作为考生的生物信息,并与考生的核实照片进行比较,以进行考生的身份验证。
3.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,控制模块还包括对考生监考视频图像进行处理,以判断是否是作弊行为的子模块,包括以下步骤:
步骤一、预置或从监考服务器下载根据样本图像生成的图像分类器;
步骤二、接收考试监控视频,每隔一定时间间隔从视频中采集一幅考生摄像头捕获图像,并使用步骤一得到的分类器进行分类,判断捕获图像是否为正面人脸图像;
步骤三、如果检测到非正面人脸图像连续存在超过一定时间,则判定考生可能存在作弊行为,提醒***管理员注意,或者对考生采取警告、终止考试等处理措施;
其中,步骤一中根据样本图像生成分类器的方法为:
一、将样本图片记为(x1,y1),...(xn,yn),yi=1表示该样本为正例即判定为正面人脸的图像,yi=0表示该例为负例即判定为非正面人脸的图像;
二、将所有的样本图像归一化为标准大小的图像,并且将所有的样本进行灰度化;
三、初始化样本权重:
四、训练***的强分类器,具体方法为:
A.指定强分类器中包含的弱分类器的个数T,对t=1,...T,循环执行以下步骤:
1)归一化权重:
其中t=1,...T,T为训练的次数;
2)对每一个Haar特征f,训练一个弱分类器h(x,f,p,θ);计算对应这个特征的弱分类器的分类误差;Haar特征就是用两个相邻的矩形组成的特征,其中一个用白色矩形表示,一个用黑色矩形表示,Haar特征模板包括边缘特征、线性特征、中心特征和对角线特征,每个特征模板内有白色和黑色两种矩形,特征模板在一幅图像子窗口内可以放置在任意放置并可以缩放,任意一种形态的任意一次缩放摆放称为一种特征,定义该模板的特征值为白色矩形像素和减去黑色矩形像素和,对于灰度图像,像素和即每个像素灰度值之和;
3)选取最佳的即拥有最小错误率εt的弱分类器ht(x)=h(x,ft,pt,θt),其中ft,pt,θt是使εt为最小的值;
4)按照上一步得到的最佳弱分类器调整权重:
B.最终得到的强分类器为:
其中
步骤2)中,训练弱分类器及计算加权错误率的方法为:
对每一个特征f,训练一个弱分类器h(x,f,p,θ)
其中f为特征,θ为阈值,p指示不等号的方向,就是1和-1,用来判别***指定的是大于阈值符合标准还是小于阈值符合标准,x代表一个检测子窗口,f(x)代表该特征模板的特征值;
对每个特征f,训练一个弱分类器h(x,f,p,θ),就是确定f的最优阈值,使得这个弱分类器h(x,f,p,θ)对所有的训练样本的分类误差最低;
对每个特征进行弱分类器训练的过程为:
(1)对每个特征f,得到所有训练样本的特征值;
(2)将特征值排序;
(3)对排好序的每个元素:
(i)计算全部正样本的权重和T+;
(ii)计算全部负样本的权重和T-;
(iii)计算该元素前正样本的权重和S+;
(iv)计算该元素前负样本的权重和S-;
e=min(S++(T--S-),S-+(T+-S+));
(4)比较所有分类误差,得到使分类误差最小的阈值,作为针对特征f的弱分类器。
4.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,摄像头背面设置有一组功能扩展槽,包括wifi接口或网口,摄像头通过wifi接口或网口实现与监考服务器的网络连接,直接与监考服务器通讯,获得核实的考试生物信息,并将生物信息比较的结果同时传输到考试计算机和监考服务器。
5.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,摄像头还包括连接第二个摄像头的硬件扩展接口,从而可以实现双摄像头监考,一个摄像头用于监控考生信息,一个摄像头用于监控考生的屏幕,以记录考试期间考生的屏幕数据。
6.根据权利要求5所述的一种考场监控摄像头,其特征在于,摄像头还包括屏幕分析子模块,将获得的考生屏幕数据与考试时应当出现的屏幕数据进行比对,判断出考生的作弊行为。
7.根据权利要求6所述的一种考场监控摄像头,其特征在于,屏幕分析模块不需要预先获得考试时应当出现的屏幕数据,而是提取当前同时参加考试的全部考生的屏幕信息,得到当前应当出现的屏幕数据,并对差异较大的考生屏幕数据进行分析。
8.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,摄像头的控制模块还包括进程监控子模块,用来对考试机器的进程进行监控管理,在考试阶段只有特定的进程才允许运行,进程监控子模块在连接到考试机器后自动运行,或者提示考生将该子模块下载到考试机器上运行。
9.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,摄像头的控制模块还包括***行为控制子模块,该模块在考试期间监视和记录用户输入,并判断用户的输入是否为***预设的非法操作,如果是非法操作则禁止用户的操作。
10.根据权利要求1或2所述的一种考场监控摄像头,其特征在于,在摄像头正面设置有与考生的交互按钮,包括提问按钮和确认按钮,以及状态指示屏,在摄像头背面设置有状态指示灯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102032722A CN102724394A (zh) | 2012-06-20 | 2012-06-20 | 考场监控摄像头 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102032722A CN102724394A (zh) | 2012-06-20 | 2012-06-20 | 考场监控摄像头 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102724394A true CN102724394A (zh) | 2012-10-10 |
Family
ID=46950048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102032722A Pending CN102724394A (zh) | 2012-06-20 | 2012-06-20 | 考场监控摄像头 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102724394A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103108163A (zh) * | 2013-01-31 | 2013-05-15 | 桂林电子科技大学 | 网络课程学习与考试防作弊的监控***及装置 |
CN105894879A (zh) * | 2016-06-30 | 2016-08-24 | 苏州科大讯飞教育科技有限公司 | 一种辅助教学***及方法 |
CN106372591A (zh) * | 2016-08-30 | 2017-02-01 | 湖南强视信息科技有限公司 | 一种面向无人监考的防止虚拟摄像头作弊*** |
CN107393364A (zh) * | 2017-09-05 | 2017-11-24 | 艾牛(北京)科技有限公司 | 一种课堂考试方法及*** |
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及*** |
CN112085883A (zh) * | 2020-09-11 | 2020-12-15 | 安徽中屏科技有限公司 | 一种智慧监考反作弊*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2640150Y (zh) * | 2002-12-31 | 2004-09-08 | 北京中星微电子有限公司 | 多功能数码摄像装置 |
CN102739944A (zh) * | 2012-05-10 | 2012-10-17 | 蒋耘晨 | 交互式可扩展摄像头 |
CN102880781A (zh) * | 2012-06-15 | 2013-01-16 | 北京理工大学 | 在线考试智能监控*** |
CN202798914U (zh) * | 2012-05-10 | 2013-03-13 | 蒋耘晨 | 交互式可扩展摄像头 |
-
2012
- 2012-06-20 CN CN2012102032722A patent/CN102724394A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2640150Y (zh) * | 2002-12-31 | 2004-09-08 | 北京中星微电子有限公司 | 多功能数码摄像装置 |
CN102739944A (zh) * | 2012-05-10 | 2012-10-17 | 蒋耘晨 | 交互式可扩展摄像头 |
CN202798914U (zh) * | 2012-05-10 | 2013-03-13 | 蒋耘晨 | 交互式可扩展摄像头 |
CN102880781A (zh) * | 2012-06-15 | 2013-01-16 | 北京理工大学 | 在线考试智能监控*** |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103108163A (zh) * | 2013-01-31 | 2013-05-15 | 桂林电子科技大学 | 网络课程学习与考试防作弊的监控***及装置 |
CN105894879A (zh) * | 2016-06-30 | 2016-08-24 | 苏州科大讯飞教育科技有限公司 | 一种辅助教学***及方法 |
CN106372591A (zh) * | 2016-08-30 | 2017-02-01 | 湖南强视信息科技有限公司 | 一种面向无人监考的防止虚拟摄像头作弊*** |
CN106372591B (zh) * | 2016-08-30 | 2019-05-07 | 湖南强视信息科技有限公司 | 一种面向无人监考的防止虚拟摄像头作弊*** |
CN107393364A (zh) * | 2017-09-05 | 2017-11-24 | 艾牛(北京)科技有限公司 | 一种课堂考试方法及*** |
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及*** |
CN112085883A (zh) * | 2020-09-11 | 2020-12-15 | 安徽中屏科技有限公司 | 一种智慧监考反作弊*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102890747B (zh) | 在线考试智能监控方法 | |
CN102880781B (zh) | 在线考试智能监控*** | |
CN102799893B (zh) | 考场监控视频处理方法 | |
CN102724394A (zh) | 考场监控摄像头 | |
CN105303632B (zh) | 一种移动监控签到***及工作方法 | |
CN105791299A (zh) | 一种无人监考的智能化上机考试*** | |
CN109431523B (zh) | 基于非社会性声音刺激行为范式的孤独症初级筛查装置 | |
CN107437120A (zh) | 驾驶培训的管理***及管理方法 | |
CN109167971A (zh) | 智能区域监控报警***及方法 | |
CN207216700U (zh) | 一种基于人脸识别的快速通关*** | |
CN111539313A (zh) | ***行为检测方法及*** | |
CN105869085A (zh) | 一种成绩录入***及图像处理的方法 | |
CN110543811B (zh) | 一种基于深度学习的非配合式考试人员管理方法及其*** | |
CN110013217B (zh) | 检测吸食毒品人员的方法、装置、终端设备及介质 | |
CN106355206A (zh) | 一种考生身份验证***和方法 | |
CN212208379U (zh) | 一种自动考勤测温*** | |
CN114463828B (zh) | 基于人证统一的监考方法及***、电子设备和存储介质 | |
CN109326009A (zh) | 一种基于人脸识别的快速通关***及方法 | |
CN108833375A (zh) | 一种智能考试*** | |
CN107742265A (zh) | 一种基于大数据分析在线考试监考*** | |
CN112087603B (zh) | 智慧考场监管方法 | |
CN106384316A (zh) | 一种考试院实名制验证*** | |
CN107607205A (zh) | 线束颜色顺序检测***和方法 | |
CN108932754B (zh) | 基于人工检票界面图像的检票方法、装置、介质及电子设备 | |
CN110189430A (zh) | 一种基于海量数据流环境下自动化巡检平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |