CN108304794A - 作弊自动识别方法和装置 - Google Patents
作弊自动识别方法和装置 Download PDFInfo
- Publication number
- CN108304794A CN108304794A CN201810081289.2A CN201810081289A CN108304794A CN 108304794 A CN108304794 A CN 108304794A CN 201810081289 A CN201810081289 A CN 201810081289A CN 108304794 A CN108304794 A CN 108304794A
- Authority
- CN
- China
- Prior art keywords
- identification object
- image
- cheating
- examination hall
- current examination
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了作弊自动识别方法和装置,包括:接收摄像头采集当前考场场景图像;判断当前考场场景图像中是否存在作弊对象;如果存在,则对作弊对象进行标记,得到标记图像;将标记图像发送给客户端,以使客户端查看标记图像,可以自动识别作弊对象,验证准确率高。
Description
技术领域
本发明涉及视频监控技术领域,尤其是涉及作弊自动识别方法和装置。
背景技术
考试作为知识水平的鉴定方法,为保证其结果的公平,考场需要设置严格的考生身份验证、考场监控等过程。然而,目前考场的验证大多是通过人工进行的,验证准确率低。
发明内容
有鉴于此,本发明的目的在于提供作弊自动识别方法和装置,可以自动识别作弊对象,验证准确率高。
第一方面,本发明实施例提供了作弊自动识别方法,应用于服务器,所述方法包括:
接收摄像头采集当前考场场景图像;
判断所述当前考场场景图像中是否存在作弊对象;
如果存在,则对所述作弊对象进行标记,得到标记图像;
将所述标记图像发送给客户端,以使所述客户端查看所述标记图像。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述判断所述当前考场场景图像中是否存在作弊对象,包括:
获取所述当前考场场景图像中各个识别对象的人脸图像;
将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
判断所述各个识别对象的人脸图像与所述预存的人脸图像是否一致;
如果不一致,则获取不一致的人脸图像。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
监测所述当前考场场景图像中各个识别对象的心率;
将所述各个识别对象的心率与正常心率进行比对;
判断所述各个识别对象的心率是否在所述正常心率范围内;
如果不在,则获取不在所述正常心率范围内的识别对象。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
获取所述当前考场场景图像中各个识别对象的指纹信息;
将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配;
如果不匹配,则获取不匹配的指纹信息对应的识别对象。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
获取所述当前考场场景图像中各个识别对象的姿态信息,其中,所述姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将所述各个识别对象的姿态信息与预存的姿态信息进行比对;
判断所述各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
第二方面,本发明实施例还提供作弊自动识别装置,应用于服务器,所述方法包括:
采集模块,用于接收摄像头采集当前考场场景图像;
判断模块,用于判断所述当前考场场景图像中是否存在作弊对象;
标记模块,用于在所述作弊对象存在的情况下,对所述作弊对象进行标记,得到标记图像;
查看模块,用于将所述标记图像发送给客户端,以使所述客户端查看所述标记图像。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述判断模块包括:
获取所述当前考场场景图像中各个识别对象的人脸图像;
将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
判断所述各个识别对象的人脸图像与所述预存的人脸图像是否一致;
如果不一致,则获取不一致的人脸图像。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述判断模块还包括:
监测所述当前考场场景图像中各个识别对象的心率;
将所述各个识别对象的心率与正常心率进行比对;
判断所述各个识别对象的心率是否在所述正常心率范围内;
如果不在,则获取不在所述正常心率范围内的识别对象。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述判断模块还包括:
获取所述当前考场场景图像中各个识别对象的指纹信息;
将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配;
如果不匹配,则获取不匹配的指纹信息对应的识别对象。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中,所述判断模块还包括:
获取所述当前考场场景图像中各个识别对象的姿态信息,其中,所述姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将所述各个识别对象的姿态信息与预存的姿态信息进行比对;
判断所述各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
本发明实施例提供了作弊自动识别方法和装置,包括:接收摄像头采集当前考场场景图像;判断当前考场场景图像中是否存在作弊对象;如果存在,则对作弊对象进行标记,得到标记图像;将标记图像发送给客户端,以使客户端查看标记图像,可以自动识别作弊对象,验证准确率高。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的作弊自动识别方法流程图;
图2为本发明实施例一提供的作弊自动识别方法中步骤S102的流程图;
图3为本发明实施例一提供的另一作弊自动识别方法中步骤S102的流程图;
图4为本发明实施例一提供的另一作弊自动识别方法中步骤S102的流程图;
图5为本发明实施例二提供的作弊自动识别装置示意图。
图标:
10-采集模块;20-判断模块;30-标记模块;40-查看模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
考试作为知识水平的鉴定方法,为保证其结果的公平,考场需要设置严格的考生身份验证、考场监控等过程。然而,目前考场的验证大多是通过人工进行的,验证准确率低。
本发明实施例提供了作弊自动识别方法和装置,包括:接收摄像头采集当前考场场景图像;判断当前考场场景图像中是否存在作弊对象;如果存在,则对作弊对象进行标记,得到标记图像;将标记图像发送给客户端,以使客户端查看标记图像,可以自动识别作弊对象,验证准确率高。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例提供的作弊自动识别方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,接收摄像头采集当前考场场景图像;
在一些实施例中,摄像头采用相机阵列,相机阵列包括多个小镜头,这样可以从各种不同的角度进行采集,从而保证采集的多样性和全面性。
步骤S102,判断当前考场场景图像中是否存在作弊对象,如果存在,则执行步骤S103;如果不存在,执行步骤S104;
步骤S103,对作弊对象进行标记,得到标记图像;
步骤S104,继续进行监控;
步骤S105,将标记图像发送给客户端,以使客户端查看标记图像。
进一步的,参照图2,步骤S102包括以下步骤:
步骤S201,获取当前考场场景图像中各个识别对象的人脸图像;
步骤S202,将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
这里,可采用神经网络算法对人脸进行识别,具体为:将采集的识别对象的人脸图像和预存的人脸图像作为第一神经网络的输入,分别进行编码处理,得到多个特征,多个特征为一串数字;将多个特征作为第二神经网络的输入,进行运算,得到概率A和概率B,概率A对应通过,概率B对应不通过,从概率A和概率B中选取最大的概率,将最大的概率对应的结果作为人脸识别的最终结果。
步骤S203,判断各个识别对象的人脸图像与预存的人脸图像是否一致,如果不一致,则执行步骤S204;如果一致,则执行步骤S205;
步骤S204,获取不一致的人脸图像;
步骤S205,继续进行监控。
进一步的,参照图3,步骤S102还包括以下步骤:
步骤S301,监测当前考场场景图像中各个识别对象的心率;
步骤S302,将各个识别对象的心率与正常心率进行比对;
这里,通过判断识别对象的心率来确定识别对象是否为作弊考生,从而保证考场的公平性。
步骤S303,判断各个识别对象的心率是否在正常心率范围内,如果不在,则执行步骤S304;如果在,则执行步骤S305;
步骤S304,获取不在正常心率范围内的识别对象;
步骤S305,继续进行监控。
进一步的,参照图4,步骤S102还包括以下步骤:
步骤S401,获取当前考场场景图像中各个识别对象的指纹信息;
步骤S402,将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
这里,通过判断识别对象的指纹信息,从而确定识别对象是否为作弊考生,从而提高识别的准确率。
步骤S403,判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配,如果不匹配,则执行步骤S404;如果匹配,则执行步骤S405;
步骤S404,获取不匹配的指纹信息对应的识别对象;
步骤S405,继续进行监控。
进一步的,步骤S102还包括:
获取当前考场场景图像中各个识别对象的姿态信息,其中,姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将各个识别对象的姿态信息与预存的姿态信息进行比对;
判断各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
另外,还可以接收所述读卡器读取的所述当前考场场景图像中各个识别对象的身份信息,并对所述身份信息进行验证。
具体地,读卡器可设置在考场门外,识别对象将卡片放在读卡器上进行识别,读卡器读取卡片上的信息,并与预存的信息进行匹配,如果匹配成功,则该识别对象为考场中的考试人员;如果匹配不成功,则读卡器会产生报警信息,以提示监考人员。
本发明实施例提供了作弊自动识别方法,包括:接收摄像头采集当前考场场景图像;判断当前考场场景图像中是否存在作弊对象;如果存在,则对作弊对象进行标记,得到标记图像;将标记图像发送给客户端,以使客户端查看标记图像,可以自动识别作弊对象,验证准确率高。
实施例二:
图5为本发明实施例二提供的作弊自动识别装置示意图。
参照图5,该装置包括采集模块10、判断模块20、标记模块30、查看模块40。
采集模块10,用于接收摄像头采集当前考场场景图像;
判断模块20,用于判断所述当前考场场景图像中是否存在作弊对象;
标记模块30,用于在所述作弊对象存在的情况下,对所述作弊对象进行标记,得到标记图像;
查看模块40,用于将所述标记图像发送给客户端,以使所述客户端查看所述标记图像。
进一步的,判断模块20包括:
获取所述当前考场场景图像中各个识别对象的人脸图像;
将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
判断所述各个识别对象的人脸图像与所述预存的人脸图像是否一致;
如果不一致,则获取不一致的人脸图像。
进一步的,判断模块20还包括:
监测所述当前考场场景图像中各个识别对象的心率;
将所述各个识别对象的心率与正常心率进行比对;
判断所述各个识别对象的心率是否在所述正常心率范围内;
如果不在,则获取不在所述正常心率范围内的识别对象。
进一步的,判断模块20还包括:
获取所述当前考场场景图像中各个识别对象的指纹信息;
将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配;
如果不匹配,则获取不匹配的指纹信息对应的识别对象。
进一步的,判断模块20还包括:
获取所述当前考场场景图像中各个识别对象的姿态信息,其中,所述姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将所述各个识别对象的姿态信息与预存的姿态信息进行比对;
判断所述各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
本发明实施例提供了作弊自动识别装置,包括:接收摄像头采集当前考场场景图像;判断当前考场场景图像中是否存在作弊对象;如果存在,则对作弊对象进行标记,得到标记图像;将标记图像发送给客户端,以使客户端查看标记图像,可以自动识别作弊对象,验证准确率高。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例提供的作弊自动识别方法的步骤。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的作弊自动识别方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种作弊自动识别方法,其特征在于,应用于服务器,所述方法包括:
接收摄像头采集当前考场场景图像;
判断所述当前考场场景图像中是否存在作弊对象;
如果存在,则对所述作弊对象进行标记,得到标记图像;
将所述标记图像发送给客户端,以使所述客户端查看所述标记图像。
2.根据权利要求1所述的作弊自动识别方法,其特征在于,所述判断所述当前考场场景图像中是否存在作弊对象,包括:
获取所述当前考场场景图像中各个识别对象的人脸图像;
将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
判断所述各个识别对象的人脸图像与所述预存的人脸图像是否一致;
如果不一致,则获取不一致的人脸图像。
3.根据权利要求1所述的作弊自动识别方法,其特征在于,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
监测所述当前考场场景图像中各个识别对象的心率;
将所述各个识别对象的心率与正常心率进行比对;
判断所述各个识别对象的心率是否在所述正常心率范围内;
如果不在,则获取不在所述正常心率范围内的识别对象。
4.根据权利要求1所述的作弊自动识别方法,其特征在于,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
获取所述当前考场场景图像中各个识别对象的指纹信息;
将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配;
如果不匹配,则获取不匹配的指纹信息对应的识别对象。
5.根据权利要求1所述的作弊自动识别方法,其特征在于,所述判断所述当前考场场景图像中是否存在作弊对象,还包括:
获取所述当前考场场景图像中各个识别对象的姿态信息,其中,所述姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将所述各个识别对象的姿态信息与预存的姿态信息进行比对;
判断所述各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
6.一种作弊自动识别装置,其特征在于,应用于服务器,所述方法包括:
采集模块,用于接收摄像头采集当前考场场景图像;
判断模块,用于判断所述当前考场场景图像中是否存在作弊对象;
标记模块,用于在所述作弊对象存在的情况下,对所述作弊对象进行标记,得到标记图像;
查看模块,用于将所述标记图像发送给客户端,以使所述客户端查看所述标记图像。
7.根据权利要求6所述的作弊自动识别装置,其特征在于,所述判断模块包括:
获取所述当前考场场景图像中各个识别对象的人脸图像;
将所述各个识别对象的人脸图像与预存的人脸图像进行比对;
判断所述各个识别对象的人脸图像与所述预存的人脸图像是否一致;
如果不一致,则获取不一致的人脸图像。
8.根据权利要求6所述的作弊自动识别装置,其特征在于,所述判断模块还包括:
监测所述当前考场场景图像中各个识别对象的心率;
将所述各个识别对象的心率与正常心率进行比对;
判断所述各个识别对象的心率是否在所述正常心率范围内;
如果不在,则获取不在所述正常心率范围内的识别对象。
9.根据权利要求6所述的作弊自动识别装置,其特征在于,所述判断模块还包括:
获取所述当前考场场景图像中各个识别对象的指纹信息;
将所述各个识别对象的指纹信息与预存的指纹信息进行比对;
判断所述各个识别对象的指纹信息与所述预存的指纹信息是否匹配;
如果不匹配,则获取不匹配的指纹信息对应的识别对象。
10.根据权利要求6所述的作弊自动识别装置,其特征在于,所述判断模块还包括:
获取所述当前考场场景图像中各个识别对象的姿态信息,其中,所述姿态信息包括坐姿信息、视线方位信息和头的倾角信息;
将所述各个识别对象的姿态信息与预存的姿态信息进行比对;
判断所述各个识别对象的姿态信息是否发生变化;
如果发生变化,则获取发生变化的姿态信息对应的识别对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081289.2A CN108304794A (zh) | 2018-01-26 | 2018-01-26 | 作弊自动识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081289.2A CN108304794A (zh) | 2018-01-26 | 2018-01-26 | 作弊自动识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108304794A true CN108304794A (zh) | 2018-07-20 |
Family
ID=62867054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081289.2A Pending CN108304794A (zh) | 2018-01-26 | 2018-01-26 | 作弊自动识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304794A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711292A (zh) * | 2018-12-13 | 2019-05-03 | 深圳市赛特雷德科技有限公司 | 一种智能监考方法及装置 |
CN109815872A (zh) * | 2019-01-16 | 2019-05-28 | 汉勤汇科技(武汉)有限公司 | 作弊区域检测方法、装置、设备及存储介质 |
CN109886378A (zh) * | 2019-03-05 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN113033331A (zh) * | 2021-03-05 | 2021-06-25 | 佛山科学技术学院 | 一种智能考场监控***以及监控方法 |
CN113743209A (zh) * | 2021-07-30 | 2021-12-03 | 北京长峰科威光电技术有限公司 | 一种用于大规模线上考试的辅助监考方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100998617B1 (ko) * | 2010-05-03 | 2010-12-07 | 교통안전공단 | 중앙 통제 방식의 cbt 시스템 및 그 방법 |
CN105659192A (zh) * | 2016-01-11 | 2016-06-08 | 汤美 | 一种考试防作弊*** |
CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试*** |
-
2018
- 2018-01-26 CN CN201810081289.2A patent/CN108304794A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100998617B1 (ko) * | 2010-05-03 | 2010-12-07 | 교통안전공단 | 중앙 통제 방식의 cbt 시스템 및 그 방법 |
CN105659192A (zh) * | 2016-01-11 | 2016-06-08 | 汤美 | 一种考试防作弊*** |
CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711292A (zh) * | 2018-12-13 | 2019-05-03 | 深圳市赛特雷德科技有限公司 | 一种智能监考方法及装置 |
CN109815872A (zh) * | 2019-01-16 | 2019-05-28 | 汉勤汇科技(武汉)有限公司 | 作弊区域检测方法、装置、设备及存储介质 |
CN109886378A (zh) * | 2019-03-05 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN113033331A (zh) * | 2021-03-05 | 2021-06-25 | 佛山科学技术学院 | 一种智能考场监控***以及监控方法 |
CN113743209A (zh) * | 2021-07-30 | 2021-12-03 | 北京长峰科威光电技术有限公司 | 一种用于大规模线上考试的辅助监考方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304794A (zh) | 作弊自动识别方法和装置 | |
CN106203297B (zh) | 一种身份识别方法及装置 | |
CN107220590B (zh) | 一种基于活体检测的防作弊网络调研方法、装置及*** | |
US10789353B1 (en) | System and method for augmented reality authentication of a user | |
JP6365671B2 (ja) | 顔認証装置、顔認証方法および顔認証プログラム | |
US8818048B2 (en) | System and method for cancelable iris recognition | |
CN109863490A (zh) | 生成包括保证分数的认证断言 | |
WO2020024416A1 (zh) | 智能终端的防偷窥方法、装置、计算机设备和存储介质 | |
CN108875542A (zh) | 一种人脸识别方法、装置、***及计算机存储介质 | |
CN108986245A (zh) | 基于人脸识别的考勤方法及终端 | |
EP3594879A1 (en) | System and method for authenticating transactions from a mobile device | |
CN108805005A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN107729852A (zh) | 面部信息注册方法、装置及*** | |
CN107330992A (zh) | 考勤装置和方法、考勤验证装置和方法及计算机处理设备 | |
CN109389002A (zh) | 活体检测方法及装置 | |
CN106778454B (zh) | 人脸识别的方法和装置 | |
US10872437B2 (en) | Face authentication method | |
CN111783714A (zh) | 一种胁迫人脸识别方法、装置、设备和存储介质 | |
CN106710372A (zh) | 拼音卡片识别方法、装置以及终端设备 | |
CN108334869A (zh) | 人脸部件的选择、人脸识别方法和装置,以及电子设备 | |
CN109271771A (zh) | 账号信息找回方法、装置、计算机设备 | |
CN108764033A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN114065163A (zh) | 一种具有人脸识别与身份核验功能的显示主板及终端 | |
CN112712073A (zh) | 基于眼部变化特征的活体识别方法、识别装置及电子设备 | |
CN112069915A (zh) | 一种具有人脸识别***的atm机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180720 |
|
RJ01 | Rejection of invention patent application after publication |