CN112087603B - 智慧考场监管方法 - Google Patents
智慧考场监管方法 Download PDFInfo
- Publication number
- CN112087603B CN112087603B CN202010894998.XA CN202010894998A CN112087603B CN 112087603 B CN112087603 B CN 112087603B CN 202010894998 A CN202010894998 A CN 202010894998A CN 112087603 B CN112087603 B CN 112087603B
- Authority
- CN
- China
- Prior art keywords
- examination
- examinee
- examination room
- head
- room
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000001186 cumulative effect Effects 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 28
- 230000006399 behavior Effects 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000004886 head movement Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims 1
- 230000001815 facial effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 14
- 230000009471 action Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Signal Processing (AREA)
- Social Psychology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及互联网领域,公开了一种智慧考场监管方法,包含:获取考试基本信息;通过对每个考场中的考场设备进行故障检测,获得考场设备故障检测结果;根据所述考场设备故障检测结果,基于所述考试基本信息,生成考场考试信息;基于所述考场考试信息对监考人员和考生进行认证;利用考生的头部视频图像以及该考生的考试终端所对应的考场的视频图像中对应的位置区域的图像,根据考生的头部累计移动距离和身体累计移动距离判断是否发生考试违纪,如果是,则输出违纪报警信息。本申请能够更高效地监督考场违纪行为,提高考试公平性。
Description
技术领域
本申请涉及互联网技术领域,特别涉及网络教育技术领域。
背景技术
近年来,随着教育信息化的发展,网络化考场日益普及。
然而,目前网络化考场仍然存在一些问题,例如:考场违纪行为人工监督效率低,考试存在不公平性;又例如,传统的人工核验身份证和准考证效率低,出错率高;又例如,对考场设备未进行有效检测,设备故障易影响考生考试安排,等等。
发明内容
本申请的目的在于提供一种智慧考场监管方法,既能够更高效地监督考场违纪行为,提高考试公平性,又能够更高效和更准确地核验考生身份以及检测考场设备故障。
本申请公开了一种智慧考场监管方法,包含:获取考试基本信息;
通过对每个考场中的考场设备进行故障检测,获得考场设备故障检测结果;
根据所述考场设备故障检测结果,基于所述考试基本信息,生成考场考试信息;
基于所述考场考试信息对监考人员和考生进行认证;
利用考生的头部视频图像以及该考生的考试终端所对应的考场的视频图像中对应的位置区域的图像,根据考生的头部累计移动距离和身体累计移动距离判断是否发生考试违纪,如果是,则输出违纪报警信息。
在一个优选例中,所述利用考生的头部视频图像以及该考生的考试终端所对应的考场的视频图像中对应的位置区域的图像,根据考生的头部累计移动距离和身体累计移动距离判断是否发生考试违纪的步骤,进一步包含以下子步骤:
预先将考场的视频图像标定为多个区域,每个所述区域对应一个考试终端,存储所述考试终端与所述区域之间一一对应的关系;
周期性地获取每个所述考试终端对应的考生的头部视频图像;
根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离,当所述考生在所述预定时间间隔内的头部累计移动距离大于预定的阈值时,进一步获取预定时长内所述考场的视频图像;
根据预先存储的所述考试终端与所述区域之间一一对应的关系,抠取所述考试终端在所述考场的视频图像中对应的位置区域的图像,以计算所述考试终端对应的考生在预定时长内的身体累计移动距离,当所述身体累计移动距离大于预定的阈值时,根据所述考生的头部累计移动距离和身体累计移动距离计算该考生的考试行为违纪分值Q;
当所述考生的考试行为违纪分值Q满足预定的条件时,输出考试违纪报警消息。
在一个优选例中,所述周期性地获取每个所述考试终端对应的考生的头部视频图像的步骤中,由所述考场中的考试终端的内置相机,每隔2s获取该考试终端对应的考生的头部视频图像。
在一个优选例中,所述获取预定时长内所述考场的视频图像的步骤中,在5S的时间段内每隔0.5s截图一帧所述考场的视频图像,用于计算所述考试终端对应的考生在预定时长内的身体累计移动距离。
在一个优选例中,所述根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离的步骤进一步包含:
用人脸识别技术计算所述头部视频图像中人脸ROI中心位置,并判断所述人脸ROI中心位置与所述头部视频图像中心位置的差值是否大于预定的阈值,如果是,则在触发时间及之后的预定时间段内,每隔0.5s截取一帧考生头部图像,以计算截取的若干帧考生头部图像中的人脸ROI中心位置与考生头部图像中心位置差值的累加和,作为考生的头部累计移动距离。
在一个优选例中,所述考试行为违纪分值Q的计算方式为:Q=kα+lβ,其中,α表示所述考生的头部累计移动距离,β表示考生的身体累计移动距离,k表示头部累计移动距离系数,l表示身体累计移动距离系数,并且,k+l≤1。
在一个优选例中,所述预定的条件为:{α>α1且β>β1},或者{Q>Q1,且α>α1或β>β1},其中,α1,β1和Q1是分别预设的值。
在一个优选例中,所述考试违纪报警消息中包含以下之一或其任意组合:所述考试终端ID、所述考生ID、所述考试终端对应的位置ID。
在一个优选例中,所述考场考试信息包含:考生、座位、人脸图像、身份识别和考卷之间的一一对应关系。
本申请还公开了一种智慧考场监管方法包含:
预先将考场的视频图像标定为多个区域,每个所述区域对应一个考试终端,存储所述考试终端与所述区域之间一一对应的关系;
周期性地获取每个所述考试终端对应的考生的头部视频图像;
根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离,当所述考生在所述预定时间间隔内的头部累计移动距离大于预定的阈值时,进一步获取预定时长内所述考场的视频图像;
根据预先存储的所述考试终端与所述区域之间一一对应的关系,抠取所述考试终端在所述考场的视频图像中对应的位置区域的图像,以计算所述考试终端对应的考生在预定时长内的身体累计移动距离,当所述身体累计移动距离大于预定的阈值时,根据所述考生的头部累计移动距离和身体累计移动距离计算该考生的考试行为违纪分值Q;
当所述考生的考试行为违纪分值Q满足预定的条件时,输出考试违纪报警消息。
在一个优选例中,所述考试行为违纪分值Q的计算方式为:Q=kα+lβ,其中,α表示所述考生的头部累计移动距离,β表示考生的身体累计移动距离,k表示头部累计移动距离系数,l表示身体累计移动距离系数,并且,k+l≤1。
在一个优选例中,所述预定的条件为:{α>α1且β>β1},或者{Q>Q1,且α>α1或β>β1},其中,α1,β1和Q1是分别预设的值。
本申请实施方式中,结合标准网络化考场需要,构建网络化智慧考场及其监管***,在考试过程中对考生违规行为进行实时判别与提示,以实现考场的智能监管,并且,通过考场设备故障检测、身份和人脸识别核验考生入场,不仅让考试安排变得更加智能、考生考试各项流程更加便捷,而且有利于提高考场的公平性。
进一步的,通过由考试终端采集考生头部的视频图像,以及在特定条件下计算考生头部累计移动距离,并利用预先存储的考试终端与考场的视频图像的区域的对应关系,针对性地抠取头部累计移动距离大于阈值的考生在考场视频图像中对应的区域进行图像分析,显著减少了监考过程中图像数据的采集和处理量,提高了监管效率。
本申请的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征A+B+C,在另一个例子中公开了特征A+B+D+E,而特征C和D是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征E技术上可以与特征C相组合,则,A+B+C+D的方案因技术不可行而应当不被视为已经记载,而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的智慧考场监管方法中的***结构示意图;
图2是根据本申请第一实施方式的智慧考场监管方法的流程示意图;
图3是根据本申请第二实施方式的智慧考场监管方法的流程示意图。
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种智慧考场监管方法,如图1-2所示,本实施例的智慧考场监管方法可基于例如以下的网络化智慧考场监管***来实现,该***包含:网页端、服务器,和设置在每个考场内的考场内部***,并且,每个考场内部***可通过服务器与网页端通信。
其中,每个考场内部***包含:交换机、考场摄像机、考场终端、电子班牌、门禁和多个考试终端,其中,所述考场摄像机、考场终端、电子班牌、门禁和每个考试终端均与交换机通信,每个考场的交换机与服务器通信。换句话说,每个考场内部***连接同一个交换机。
下面进一步示例性地说明上述网络化智慧考场监管***中各组成部分。
网页端用于管理人员登入考场管理平台,导入考试基本信息、下发请求指令、以及实现信息的人机交互。
需指出,人员登入考场管理平台用于管理考场的人员登入,例如,对考生和监考老师进行登入管理。
优选的,请求指令可包含,例如:考场设备故障自动检测指令、启动考试模式等等。
进一步的,服务器是指数据计算与存储中心,用于响应服务请求、进行计算处理、信息和数据存储。优选的,服务器可包括:考场设备管理模块、考试信息管理模块、信息发布模块、信息存储模块等。其中,考试设备管理模块用于对诸如考试终端等考试设备进行故障或状态的检查和管理;考试信息管理模块用于对考试信息导入、生成和管理;信息发布模块用于将考试信息下传至各考场终端、电子班牌等;信息存储模块用于存储诸如考场设备信息、人脸图像信息、考试信息等信息。
进一步的,在考场内部***中,交换机与该考场中的考场摄像机、电子班牌、门禁、考场终端,以及每个考试终端等设备通信连接,用于通信。考场终端相当于该考场的集群服务器,用于为每个考试终端,即云桌面终端,提供集中管理和数据处理等,进一步的,考场终端是数据计算与存储分中心,用于监考人员通过该考场终端登入考场管理平台,以进行考场监管。考试终端是指在每个考场内配置的云桌面终端,用于考生进行试题作答。并且,考试终端还包括内置相机,用于进行考生的身份认证和考试行为判别,优选的,每个考场中配置的考试终端的数量可根据具体情况设置或调整。考场摄像机安装于考场内,用于拍摄考场内全景,换句话说,考场摄像机能覆盖考场中每一个座位区域,优选的,每个考场中可配置一个或多个考场摄像机。电子班牌可设置于考场前方,例如教室门口的旁边,用于对考试信息进行显示,对监考人员或考生身份进行识别,以及对门禁进行控制。
下面结合附图2,进一步解释说明网络化智慧考场监管***的网络化智慧考场监管方法。
步骤110:获取考试基本信息。
本步骤中,可通过网页端导入考试基本信息。具体的,所述考试基本信息可包含,例如:考试科目、考生人数、考试考场等基本信息。其中,考试科目可以是,例如:线性代数、英语、计算机等级考试、古汉语,等等;考试考场是指考场所在的教室编号,例如:1201教室,1302教室,等等。
步骤120:通过对每个考场中的考场设备进行故障检测,获得考场设备故障检测结果,其中,所述故障检测结果用于确定可正常工作的考场设备。
具体的,本步骤中,***根据选择的考场信息,自动对考场的终端设备及其配套的输入输出设备进行故障检测,包括考场摄像机、考场终端、考试终端、电子班牌、门禁、以及配套的鼠标、键盘和耳机等设备。
下面示例性地说明考场设备故障检测的具体方式。
1)检测设备网络状态:
具体的,由网页端下传考场设备检测指令,服务器端以广播的形式发送网络检测信息至考试终端设备(包括考场终端、考试终端、考场摄像机、电子班牌、门禁,各终端接收信息后反馈携带设备ID信息至服务器。若服务器收到设备反馈信息,则设备网络正常;否则,设备网络不正常,服务器根据反馈信息记录设备的网络状态。
2)检测终端***状态:
具体的,基于设备的网络状态,服务器端进一步向网络状态正常的终端发送终端***检测信息,各终端接收终端***检测信息后,检测***的CPU负载率、内存使用率、硬盘使用率,并将检测结果反馈至服务器端,服务器端根据反馈的信息,分析并记录终端***故障情况。
举例来说,满足以下任意一项条件即为故障(非正常工作):在预设时间内CPU使用率均值高于a%;或者,内存使用率高于b%;或者,硬盘剩余容量低于c%。其中,不同的终端a、b、c设定的值不同。
优选的,a的范围可以是95%以上,b的范围可以是50%以上,c的范围可以是低于100M。在其它实施例中,上述设置可以根据具体情况调整,在此不做赘述。
3)检测考场摄像机状态
当考场摄像机收到监测信息时,开启拍摄并截取一帧拍摄图像,并将该图像反馈至服务器端,此后,服务器端将截取的图像与预先存储的原始图像,即不同时间段拍摄的考场场景样图,进行图片相似度计算,若存在1张或以上的原始图像与其相似度大于预设阈值,则说明该考场摄像机可正常工作,若不存在或者返回的信息中无图像信息等其它情况,均判定为考场摄像机故障,无法正常工作。
4)检测终端配套输入输出设备故障:
具体的,根据上述网络和终端***检测正常之后,服务器端发送配套输入输出设备检测信息至考试终端,进一步的通过考试终端发送检测信息至考试终端、电子班牌,由考场终端进行故障分析、汇总与反馈。优选的,可通过以下具体方式实现:
首先,内置相机检测方式可与上述考场摄像机的检测方式类似。
进一步的,终端***通过设备驱动检测鼠标、键盘故障,如果检测到接入鼠键,则判断可正常工作,否则判断为有故障。更具体的,考场终端通过WMI检测设备驱动信息,考试终端通过各自终端配置的Android***检测设备驱动信息,并反馈至考场终端。
进一步的,终端***播放一段音频,通过耳机麦克风录音,生成一段音频文件;其次,考场终端根据反馈携带音频文件信息,通过与原始音频文件进行音频相似度计算,若相似度大于预设阈值,则耳机可正常工作,否则有故障。
进一步的,终端***通过设备驱动开启相机,并截取一帧拍摄图像反馈至考场终端,后续与考场摄相机检测方式一致。
进一步的,检测内置相机的方式可与上述的检测考场摄像机的方式类似。
进一步的,检测身份识别器同上述鼠标、键盘检测方式一致。
由此,通过对每个考场中的考场设备进行故障检测,确定可正常工作的考场设备,并记录和警示故障设备。举例来说,考场终端可以将汇总的考试终端和电子班牌的配套输入输出设备故障检测结果集中反馈至服务器端,服务器端对各考场所有待检测设备状态进行记录,并反馈至网页端人界交互界面,以供管理员有针对性地进行设备维修。
需指出,在本实施例中,服务器作为考场设备故障分析的计算主节点,各考场的考场终端作为各个计算节点,辅助考试终端设备的配套输入输出设备故障检测与分析,以实现计算量的负载均衡,以提高检测和通信效率。
步骤130:根据所述考场设备故障检测结果,基于所述考试基本信息,生成考场考试信息,其中,所述考场考试信息中至少包含以下之一或其任意组合:考试科目、考试时间、监考老师、考生人数、考生信息。
优选的,考场考试信息可包含,例如:考场号、考试科目、考试时间、监考老师、考生人数、考生信息、每个考生对应的座位信息、人员人脸图像信息、身份识别信息、考卷,等。
进一步的,该考场考试信息中可进一步包含“考生-座位-人脸图像-身份识别-考卷”之间的一一对应关系,还可以进一步包含“考生-座位-考试终端”之间的一一对应关系。
本步骤中,可根据导入的考试基础信息和考场设备故障检测结果,即,基于考试科目、各科目考生人数、考场数量、各考场可正常工作的考试机位等因素,更合理地规划和生成各考场相应的考场考试信息,并将各个考场相应的考场考试信息下传至每个考场的考场终端和电子班牌。
步骤140:通过对监考人员和考生基于所述考场考试信息进行认证,以使通过验证的监考人员和考生进入所述考场。
具体的,可根据考场考试信息中的人员人脸图像信息和身份识别信息,通过身份证等证件进行身份认证,并且,可通过考场摄像机采集人脸进行人脸识别认证。
更具体地,在本步骤中,服务器端按照考前预设时间,下传启动考试指令至各考场的电子班牌,电子班牌根据指令立刻响应切换到考试页面,并根据下传的考场考试信息进行业务逻辑处理,显示考试数据,其中,考试数据是指例如:考试科目名称、考试时间段、监考老师名称、考生人数、考生名称,等等;同时,电子班牌开启监考人员和考生身份认证和人脸识别,通过身份阅读器进行身份信息比对,通过相机获取人脸图像进行人脸比对,当比对的身份ID和人脸ID均为同一人时,则认证成功,否则提示身份比对异常。然后,待电子班牌对人员认证成功之后,通过在局域网内发送包含考场的门禁ID和门禁控制指令的广播信息,控制门禁开关,以实现监考人员和考生信息验证,以及使通过验证的监考人员和考生入场。
步骤150:利用考生的头部视频图像以及该考生的考试终端所对应的考场的视频图像中对应的位置区域的图像,根据考生的头部累计移动距离和身体累计移动距离判断是否发生考试违纪,如果是,则输出违纪报警信息。
优选的,本步骤可通过以下具体方式实现:
步骤1501:预先将考场的视频图像标定为多个区域,每个所述区域对应一个考试终端,存储所述考试终端与所述区域之间一一对应的关系;
步骤1502:周期性地获取每个所述考试终端对应的考生的头部视频图像。
优选的,可由考场中的考试终端的内置相机,每隔例如2s,获取该考试终端对应的考生的头部视频图像。
步骤1503:根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离,当所述考生在所述预定时间间隔内的头部累计移动距离大于预定的阈值时,进一步获取预定时长内所述考场的视频图像。
优选的,上述预定时间间隔可以是,例如:5s,其中,在5S的时间段内,每隔例如0.5s截图一帧所述考场的视频图像。
优选的,可应用人脸识别技术,计算考试终端的内置相机采集到的头部视频图像中人脸ROI(region of interest,感兴趣区域)中心位置,并判断人脸ROI中心位置与头部视频图像中心位置的差值是否大于预定的阈值,如果是,则在触发时间及之后的预定时间段内,例如触发时间及之后的5S以内,每隔0.5s便截取一帧考生头部图像,以计算截取的若干帧图像中的人脸ROI中心位置与图像中心位置差值的累加和,即,该考生的头部累计移动距离α,是否大于预定的阈值。
需指出,在本说明书其他实施例中,用于计算考生的头部累积移动距离的参考点也可以是图像中的例如考试终端机上边缘中部、左上角、或后下角等的其它固定位置。
步骤1504:根据预先存储的所述考试终端与所述区域之间一一对应的关系,抠取所述考试终端在所述考场的视频图像中对应的位置区域的图像,以计算所述考试终端对应的考生在预定时长内的身体累计移动距离,当所述身体累计移动距离大于预定的阈值时,根据所述考生的头部累计移动距离和身体累计移动距离计算该考生的考试行为违纪分值Q。
优选的,所述考试行为违纪分值Q的计算方式为:Q=kα+lβ,其中,α表示所述考生的头部累计移动距离,β表示考生的身体累计移动距离,k表示头部累计移动距离系数,l表示身体累计移动距离系数,并且,k+l≤1
步骤1505:当所述考生的考试行为违纪分值Q满足预定的条件时,输出考试违纪报警消息。
优选的,所述预定的条件为:{α>α1且β>β1},或者{Q>Q1,且α>α1或β>β1},其中,α1,β1和Q1是分别预设的值。
优选的,所述考试违纪报警消息中包含以下之一或其任意组合:所述考试终端ID、所述考生ID、所述考试终端对应的位置ID。
需指出,如上所述,考场考试信息中还可以进一步包含“考生-座位-考试终端”之间的一一对应信息,因此,根据其中任意一项信息,均可输出其余对应的信息。
需指出,在上述实施例中,服务器的考生考试行为判别模块为计算主节点,各考场的考试终端即为各个计算节点,对本考场考生考试行为进行计算评估,实现计算量的负载均衡,以提高计算和通信效率,进而提高监管的实时性。进一步的,服务器定时发送时钟同步信息,保证各考场的通信设备时钟同步,确保考场摄像机、考场终端和考试终端时钟同步,从而保证考生考试行为判断的准确性。
本实施例的网络化智慧考场监管方法结合标准网络化考场需要,构建网络化智慧考场及其监管***,在考试过程中,通过考试终端内置相机采集到的考生头部图像,以及从考场摄像机采集到的考场图像中抠取的相应的局部区域的图像,根据考生头部累计移动距离和身体累计移动距离,对考生违规行为进行实时、高效和精确地判别与提示,以实现考场的智能监管,并且,通过考场设备故障检测、身份和人脸识别核验考生入场,不仅让考试安排变得更加智能、考生考试各项流程更加便捷,而且有利于提高考场的公平性。
本申请的第二实施方式涉及一种智慧考场监管方法,其流程如图3所示,该方法包含以下步骤:
步骤310:预先将考场的视频图像标定为多个区域,每个所述区域对应一个考试终端,存储所述考试终端与所述区域之间一一对应的关系。
步骤320:周期性地获取每个所述考试终端对应的考生的头部视频图像。
优选的,可由考场中的考试终端的内置相机,每隔例如2s,获取该考试终端对应的考生的头部视频图像。
步骤330:根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离,当所述考生在所述预定时间间隔内的头部累计移动距离大于预定的阈值时,进一步获取预定时长内所述考场的视频图像。
优选的,上述预定时间间隔可以是,例如:5s,其中,在5S的时间段内,每隔例如0.5s截图一帧所述考场的视频图像。
优选的,可应用人脸识别技术,计算考试终端的内置相机采集到的头部视频图像中人脸ROI(region of interest,感兴趣区域)中心位置,并判断人脸ROI中心位置与头部视频图像中心位置的差值是否大于预定的阈值,如果是,则在触发时间及之后的预定时间段内,例如触发时间及之后的5S以内,每隔0.5s便截取一帧考生头部图像,以计算截取的若干帧图像中的人脸ROI中心位置与图像中心位置差值的累加和,即,该考生的头部累计移动距离α,是否大于预定的阈值。
需指出,在本说明书其他实施例中,用于计算考生的头部累积移动距离的参考点也可以是图像中的例如考试终端机上边缘中部、左上角、或后下角等的其它固定位置。
步骤340:根据预先存储的所述考试终端与所述区域之间一一对应的关系,抠取所述考试终端在所述考场的视频图像中对应的位置区域的图像,以计算所述考试终端对应的考生在预定时长内的身体累计移动距离,当所述身体累计移动距离大于预定的阈值时,根据所述考生的头部累计移动距离和身体累计移动距离计算该考生的考试行为违纪分值Q。
优选的,所述考试行为违纪分值Q的计算方式为:Q=kα+lβ,其中,α表示所述考生的头部累计移动距离,β表示考生的身体累计移动距离,k表示头部累计移动距离系数,l表示身体累计移动距离系数,并且,k+l≤1。
步骤350:当所述考生的考试行为违纪分值Q满足预定的条件时,输出考试违纪报警消息。
优选的,所述预定的条件为:{α>α1且β>β1},或者{Q>Q1,且α>α1或β>β1},其中,α1,β1和Q1是分别预设的值。
优选的,所述考试违纪报警消息中包含以下之一或其任意组合:所述考试终端ID、所述考生ID、所述考试终端对应的位置ID。
需指出,如上所述,考场考试信息中还可以进一步包含“考生-座位-考试终端”之间的一一对应信息,因此,根据其中任意一项信息,均可输出其余对应的信息。
需指出,在上述实施例中,服务器的考生考试行为判别模块为计算主节点,各考场的考试终端即为各个计算节点,对本考场考生考试行为进行计算评估,实现计算量的负载均衡,以提高计算和通信效率,进而提高监管的实时性。进一步的,服务器定时发送时钟同步信息,保证各考场的通信设备时钟同步,确保考场摄像机、考场终端和考试终端时钟同步,从而保证考生考试行为判断的准确性。
本实施例的网络化智慧考场监管方法结合标准网络化考场需要,构建网络化智慧考场及其监管***,在考试过程中,通过考试终端内置相机采集到的考生头部图像,以及从考场摄像机采集到的考场图像中抠取的相应的局部区域的图像,根据考生头部累计移动距离和身体累计移动距离,对考生违规行为进行实时、高效和精确地判别与提示,以实现考场的智能监管,并且,通过考场设备故障检测、身份和人脸识别核验考生入场,不仅让考试安排变得更加智能、考生考试各项流程更加便捷,而且有利于提高考场的公平性。
需指出,第一实施方式和第二实施方式可以在相类似的场景下实现,第一实施方式中的技术细节可以应用于本实施方式,本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是,在本专利的申请文件中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中,如果提到根据某要素执行某行为,则是指至少根据该要素执行该行为的意思,其中包括了两种情况:仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中,以便在必要时可以作为修改的依据。此外应理解,在阅读了本申请的上述公开内容之后,本领域技术人员可以对本申请作各种改动或修改,这些等价形式同样落于本申请所要求保护的范围。
Claims (8)
1.一种智慧考场监管方法,其特征在于,包含:
获取考试基本信息;
通过对每个考场中的考场设备进行故障检测,获得考场设备故障检测结果;
根据所述考场设备故障检测结果,基于所述考试基本信息,生成考场考试信息,其中,该考场考试信息中包含“考生-座位-人脸图像-身份识别-考卷”之间的一一对应关系,以及“考生-座位-考试终端”之间的一一对应关系,所述考试终端是指在每个考场内配置的云桌面终端,用于考生进行试题作答,所述考试终端还包括内置相机,用于进行考生的身份认证和考试行为判别;
基于所述考场考试信息对监考人员和考生进行认证;
利用考生的头部视频图像以及该考生的考试终端所对应的考场的视频图像中对应的位置区域的图像,根据考生的头部累计移动距离和身体累计移动距离判断是否发生考试违纪,如果是,则输出违纪报警信息,其中,预先将考场的视频图像标定为多个区域,每个所述区域对应一个考试终端,存储所述考试终端与所述区域之间一一对应的关系;周期性地获取每个所述考试终端对应的考生的头部视频图像;根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离,当所述考生在所述预定时间间隔内的头部累计移动距离大于预定的阈值时,进一步获取预定时长内所述考场的视频图像;根据预先存储的所述考试终端与所述区域之间一一对应的关系,抠取所述考试终端在所述考场的视频图像中对应的位置区域的图像,以计算所述考试终端对应的考生在预定时长内的身体累计移动距离,当所述身体累计移动距离大于预定的阈值时,根据所述考生的头部累计移动距离和身体累计移动距离计算该考生的考试行为违纪分值Q;当所述考生的考试行为违纪分值Q满足预定的条件时,输出考试违纪报警消息。
2.如权利要求1所述的方法,其特征在于,所述周期性地获取每个所述考试终端对应的考生的头部视频图像的步骤中,由所述考场中的考试终端的内置相机,每隔2s获取该考试终端对应的考生的头部视频图像。
3.如权利要求1所述的方法,其特征在于,所述获取预定时长内所述考场的视频图像的步骤中,在5S的时间段内每隔0.5s截图一帧所述考场的视频图像,用于计算所述考试终端对应的考生在预定时长内的身体累计移动距离。
4.如权利要求1所述的方法,其特征在于,所述根据所述每个考生的头部视频图像计算每个考生在预定时间间隔内的头部累计移动距离的步骤进一步包含:
用人脸识别技术计算所述头部视频图像中人脸ROI中心位置,并判断所述人脸ROI中心位置与所述头部视频图像中心位置的差值是否大于预定的阈值,如果是,则在触发时间及之后的预定时间段内,每隔0.5s截取一帧考生头部图像,以计算截取的若干帧考生头部图像中的人脸ROI中心位置与考生头部图像中心位置差值的累加和,作为考生的头部累计移动距离。
5.如权利要求1所述的方法,其特征在于,所述考试行为违纪分值Q的计算方式为:Q=kα+lβ,其中,α表示所述考生的头部累计移动距离,β表示考生的身体累计移动距离,k表示头部累计移动距离系数,l表示身体累计移动距离系数,并且,k+l≤1。
6.如权利要求1所述的方法,其特征在于,所述预定的条件为:{α>α1且β>β1},或者{Q>Q1,且α>α1或β>β1},其中,α1,β1和Q1是分别预设的值。
7.如权利要求1所述的方法,其特征在于,所述考试违纪报警消息中包含以下之一或其任意组合:所述考试终端ID、所述考生ID、所述考试终端对应的位置ID。
8.如权利要求1所述的方法,其特征在于,所述考场考试信息包含:考生、座位、人脸图像、身份识别和考卷之间的一一对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894998.XA CN112087603B (zh) | 2020-08-31 | 2020-08-31 | 智慧考场监管方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894998.XA CN112087603B (zh) | 2020-08-31 | 2020-08-31 | 智慧考场监管方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112087603A CN112087603A (zh) | 2020-12-15 |
CN112087603B true CN112087603B (zh) | 2022-10-11 |
Family
ID=73731249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010894998.XA Active CN112087603B (zh) | 2020-08-31 | 2020-08-31 | 智慧考场监管方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112087603B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613436B (zh) * | 2020-12-28 | 2023-08-04 | 中国联合网络通信集团有限公司 | ***检测方法和装置 |
CN112883814A (zh) * | 2021-01-26 | 2021-06-01 | 厦门大学 | 一种检测在线考试中考生双耳佩戴违禁物品的方法和存储设备 |
CN113301309A (zh) * | 2021-05-25 | 2021-08-24 | 上海松鼠课堂人工智能科技有限公司 | 通过视频监控的学生***行为监测方法与*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959624A (zh) * | 2016-05-03 | 2016-09-21 | 方筠捷 | 考场监控数据处理方法及其实现的自动监考*** |
CN106713856A (zh) * | 2016-12-15 | 2017-05-24 | 重庆凯泽科技股份有限公司 | 一种智能考试监控***和方法 |
CN206282320U (zh) * | 2016-12-02 | 2017-06-27 | 四川亚润科技有限公司 | 用于考试现场身份识别的电子签到*** |
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及*** |
CN208849903U (zh) * | 2018-07-09 | 2019-05-10 | 天津市深大立讯电子科技有限公司 | 考试智能监控***及装置 |
CN110956074A (zh) * | 2019-09-12 | 2020-04-03 | 多伦科技股份有限公司 | 一种科目二考场视频智能分析研判方法及其研判平台 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及***、电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10008124B1 (en) * | 2013-09-18 | 2018-06-26 | Beth Holst | Method and system for providing secure remote testing |
CN206117880U (zh) * | 2016-09-27 | 2017-04-19 | 湖南强视信息科技有限公司 | 针对个人远程考试的多摄像头无人监考*** |
CN110290354A (zh) * | 2019-07-10 | 2019-09-27 | 十里泉科技(重庆)有限公司 | 一种无纸化考场考试监控数据管理方法 |
-
2020
- 2020-08-31 CN CN202010894998.XA patent/CN112087603B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959624A (zh) * | 2016-05-03 | 2016-09-21 | 方筠捷 | 考场监控数据处理方法及其实现的自动监考*** |
CN206282320U (zh) * | 2016-12-02 | 2017-06-27 | 四川亚润科技有限公司 | 用于考试现场身份识别的电子签到*** |
CN106713856A (zh) * | 2016-12-15 | 2017-05-24 | 重庆凯泽科技股份有限公司 | 一种智能考试监控***和方法 |
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及*** |
CN208849903U (zh) * | 2018-07-09 | 2019-05-10 | 天津市深大立讯电子科技有限公司 | 考试智能监控***及装置 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及***、电子设备 |
CN110956074A (zh) * | 2019-09-12 | 2020-04-03 | 多伦科技股份有限公司 | 一种科目二考场视频智能分析研判方法及其研判平台 |
Non-Patent Citations (1)
Title |
---|
考生异常行为识别技术研究;李凌;《淮北职业技术学院学报》;20170615(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112087603A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112087603B (zh) | 智慧考场监管方法 | |
CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
CN102890747B (zh) | 在线考试智能监控方法 | |
CN111611865B (zh) | ***行为识别方法、电子设备及存储介质 | |
CN102880781B (zh) | 在线考试智能监控*** | |
CN105791299A (zh) | 一种无人监考的智能化上机考试*** | |
CN111353921A (zh) | 一种考试管理方法及***、电子设备 | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
US20200278970A1 (en) | A method for monitoring user behavior when interacting with content and a system for its implementation | |
CN110647807A (zh) | 异常行为确定方法、装置、计算机设备和存储介质 | |
CN110460617B (zh) | 机考考试***及相关产品 | |
TWM565361U (zh) | 金融交易詐騙偵測防範系統 | |
CN105654134B (zh) | 一种基于有监督自反馈的情景感知***及其工作方法与应用 | |
DE60218344T2 (de) | Benutzeridentifikationsverfahren | |
CN112019875B (zh) | 在线直播的学***台 | |
CN110175522A (zh) | 考勤方法、***及相关产品 | |
US20210081692A1 (en) | System for characterizing biometric station metrics with genericized biometric information | |
CN117809346A (zh) | 基于人工智能的在线考试自动监考***及方法 | |
CN111695445A (zh) | 一种人脸识别的方法、装置、设备及计算机可读存储介质 | |
CN114245204B (zh) | 基于人工智能的视频面签方法、装置、电子设备及介质 | |
CN109448731A (zh) | 声纹信息的比对方法及装置、储存介质、电子装置 | |
CN115331346A (zh) | 一种校园门禁管理方法、装置、电子设备及存储介质 | |
CN109302413A (zh) | 一种基于行为特征的移动终端身份认证***及方法 | |
CN111782971B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN115188490A (zh) | 一种基于大数据分析的疫情防控行踪溯源智能管理平台 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |