CN118096460A - 一种无人执考的远程医学考核监管评分方法及*** - Google Patents

Abstract

本发明公开了一种无人执考的远程医学考核监管评分方法。该无人执考的远程医学考核监管评分方法方法，包括以下步骤：一次监控；二次监控；获取考核数据；反馈分析报告。本发明通过对待监管远程医学考场进行一次监控获取实时视频流，然后进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，接着结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，最后对获取的考核数据进行分析得到考核数据分析报告，达到了提高医学考核效率的效果，解决了现有技术中存在医学考核效率低的问题。

Description

一种无人执考的远程医学考核监管评分方法及***

技术领域

本发明涉及远程监控技术领域，尤其涉及一种无人执考的远程医学考核监管评分方法及***。

背景技术

随着人工智能、机器学习、图像处理等技术的快速发展，可以实现对考生操作过程的自动识别、分析和评分。此外，网络通信技术的进步使得远程医学考核成为可能，考生可以在任何时间、任何地点进行考试，而监管部门可以通过远程监控和评分***对考生的表现进行实时评估。传统的医学考试可以使用视频录制，将考试内容进行录入，以便让考官和教师进行远程点评，一方面保障了考核的质量，另一方面也确保了过程的规范性。但是，这种模式往往局限于需要多名考官、评委和教师亲临现场进行监督、教授和评估，因此，有必要研发一种无人执考的远程医学考核监管评分方法及***，以提高医学考核的效率。

现有的技术通过使用高清摄像头和传感器等设备，实时记录考生的操作过程，并采用视频采集技术将考生的操作画面传输到监管***中，然后根据图像识别技术自动识别和提取关键信息，并基于人工智能技术构建评分模型，最后通过训练模型对考生的操作过程进行自动评分，并基于网络通信技术稳定传输考生的操作视频和评分结果。

例如公开号为：CN112633824A的发明专利申请公开的一种医学实验室监管溯源***及方法，包括：数据采集设备采集多个相关信息数据，并上传到实验室监管溯源平台；监管溯源平台在接收到相关信息数据后，将每一个信息对应生成一个唯一的编码，并将该信息以及对应的过程数据一起打包加密上传到区块链，并生成一个对应的地址编码；监管溯源平台可根据不同的数据权限，为每个溯源二维码或溯源短链添加不同的信息码；通过手机或者PC机+扫码枪，扫描二维码或者点击溯源短链，并输入对应的信息码，可根据权限看到实验室从接收样品到形成产品的溯源信息。

例如公开号为：CN114819598A的发明专利申请公开的腰椎穿刺术考核评估方法、装置及存储介质，包括：获取考核现场考生的语音信息、考核现场场景信息以及考生肢体动作信息；将考核现场考生的语音信息输入预构建的语音算法模型中，输出语音考核结果；将考生肢体动作信息输入预构建的动作评估算法模型中，通过感知到的考生肢体动作评估考核过程中动作是否符合操作标准，输出肢体动作考核结果。

但本申请在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中，无人执考的远程医学考核监管评分方法及***的规模对资源的需求较大，并且难以实现医学考核效率的提高，存在医学考核效率低的问题。

发明内容

本申请实施例通过提供一种无人执考的远程医学考核监管评分方法及***，解决了现有技术中医学考核效率低的问题，实现了医学考核效率低的提高。

本申请实施例提供了一种无人执考的远程医学考核监管评分方法，包括以下步骤：S1，对待监管远程医学考场进行一次监控获取实时视频流，所述待监管远程医学考场的考生均佩戴有头戴式摄像头，所述一次监控用于实时监控待监管远程医学考场的考生候场阶段，所述实时视频流用于验证考生的身份信息；S2，对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，所述二次监控用于实时监控待监管远程医学考场的考生考试阶段，所述实时监控数据包括考核过程数据和语音数据，所述语音数据用于描述和评估考生的语音质量和口语表达能力；S3，结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，所述考核数据包括考核时间、考核成绩和考核表现数据，所述考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；S4，对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生。

进一步的，所述实时监控数据的具体获取步骤包括：S21，通过头戴式摄像头对待监管远程医学考场内的考生进行实时监控并获取对应的考试情况数据，所述考试情况数据包括考生语音数据和考生在手术操作过程中的能力体现数据；S22，对获取的考试情况数据进行预处理得到考生行为表现相关特征，所述预处理包括去噪、增强和压缩，所述考生行为表现相关特征包括面部表情、答题时间和手部动作；S23，对得到的考生行为表现相关特征进行行为评估获取行为评估分数，并判断行为评估分数是否满足行为评估参考分数，若满足，则执行S24，否则由人工智能***发出预警信息并通知预设管理员进行处理，所述行为评估用于判断待监管远程医学考场内的考生在考生考试阶段是否存在作弊行为和身体异常行为，所述行为评估分数用于量化待监管远程医学考场内的考生在考生考试阶段的表现；S24，根据获取的行为评估分数并结合实际需求以获取考生的实时监控数据。

进一步的，所述行为评估分数的具体获取方式如下：从考生行为表现相关特征中获取考生手术操作行为系数和考生语音数据系数，并结合对应的参考偏差得到考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，所述考生手术操作行为系数用于评估考生的手术操作技能和行为表现，所述考生语音数据系数用于描述考生的语音质量、语音清晰度和语音可理解度，所述考生手术操作行为系数相对偏差表示考生手术操作行为系数与考生手术操作参考行为系数之差的绝对值与考生手术操作行为系数参考偏差的比值，所述考生语音数据系数相对偏差表示考生语音数据系数与考生参考语音数据系数之差的绝对值与考生语音数据系数参考偏差的比值；根据得到的考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，并结合相对应的相对偏差修正因子得到考生行为总系数，所述考生行为总系数表示考生手术操作行为总系数和考生语音数据总系数之和，所述考生手术操作行为总系数表示考生手术操作行为系数相对偏差与对应的相对偏差修正因子的乘积，所述考生语音数据总系数表示考生语音数据系数相对偏差与对应的相对偏差修正因子的乘积；获取头戴式摄像头使用时间和头戴式摄像头接收音量系数，并结合对应的参考偏差和参考数据得到考场环境系数，所述考场环境系数表示头戴式摄像头使用时间相对偏差和头戴式摄像头接收音量系数相对偏差的程度，所述头戴式摄像头接收音量系数表示接收到的由头戴式摄像头获取的数据的音量强度；根据计算的数据并结合行为评估权重得到行为评估分数，所述行为评估权重包括考试环境权重和考试行为权重，所述考试环境权重表示考场环境系数对于行为评估分数的影响程度，所述考试行为权重表示考生行为总系数对于行为评估分数的影响程度，所述行为评估分数采用以下公式进行计算：

，式中，/>表示待监管远程医学考场内的考生编号，/>，/>为待监管远程医学考场内的考生总数量，/>为行为评估次数的编号，/>，/>为行为评估总次数，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>为自然常数，表示考试环境权重，/>表示头戴式摄像头使用时间参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头使用时间，/>表示头戴式摄像头参考使用时间，/>表示头戴式摄像头接收音量系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头接收音量系数，/>表示头戴式摄像头参考接收音量系数，/>表示考试行为权重，/>表示考生手术操作行为系数相对偏差修正因子，/>表示考生手术操作行为系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的考生手术操作行为系数，/>表示待监管远程医学考场内的考生的考生手术操作参考行为系数，/>表示考生语音数据系数相对偏差修正因子，表示考生语音数据系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的考生语音数据系数，/>表示待监管远程医学考场内的考生的考生参考语音数据系数。

进一步的，所述结合自动化视频剪辑方法对获取的实时监控数据进行处理的具体步骤包括：根据视频剪辑规则对实时监控视频进行剪辑以得到视频片段，并根据获取的实时监控数据进行自动化识别获取关键事件信息和异常行为信息，所述视频剪辑规则包括时间范围、关键事件和异常行为；根据获取的信息对视频片段进行划分得到视频片段信息，并对视频片段信息进行标注和分类得到精简视频片段，所述视频片段信息表示视频片段中的关键事件，所述精简视频片段表示含有对应考生号码牌编号的视频片段；对得到的精简视频片段进行质量评估获取视频片段质量评估指数，并根据实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，所述可视化展示用于通过图表图像形式将获取的关键评分信息以考核数据呈现。

进一步的，所述视频片段质量评估指数通过如下公式获取：

，式中，/>表示待监管远程医学考场内的第/>个考生的视频片段质量评估指数，/>表示视频片段噪音系数平均偏差的修正因子，/>表示视频片段噪音系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的视频片段噪音系数，/>表示视频片段参考噪音系数，/>表示视频片段画质系数平均偏差的修正因子，/>表示视频片段画质系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的视频片段画质系数，/>表示视频片段参考画质系数，/>表示行为评估分数平均偏差的修正因子，/>表示行为评估分数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>表示行为参考评估分数；所述视频片段噪音系数用于描述视频片段信号中的噪音水平；所述视频片段画质系数用于描述视频片段中的画面清晰度、画面色彩还原度和画面对比度。

进一步的，所述考核数据分析报告的具体获取方法如下：根据远程医学考场的考试要求和评分标准，从获取的关键视频片段信息获取考核维度视频片段，所述考核维度视频片段用于反映待监管远程医学考场内的考生在考生考试阶段中对专业知识的掌握能力；利用人工智能对获取的考核维度视频片段进行自动化分析，并结合已制定的评分规则对待监管远程医学考场内的考生进行综合评分得到待监管远程医学考场内考生的考核总成绩，所述自动化分析表示采用人工智能中预先训练好的模型对获取的考核维度视频片段进行分析；对待监管远程医学考场内考生的考核数据进行深入分析，并结合数据统计分析工具生成对应的考核数据分析报告。

进一步的，所述对待监管远程医学考场内考生的考核数据进行综合评分的具体过程如下：根据考生的手术操作数据对考生考核过程中的手术操作步骤的准确性、动作的熟练度和手术工具的使用正确性进行分析获取手术操作步骤准确性得分、手术操作动作熟练度得分和手术工具使用得分，并根据获取的数据与对应的难度系数得到手术操作分数和手术操作总分数，所述手术操作总分数为手术操作分数与第一占比数据的乘积，所述手术操作分数用于评估考生在手术操作过程中的操作质量和操作效果，所述第一占比数据表示手术操作分数在第一预设考核成绩中所占的比例，所述第一预设考核成绩为待监管远程医学考场内进行的考试科目的满分；根据考生的语音数据对考生考核过程中的语音清晰度和语速波动率进行分析获取语音清晰度得分和语音波动率得分，并根据获取的数据得到语音数据分数和语音数据总分数，所述语音数据总分数为语音数据分数与第二占比数据的乘积，所述语音数据分数用于评估考生语音识别的准确性和可靠性，所述第二占比数据表示语音数据分数在第一预设考核成绩中所占的比例；根据考生的时间数据对考生考核过程中的考核规定的总时间与使用时间进行比值获取完成考核时间和开始考核时间，并根据获取的数据得到时间数据分数和时间数据总分数，所述时间数据总分数为时间数据分数与第三占比数据的乘积，所述时间数据分数用于评估时间戳的准确性，所述第三占比数据表示时间数据分数在第一预设考核成绩中所占的比例；根据考生的操作步骤完成情况获取考核操作步骤完成情况得分和未完成步骤扣除的分数，并根据获取的数据得到完整性分数和完整性总分数，所述完整性总分数为完整性分数与第四占比数据的乘积，所述完整性分数用于评估考生操作步骤的完整性和可靠性，所述第四占比数据表示完整性分数在第一预设考核成绩中的占比；根据获取的手术操作总分数、语音数据总分数、时间总分数和完整性总分数进行综合评分得到综合评分数据，由综合评分数据得到待监管远程医学考场内考生的考核总成绩，所述综合评分数据表示待监管远程医学考场内的考生在行为评估中的综合表现。

进一步的，所述S4中将得到的考核数据分析报告反馈给对应考生的具体步骤包括：对考生分析报告上的考核数据进行数据核查，并对考生的个人信息和敏感数据进行匿名化处理获取含有实名认证的考生分析报告，所述数据核查用于核查数据是否遗漏、错误以及是否符合预期格式标准；通过远程医学考核小程序向考生发送通知信息并监听考生查收信息，当接收到考生的查收信息后再将含有实名认证的考生分析报告反馈给对应的考生，所述通知信息包括通知内容、发送时间和发送方式。

进一步的，对待监管远程医学考场内的考生进行综合评分还包括对考生语音数据中的考生情绪状态进行评分；所述对考生的情绪状态进行评分的具体步骤包括：对获取的考生语音数据进行预处理，所述预处理包括去噪、降噪和语音识别；根据语音评分标准对预处理后的语音识别数据进行自动化评分获取语音识别数据得分情况，所述自动化评分表示根据语音识别法和自然语言处理法对考生的语音识别数据进行评分；根据获取的语音识别数据得分情况并结合预处理后的语音识别数据提取情绪特征参数，并根据情绪特征参数对考生情绪状态进行评分获取情绪状态分数，所述情绪特征参数用于反映待监管远程医学考场内的考生的考试情绪，所述情绪状态分数用于评估考生在考核过程中的状态、动机和适应性。

本申请实施例提供了一种无人执考的远程医学考核监管评分***，所述无人执考的远程医学考核监管评分***包括一次监控模块、二次监控模块、考核数据获取模块和分析报告反馈模块；其中，所述一次监控模块用于对待监管远程医学考场进行一次监控获取实时视频流，所述待监管远程医学考场的考生均佩戴有头戴式摄像头，所述一次监控用于实时监控待监管远程医学考场的考生候场阶段，所述实时视频流用于验证考生的身份信息；所述二次监控模块用于对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，所述二次监控用于实时监控待监管远程医学考场的考生考试阶段，所述实时监控数据包括考核过程数据和语音数据，所述语音数据用于描述和评估考生的语音质量和口语表达能力；所述考核数据获取模块用于结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，所述考核数据包括考核时间、考核成绩和考核表现数据，所述考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；所述分析报告反馈模块用于对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、通过对待监管远程医学考场进行一次监控获取实时视频流，然就对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，接着结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，最后对获取的考核数据进行分析得到考核数据分析报告，从而实现了对考生考核过程的全面实时监控，进而实现了医学考核效率的提高，有效解决了现有技术中医学考核效率低的问题。

2、通过头戴式摄像头对待监管远程医学考场内的考生进行实时监控并获取对应的考试情况数据，然后对获取的考试情况数据进行预处理得到考生行为表现相关特征，再对得到的考生行为表现相关特征进行行为评估获取行为评估分数，最后根据获取的行为评估分数并结合实际需求以获取考生的实时监控数据，从而实现了监管效率的提高，进而实现了对考生考核过程的全面实时监控。

3、通过视频剪辑规则对实时监控视频进行剪辑以得到视频片段，并根据获取的实时监控数据进行自动化识别获取关键事件信息和异常行为信息，然后根据获取的信息对视频片段进行划分得到视频片段信息，并对视频片段信息进行标注和分类得到精简视频片段，接着对精简视频片段进行质量评估获取视频片段质量评估指数，最后根据实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，从而实现了视频片段信息的精准获取，进而实现了视频片段质量评估指数准确性的提高。

附图说明

图1为本申请实施例提供的一种无人执考的远程医学考核监管评分方法流程图；

图2为本申请实施例提供的实时监控数据的获取流程图；

图3为本申请实施例提供的一种无人执考的远程医学考核监管评分***的结构示意图；

图4为本申请实施例提供的考生候场区3D叫号显示屏结构示意图。

具体实施方式

本申请实施例通过提供一种无人执考的远程医学考核监管评分方法及***，解决了现有技术中医学考核效率低的问题，通过头戴式摄像头对待监管远程医学考场进行一次监控获取实时视频流，并对获取的考试情况数据进行预处理得到考生行为表现相关特征，然后根据考生行为表现相关特征进行行为评估获取行为评估分数，并根据行为评估分数和实际需求获取考生的实时监控数据，再根据获取的信息对视频片段进行划分得到视频片段信息并进行标注和分类得到精简视频片段以获取视频片段质量评估指数，结合实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，然后通过自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，结合远程医学考场的考试要求和评分标准，接着从获取的关键视频片段信息获取考核维度视频片段，并利用人工智能对获取的考核维度视频片段进行自动化分析，结合已制定的评分规则对待监管远程医学考场内的考生进行综合评分得到待监管远程医学考场内考生的考核总成绩，最后对待监管远程医学考场内考生的考核数据进行深入分析，结合数据统计分析工具生成对应的考核数据分析报告，将得到的考核数据分析报告反馈给对应的考生，实现了医学考核效率的提高。

本申请实施例中的技术方案为解决上述医学考核效率低的问题，总体思路如下：

通过对待监管远程医学考场进行一次监控获取实时视频流，接着对待监管远程医学考场进行二次监控获取实时监控数据，根据获取的实时监控数据分析考生的考试行为，然后结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，最后对获取的考核数据进行分析得到考核数据分析报告，达到了提高医学考核效率的效果。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

如图1所示，为本申请实施例提供的一种无人执考的远程医学考核监管评分方法流程图，该方法包括以下步骤：S1，对待监管远程医学考场进行一次监控获取实时视频流，待监管远程医学考场的考生均佩戴有头戴式摄像头，一次监控用于实时监控待监管远程医学考场的考生候场阶段，实时视频流用于验证考生的身份信息；S2，对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，二次监控用于实时监控待监管远程医学考场的考生考试阶段，实时监控数据包括考核过程数据和语音数据，语音数据用于描述和评估考生的语音质量和口语表达能力；

S3，结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，考核数据包括考核时间、考核成绩和考核表现数据，考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；S4，对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生。

在本实施例中，实时视频流用于验证考生的身份信息，保证考核的公正性；语音数据包括语音识别数据、噪音语音数据和考生考核过程中的录音数据，这些数据可用于评估考生的语音质量和口语表达能力，也是考生综合成绩的重要组成部分之一，实现了医学考核效率低的提高。

进一步的，如图2所示，为本申请实施例提供的实时监控数据的获取流程图，实时监控数据的获取包括以下步骤：S21，通过头戴式摄像头对待监管远程医学考场内的考生进行实时监控并获取对应的考试情况数据，考试情况数据包括考生语音数据和考生在手术操作过程中的能力体现数据；S22，对获取的考试情况数据进行预处理得到考生行为表现相关特征，预处理包括去噪、增强和压缩，考生行为表现相关特征包括面部表情、答题时间和手部动作；S23，对得到的考生行为表现相关特征进行行为评估获取行为评估分数，并判断行为评估分数是否满足行为评估参考分数，若满足，则执行S24，否则由人工智能***发出预警信息并通知预设管理员进行处理，行为评估用于判断待监管远程医学考场内的考生在考生考试阶段是否存在作弊行为和身体异常行为，行为评估分数用于量化待监管远程医学考场内的考生在考生考试阶段的表现；S24，根据获取的行为评估分数并结合实际需求以获取考生的实时监控数据。

在本实施例中，利用人工智能算法对获取的行为评估分数进行优化，有利于提高考生考试过程中的行为识别能力，实现了实时监控数据准确性的提高。

进一步的，行为评估分数的具体获取方式如下：从考生行为表现相关特征中获取考生手术操作行为系数和考生语音数据系数，并结合对应的参考偏差得到考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，考生手术操作行为系数用于评估考生的手术操作技能和行为表现，考生语音数据系数用于描述考生的语音质量、语音清晰度和语音可理解度，考生手术操作行为系数相对偏差表示考生手术操作行为系数与考生手术操作参考行为系数之差的绝对值与考生手术操作行为系数参考偏差的比值，考生语音数据系数相对偏差表示考生语音数据系数与考生参考语音数据系数之差的绝对值与考生语音数据系数参考偏差的比值；根据得到的考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，并结合相对应的相对偏差修正因子得到考生行为总系数，考生行为总系数表示考生手术操作行为总系数和考生语音数据总系数之和，考生手术操作行为总系数表示考生手术操作行为系数相对偏差与对应的相对偏差修正因子的乘积，考生语音数据总系数表示考生语音数据系数相对偏差与对应的相对偏差修正因子的乘积；获取头戴式摄像头使用时间和头戴式摄像头接收音量系数，并结合对应的参考偏差和参考数据得到考场环境系数，考场环境系数表示头戴式摄像头使用时间相对偏差和头戴式摄像头接收音量系数相对偏差的程度，头戴式摄像头接收音量系数表示接收到的由头戴式摄像头获取的数据的音量强度；根据计算的数据并结合行为评估权重得到行为评估分数，行为评估权重包括考试环境权重和考试行为权重，考试环境权重表示考场环境系数对于行为评估分数的影响程度，考试行为权重表示考生行为总系数对于行为评估分数的影响程度，行为评估分数采用以下公式进行计算：

，式中，/>表示待监管远程医学考场内的考生编号，/>，/>为待监管远程医学考场内的考生总数量，为行为评估次数的编号，/>，/>为行为评估总次数，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>为自然常数，/>表示考试环境权重，/>表示头戴式摄像头使用时间参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头使用时间，/>表示头戴式摄像头参考使用时间，/>表示头戴式摄像头接收音量系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头接收音量系数，/>表示头戴式摄像头参考接收音量系数，/>表示考试行为权重，/>表示考生手术操作行为系数相对偏差修正因子，/>表示考生手术操作行为系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的考生手术操作行为系数，/>表示待监管远程医学考场内的考生的考生手术操作参考行为系数，/>表示考生语音数据系数相对偏差修正因子，/>表示考生语音数据系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的考生语音数据系数，/>表示待监管远程医学考场内的考生的考生参考语音数据系数。

在本实施例中，行为评估分数通常基于一系列评估标准，对考生的行为表现进行评估和打分，这些评估标准还包括行为的频率、持续时间、强度和适应性，实现了行为评估分数的更精准获取。

进一步的，结合自动化视频剪辑方法对获取的实时监控数据进行处理的具体步骤包括：根据视频剪辑规则对实时监控视频进行剪辑以得到视频片段，并根据获取的实时监控数据进行自动化识别获取关键事件信息和异常行为信息，视频剪辑规则包括时间范围、关键事件和异常行为；根据获取的信息对视频片段进行划分得到视频片段信息，并对视频片段信息进行标注和分类得到精简视频片段，视频片段信息表示视频片段中的关键事件，精简视频片段表示含有对应考生号码牌编号的视频片段；对得到的精简视频片段进行质量评估获取视频片段质量评估指数，并根据实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，可视化展示用于通过图表图像形式将获取的关键评分信息以考核数据呈现。

在本实施例中，视频片段信息表示视频片段中的关键事件，具体包括考生的动作事件、事件的序列和事件之间的关联，自动化识别还可以对考场内的各种传感器进行挖掘信息并进行分析，以分析异常行为与关键事件之间的关联性，实现了监管效率和准确性的提高。

进一步的，视频片段质量评估指数通过如下公式获取：

，式中，/>表示待监管远程医学考场内的第/>个考生的视频片段质量评估指数，/>表示视频片段噪音系数平均偏差的修正因子，/>表示视频片段噪音系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的视频片段噪音系数，/>表示视频片段参考噪音系数，/>表示视频片段画质系数平均偏差的修正因子，/>表示视频片段画质系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的视频片段画质系数，/>表示视频片段参考画质系数，/>表示行为评估分数平均偏差的修正因子，/>表示行为评估分数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>表示行为参考评估分数；视频片段噪音系数用于描述视频片段信号中的噪音水平；视频片段画质系数用于描述视频片段中的画面清晰度、画面色彩还原度和画面对比度。

在本实施例中，噪音系数平均偏差为对应的视频片段噪音系数与对应的参考值之差和视频片段噪音系数参考偏差的比值，其中，视频片段噪音系数与视频片段质量评估指数成反比，当视频片段噪音系数增大时，视频片段噪音对视频片段质量评估指数的影响程度增大，导致对应的视频片段质量评估指数不精确；视频片段画质系数平均偏差为对应的视频片段参考画质系数与对应的视频片段画质系数之差和视频片段画质系数参考偏差的比值，其中，视频片段画质系数与视频片段质量评估指数成正比，当视频片段画质系数增大时，对应的视频片段质量评估指数越精确；行为评估分数平均偏差为对应的行为参考评估分数与对应的行为评估分数之差和行为评估分数参考偏差的比值，其中，行为评估分数与视频片段质量评估指数成正比，当行为评估分数增大时，对应的视频片段质量评估指数越精确；对于无人执考的远程医学考场而言，当视频片段质量评估指数满足预设质量评估指数范围时，可以筛选出高质量的且含有考生关键信息的视频片段，有利于提高考核的公正性，实现了视频片段质量的提高。

进一步的，考核数据分析报告的具体获取方法如下：根据远程医学考场的考试要求和评分标准，从获取的关键视频片段信息获取考核维度视频片段，考核维度视频片段用于反映待监管远程医学考场内的考生在考生考试阶段中对专业知识的掌握能力；利用人工智能对获取的考核维度视频片段进行自动化分析，并结合已制定的评分规则对待监管远程医学考场内的考生进行综合评分得到待监管远程医学考场内考生的考核总成绩，自动化分析表示采用人工智能中预先训练好的模型对获取的考核维度视频片段进行分析；对待监管远程医学考场内考生的考核数据进行深入分析，并结合数据统计分析工具生成对应的考核数据分析报告。

在本实施例中，数据统计分析工具包括均值、方差、频数、饼状图、折线图和柱状图；利用人工智能对获取的考核维度视频片段进行自动化分析并处理大量的视频数据，还可以针对每个考生的特点进行个性化评估，更好地反映考生的实际水平，有效地获取考生的考核数据，实现了对考生考核数据获取效率的提高。

进一步的，对待监管远程医学考场内考生的考核数据进行综合评分的具体过程如下：根据考生的手术操作数据对考生考核过程中的手术操作步骤的准确性、动作的熟练度和手术工具的使用正确性进行分析获取手术操作步骤准确性得分、手术操作动作熟练度得分和手术工具使用得分，并根据获取的数据与对应的难度系数得到手术操作分数和手术操作总分数，手术操作总分数为手术操作分数与第一占比数据的乘积，手术操作分数用于评估考生在手术操作过程中的操作质量和操作效果，第一占比数据表示手术操作分数在第一预设考核成绩中所占的比例，第一预设考核成绩为待监管远程医学考场内进行的考试科目的满分；根据考生的语音数据对考生考核过程中的语音清晰度和语速波动率进行分析获取语音清晰度得分和语音波动率得分，并根据获取的数据得到语音数据分数和语音数据总分数，语音数据总分数为语音数据分数与第二占比数据的乘积，语音数据分数用于评估考生语音识别的准确性和可靠性，第二占比数据表示语音数据分数在第一预设考核成绩中所占的比例；根据考生的时间数据对考生考核过程中的考核规定的总时间与使用时间进行比值获取完成考核时间和开始考核时间，并根据获取的数据得到时间数据分数和时间数据总分数，时间数据总分数为时间数据分数与第三占比数据的乘积，时间数据分数用于评估时间戳的准确性，第三占比数据表示时间数据分数在第一预设考核成绩中所占的比例；根据考生的操作步骤完成情况获取考核操作步骤完成情况得分和未完成步骤扣除的分数，并根据获取的数据得到完整性分数和完整性总分数，完整性总分数为完整性分数与第四占比数据的乘积，完整性分数用于评估考生操作步骤的完整性和可靠性，第四占比数据表示完整性分数在第一预设考核成绩中的占比；根据获取的手术操作总分数、语音数据总分数、时间总分数和完整性总分数进行综合评分得到综合评分数据，由综合评分数据得到待监管远程医学考场内考生的考核总成绩，综合评分数据表示待监管远程医学考场内的考生在行为评估中的综合表现。

在本实施例中，综合评分数据通过如下公式进行计算：

，式中，/>为待监管远程医学考场内的考生的编号，/>，/>为待监管远程医学考场内的考生总数量，/>为行为评估次数的编号，/>，/>为行为评估总次数，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的综合评分数据，表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的手术操作步骤准确性得分，/>表示手术操作步骤准确性的难度系数，/>表示待监管远程医学考场内的第个考生在第/>次行为评估中的手术操作动作熟练度得分，/>表示手术操作动作熟练度的难度系数，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的手术工具使用得分，/>表示手术工具使用的难度系数，/>表示第一占比数据，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的语音清晰度得分，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的语音波动率得分，/>表示第二占比数据，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中完成考核时间，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中开始考核时间，表示预设考核总时长，/>表示第三占比数据，/>表示待监管远程医学考场内的第个考生在第/>次行为评估中的考核操作步骤完成情况得分，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中未完成步骤扣除的分数，/>表示第四占比数据，实现了提高考生考核数据获取的准确性和可靠性。

进一步的，S4中将得到的考核数据分析报告反馈给对应考生的具体步骤包括：对考生分析报告上的考核数据进行数据核查，并对考生的个人信息和敏感数据进行匿名化处理获取含有实名认证的考生分析报告，数据核查用于核查数据是否遗漏、错误以及是否符合预期格式标准；通过远程医学考核小程序向考生发送通知信息并监听考生查收信息，当接收到考生的查收信息后再将含有实名认证的考生分析报告反馈给对应的考生，通知信息包括通知内容、发送时间和发送方式。

在本实施例中，通过远程医学考核小程序向考生发送通知信息并监听考生查收信息，并将含有实名认证的考生分析报告反馈给对应的考生，有利于确保信息的真实性和准确性，实现了考生考核数据反馈准确性的提高。

进一步的，对待监管远程医学考场内的考生进行综合评分还包括对考生语音数据中的考生情绪状态进行评分；对考生的情绪状态进行评分的具体步骤包括：对获取的考生语音数据进行预处理，预处理包括去噪、降噪和语音识别；根据语音评分标准对预处理后的语音识别数据进行自动化评分获取语音识别数据得分情况，自动化评分表示根据语音识别法和自然语言处理法对考生的语音识别数据进行评分；根据获取的语音识别数据得分情况并结合预处理后的语音识别数据提取情绪特征参数，并根据情绪特征参数对考生情绪状态进行评分获取情绪状态分数，情绪特征参数用于反映待监管远程医学考场内的考生的考试情绪，情绪状态分数用于评估考生在考核过程中的状态、动机和适应性。

在本实施例中，基于语音识别数据提取情绪特征参数并对考生情绪状态进行评分，可以提供一种客观、量化的方式来评估考生的情绪状态，这种评分方法一方面可以帮助了解考生的紧张程度和自信心，另一方面也可以用于参考考生在考核过程中的心理素质和临场应变能力，实现了获取语音数据准确性的提高。

如图3所示，为本申请实施例提供的一种无人执考的远程医学考核监管评分***的结构示意图，本申请实施例提供的一种无人执考的远程医学考核监管评分***包括：一次监控模块、二次监控模块、考核数据获取模块和分析报告反馈模块；其中，一次监控模块用于对待监管远程医学考场进行一次监控获取实时视频流，待监管远程医学考场的考生均佩戴有头戴式摄像头，一次监控用于实时监控待监管远程医学考场的考生候场阶段，实时视频流用于验证考生的身份信息；二次监控模块用于对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，二次监控用于实时监控待监管远程医学考场的考生考试阶段，实时监控数据包括考核过程数据和语音数据，语音数据用于描述和评估考生的语音质量和口语表达能力；考核数据获取模块用于结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，考核数据包括考核时间、考核成绩和考核表现数据，考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；分析报告反馈模块用于对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生。

在本实施例中，无人执考的远程医学考核监管评分***中的硬件包括摄录硬件、引导硬件和服务硬件，摄录硬件包括万向吊臂高清摄像头、头戴式摄像头、全景摄像头和拾音器，引导硬件包括大屏考题端、门旁显示端、叫号大屏端和广播***，服务硬件包括服务器、存储录像机和评分端；如图4所示，OSCE客观结构化临床考试（Objective StructuredClinical Examination）的***平台，为本申请实施例提供的考生候场区3D叫号显示屏结构示意图，考生候场阶段考生通过实时关注考场外的3D叫号大屏显示的叫号顺序准备入场，实现了医学考核效率的提高。

上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：相对于公开号为：CN112633824A发明专利申请公开的一种医学实验室监管溯源***及方法，本申请实施例通过头戴式摄像头对待监管远程医学考场内的考生进行实时监控并获取对应的考试情况数据，然后对获取的考试情况数据进行预处理得到考生行为表现相关特征，再对得到的考生行为表现相关特征进行行为评估获取行为评估分数，最后根据获取的行为评估分数并结合实际需求以获取考生的实时监控数据，从而实现了监管效率的提高，进而实现了对考生考核过程的全面实时监控；相对于公开号为：CN114819598A发明专利申请公开的腰椎穿刺术考核评估方法、装置及存储介质，本申请实施例通过视频剪辑规则对实时监控视频进行剪辑以得到视频片段，并根据获取的实时监控数据进行自动化识别获取关键事件信息和异常行为信息，然后根据获取的信息对视频片段进行划分得到视频片段信息，并对视频片段信息进行标注和分类得到精简视频片段，接着对精简视频片段进行质量评估获取视频片段质量评估指数，最后根据实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，从而实现了视频片段信息的精准获取，进而实现了视频片段质量评估指数准确性的提高。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种无人执考的远程医学考核监管评分方法，其特征在于，包括以下步骤：

S1，对待监管远程医学考场进行一次监控获取实时视频流，所述待监管远程医学考场的考生均佩戴有头戴式摄像头，所述一次监控用于实时监控待监管远程医学考场的考生候场阶段，所述实时视频流用于验证考生的身份信息；

S2，对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，所述二次监控用于实时监控待监管远程医学考场的考生考试阶段，所述实时监控数据包括考核过程数据和语音数据，所述语音数据用于描述和评估考生的语音质量和口语表达能力；

S3，结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，所述考核数据包括考核时间、考核成绩和考核表现数据，所述考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；

S4，对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生;

所述实时监控数据的具体获取步骤包括：

S21，通过头戴式摄像头对待监管远程医学考场内的考生进行实时监控并获取对应的考试情况数据，所述考试情况数据包括考生语音数据和考生在手术操作过程中的能力体现数据；

S22，对获取的考试情况数据进行预处理得到考生行为表现相关特征，所述预处理包括去噪、增强和压缩，所述考生行为表现相关特征包括面部表情、答题时间和手部动作；

S23，对得到的考生行为表现相关特征进行行为评估获取行为评估分数，并判断行为评估分数是否满足行为评估参考分数，若满足，则执行S24，否则由人工智能***发出预警信息并通知预设管理员进行处理，所述行为评估用于判断待监管远程医学考场内的考生在考生考试阶段是否存在作弊行为和身体异常行为，所述行为评估分数用于量化待监管远程医学考场内的考生在考生考试阶段的表现；

S24，根据获取的行为评估分数并结合实际需求以获取考生的实时监控数据;

所述行为评估分数的具体获取方式如下：

从考生行为表现相关特征中获取考生手术操作行为系数和考生语音数据系数，并结合对应的参考偏差得到考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，所述考生手术操作行为系数用于评估考生的手术操作技能和行为表现，所述考生语音数据系数用于描述考生的语音质量、语音清晰度和语音可理解度，所述考生手术操作行为系数相对偏差表示考生手术操作行为系数与考生手术操作参考行为系数之差的绝对值与考生手术操作行为系数参考偏差的比值，所述考生语音数据系数相对偏差表示考生语音数据系数与考生参考语音数据系数之差的绝对值与考生语音数据系数参考偏差的比值；

根据得到的考生手术操作行为系数相对偏差和考生语音数据系数相对偏差，并结合相对应的相对偏差修正因子得到考生行为总系数，所述考生行为总系数表示考生手术操作行为总系数和考生语音数据总系数之和，所述考生手术操作行为总系数表示考生手术操作行为系数相对偏差与对应的相对偏差修正因子的乘积，所述考生语音数据总系数表示考生语音数据系数相对偏差与对应的相对偏差修正因子的乘积；

获取头戴式摄像头使用时间和头戴式摄像头接收音量系数，并结合对应的参考偏差和参考数据得到考场环境系数，所述考场环境系数表示头戴式摄像头使用时间相对偏差和头戴式摄像头接收音量系数相对偏差的程度，所述头戴式摄像头接收音量系数表示接收到的由头戴式摄像头获取的数据的音量强度；

根据计算的数据并结合行为评估权重得到行为评估分数，所述行为评估权重包括考试环境权重和考试行为权重，所述考试环境权重表示考场环境系数对于行为评估分数的影响程度，所述考试行为权重表示考生行为总系数对于行为评估分数的影响程度。

2.如权利要求1所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述行为评估分数采用以下公式进行计算：

，式中，/>表示待监管远程医学考场内的考生编号，/>，/>为待监管远程医学考场内的考生总数量，/>为行为评估次数的编号，/>，/>为行为评估总次数，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>为自然常数，/>表示考试环境权重，/>表示头戴式摄像头使用时间参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头使用时间，/>表示头戴式摄像头参考使用时间，/>表示头戴式摄像头接收音量系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中头戴式摄像头接收音量系数，/>表示头戴式摄像头参考接收音量系数，/>表示考试行为权重，/>表示考生手术操作行为系数相对偏差修正因子，/>表示考生手术操作行为系数参考偏差，/>表示待监管远程医学考场内的第个考生在第/>次行为评估中的考生手术操作行为系数，/>表示待监管远程医学考场内的考生的考生手术操作参考行为系数，/>表示考生语音数据系数相对偏差修正因子，表示考生语音数据系数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的考生语音数据系数，/>表示待监管远程医学考场内的考生的考生参考语音数据系数。

3.如权利要求2所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述结合自动化视频剪辑方法对获取的实时监控数据进行处理的具体步骤包括：

根据视频剪辑规则对实时监控视频进行剪辑以得到视频片段，并根据获取的实时监控数据进行自动化识别获取关键事件信息和异常行为信息，所述视频剪辑规则包括时间范围、关键事件和异常行为；

根据获取的信息对视频片段进行划分得到视频片段信息，并对视频片段信息进行标注和分类得到精简视频片段，所述视频片段信息表示视频片段中的关键事件，所述精简视频片段表示含有对应考生号码牌编号的视频片段；

对得到的精简视频片段进行质量评估获取视频片段质量评估指数，并根据实际需求对视频片段质量评估指数进行可视化展示获取关键评分信息，所述可视化展示用于通过图表图像形式将获取的关键评分信息以考核数据呈现。

4.如权利要求3所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述视频片段质量评估指数通过如下公式获取：

，式中，/>表示待监管远程医学考场内的第/>个考生的视频片段质量评估指数，/>表示视频片段噪音系数平均偏差的修正因子，/>表示视频片段噪音系数参考偏差，/>表示待监管远程医学考场内的第个考生在第/>次行为评估中的视频片段噪音系数，/>表示视频片段参考噪音系数，表示视频片段画质系数平均偏差的修正因子，/>表示视频片段画质系数参考偏差，表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的视频片段画质系数，表示视频片段参考画质系数，/>表示行为评估分数平均偏差的修正因子，/>表示行为评估分数参考偏差，/>表示待监管远程医学考场内的第/>个考生在第/>次行为评估中的行为评估分数，/>表示行为参考评估分数；

所述视频片段噪音系数用于描述视频片段信号中的噪音水平；

所述视频片段画质系数用于描述视频片段中的画面清晰度、画面色彩还原度和画面对比度。

5.如权利要求1所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述考核数据分析报告的具体获取方法如下：

根据远程医学考场的考试要求和评分标准，从获取的关键视频片段信息获取考核维度视频片段，所述考核维度视频片段用于反映待监管远程医学考场内的考生在考生考试阶段中对专业知识的掌握能力；

利用人工智能对获取的考核维度视频片段进行自动化分析，并结合已制定的评分规则对待监管远程医学考场内的考生进行综合评分得到待监管远程医学考场内考生的考核总成绩，所述自动化分析表示采用人工智能中预先训练好的模型对获取的考核维度视频片段进行分析；

对待监管远程医学考场内考生的考核数据进行深入分析，并结合数据统计分析工具生成对应的考核数据分析报告。

6.如权利要求5所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述对待监管远程医学考场内考生的考核数据进行综合评分的具体过程如下：

根据考生的手术操作数据对考生考核过程中的手术操作步骤的准确性、动作的熟练度和手术工具的使用正确性进行分析获取手术操作步骤准确性得分、手术操作动作熟练度得分和手术工具使用得分，并根据获取的数据与对应的难度系数得到手术操作分数和手术操作总分数，所述手术操作总分数为手术操作分数与第一占比数据的乘积，所述手术操作分数用于评估考生在手术操作过程中的操作质量和操作效果，所述第一占比数据表示手术操作分数在第一预设考核成绩中所占的比例，所述第一预设考核成绩为待监管远程医学考场内进行的考试科目的满分；

根据考生的语音数据对考生考核过程中的语音清晰度和语速波动率进行分析获取语音清晰度得分和语音波动率得分，并根据获取的数据得到语音数据分数和语音数据总分数，所述语音数据总分数为语音数据分数与第二占比数据的乘积，所述语音数据分数用于评估考生语音识别的准确性和可靠性，所述第二占比数据表示语音数据分数在第一预设考核成绩中所占的比例；

根据考生的时间数据对考生考核过程中的考核规定的总时间与使用时间进行比值获取完成考核时间和开始考核时间，并根据获取的数据得到时间数据分数和时间数据总分数，所述时间数据总分数为时间数据分数与第三占比数据的乘积，所述时间数据分数用于评估时间戳的准确性，所述第三占比数据表示时间数据分数在第一预设考核成绩中所占的比例；

根据考生的操作步骤完成情况获取考核操作步骤完成情况得分和未完成步骤扣除的分数，并根据获取的数据得到完整性分数和完整性总分数，所述完整性总分数为完整性分数与第四占比数据的乘积，所述完整性分数用于评估考生操作步骤的完整性和可靠性，所述第四占比数据表示完整性分数在第一预设考核成绩中的占比；

根据获取的手术操作总分数、语音数据总分数、时间总分数和完整性总分数进行综合评分得到综合评分数据，由综合评分数据得到待监管远程医学考场内考生的考核总成绩，所述综合评分数据表示待监管远程医学考场内的考生在行为评估中的综合表现。

7.如权利要求1所述一种无人执考的远程医学考核监管评分方法，其特征在于，所述S4中将得到的考核数据分析报告反馈给对应考生的具体步骤包括：

对考生分析报告上的考核数据进行数据核查，并对考生的个人信息和敏感数据进行匿名化处理获取含有实名认证的考生分析报告，所述数据核查用于核查数据是否遗漏、错误以及是否符合预期格式标准；

通过远程医学考核小程序向考生发送通知信息并监听考生查收信息，当接收到考生的查收信息后再将含有实名认证的考生分析报告反馈给对应的考生，所述通知信息包括通知内容、发送时间和发送方式。

8.如权利要求5所述一种无人执考的远程医学考核监管评分方法，其特征在于：对待监管远程医学考场内的考生进行综合评分还包括对考生语音数据中的考生情绪状态进行评分；

所述对考生的情绪状态进行评分的具体步骤包括：

对获取的考生语音数据进行预处理，所述预处理包括去噪、降噪和语音识别；

根据语音评分标准对预处理后的语音识别数据进行自动化评分获取语音识别数据得分情况，所述自动化评分表示根据语音识别法和自然语言处理法对考生的语音识别数据进行评分；

根据获取的语音识别数据得分情况并结合预处理后的语音识别数据提取情绪特征参数，并根据情绪特征参数对考生情绪状态进行评分获取情绪状态分数，所述情绪特征参数用于反映待监管远程医学考场内的考生的考试情绪，所述情绪状态分数用于评估考生在考核过程中的状态、动机和适应性。

9.一种采用如权利要求1-8中任意一项所述的无人执考的远程医学考核监管评分方法的***，其特征在于，包括一次监控模块、二次监控模块、考核数据获取模块和分析报告反馈模块；

其中，所述一次监控模块用于对待监管远程医学考场进行一次监控获取实时视频流，所述待监管远程医学考场的考生均佩戴有头戴式摄像头，所述一次监控用于实时监控待监管远程医学考场的考生候场阶段，所述实时视频流用于验证考生的身份信息；

所述二次监控模块用于对待监管远程医学考场进行二次监控获取实时监控数据，并根据获取的实时监控数据分析考生的考试行为，所述二次监控用于实时监控待监管远程医学考场的考生考试阶段，所述实时监控数据包括考核过程数据和语音数据，所述语音数据用于描述和评估考生的语音质量和口语表达能力；

所述考核数据获取模块用于结合自动化视频剪辑方法对获取的实时监控数据进行处理得到关键视频片段信息，并根据得到的数据对待监管远程医学考场的考生打分获取考核数据，所述考核数据包括考核时间、考核成绩和考核表现数据，所述考核表现数据表示待监管远程医学考场内的考生在考生考试阶段的表现；

所述分析报告反馈模块用于对获取的考核数据进行分析得到考核数据分析报告，并将得到的考核数据分析报告反馈给对应的考生。