[发明专利]一种基于多场景视频分析的智能实验考察系统

说明书

本发明公开了一种基于多场景视频分析的智能实验考察系统，属于实践教学技术领域。包括：交互终端、多角度摄像头和实验主机；其中，交互终端，用于与用户进行人机交互，实现身份验证、实验授权，以及实验数据提交；多角度摄像头，用于多角度采集用户操作行为以及实验仪器显示的实验数据；实验主机，用于对多角度摄像头采集的图像进行分析、处理与结果反馈，并对异常行为进行报警。本发明提供的系统可以解决当前实验教学模式下实践环节存在的过程监控困难的问题，具有很强的适用性，可以适用于信息技术类、物理类等实验教学场景，对于当前教学方式的智能化和信息化具有较高的价值。

技术领域

本发明属于实践教学技术领域，更具体地，涉及一种基于多场景视频分析的智能实验考察系统。

背景技术

除了理论教学之外，实践教学是人才培养的重要环节，是加深学生对所学理论的理解、提高学生实践能力的主要方式。然而，相比较于理论教学而言，实践教学是教学过程中最薄弱的环节。现在的实验教学管理措施存在如下问题：在实践中，指导老师缺乏对于学生操作过程的监控而导致信息严重不足。在实践课堂上，一般是由指导老师对学生进行操作的辅导、答疑、验收试验和处理突发情况，由于学生数量较多，指导老师往往无暇顾及每个学生，更加无法杜绝代做、抄袭等恶劣情况。现行的实践监控完全由指导老师人力承担，获取的信息量少、涉及面窄，不仅影响教师对于学情的准确判断，而且影响学生的学习态度和自主学习能力的培养。

21世纪以来，互联网技术和人工智能技术发展屡有突破，日趋成熟。“互联网+教育”、“AI+教育”逐渐成为了研究热点。将网站开发、人脸识别、姿态检测等技术应用于实践教学的管理中，不仅可以解决授课中监管力度不足的问题，也可以通过数据反馈提供完善的高效的实践教学实践。目前，国内外的研究者对于利用计算机视觉自动检测作弊行为的检测进行了相当多的研究，如文献[1](梅毅,孙洪伟.基于智能视觉的考试作弊行为识别仿真[J].计算机仿真,2014,31(04):219-222.)中采用基于免疫多Agent算法的考试作弊行为识别方法，利用免疫多方氏距离极小值法提取与考试作弊行为相关的特征，完成考试作弊行为的识别；或是文献[2](Yohannes,V.Ayumi and M.I.Fanany,Multimodaldecomposable models by superpixel segmentation and point-in-time cheatingdetection,2016International Conference on Advanced Computer Science andInformation Systems(ICACSIS),Malang,2016,pp.391-396.)中利用具有超像素分割的多峰可分解模型(MODEC)检测人体关节位置，并使用条件随机场(CRF)来分类和检测某些类别的作弊活动。

然而，这些研究均只探讨了笔试考试场景下作弊行为的检测。对于笔试考试场景，因为其场景位于考场，考生桌面上只有文具与试卷等少量物品，考生的座位也很分散，视野较为开阔，学生的异常举动非常容易被发现。因此，只使用少数摄像头就可以实现对教室内所有考生的观察和作弊行为的检测，硬件上的实现难度相对较低。而在实验课堂上的教学场景中，往往存在大量的实验器材，位置也更加拥挤，学生异常活动的检测难度更大。如果采用与考试场景下作弊行为检测类似的方案，学生的活动将很难被感知。因此，笔试考试场景下作弊行为的检测方案并不适用于实验课堂中对类似违规行为的检测。

同时，笔试考试场景下的作弊行为检测，只聚焦于使用者行为的识别与分类，并没有考虑物品跟踪识别、数字检测记录等技术的应用，也未开发自动记录等功能。对于笔试考试场景中的违规行为检测，由于其违规行为主要由较明显的偷看、传纸条等作弊举动构成，因此这些技术可能没有使用的必要。但实验教学中的违规行为不仅存在于使用者的异常举动，也极易通过数据修改、器材调换等方式实现，因而这类技术对于实验教学中的智能考察是不可或缺的。

因此，面对课堂实验这一场景，现有的研究探索范围过于狭窄，且可应用程度很低。

发明内容