[发明专利]作弊识别方法和装置、电子设备、以及介质

说明书

本公开提供了一种作弊识别方法和装置。该方法包括首先获取第一考试视频，第一考试视频为针对第一考生的考试行为录制的视频。然后提取第一考试视频中的每一帧图像对应的特征向量，其中，该特征向量包括表征图像中是否检测到眼睛的信息、以及在检测到眼睛时基于眼睛的瞳孔中心的位置而得到的信息，以及将第一考试视频所包含的全部图像对应的特征向量进行组合，得到第一特征向量序列。接着将第一特征向量序列输入到作弊识别模型中，获取作弊识别模型的输出，并在作弊识别模型的输出表征第一考生存在作弊行为时，确定第一考生作弊。本公开还提供了一种作弊识别模型的训练方法和装置、以及一种电子设备及介质。

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种作弊识别方法和装置、一种作弊识别模型的训练方法和训练装置、一种电子设备、以及一种计算机可读存储介质。

背景技术

目前在线考试中主要使用浏览器窗口防切换技术和摄像头录像技术来确认考生本人和防止抄袭。但是，无法防止下列方法作弊：可以采用另外一台电脑来协助搜索答案，获取答案后再输入到考试电脑上面，导致无法判断是否本人真实的知识水平。

目前主流技术主要是根据考试视频中人的姿态特征来判断考生是否存在作弊行为。但这样不能对考生的视线进行监控，并不能对考生是否作弊给出准确的判断。例如，考生可以在姿态保持正常考试状态的情况下，眼睛看向另一个显示有考试答案的显示屏幕来进行答案抄袭。

发明内容

有鉴于此，本公开实施例提供了一种更为准确地判断考生是否作弊的作弊识别方法和装置、电子设备以及介质。

本公开实施例的第一方面，提供了一种作弊识别方法。所述方法包括：获取第一考试视频，其中，所述第一考试视频包括至少一帧图像，所述第一考试视频为针对第一考生的考试行为录制的视频；获取所述第一考试视频对应的第一特征向量序列；以及将所述第一特征向量序列输入到作弊识别模型中，获取所述作弊识别模型的输出，以及在所述作弊识别模型的输出表征所述第一考生存在作弊行为时，确定所述第一考生作弊。其中，所述获取所述第一考试视频对应的第一特征向量序列包括：提取所述第一考试视频中的每一帧图像对应的特征向量，其中，所述特征向量包括表征图像中是否检测到眼睛的信息、以及在检测到眼睛时基于眼睛的瞳孔中心的位置而得到的信息；以及将所述第一考试视频所包含的全部图像对应的所述特征向量进行组合，得到所述第一特征向量序列。

根据本公开的实施例，所述提取所述第一考试视频中的每一帧图像对应的特征向量包括：根据图像中是否检测到眼睛，得到第一参数；在检测到眼睛时基于眼睛的瞳孔中心的位置得到第二参数；根据所述瞳孔中心的位置是否位于最大可视范围内，得到第三参数，其中，所述最大可视范围用于限定在正常考试状态下考生眼睛的瞳孔中心的最大允许移动范围；以及至少基于所述第一参数、所述第二参数、以及所述第三参数，得到所述特征向量。

根据本公开的实施例，所述提取所述第一考试视频中的每一帧图像对应的特征向量还包括获取所述最大可视范围。所述获取所述最大可视范围包括：在录制考试视频时分别采集考生在观看考试屏幕的M个边缘时的眼睛的图像，得到M个边缘视点图像，其中，M为大于等于2的整数；从所述M个边缘视点图像中分别提取出眼睛的瞳孔中心的位置，得到M个视点位置；以及基于所述M个视点位置，得到所述最大可视范围。

根据本公开的实施例，所述提取所述第一考试视频中的每一帧图像对应的特征向量还包括：在检测到眼睛时，使用固定尺寸且与人脸相对位置固定的选择框框选住眼睛区域；以该选择框中的预设位置为坐标原点建立坐标系；以及确定眼睛的瞳孔中心在该坐标系中的坐标，以得到眼睛的瞳孔中心的位置。