[发明专利]一种基于YOLOv3的考试作弊小抄识别方法

权利要求书

1.一种基于YOLOv3的考试作弊小抄识别方法，其特征在于：包括以下步骤：

步骤一：学生端设置眼镜摄像头以及正常考试纸张分析判断单元；所述眼镜摄像头将采集的视频数据传输至非正常考试纸张分析判断单元；所述正常考试纸张分析判断单元将采集考试纸张图像数据、标识符的图像数据，基于YOLOv3神经网络，训练出目标识别网络；

步骤二：通过学生的眼镜摄像头进行采集学生端视频数据，并将学生端视频数据传输人目标识别网络；

步骤三：目标识别网络通过判断学学生端视频数据中的标识符是否在纸张中实现判断采集的学生端视频数据中的纸张是否为考试纸张；如果不是则判断出为非正常考试纸张事件，并将该非正常考试纸张事件的数据通过通信模块传输至监考管理端。

2.根据权利要求1所述的一种基于YOLOv3的考试作弊小抄识别方法，其特征在于：为了能够提高标识符的识别精度，步骤一中的YOLOv3神经网络采用Darknet-53作为骨干网络，识别输入的学生端视频帧数据，通过多尺度的预测将高层的特征语义信息能传输到低层的特征语义信息，使得对属于小物体的标识符的识别更为精准。

3.根据权利要求1所述的一种基于YOLOv3的考试作弊小抄识别方法，其特征在于：步骤三中，正常考试纸张分析判断单元通过目标识别网络识别是否为考试纸张具体包括以下步骤：

S31:将学生端视频数据带入模型中，设识别图片中的纸张数目为J，标识符的数目为K，并把标识符的四个坐标组成四个标识符坐标集合，如公式(1)所示：

(1)式中分别表示识别图片中第k个标识符的x轴坐标最小值，y轴坐标最小值，x轴坐标最大值，y轴坐标最大值；X_fmin、Y_fmin、X_fmax、Y_fmax分别表示图片中所有标识符x轴坐标最小值的集合，y轴坐标最小值的集合，x轴坐标最大值的集合，y轴坐标最大值的集合；

S32:根据纸张四点坐标与标识符集合的坐标位置，判断图中识别的每张纸是否为答题纸，若是则输出0，若否则输出1，如公式(2)所示：

(2)式中P^(j)表示图片中的第j张纸的识别结果，分别表示图片中第j张纸的x轴坐标最小值，y轴坐标最小值，x轴坐标最大值，y轴坐标最大值；公式(2)表示当标识符的所有坐标被目标纸张包围时，目标纸张为印有特殊标识符的答题纸，并输出为1；否则目标纸张为非考试纸张，并输出为0；

S33：学生端视频数据中的每一帧的输出结果如公式(3)所示：

(3)式中，若result结果等于0时，表示视频帧中没有出现纸张，或出现的纸张为考试答题纸；若result结果大于等于1，则表示视频帧中出现非正常考试纸张，有夹带小抄作弊的嫌疑；当判断单元输出目标是为非正常考试纸张时，则记录学生ID、非正常事件时间段、纸张识别结果视频证据信息组成非正常考试纸张事件数据包。

4.根据权利要求1所述的一种基于YOLOv3的考试作弊小抄识别方法，其特征在于：非正常考试纸张事件的数据包括学生ID号，非正常事件时间段、纸张识别结果视频证据。