[发明专利]一种基于YOLOv3的考试作弊小抄识别方法

说明书

本发明公开了一种基于YOLOv3的考试作弊小抄识别方法，包括：学生端设置眼镜摄像头和正常考试纸张分析判断单元；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；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；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。本发明通过眼镜摄像头直接采集学生端视觉信息，分析非正常考试纸张，提高判断准确率。

技术领域

本发明涉及图像识别领域，具体涉及一种基于YOLOv3的考试作弊小抄识别方法。

背景技术

随着互联网以及大数据应用的快速发展，线上授课，线上考试已经成为一种新的现在教学方式。而今年由于疫情的原因，学生与老师大部分只能在家学习与授课，这加速了线上授课与线上考试的普及，因此网上教学、网上授课已然成为了大众所认可的教学方式之一。虽然线上教学或考试可以打破空间与时间维度完成教学任务，但由于其先天缺点，学生处于无人监管的状态。当无监考人员监督学生考试时，则会导致无法检查控制考生的作弊行为，给考生的作弊提供了更大的可能性。

近年来，随着人工智能的迅速升温，人工智能结合互联网，视频监控等技术，实现各种现代化工作，提高生产过程可控性，减少人干预，提高工作效率等目的。目标检测算法是人工智计算机视觉中的一大方向，目标检测主要是通过提取待检测目标的多个样本不用尺度特征训练分类器，训练完成后在待检测图像上做滑动窗口搜索，判断扫描窗口区域是检测目标还是背景，最终输出图像中待检测目标额位置和区域。因此结合目标检测方法在线上实现考试作弊小抄具有一定的实用价值。

目前的在线考试小抄作弊行为检测分为人工监考与自动监考两类：人工监考为监考员通过在线考试系统提供考生实时画面或不定时截取考试画面，由监考人员在后台判断是否存在作弊嫌疑；自动监考为采集在线考试系统得到的图像数据进行处理分析，如识别考生的头部姿态、面部表情等方法进行作弊行为的判断。

人工监管需要教师与学生一对一或一对多进行监管，该方法可以确保监考的全面性，并且监考员长时间对监考屏幕保持观察容易产生视觉疲劳，同时，人工监考不可避免的存在主观因素等，在线考试所要求的公平性无法。

目前自动监考的在线考试作弊行为检测方法有基于头部姿态、基于注视点估计、基于语音检测等。系统通过电脑屏幕前的摄像头视频数据，经过MT-CNN人脸检测、ResNet50神经网络、XGBoost等方法对学生进行头部姿态、屏幕注视点估计及嘴部状态识别，结合上诉方法进行在线考试作弊行为检测。该方法通过对考生的动作行为进行识别然后判断考生是否有作弊嫌疑。

但由于在考试时每个考生都有不同的“考试小动作”让自己处于放松状态，对考生行为进行识别与判断的考试作弊检测方法很容易对考生的无意动作发生误判。导致准确率下降，提高了监考端的工作成本，增加教师的工作量。

发明内容

1.所要解决的技术问题：

针对上述技术问题，本发明提供一种基于YOLOv3的考试作弊小抄识别方法，通过在学生端收集学生的视觉信息并处理数据，而非处理电脑屏幕前的摄像头视频数据。本方案中由学生佩戴配有摄像头的眼镜收集学生视觉数据，然后对学生视觉的视频数据进行处理，识别视频中的纸张与标识符，计算纸张与标识符的相对位置，判断该纸张是否为作弊小抄。随后把非正常考试纸张分析结果数据包上传到监考管理端对考生的作弊嫌疑行为进行审核。因此解决了单纯对学生进行头部识别、表情识别时考生无意动作的误判别可能性，直接识别考生的第一人称视觉数据能够剔除许多第三人称视角数据所带来的附加干扰信息，提高了准确率降低监考端监考员的工作成本，降低了其工作量。

2.技术方案：

一种基于YOLOv3的考试作弊小抄识别方法，包括以下步骤：