[发明专利]一种适用在线监考场景下的智能姿态判别方法和存储设备

权利要求书

1.一种适用于在线监考场景下的智能姿态判别方法，其特征在于，包括步骤：

获取考生在线考试视频图像帧数据，并对所述视频图像帧数据进行处理得人体关键点坐标；

根据所述人体关键点坐标得考生身体姿态的多维向量；

输入所述多维向量至预先建立好的姿态判别模型中，根据预先设置的阈值对该考生的身体姿态是否存在异常进行判断。

2.根据权利要求1所述的一种适用于在线监考场景下的智能姿态判别方法，其特征在于，所述“输入所述多维向量至预先建立好的姿态判别模型中”前，还包括步骤：

建立姿态判别模型；

所述“建立姿态判别模型”，具体还包括步骤：

定义考生上半身移动最小概率密度阀值minpost属于(0，1)；

对于所有f(x(t))＞minpost的时间段构建集合：

其中f(x)函数为身体姿态多维向量的概率密度；

定义不合理姿态置信度：

VP＝μ(1-f(x(t)))

其中μ为常系数用来调整总体大小；

定义随机变量不合理姿态频次：

即在t₀到t₀+t时间段内考生出现k次不合理姿态的概率为

其中[m(t₀+t)-m(t₀)]表示在t₀到t₀+t时间段内考生出现不合理姿态的平均次数。

3.根据权利要求2所述的一种适用于在线监考场景下的智能姿态判别方法，其特征在于，所述“根据预先设置的阈值对该考生的身体姿态是否存在异常进行判断”，具体还包括步骤：

设置考生异常姿态行为置信度阈值为Minposedence，若考生在(t₁，t₁+t₂)时间段内的频次概率为1-P_k(t₁，t₂)≤Minposedence，则认定为该考生在(t₁，t₁+t₂)内处于异常姿态。

4.根据权利要求1所述的一种适用于在线监考场景下的智能姿态判别方法，其特征在于，还包括步骤：

若考生的身体姿态存在异常，则发出预警提示。

5.根据权利要求1所述的一种适用于在线监考场景下的智能姿态判别方法，其特征在于，

所述“获取考生在线考试视频图像帧数据”，具体还包括步骤：根据指定帧率抽取视频画面；

所述人体上半身关键点包括以下中的一种或多种：鼻子、右肩、左肩、右肘、左肘、右手腕、左手腕。

6.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：获取考生在线考试视频图像帧数据，并对所述视频图像帧数据进行处理得人体关键点坐标；

根据所述人体关键点坐标得考生身体姿态的多维向量；

输入所述多维向量至预先建立好的姿态判别模型中，根据预先设置的阈值对该考生的身体姿态是否存在异常进行判断。