[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

说明书

本发明涉及计算机视觉算法技术领域，具体为一种适用于在线监考场景下的智能姿态判别方法和存储设备。所述一种适用于在线监考场景下的智能姿态判别方法，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。整个过程中，无需人工参与，即可自动化对学生的身体姿态进行判断，进而辅助判断学生是否存在作弊行为等，大大节约人力，减少人为的漏判，使得在线监考可得到更大的推广。

技术领域

本发明涉及计算机视觉算法技术领域，特别涉及一种适用于在线监考场景下的智能姿态判别方法和存储设备。

背景技术

在线监考是实现远程教育的一个重要过程。区别于传统的现场监考，在线监考的实施过程中监考人员中面临着巨大的监考难度，目前已有的在线监考模式主要还是以传统人工监视(即监考员保持时刻关注所有考生的实时考试画面)为主。存在耗费人力、监考力度不足、防范作弊行为效率低下等缺点。

在线考试中考生的环境各异，尤其是在大规模人员的考试中，监考人员无法保持时刻关注每个考生的实时考试视频。针对在线监考场景，从实时监考的视频画面内容分析，其是一个较为规范的视频场景，主要内容包含考生和考试设备。考试过程，考生动作姿态的变化都可能伴随着作弊行为发生的可能性，若是采用传统的人工肉眼监视远程考试画面，常常会因为发生遗漏从而导致对可疑作弊行为的漏判。

故此，如何识别在线监控环境下的人体姿态并完成对疑似作弊行为的辅助预警成了亟需解决的技术问题。

发明内容

为此，需要提供一种适用于在线监考场景下的智能姿态判别方法，用以解决在线监考过程中，人工无法兼顾每个过程，造成监考力度不足、耗费人力、防范作弊行为效率低下等技术问题。具体技术方案如下：

一种适用于在线监考场景下的智能姿态判别方法，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。

进一步的，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。VP是关于X(t)的函数，VP反映了考生在t时刻做出姿态X(t)的不合理程度。该值与f(x)负相关，VP越大说明考生上半身姿态越不寻常。

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。