[发明专利]一种用于大规模线上考试的辅助监考方法

说明书

本发明涉及一种用于大规模线上考试的辅助监考方法，通过利用考生作答现场使用的电脑自带前置摄像头，获取考生作答时正面图像，再使用Viola‑Jones算法提取眼部图像，并利用神经网络对考生视线范围做出判断，对于视线长时间发生较大幅度偏移等异常情况的考生监控画面进行标注，提示监考老师需进行关注，从而能减轻监考老师压力，实现少数监考老师对大量考生进行有效监考。

技术领域

本发明属于图像识别技术领域，涉及一种在大规模线上考试场景下，通过视频监控技术进行监考的方法。

背景技术

现实生活中，由于某些不可抗力的影响影响，一些考试无法现场进行，只能安排在线上。线上考试需要通过视频监控对考生进行监考，由于每个考生有一个单独的监考画面，少数监考老师要面对大量的考生监控画面进行，监考压力较大。

发明内容

本发明的目的是针对上述问题，提供一种用于大规模线上考试的辅助监考方法，通过分析监控画面中出现的考生异常行为并及时提示，监考老师只需重点关注有异常行为的考生，从而减轻监考老师的压力。

本发明的技术方案如下：

一种用于大规模线上考试的辅助监考方法，其特征在于，包括以下步骤：

步骤1，安装配置考生端硬件设备：考生需要使用带有前置摄像头的电脑，另外配置一个后置摄像头，前置摄像头应能拍摄到考生的完整头部，后置摄像头应能拍摄到考生座位处的全景；

步骤2，采集神经网络训练数据集：在考试前一定时间内，引导考生模拟答题状态，通过考生使用的电脑自带前置摄像头，获取考生的多帧正面图像，再使用目标识别算法Viola-Jones提取每帧图像中的眼部图像；将每张眼部图像进行缩放或扩张，使得每张眼部图像大小一致；

步骤3，数据预处理：对步骤2所采集到的图像进行预处理，预处理过程包括离群点剔除和数据归一化；所述离群点是指考生眨眼的图像；在剔除离群点后，将表征像素值的数据归一化到区间[-1,1]；

步骤4，神经网络训练：将预处理后的眼部图像输入到神经网络中进行训练；将视线方向偏离电脑屏幕范围设定为异常行为，神经网络输出值为眼部图像对应的视线方向是否在电脑屏幕范围之内的一个判据；

步骤5，实时检测：考试开始后，前置摄像头采集考生眼部图像，输入到神经网络进行异常行为判断，判断方法是：预先设定一个考生异常行为阈值，并根据考生连续多帧图像中的视线范围计算考生异常行为概率，当某个考生的异常行为概率超过阈值时，在该考生对应的监控视频中标注为异常，提示监考老师进行关注，同时调取考生作答现场安置的后置摄像头，反馈给监考教师进行进一步判断。

本发明通过对有异常行为的监控画面进行标注，提示监考老师进行关注，系统可对异常考生摄像头画面进行切换，调取后置摄像头的图像来进一步查看考生状态，实现少数监考教师对大量考生进行有效监考，能有效减轻监考教师的压力。本发明的所需的硬件设备要求较低，只需一个带有摄像头的电脑和一个后置摄像头，而后置摄像头则可用手机摄像头来代替，因此本发明有较好的实用性。

附图说明

图1是本发明的辅助监考方法流程图。

具体实施方式

本发明所指的线上考试是考生在电脑端答题的一类考试，这类考试过程中，考生的视线范围大部分时间应处于电脑屏幕内，这使得图像识别技术能得以应用，并为神经网络判断提供了依据。

图1是本发明的辅助监考方法流程图，具体实现过程如下：

步骤1，安装配置考生端硬件设备。

该步骤，需要考生使用带有前置摄像头的电脑，另外配置一个后置摄像头，前置摄像头和后置摄像头的视场应合理调整，前置摄像头应能能拍摄到考生的完整头部为宜，后置摄像头应能拍摄到考生座位处的全景。