[发明专利]考场监控视频处理方法

说明书

技术领域

本发明涉及一种图像处理方法，特别涉及一种对考场监控图像进行处理的方法。

背景技术

目前国内外考试时一般均采取传统的人工监考的方式。部分在线考试系统尝试性的增加了视频监控功能。美国Prometric(普尔文)考试公司就是国际上最大的计算机化教育和考试认证服务的公司，开创了计算机化考试技术和管理标准，用于GRE和TOFEL等考试的机考系统，就具有考场视频监控功能，但是这种技术只是实现了考试环境的视频记录，不能实现针对每个考试个体和计算机的同步监控，除此之外，这种监控系统还需要大量人力参与分析视频信息，不能实现对海量视频信息的自动分析、预测和利用。同时这种技术需要专用的监控设备，设备价格昂贵，安装、调试及维护需要专业人士进行，成本过高、灵活性差。

发明内容

本发明的目的在于提供一种对考场监控视频记录进行实时处理的方法，从而可以无需人工监考，实现监考过程的自动化。

本发明的目的是通过以下基本技术方案实现的：

本发明提供了一种考场监控视频处理方法，包括以下步骤：

步骤一、准备样品图像，样本图像分为正样本和负样本，即判定为正面人脸的图像和判定为非正面人脸的图像，根据样本图像生成分类器；

步骤二、接收考试监控视频，每隔一定时间间隔从视频中采集一幅考生摄像头捕获图像，并使用步骤一得到的分类器进行分类，判断捕获图像是否为正面人脸图像；

步骤三、如果检测到非正面人脸图像连续存在超过一定时间，则判定考生可能存在作弊行为，提醒系统管理员注意，或者对考生采取警告、终止考试等处理措施；

其中，步骤一中根据样本图像生成分类器的方法为：

一、将样本图片记为(x₁,y₁)，…(x_n,y_n)，y_i＝1表示该样本为正例即判定为正面人脸的图像，y_i=0表示该例为负例即判定为非正面人脸的图像；

二、将所有的样本图像归一化为标准大小的图像，并且将所有的样本进行灰度化；

三、初始化样本权重：

W_t，i表示第t次循环中第i个样本的误差权重，初始化时，若第i个样本为负例，令m为负例的样本个数；若第i个样本为正例，则令l为正例的样本个数；

四、训练系统的强分类器，具体方法为：

A.指定强分类器中包含的弱分类器的个数T，对t=1，...T，循环执行以下步骤：

1)归一化权重：

其中t＝1，...T，T为训练的次数；

2)对每一个Haar特征f，训练一个弱分类器h(x，f，p，θ)；计算对应这个特征的弱分类器的分类误差；Haar特征就是用两个相邻的矩形组成的特征，其中一个用白色矩形表示，一个用黑色矩形表示，Haar特征模板包括边缘特征、线性特征、中心特征和对角线特征，每个特征模板内有白色和黑色两种矩形，特征模板在一幅图像子窗口内可以放置在任意放置并可以缩放，任意一种形态的任意一次缩放摆放称为一种特征，定义该模板的特征值为白色矩形像素和减去黑色矩形像素和，对于灰度图像，像素和即每个像素灰度值之和；

3)选取最佳的即拥有最小错误率ε_t的弱分类器h_t(x)＝h(x，f_t，p_t，θ_t)，其中f_t，p_t，θ_t是使ε_t为最小的值；

4)按照上一步得到的最佳弱分类器调整权重：

wt+1,i=wt,iβt1-ei]]>