[发明专利]一种面向无人监考的同人判别方法

说明书

技术领域

本发明涉及在线考试防作弊技术领域，特别涉及一种面向无人监考的同人判别方法。

背景技术

随着互联网技术的深入应用，采用远程网络考试/在线考试的需求越来越迫切，由于不能较好地解决防止作弊的难题，在线考试的应用和发展一直受到制约。

网络考试作弊手段千变万化，单摄像头的人脸认证或行为识别已经不能满足需求，由此发展出多摄像头系统。但其中假人、周围有人辅助等问题一直属于重点和难点，至今未能得到有效解决。因此研究一种面向无人监考的多摄像头同人判别方法具有重要意义。检索国内相关专利，尚未发现有类似申请。

专利201110173907.4《远程教育培训、考试中采用抓拍成像技术防止作弊的方法》中提到了使用USB摄像头，抓拍考生的图像，仅仅起到了记录图片的作用，不能对图像中考生是否作弊实现智能检测。

专利201210069503.5《一种远程教育、考试中采用人脸识别技术防止作弊的方法》中提到了采用人脸识别检测是否作弊，只能部分解决是否替考的问题，不能检测周围是否有他人协助考试。

专利201210202592.6《在线考试智能监控方法》，以及专利201110173907.4《远程教育培训、考试中采用抓拍成像技术防止作弊的方法》均提到了利用摄像头采集考生图像，并且对脸部是否正面进行检测，非正面(侧脸)则认为是姿势不对，有作弊嫌疑。该方法不能检测周围是否有他人辅助，同时也不能简单地认定人脸“非正面”就是有作弊嫌疑。

在考试过程中，人脸不断在变换姿势，有可能不具有正脸，更可能存在假人、周围有人协助等情况。因此实际上上述现有方法无法在考试监察中达到实用程度。

发明内容

针对现有技术的不足，本发明提出一种面向无人监考的同人判别方法，该方法使用两个摄像头同步采集考生的正面视频和侧面视频，通过对两个摄像头画面的同步对比分析，判断摄像头所采集的是否是同一考生的正侧面实时考试视频画面，防止假人、周围辅助人员等作弊行为的发生。

本发明一种面向无人监考的同人判别方法，通过两个摄像头同步采集考生的正面视频和侧面视频，对正面视频和侧面视频同步对比分析，即首先对正面视频和侧面视频的画面分别根据各视频画面中的人脸区域确定衣服区域；然后分别提取各视频画面中的衣服的颜色特征、衣服的纹理特征和头发长度特征，当正面视频和侧面视频的三种特征都匹配才判定为同一人，若有一种特征不匹配则判定为不是同一人。

本发明所述的根据人脸区域确定衣服区域是一种适应正面侧面的衣服区域定位方法。通常人体衣服区域在图像中的区分特征不是很明显，直接定位衣服区域可能带来较大误差，而人脸特征要明显得多。本发明首先定位人脸区域，然后根据数据统计规律可确定衣服区域。具体步骤如下：

Step1：通过基于三帧差法的运动目标检测提取出人体运动区域；然后在人体运动区域中，采用K-means算法进行颜色聚类，然后基于YCbCr颜色空间，取肤色范围77≤Cb≤127和133≤Cr≤173，过滤聚类区域，得到肤色区域，从而分割出人脸区域V-F，这里Cb、Cr分别是YCbCr颜色空间的两个色度分量；

Step2：由上步得到人脸区域V-F，其左上角坐标为(x₁,y₁)，宽和高分别为w₁、h₁；假设衣服区域V-C左上角坐标为(x₂,y₂)，宽和高分别为w₂、h₂；则根据数据统计规律，可由人脸位置定位衣服区域：

x₂＝x₁-w₁/2

y₂＝y₁+h₁×2

w₂＝w₁×2

h₂＝h₁×3

首先确定人脸区域，然后确定衣服区域，可以提高衣服区域定位的准确度；人体运动检测结合肤色聚类定位人脸，不依赖于传统人脸识别技术，可同时适用于正面和侧面。

本发明中其衣服的颜色特征提取方法为一种适应光照变化的衣服颜色特征鲁棒提取方法。正面和侧面摄像头很可能由于采光不同造成图像亮度存在差异，对颜色比对结果产生影响。在本发明首先将颜色分类，然后采集样本颜色图像，在各种不同的光照下进行训练，获取光照鲁棒的颜色模型，最后基于该模型提取颜色特征。具体步骤如下：