[发明专利]一种基于人体头部特征的考场偷窥作弊检测系统

说明书

本发明公开了一种基于人体头部特征的考场偷窥作弊检测系统，包括RGB‑D数据采集模块，采集关于考生的RGB彩色视频和深度信息数据；头部特征提取模块，由头部位置轨迹计算单元、头部姿态估计单元、眼神方向估计单元以及人脸识别单元组成，根据RGB‑D视频数据分析头部位置轨迹、头部姿态、眼神注视方向和人脸身份等各种人体头部特征；作弊行为判定分类模块，对提取的头部特征按照多条规则分别判断是否作弊，再加权综合每条规则分类的结果得到最终是否偷窥作弊的结论。

技术领域

本发明涉及计算机视觉领域，尤其涉及到一种基于人体头部特征的考场偷窥作弊检测系统。

背景技术

目前我国在考场防止作弊方面采取了很多措施，其中就包括了视频监控。虽然视频监控一定程度上弥补了人工监考不能统筹兼顾的缺点，但是相对来说视频监控更多地用来记录考场实况，预防较大的突发情况，而在考试后还是需要组织大量人力来回看分析监控视频，判断考生是否存在作弊行为。这样不仅效率低，而且也比较容易出现漏判、误判的情况，因此如果可以引入计算机视觉和大数据智能地对监控视频进行分析，检测是否有舞弊行为，既能提升效率也能提高准确率，保障考场纪律和考试公平。

如今重要考场上利用通讯设备作弊可以通过金属探测杜绝，不容易被注意到的作弊行为主要都是属于偷窥他人答卷或者偷瞄私带的小抄等。针对作弊行为提出的大多数视频监控智能检测作弊方案都是基于人体姿态展开的。现有技术中，申请号为CN201910336784.8的中国专利申请“一种基于姿态的考试作弊检测方法”，通过姿态估计算法以及对人体骨架序列的运动学分析以识别考生状态，从而检测作弊行为。

事实上大多数考场上不容易被发现的作弊行为，如偷窥他人试卷等主要是集中在上半身尤其是头部的运动，上述对全身人体骨架姿态进行估计的方法条件过于宽泛，检测效率低下，也没有具体的判断标准，准确性不高，并不实用。而且基于单个RGB彩色摄像头拍摄的视频，单目视角也很难对画面中的物体位置和后续运动轨迹进行准确的估计。

发明内容

本发明为克服上述现有技术中的缺陷，提供一种基于人体头部特征的考场偷窥作弊检测系统，它能够根据考场采集的RGB-D视频数据，智能分析考生头部位置轨迹、头部姿态、眼神方向等特征，高效准确地判断考生是否存在偷窥作弊行为。

为解决上述技术问题，本发明采用的技术方案是：

一种基于人体头部特征的考场偷窥作弊检测系统，其特征在于，包括：

RGB-D数据采集模块，用于实时记录考场中监考人员及考生的RGB彩色视频和深度信息数据；

头部特征提取模块，用于逐帧对采集到的RGB-D视频数据进行分析，获取头部位置、头部姿态、头部运动轨迹、人脸身份以及眼神注视方向的特征；

作弊行为判定分类模块，用于对RGB-D视频数据提取的特征按照若干条规则进行判断分类，再综合每条规则判断的结果给出最后是否偷窥作弊的结论。

进一步地，系统各个模块之间的连接关系为：RGB-D数据采集模块将获取的RGB-D视频数据传递至头部特征提取模块，提取多种头部特征后，最后交由作弊行为判定分类模块判定是否存在偷窥作弊行为。

进一步地，所述RGB-D数据采集模块，由布置在考场前后固定位置的两个RGB-D摄像头组成，能够全面地采集考场中监考人员及考生的RGB彩色视频以及深度图片数据。

进一步地，所述头部特征提取模块，包括头部位置轨迹计算单元、头部姿态估计单元、人脸识别单元和眼神方向估计单元。

进一步的，所述头部位置轨迹计算单元，首先使用深度学习脸部检测框架获取视频中每个考生的脸部矩形框，根据矩形框中点位置(u,v)找出对应深度图中的深度d，根据以下公式可以计算头部的空间位置坐标(x,y,z)；