[发明专利]一种在线考试系统在审
申请号: | 202011609766.1 | 申请日: | 2020-12-30 |
公开(公告)号: | CN112686311A | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 王浩栋;江爱朋;夏宇栋;王剑;陈云 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/08;G06Q50/20;G10L21/0208;H04N7/18;H04R1/10 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱亚冠 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 在线 考试 系统 | ||
1.一种在线考试系统,包括外部设备,客户端和服务器;其特征在于:所述服务器用来保存考生的信息以及接收客户端上传的考生疑似作弊的数据和考生提交的试卷;
所述的外部设备为头戴式耳机,带有摄像头、麦克风的pc机和移动端;头戴式耳机用于屏蔽信号以及降噪;带有摄像头、麦克风的pc机,作为第一机位用于考生登录客户端进行考试以及在考试期间监控考生;移动端作为第二机位在考试期间监控考生;第一机位的摄像头正对考生的脸部,第二机位的摄像头在考生右后方45度,距离一米左右,要求考生的双手在第二机位的摄像头的范围内;第二机位的设备同时要求能登录考试客户端;
所述的客户端用于接收以及处理客户端上传的数据;包括登录模块,窗口锁定以及热键屏蔽模块,实时监控模块,存储模块;所述登录模块包括人脸采集模块和人脸验证模块,人脸采集模块用于对考生的人脸进行图像采集;人脸验证模块用于考试准备阶段对考生身份的认证;所述窗口锁定以及热键屏蔽模块包括窗口锁定模块和热键屏蔽模块,窗口锁定模块用于在考试期间使客户端始终保持最大化,并始终保持所有窗口最前端;所述的热键屏蔽模块用于屏蔽考试期间考生使用快捷键,组合键位以及鼠标的右键,使考生无法进行与考试无关的动作;所述的实时监控模块包括训练模型模块、作弊识别模块、语音捕捉模块、定时比对模块和报警模块;所述的训练模型模块用于在考试准备阶段针对不同的考生训练不同的作弊识别模型,提高作弊识别的准确度;第一机位以及第二机位摄像头全程对考生上半身行为轨迹进行追踪,通过作弊识别模块实时识别作弊行为;在考试期间,语音捕捉模块用于实时检测当前声音并识别;所述定时比对模块在考试中,每隔10到15分钟进行人脸比对,用于防止出现替考以及多人考试的情况;所述的报警模块用于出现疑似作弊的情况时,提醒考生停止当前行为,将情况记录;所述的存储模块包括本地存储模块和上传模块,本地存储模块用于将考生全程的考试视频保存;上传模块用于将考试疑似作弊或者确定作弊的行为上传到,留作证据。
2.如权利要求1所述的在线考试系统,其特征在于:所述的头戴式耳机具有降噪模块、屏蔽信号模块和压力检测模块,降噪模块包括被动降噪模块和主动降噪模块,被动降噪模块采用物理原理初步滤去环境噪声,主动降噪模块发出与外界噪声幅值相等且反相的声波来达到深度去噪效果;所述号屏蔽模块用来屏蔽作弊考生藏在耳中的米粒耳机的信号,使其无法接收到无线电信号;所述压力检测模块,在考试期间,考生试图将耳机脱下,压力检测模块会检测到压力的改变,当压力变化的大小达到阈值时,客户端发出提醒:请考生正确佩戴耳机;将考生行为拍照并上传服务器,将标记次数加一,当标记次数达到阈值时,即判断考生作弊。
3.如权利要求1所述的在线考试系统,其特征在于:所述的人脸验证模块在验证失败次数达到设定次数时,将该考生账户锁定,若要解锁,需联系考生所属学校或者机构。
4.如权利要求1所述的在线考试系统,其特征在于:所述的客户端采用单窗口运行模式,在考生登录客户端进入考试准备阶段时,窗口即执行最大化操作,并且置于所有窗口的最前端;考试正式开始后,客户端每一秒检查一次窗口是否被置顶,若未被置顶,立即强制置顶且进行截图操作,将截图上传服务器,启动报警模块,提醒考生不要做与考试无关的动作,当考生违规操作次数达到阈值时,则判定考生作弊,取消考生考试资格;由于检查时间间隔短,考生无法在这个时间内做出有效的操作,保护了考试的公平。
5.如权利要求1所述的在线考试系统,其特征在于:所述的屏蔽热键模块通过加载低级键盘钩子截获大部分的系统热键,并且屏蔽它们,同时屏蔽鼠标右键功能,在此同时,由于智能输入法在输入特定词汇时,会出现提示性词语或者对拼音有纠错功能,因此智能输入法也会被屏蔽,智能输入法的屏蔽采用进程名称监控的方法。
6.如权利要求1所述的在线考试系统,其特征在于:所述的训练模型模块,在考生登录客户端进入考前准备阶段时,开始针对考生训练作弊识别模型,采用深度学习中的CNN神经网络,模型的输入为考生连续的四帧图像并人为的标记作弊的可能性。
7.如权利要求1所述的在线考试系统,其特征在于:每个考生需要训练两个模型分别属于第一机位以及第二机位;所述的训练模型模块的模型训练具体包括以下步骤:
S1.首先对第一机位,在考生进入考试准备阶段后,发出指令:请考生正对摄像头,并保持脸部清晰的出现在镜头前;
S2.摄像头采集图像并进行图像预处理由处理器标记为0,送入神经网络训练;
S3.上述步骤完成后,发出指令:请考生倾斜身体20度到30度,让脸部出现在镜头的轮廓内;
S4.摄像头采集图像并进行图像预处理由处理器标记为0.25,送入神经网络训练;
S5.上述步骤完成后,发出指令:请考生倾斜身体30度到45度,让脸部出现在镜头的轮廓内;
S6.摄像头采集图像并进行图像预处理由处理器标记为0.5,送入神经网络训练;
S7.上述步骤完成后,发出指令:请考生倾斜身体,只让脸部的一半出现在镜头的轮廓内;
S8.摄像头采集图像并进行图像预处理由处理器标记为0.75,送入神经网络训练;
S9.上述步骤完成后,发出指令:请考生倾斜身体,让脸部不出现在镜头的轮廓内;
S10.摄像头采集图像并进行图像预处理由处理器标记为1,送入神经网络训练;
S11.上述步骤完成后,发出指令:请考生侧脸80度到90度;
S12.摄像头采集图像并进行图像预处理由处理器标记为0.75,送入神经网络训练;
S13.其次对第二机位,主要针对考生的手部动作;在第一机位的模型训练完成后,开始第二机位的模型训练;发出指令:请考生双手放在桌子上;
S14.摄像头采集图像并进行图像预处理由处理器标记为0,送入神经网络训练;
S15.上述步骤完成后,发出指令:请考生双手置于桌下;
S16.摄像头采集图像并进行图像预处理由处理器标记为0.75,送入神经网络训练;
S17.上述步骤完成后,发出指令:请考生双手离开第二机位有效范围内;
S18.摄像头采集图像并进行图像预处理由处理器标记为1,送入神经网络训练;
上述步骤完成后,针对考生个人的作弊识别模型训练完成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011609766.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于锚框的目标检测算法中先验框设计方法
- 下一篇:一种水解羽毛粉生产工艺