[发明专利]一种智能考场监控系统以及监控方法在审

专利信息
申请号: 202110244132.9 申请日: 2021-03-05
公开(公告)号: CN113033331A 公开(公告)日: 2021-06-25
发明(设计)人: 罗建龙;陈创涛;曾静霞;谢文浩;李海铭;蔡永康;徐鑫鑫;何志敏 申请(专利权)人: 佛山科学技术学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06Q50/20;H04N7/18
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 叶洁勇
地址: 528000 广东*** 国省代码: 广东;44
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 智能 考场 监控 系统 以及 方法
【说明书】:

发明公开了一种智能考场监控系统以及监控方法,该方法首先采集考场内的实时视频信息,从实时视频中选取实时视频图像,再从实时视频图像中将各个考生的实时个人图像分割出来,之后再进一步判断个人图像信息与标准姿态信息是否匹配,判断物品种类信息与违禁品标准种类信息是否匹配,并在非匹配的情况下获取考生的个人位置信息并输出警告信号,保证了考场监控的全面性以及准确性。

技术领域

本发明涉及行为识别技术领域,更具体地说涉及一种智能考场监控系统以及监控方法。

背景技术

目前考试是各高等院校用以评估学生学业水平的一个重要标准,同时也是企业或国外大学评估学生的一个重要的指标。因此,考试的公平性显得十分重要。传统监考模式显现出了诸多弊端。首先,随着学生人数的增加,考试的人数和场次也越来越多,需要较多的监考人力。其次,由于考试作弊的行为经常发生在很短的时间区间内,且作弊手段越发隐蔽高级,单纯以老师个人的注意力很难保证能够及时发现作弊行为。

考场中的摄像头只执行传统的录像功能,对考场中考生行为的实时分析和识别仍需要较多的人工工作来完成,这经常会出现一个监控人员需要同时查看多幅监控画面的情况。这种工作方式,难以避免的导致一些画面的遗漏,进而使作弊行为的识别存在漏检的情况,难以保障考试的公平性和公正性。而另一方面,任何作弊行为的认定都需要提供相应的录像证据加以佐证,监控人员不得不从庞大的录像数据资料中筛选出关键帧图,给调查取证工作带来极大的麻烦,不仅极其耗时,而且也难以保证对取证资料搜索的准确性和全面性。

发明内容

本发明目的在于提供一种智能考场监控系统以及监控方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。

为解决上述技术问题所采用的技术方案:

一种智能考场监控方法,包括以下步骤:

步骤100,设置标准姿态信息以及违禁品标准种类信息;

步骤200,对考场进行实时视频采集,从得到的实时视频中获取实时视频图像;

步骤300,从所述实时视频图像中获取各考生的个人位置信息,对所述实时视频图像进行图像分割,得到多个实时图像,所述实时图像包括实时个人图像以及实时物品图像;

步骤400,对所述实时个人图像以及所述实时物品图像进行识别,得到考生的个人图像信息以及物品种类信息;

步骤500,将所述物品种类信息与所述违禁品标准种类信息比对,若匹配则认定有考生存在作弊行为,对所述实时物品图像进行截图输出,获取考生的个人位置信息并输出警告信号;

步骤600,分别对所述个人图像信息进行人体姿态估测以及头部姿态估测,获取人体姿态信息以及头部姿态信息;

步骤700,将所述人体姿态信息和所述头部姿态信息与所述标准姿态信息进行匹配比较,当所述人体姿态信息和所述头部姿态信息与所述标准姿态信息相匹配时,认定所述实时个人图像中的考生没有作弊行为,否则对所述实时个人图像进行记录输出,获取考生的个人位置信息并输出警告信号。

作为上述技术方案的进一步改进,所述步骤700中包括初始化并训练第一识别模型,所述第一识别模型是多层神经网络模型,将所述人体姿态信息、所述头部姿态信息以及所述标准姿态信息输入至所述第一识别模型中,所述第一识别模型对所述人体姿态信息和所述头部姿态信息与所述标准姿态信息进行匹配比较。

作为上述技术方案的进一步改进,所述步骤400中包括以下步骤:

步骤410,分别初始化并训练第二识别模型以及第三识别模型;

步骤420,将所述实时视频图像输入至所述第二识别模型中,所述第二识别模型输出各考生的个人位置信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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佛山科学技术学院,未经佛山科学技术学院许可,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/202110244132.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top