一种智能考场监控系统以及监控方法技术方案

本发明专利技术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。监控的全面性以及准确性。监控的全面性以及准确性。

【技术实现步骤摘要】
一种智能考场监控系统以及监控方法


[0001]本专利技术涉及行为识别
，更具体地说涉及一种智能考场监控系统以及监控方法。

技术介绍

[0002]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。
[0003]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。

技术实现思路

[0004]本专利技术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。
[0005]为解决上述技术问题所采用的技术方案：
[0006]一种智能考场监控方法，包括以下步骤：
[0007]步骤100，设置标准姿态信息以及违禁品标准种类信息；
[0008]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；
[0009]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；
[0010]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；
[0011]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；
[0012]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；
[0013]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。
[0014]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。
[0015]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：
[0016]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；
[0017]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；
[0018]步骤430，将所述个人位置信息输入至所述第三识别模型中，所述第三识别模型输出各考生的个人位置信息进行坐标重定位得到二维下的已对齐的平面坐标并计算位置信息，以坐标重定位后的位置信息更新所述个人位置信息。
[0019]本专利技术同时还公开了一种智能考场监控系统，包括：
[0020]设置模块，用于设置标准姿态信息以及违禁品标准种类信息；
[0021]图像采集模块，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；
[0022]位置信息计算模块，用于从所述实时视频图像中获取各考生的个人位置信息；
[0023]图像分割模块，用于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；
[0024]姿态估测模块，用于对所述实时个人图像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；
[0025]物品估测模块，用于对所述实时物品图像进行识别，获取物品种类信息；
[0026]物品匹配模块，用于将所述物品种类信息与所述违禁品标准种类信息比对；
[0027]姿态匹配模块，用于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；
[0028]警告模块，用于当所述物品种类信息与所述违禁品标准种类信息匹配时，或者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匹配时，获取考生的个人位置信息并输出警告信号。
[0029]本专利技术的有益效果是：本技术方案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。
附图说明
[0030]下面结合附图和实施例对本专利技术做进一步的说明；
[0031]图1是本专利技术的方法流程示意图。
具体实施方式
[0032]本部分将详细描述本专利技术的具体实施例，本专利技术之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本专利技术的每个技术特征和整体技术方案，但其不能理解为对本专利技术保护范围的限制。
[0033]在本专利技术的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0034]在本专利技术的描述中，如果具有“若干”之类的词汇描述，其含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
[0035]本专利技术的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属
技术人员可以结合技术方案的具体内容合理确定上述词语在本专利技术中的具体含义。
[0036]参照图1，本申请公开了一种智能考场监控方法，其第一实施例，包括以下步骤：
[0037]步骤100，设置标准姿态信息以及违禁品标准种类信息；
[0038]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；
[0039]步骤300，从所述实时视频图像中获取各考生的个人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能考场监控方法，其特征在于：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。2.根据权利要求1所述的一种智能考场监控方法，其特征在于：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。3.根据权利要求1或2所述的...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：