【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于监控视频的考试违规行为检测方法及系统。
技术介绍
1、考试的公平、公正和安全，是民众关注的社会焦点问题，为了保证考试的公平、公正，会在考场内安装摄像头，安排监考者通过摄像头对考生的考试行为进行监控，得到有作弊行为的考生。
2、当前通过对监控摄像头得到的考场监控视频进行分析，得到每一考生的脸部区域的转动情况，判断考生是否含有异常行为。这种方法忽视了部分考生在思考过程中会对脸部区域进行转动的行为习惯，将部分考生的正常行为误判为异常行为，使得包含异常行为的监控图像增多，增大了监考者的工作量。
技术实现思路
1、本专利技术提供基于监控视频的考试违规行为检测方法及系统，以解决现有的问题。
2、本专利技术的基于监控视频的考试违规行为检测方法及系统采用如下技术方案：
3、本专利技术提出了基于监控视频的考试违规行为检测方法，该方法包括以下步骤：
4、获取考生参加考试的监控视频，得到监控图像的数据序列；获取空白试卷、考生的面部区域；
5、通过边缘检测，得到每一监控图像内的多个检测区域；根据每一监控图像内每一检测区域内出现次数最多的灰度值、空白试卷内出现次数最多的灰度值、考生的面部区域内出现次数最多的灰度值，以及每一检测区域的边缘链码，得到每一监控图像中的试卷区域与考生的脸部区域，进而得到每一考生的脸部区域与试卷区域；
6、将每一监控图像中每一考生的脸部区域与考生的面部区域进行模版匹配，得到每一
7、根据每一考生在每次转动脸部区域时的转动幅度，以及每一考生转动脸部区域的次数，得到每一考生在每次转动脸部区域时的作弊特征体现度；
8、根据多张监控图形中同一考生的试卷区域，得到每一考生的作答图像与每一考生的平均思考时间；根据每一考生的作答图像，得到每一考生在每次转动脸部区域前的思考时间与每一考生在每次转动脸部区域后的思考时间；结合每一考生的平均思考时间与每一考生在每次转动脸部区域时的作弊特征体现度，得到每一考生在每次转动脸部区域时的作弊可能性，进而得到含有异常行为的监控图像并进行作弊判断。
9、进一步地，所述根据每一监控图像内每一检测区域内出现次数最多的灰度值、空白试卷内出现次数最多的灰度值、考生的面部区域内出现次数最多的灰度值，以及每一检测区域的边缘链码，得到每一监控图像中的试卷区域与考生的脸部区域，包括的具体方法为：
10、获取第d个监控图像中第a个检测区域内出现次数最多的像素点的灰度值，记为第d个监控图像中第a个检测区域的代表灰度值；获取空白试卷区域内出现次数最多的像素点的灰度值，记为空白试卷的代表灰度值；
11、获取第d个监控图像中第a个检测区域的边缘链码，将第d个监控图像中第a个检测区域的边缘链码内与左右两侧相邻的链码值相同的链码值的个数，记为第d个监控图像中第a个检测区域的边缘直线体现度；
12、计算第d个监控图像中第a个检测区域的试卷特征体现度的具体计算公式如下：
13、
14、式中，wd,a表示第d个监控图像中第a个检测区域的试卷特征体现度，hd,a表示第d个监控图像中第a个检测区域的代表灰度值，h1表示空白试卷的代表灰度值，||表示绝对值函数，exp()为以自然常数为底的指数函数，nd,a表示第d个监控图像中第a个检测区域的边缘链码中链码值的个数，n1,d,a表示第d个监控图像中第a个检测区域的边缘直线体现度；
15、预设试卷体现度阈值t1，将试卷特征体现度大于体现度阈值的检测区域，记为试卷区域；将不为试卷区域的检测区域，记为疑似人脸区域；
16、将第d个监控图像中第f个疑似人脸区域内出现次数最多的灰度值，记为第d个监控图像中第f个疑似人脸区域的代表灰度，得到第d个监控图像中所有疑似人脸区域的代表灰度；
17、将第c个考生的面部区域内出现次数最多的灰度值，记为第c个考生的面部代表灰度；
18、将第d个监控图像中代表灰度与第c个考生的面部代表灰度的差异最小的疑似人脸区域记为第d个监控图像中第c个考生的脸部区域。
19、进一步地，所述得到每一考生的脸部区域与试卷区域，包括的具体方法为：
20、将第d个监控图像中与第c个考生的脸部区域之间中心的欧式距离最接近的试卷区域，记为第d个监控图像中第c个考生的试卷区域。
21、进一步地，所述将每一监控图像中每一考生的脸部区域与考生的面部区域进行模版匹配，得到每一考生每次转动脸部区域时的若干监控图像，包括的具体方法为：
22、计算第d个监控图像中第c个考生的脸部区域与第c个考生的面部区域进行模版匹配，将模版匹配结果记为第c个考生在第d个监控图像中的脸部转动程度；
23、设转动程度阈值t2，如果第c个考生在第d个监控图像中的脸部转动程度大于转动程度阈值t2，将第d个监控图像记为第c个考生的脸部转动图像；
24、在监控图像的数据序列内，将多个连续的脸部转动图像构成的图像段，作为第c个考生在一次转动脸部区域时的若干监控图像。
25、进一步地，所述将每一考生每次转动脸部区域时的监控图像与每次转动脸部区域前一帧的监控图像分为多个像素块，根据不同监控图像内像素块中灰度值的分布，得到每一考生在每次转动脸部区域时的转动幅度，包括的具体方法为：
26、使用超像素分割算法对第c个考生在第k次转动脸部区域前一帧的监控图像与转动脸部区域时的第b个监控图像中的脸部区域进行分割，将第c个考生第k次转动脸部区域前一帧的监控图像与转动脸部区域时的第b个监控图像中的脸部区域分为多个像素块；
27、将第c个考生在第k次转动脸部区域时的第b个监控图像中第m个像素块内所有灰度值为i的像素点与8邻域内其他像素点的灰度值的差值绝对值的均值的均值，记为第c个考生在第k次转动脸部区域时的第b个监控图像中第m个像素块内灰度值为i的像素点的灰度分布；
28、将第c个考生在第k次转动脸部区域前一帧的监控图像中第k个像素块内所有灰度值为i的像素点与8邻域内其他像素点的灰度值的差值绝对值的均值的均值，记为第c个考生在第k次转动脸部区域前一帧的监控图像中第k个像素块内灰度值为i的像素点的灰度分布；
29、取第c个考生在第k次转动脸部区域前一帧的监控图像中第q个像素块与转动脸部区域时的第b个监控图像中第m个像素块的灰度分布一致性的具体计算公式如下：
30、
31、式中，s(c,k)b,m,q表示第c个考生在第k次转动脸部区域前一帧的监控图像中第q个像素块与转动脸部区域时的第b个监控图像中第m个像素块的灰度分布一致性，w(c,k)b,m,i表示第c个考生在本文档来自技高网...
【技术保护点】
1.基于监控视频的考试违规行为检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据每一监控图像内每一检测区域内出现次数最多的灰度值、空白试卷内出现次数最多的灰度值、考生的面部区域内出现次数最多的灰度值，以及每一检测区域的边缘链码，得到每一监控图像中的试卷区域与考生的脸部区域，包括的具体方法为：
3.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述得到每一考生的脸部区域与试卷区域，包括的具体方法为：
4.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述将每一监控图像中每一考生的脸部区域与考生的面部区域进行模版匹配，得到每一考生每次转动脸部区域时的若干监控图像，包括的具体方法为：
5.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述将每一考生每次转动脸部区域时的监控图像与每次转动脸部区域前一帧的监控图像分为多个像素块，根据不同监控图像内像素块中灰度值的分布，得到每一考生在每次转动脸部区域时的转动
6.根据权利要求5所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据每一考生在每次转动脸部区域时的监控图像内每一像素块及其对应像素块的分布，得到每一考生在每次转动脸部区域时的转动幅度，包括的具体方法为：
7.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据每一考生在每次转动脸部区域时的转动幅度，以及每一考生转动脸部区域的次数，得到每一考生在每次转动脸部区域时的作弊特征体现度，包括的具体方法为：
8.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据多张监控图形中同一考生的试卷区域，得到每一考生的作答图像与每一考生的平均思考时间；根据每一考生的作答图像，得到每一考生在每次转动脸部区域前的思考时间与每一考生在每次转动脸部区域后的思考时间，包括的具体方法为：
9.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述结合每一考生的平均思考时间与每一考生在每次转动脸部区域时的作弊特征体现度，得到每一考生在每次转动脸部区域时的作弊可能性，进而得到含有异常行为的监控图像，包括的具体方法为：
10.基于监控视频的考试违规行为检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于监控视频的考试违规行为检测方法的步骤。
...【技术特征摘要】
1.基于监控视频的考试违规行为检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据每一监控图像内每一检测区域内出现次数最多的灰度值、空白试卷内出现次数最多的灰度值、考生的面部区域内出现次数最多的灰度值，以及每一检测区域的边缘链码，得到每一监控图像中的试卷区域与考生的脸部区域，包括的具体方法为：
3.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述得到每一考生的脸部区域与试卷区域，包括的具体方法为：
4.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述将每一监控图像中每一考生的脸部区域与考生的面部区域进行模版匹配，得到每一考生每次转动脸部区域时的若干监控图像，包括的具体方法为：
5.根据权利要求1所述的基于监控视频的考试违规行为检测方法，其特征在于，所述将每一考生每次转动脸部区域时的监控图像与每次转动脸部区域前一帧的监控图像分为多个像素块，根据不同监控图像内像素块中灰度值的分布，得到每一考生在每次转动脸部区域时的转动幅度，包括的具体方法为：
6.根据权利要求5所述的基于监控视频的考试违规行为检测方法，其特征在于，所述根据每一考生在每次转动脸部区域时的监...
【专利技术属性】
技术研发人员：杜思德，周镇怀，
申请(专利权)人：北京蘑竹科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。