(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210975114.2 (22)申请日 2022.08.15 (71)申请人 吉林外国语大 学 地址 130000 吉林省长 春市净月大街3 658 号 (72)发明人 王志国　 (74)专利代理 机构 北京深川专利代理事务所 (普通合伙) 16058 专利代理师 疏亚雅 (51)Int.Cl. G06V 40/70(2022.01) G06V 20/52(2022.01) G06V 10/94(2022.01) (54)发明名称 基于AI技术的高校在线考试模拟监控系统 (57)摘要 本发明属于AI技术领域， 公开了基于AI技术 的高校在 线考试模拟监控系统， 设有图像采集单 元、 AI集成软件系统、 统计结果分析模块， AI集成 软件系统包括有AI算法， AI算法中包含人脸识别 模块、 表情识别模块和行为识别模块， 人脸识别 模块包括人脸检测单元、 人脸对齐单元和人脸特 征计算单元， 行为识别模块中首先采集图像， 其 次进行图像预处理、 人体姿态估计、 动作特征挖 掘、 行为分类和行为类别的输出。 本系统中包括 视觉识别和数据分析两部分， 其中视觉识别包括 人脸识别、 表情识别、 行为识别， 图像采集单元的 实时识别抓取， 为在线考试的智能化监控提供了 数据来源， 将视觉识别和数据分析形成有机的整 体， 提高了基于AI技术的高校在线考试模拟监控 系统的效率。 权利要求书2页 说明书5页 附图2页 CN 115482596 A 2022.12.16 CN 115482596 A 1.基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述AI技术的高校在线考 试模拟监控系统包括： 图像采集单元， 所述图像采集单元中实时采集的考试影像以模拟电信号的形式存在， 经过图像采集单元内部的A/D转换器转换为计算机可以编码显示的数字信号， 当其他模块 需要使用图像采集单元内部的数字信号时， 图像采集单元对数字信号进行分批打包， 打包 后使用无线通信方式传输 至其他模块； AI集成软件系 统， 所述AI集成软件系统包括有AI算法， 所述AI算法中包含人脸识别模 块、 表情识别模块和行为识别模块； 所述AI集成软件系统中的人脸识别模块包括人脸检测单元、 人脸对齐单元和人脸特征 计算单元， 首先获取图像采集单元中获取 的实时考试图像， 使用人脸检测单元中的识别程 序对图像中的人脸进行识别， 识别到人脸后， 使用人脸对齐单元中的Part  Segmentation算 法与人脸特 征计算单 元中的矩阵算法得到特 征脸； 所述AI集成软件系统中的表情识别模块中集成了HOG算法与SVM算法的混合体， 即HOG 算法嵌入到了SVM算法中， 获取到人脸识别模块中得到的特征脸， 运用HOG+SVM算法进行表 情识别； 所述AI集成软件系统中的行为识别模块中是首先采集图像， 其次进行图像的预处理、 人体姿态估计、 动作特征挖掘、 行为分类和行为类别的输出， 其中人体姿态估计与动作特征 挖掘使用DeepCut算法进行多人姿态估计与动作挖掘， 得到包含人体姿态线条与动作特征 值， 然后使用双向二维主成分 分析算法进行 行为分类与行为类别的输出； 统计结果分析模块， 显示考试过程中系统输出的数据信息， 将数据信息通过DVI接口传 入显示屏， 以供显示。 2.如权利要求1所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述AI 集成软件系统中的A I算法搭载于基于A I的人脸识别签到模块、 基于A I的学生行为分析模块 和基于AI的学生行为分析模块。 3.如权利要求2所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述基 于AI的人脸识别签到模块中包括人脸识别单元， 所述人脸识别单元包括学生的签到和老师 的签到， 系统中包括有学生和老师人脸数据的注册管理， 包括注册、 删减和更改操作， 学生 和老师坐在电脑前， 基于电脑摄像器进 行人脸的识别和考试签到， 进 行人脸匹配， 查看考试 学生人脸和该学生注册信息是否相符； 所述人脸识别单元中设置有人脸检测、 人脸对齐和 人脸特征计算单 元。 4.如权利要求2所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述基 于AI的学生行为分析模块包括行为识别模块， 对学生采用人体姿态估计评价， 进行人体关 键点的检测， 在此基础上， 加入分类的思想， 实现对学生的行为分析， 得出学生是 处于坐姿、 站立、 趴桌子、 考试做 题、 翻阅资料动作中的哪种状态； 人体骨骼关键点对于描述人体姿态， 预测人体行为至关重要， 主要检测人体的一些关 键点， 通过关键点描述人体骨骼信息， 采用自下而 上的方法对多 人人体骨骼关键点检测， 其 中人体骨骼关键点定位算法包含两个部分， 关键点检测和关键点聚类， 即首先需要将图片 中所有的关键点都检测出来， 然后通过相关策略将所有的关键点聚类成不同的个体， 其中 对关键点之间关系进行建模， 使用的算法为Part  Segmentation， 使用深度学习的思想进行权　利　要　求　书 1/2 页 2 CN 115482596 A 2人体关键点的特征提取， 生成相应的人体关键点热力度， 采用自下而上 的方式实现最终的 人体关键点检测； 在关键点检测基础上， 结合对学生具体表现的理解， 对行为进 行相应的定 义， 挖掘动作与关键点之 间的关联， 进而对一些动作进 行识别理解； 通过关键点与动作的关 联挖掘中， 引入深度学习模型进行辅助分类， 输出 行为类别。 5.如权利要求2所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述基 于AI面部表情识别模块包括人脸识别模块和表情识别模块， 其中对 学生的面部表情进行识 别， 此模块是在人脸识别的基础上进 行的， 采用深度学习的方法进 行表情识别， 统计学生某 个表情类型 出现的次数占比， 统计全部学生出现某 表情的次数占比， 推断试题难易 程度。 6.如权利要求1所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述统 计结果分析模块中包括对学生行为的展示和分析完成之后学生的情绪比， 得到此次试题的 难易程度， 以百分制进行展示。 7.如权利要求1所述的基于AI技术的高校在线考试模拟监控系统， 其特征在于， 所述行 为识别模块中图像的预处 理包括图像小 波去噪、 图像边 缘增强、 直方图均衡化。 8.一种实现权利要求1～7任意一项所述基于AI技术的高校在线考试模拟监控系统的 信息数据处 理终端。 9.一种实现权利要求1～7任意一项所述基于AI技术的高校在线考试模拟监控系统的 移动设备。 10.一种计算机可读存储介质， 包括指令， 当其在计算机上运行时， 使得计算机执行如 权利要求1～7任意 一项所述基于AI 技术的高校在线考试模拟监控系统。权　利　要　求　书 2/2 页 3 CN 115482596 A 3