(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 202210968424.1 (22)申请日 2022.08.12 (71)申请人 华南师范大学 地址 510000 广东省广州市中山大道西5 5 号华南师范大学计算机学院 (72)发明人 廖芷萱　朱定局　张馨月　高千茜　 陈泽泰　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 黎扬鹏 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06Q 50/20(2012.01) (54)发明名称 一种考试作弊识别检测方法、 系统及电子设 备 (57)摘要 本发明公开了一种考试作弊识别检测方法、 系统及电子设备， 通过根据正样本和负样本， 对 YOLOV4模型进行模型训练和模型改进， 得到目标 模型； 通过在考场内固定的摄像头， 获取考场的 视频录像； 使用所述目标模型对待识别的视频录 像进行处理； 其中， 所述待识别的视频录像包括 所述考场的视频录像、 本地存储的视频录像； 将 所述对待识别的视频录像进行处理的结果在所 述待识别的视频录像中进行标注， 并实时显示被 标注后的所述考场的视频录像的画面。 本发明实 施例作为线下考试的监考方法， 有利于减轻监考 人员的压力， 更有利于提高监考过程中发现作弊 行为的及时性和准确性， 可广泛应用于计算机技 术领域。 权利要求书2页 说明书9页 附图3页 CN 115424166 A 2022.12.02 CN 115424166 A 1.一种考试作弊识别检测方法， 其特 征在于， 包括： 根据正样本和负样本， 对YOLOV4模型进行模型训练和模型改进， 得到目标模型； 其中， 所述正样本是考 生做正常动作的视频， 所述负 样本是考 生做作弊动作的视频； 通过在考场内 固定的摄 像头， 获取考场的视频录像； 使用所述目标模型对待识别的视频录像进行处理； 其中， 所述待识别的视频录像包括 所述考场的视频录像、 本地存 储的视频录像； 将所述对待识别的视频录像进行处理 的结果在所述待识别的视频录像中进行标记， 并 实时显示被标记后的所述 考场的视频录像的画面。 2.根据权利要求1所述的一种考试作弊识别检测方法， 其特征在于， 所述根据正样本和 负样本， 对YOLOV4模型进行模型训练和模型改进， 包括： 根据所述正样本和所述负样本， 每隔一段时间截取所述正样本的视频录像或所述负样 本的视频录像的一帧， 获得第一视频图像； 其中， 对所述第一视频图像中不符合要求的， 进 行重新截取； 根据所述第一视频图像中的考生动作， 对所述第一视频图像进行分类标注， 形成训练 集； 剔除所述YOLOV4模型的训练过程 中的L2正则化过程， 使用所述训练集对所述YOLOV4模 型进行迭代训练， 直至得到目标模型。 3.根据权利要求2所述的一种考试作弊识别检测方法， 其特征在于， 所述剔除所述 YOLOV4模 型的训练过程中的L2正则化过程， 使用所述训练集对所述YOLOV 4模型进行迭代训 练， 包括： 利用2D输入填充层和一个卷积块， 对输入的所述训练集中的视频图像的宽和高进行压 缩， 在YOLOV4算法的CSPDarknet53的分支部分建立一个大残差边， 将所述大残差边作为第 一计算结果； 通过所述YOLOV4算法的所述CSPDarknet53的主干部分对残差结构中的残差块进行卷 积计算， 得到第二计算结果； 将所述第一计算结果与所述第二计算结果进行cat拼接， 输出三个特征层， 获得目标模 型； 其中， 所述 三个特征层表征图像中不同大小的考 生的位置信息和动作类别 信息。 4.根据权利要求3所述的一种考试作弊识别检测方法， 其特征在于， 所述使用所述目标 模型对待识别的视频录像进行处 理， 包括： 每隔一段时间截取所述待识别的视频录像的一帧， 获得第 二视频图像； 其中， 对所述第 二视频图像中不符合要求的， 进行重新截取； 使用所述目标模型对所述第二视频图像进行考生动作识别； 其中， 所述考生动作为考 生的上半身动作； 根据目标模型识别到的所述考生动作， 确定所述考生动作的异常结果， 根据所述异常 结果作出系统预警。 5.根据权利要求4所述的一种考试作弊识别检测方法， 其特征在于， 所述使用所述目标 模型对待识别的视频录像进行考 生动作识别， 包括： 对所述第二视频图像进行考 生动作特 征提取， 获得第二 考生动作特 征； 将所述第二考生动作 特征与所述目标模型中的所述三个特征层进行比对， 确定所述第权　利　要　求　书 1/2 页 2 CN 115424166 A 2二视频图像的考 生动作类别。 6.根据权利要求4所述的一种考试作弊识别检测方法， 其特征在于， 所述一种考试作弊 识别检测方法还 包括： 根据所述考生动作的异常结果， 将考生做出作弊动作的所述第 二视频图像记录到作弊 检测库。 7.根据权利要求1所述的一种考试作弊识别检测方法， 其特 征在于， 所述方法还 包括： 将所述被标注后的所述 考场的视频录像存 储于后端服 务器中。 8.一种考试识别检测系统， 其特 征在于， 包括： 第一模块， 用于根据正样本和负样本， 对YOLOV4模型进行模型训练和模型改进， 得到目 标模型； 其中， 所述正样本是考生做正常动作的视频， 所述负样本是考生做作弊动作的视 频； 第二模块， 用于通过在考场内 固定的摄 像头， 获取考场的视频录像； 第三模块， 用于使用所述目标模型对待识别的视频录像进行处理； 其中， 所述待识别的 视频录像包括所述 考场的视频录像、 本地存 储的视频录像； 第四模块， 用于将所述对待识别的视频录像进行处理的结果在所述待识别的视频录像 中进行标注， 并实时显示被标注后的所述 考场的视频录像的画面。 9.一种电子设备， 其特 征在于， 包括处 理器以及存 储器； 所述存储器用于存 储程序； 所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有程序， 所述程序被处 理器执行实现如权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115424166 A 3