黃廷禾 劉夢瑤 錢澤昊

（上海立信會計金融學(xué)院 上海 201209）

0 引言

（1）研究背景。近年來，隨著教育改革的推進(jìn)，對學(xué)生的考核日益嚴(yán)格，而考試是評估學(xué)生知識掌握程度及教師教學(xué)效果的重要指標(biāo)，目前大部分最終考試方式均為傳統(tǒng)的筆試,盡管其考試方式組織實施簡單，但存在監(jiān)考力量不足、監(jiān)考任務(wù)繁重、作弊難取證等不足。針對以上問題，本項目提出一種基于機(jī)器學(xué)習(xí)的智能無人監(jiān)考考試系統(tǒng)，其核心基于用于識別圖像的YOLO模型算法與用于異常行為檢測的圖像學(xué)算法，對考生行為及面部等因素進(jìn)行分析，進(jìn)而實現(xiàn)自動化的監(jiān)測和預(yù)警考生行為，減少了監(jiān)考所需人力的同時還提升了監(jiān)考的效果，有利于推進(jìn)學(xué)校標(biāo)準(zhǔn)化、智能化考場建設(shè)，為監(jiān)考人員減負(fù)的同時提升監(jiān)考效果，最大程度上保證考試的真實性。

（2）研究現(xiàn)狀。近年來，隨著教育改革的推進(jìn)，對學(xué)生的考核日益嚴(yán)格，考試科目與次數(shù)都在增加，然而傳統(tǒng)監(jiān)考模式卻已無法滿足學(xué)校對于監(jiān)考的需求。若采用人工監(jiān)考，需要多個監(jiān)考老師分區(qū)域的巡邏才能覆蓋整體考場，需要的人力更多；且由于考試作弊的行為經(jīng)常發(fā)生在很短的時間區(qū)間內(nèi)，單純以人的注意力很難保證能夠及時發(fā)現(xiàn)作弊行為；有些作弊行為停止后很難進(jìn)行取證。若采用無人監(jiān)考，存在難以保證考試公平性等問題。因此，研發(fā)一種具有智能化功能的監(jiān)考系統(tǒng)實乃當(dāng)下所需。

VASM是由美國國防高級研究項目署于1997年設(shè)立的，以卡內(nèi)基梅隆大學(xué)為首，SARNOFF戴維研究中心、麻省理工學(xué)院等美國十幾所高等院校和研究機(jī)構(gòu)參與的重大視頻監(jiān)控項目。項目研究利用視頻理解、網(wǎng)絡(luò)通信、多種傳感器融合等技術(shù)實現(xiàn)對戰(zhàn)場等危險場景或者監(jiān)控費用昂貴的民用場景的自動視頻監(jiān)控理解。VSAM 采用分布式主動視頻傳感器，包含了許多先進(jìn)的實時視頻監(jiān)控技術(shù)，如基于靜止與運動攝像機(jī)的實時運動物體檢測與跟蹤等。Object Video VEW 系統(tǒng)是智能視頻監(jiān)控技術(shù)領(lǐng)域占據(jù)世界公認(rèn)的領(lǐng)頭首位置的Object Video公司研發(fā)推出的。該系統(tǒng)通過為用戶提供場景過濾功能和Hi-Res功能，來拓寬視頻監(jiān)控的范圍，能夠處理遠(yuǎn)距離的可疑行為，且對復(fù)雜的戶外環(huán)境有較強(qiáng)的魯棒性，能夠很好的滿足用戶的需求，該產(chǎn)品的配套離線產(chǎn)品Object Video Forensics，通過提高對歷史記錄的分析速度，在一定程度上改善了Object Video VEW系統(tǒng)的實時分析能力。

國內(nèi)在這方面的研究雖然起步較晚，但目前，國內(nèi)在計算機(jī)視覺技術(shù)及視頻處理技術(shù)方面已取得長足進(jìn)步，為智能監(jiān)考系統(tǒng)的設(shè)計提供了技術(shù)支持。目標(biāo)檢測（Object Detection）是計算機(jī)圖像、視頻處理工作的基礎(chǔ) 。目標(biāo)檢測即檢測圖片中的目標(biāo)物體，需輸出圖像中所有目標(biāo)的坐標(biāo)框與目標(biāo)的具體類別。YOLO（You Only Look Once,YOLO）算法和 SSD（Single Shot Multibox Detector,SSD）算法都是深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用于目標(biāo)檢測的典型實例。

本文基于機(jī)器學(xué)習(xí)算法為核心，設(shè)計了一種以YOLO模型的智能識別物體與基于圖形學(xué)異常行為監(jiān)測為主要功能的智能監(jiān)考系統(tǒng)，可通過前期大量訓(xùn)練集的練習(xí)，并結(jié)合視頻處理技術(shù)實現(xiàn)適用于學(xué)校的智能監(jiān)考系統(tǒng)。本系統(tǒng)的使用有利于推進(jìn)學(xué)校標(biāo)準(zhǔn)化、智能化考場建設(shè)，為監(jiān)考人員減負(fù)的同時提升監(jiān)考效果。

1 實現(xiàn)方法

1.1 采用YOLO模型對物體進(jìn)行識別

YOLO為一種新的目標(biāo)檢測方法，該方法的特點是實現(xiàn)快速檢測的同時還達(dá)到較高的準(zhǔn)確率。該模型算法將目標(biāo)檢測任務(wù)看作目標(biāo)區(qū)域預(yù)測和類別預(yù)測的回歸問題。方法采用單個神經(jīng)網(wǎng)絡(luò)直接預(yù)測物品邊界和類別概率，實現(xiàn)端到端的物品檢測。同時，該方法檢測速非?？欤A(chǔ)版可以達(dá)到45幀/s的實時檢測；FastYOLO可以達(dá)到155幀/s。與當(dāng)前最好系統(tǒng)相比，YOLO目標(biāo)區(qū)域定位誤差更大，但是背景預(yù)測的假陽性優(yōu)于當(dāng)前最好的方法?；谏疃葘W(xué)習(xí)方法的一個特點就是實現(xiàn)端到端的檢測。相對于其它目標(biāo)檢測與識別方法（比如Fast R-CNN）將目標(biāo)識別任務(wù)分類目標(biāo)區(qū)域預(yù)測和類別預(yù)測等多個流程，YOLO將目標(biāo)區(qū)域預(yù)測和目標(biāo)類別預(yù)測整合于單個神經(jīng)網(wǎng)絡(luò)模型中，實現(xiàn)在準(zhǔn)確率較高的情況下快速目標(biāo)檢測與識別，更加適合現(xiàn)場應(yīng)用環(huán)境。

1.2 采用圖形學(xué)原理進(jìn)行異常行為識別

采用圖形學(xué)原理，對監(jiān)控錄像的每一幀進(jìn)行像素級的對比。使用機(jī)器學(xué)習(xí)技術(shù)對像素進(jìn)行閾值估計，并采用該閾值作為違規(guī)行為的評判標(biāo)準(zhǔn)。每一幀像素的變化若超過閾值限定范圍，系統(tǒng)則會對該幀進(jìn)行記錄。

1.3 系統(tǒng)用戶體驗設(shè)計

本產(chǎn)品系統(tǒng)啟動并載入視頻后，將開始自動檢測考試違禁物品與違禁行為，若發(fā)現(xiàn)異常，將鎖定該異常圖像并截屏發(fā)送至后臺管理員對異常信息進(jìn)行二次審核，并顯示該場考生已錄入信息。

2 創(chuàng)新點

2.1 試用YOLO模型，準(zhǔn)確度高

本系統(tǒng)采用最新版的YOLO模型進(jìn)行檢測，該算法在輸入端采用Mosaic數(shù)據(jù)增強(qiáng)方式，對圖片進(jìn)行自適應(yīng)縮放，以此提升目標(biāo)檢測的速度以及對小目標(biāo)、遮蓋物檢測的準(zhǔn)確度。同時，YOLOv5的網(wǎng)絡(luò)結(jié)構(gòu)使用兩種CSP結(jié)構(gòu)來增加網(wǎng)絡(luò)的深度和寬度，以此減少計算量。

2.2 系統(tǒng)采用嵌入式系統(tǒng)，可靠度高

嵌入式系統(tǒng)擁有強(qiáng)穩(wěn)定性，弱交互性。嵌入式系統(tǒng)一旦開始運行就不需要用戶過多的干預(yù)，而這就需要負(fù)責(zé)系統(tǒng)管理的EOS具有較強(qiáng)的穩(wěn)定性。嵌入式操作系統(tǒng)的用戶接口一般不提供操作命令，它通過系統(tǒng)的調(diào)用命令向用戶程序提供服務(wù)。在嵌入式系統(tǒng)中，嵌入式操作系統(tǒng)和應(yīng)用軟件被固化在嵌入式系統(tǒng)計算機(jī)的ROM中。與其他通常的計算機(jī)系統(tǒng)相比有更好的硬件適應(yīng)性，也就是良好的移植性。

2.3 優(yōu)秀用戶交互設(shè)計，體驗度高

對于本系統(tǒng)的廣大用戶群而言，其主要需求是通過本系統(tǒng)完成對學(xué)生的實時監(jiān)控。因而在每天大量的操作中，保持流暢性是用戶最為關(guān)心的事情。守星科技在整個系統(tǒng)中只響應(yīng)點擊操作，以最大限度地減少設(shè)備的資源占用。在實際操作的過程中，守星科技竭盡全力減少點擊按鈕的機(jī)會。本系統(tǒng)被設(shè)計為只要用戶對需求進(jìn)行選擇，就可自動對操作結(jié)果進(jìn)行呈現(xiàn)。在這樣的模式下，用戶無須擔(dān)心有學(xué)生的行為被遺漏。在系統(tǒng)響應(yīng)速度方面，守星科技將盡全力對其進(jìn)行優(yōu)化，最大限度地提升本系統(tǒng)的響應(yīng)速度。

3 總結(jié)

教育行業(yè)如今正在不斷升溫，高校對于監(jiān)考的需求也在不斷增加，傳統(tǒng)的監(jiān)考模式需要耗費巨大的人力物力，而本文中基于YOLO模型與圖像學(xué)的監(jiān)考系統(tǒng)，能夠智能化、多元化地對應(yīng)用于不同場景，同時該產(chǎn)品安裝流程簡易，易操作，檢測識別的實時性較高，能夠更好地滿足當(dāng)今教育行業(yè)對監(jiān)考的需求。