一种基于深度学习的考生异常行为检测方法
基本信息
| 申请号 | CN202210228572.X | 申请日 | - |
| 公开（公告）号 | CN114333070A | 公开（公告）日 | 2022-04-12 |
| 申请公布号 | CN114333070A | 申请公布日 | 2022-04-12 |
| 分类号 | G06V40/20（2022.01）I;G06V20/40（2022.01）I;G06V20/52（2022.01）I;G06V10/774（2022.01）I;G06V10/764（2022.01）I;G06V10/80（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 许信顺;李玉基;马磊;陈义学 | 申请（专利权）人 | 山东山大鸥玛软件股份有限公司 |
| 代理机构 | 山东舜源联合知识产权代理有限公司 | 代理人 | 马洪磊 |
| 地址 | 250101山东省济南市高新区伯乐路128号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出的一种基于深度学习的考生异常行为检测方法，属于图像分析技术领域。方法包括：对考场监控视频进行视频帧采样，对采样的视频帧标注考生和监考老师的边界框，并利用标注的数据训练目标检测模型；根据异常行为发生位置对考场监控视频进行视频帧采样，对采样的视频帧标注考生的边界框和动作类别，利用标注的数据训练动作识别模型，并进行动作识别模型优化；使用目标检测模型对输入的数据进行目标检测，选择检测得分大于0.9的边界框进入动作识别阶段，通过动作识别模型对得到的边界框内的考生实例进行分类。本发明能够同时检测考生的位置信息和动作信息，有效提高了在考场环境下的异常行为检测的准确率。 |
