[发明专利]一种基于视频识别的艺术考试评分系统及方法

权利要求书

1.一种基于视频识别技术的艺术考试评分系统，其特征在于，包括移动端子系统和云服务平台子系统；移动端子系统安装在笔记本电脑上，供招生管理人员在艺术考试考场用于录制考生考试表演过程视频；云服务平台子系统供招生管理人员和评委使用，用于对考生的艺术考试表现进行评分；

所述的移动端子系统，包括考生信息管理模块、录像模块、视频预处理模块、第一存储模块和数据上传模块；第一存储模块分别与生信息管理模块、录像模块、视频预处理模块、数据上传模块连接；考生信息管理模块、录像模块、视频预处理模块还依次连接；数据上传模块与云服务平台子系统连接；

所述的云服务平台子系统，包括依次连接的评委信息管理模块、评分任务分配模块、评分模块和统分模块，还包括分别与评委信息管理模块、评分任务分配模块、评分模块、统分模块连接的第二存储模块；第二存储模块与移动端子系统的数据上传模块连接。

2.根据权利要求1所述的一种基于视频识别技术的艺术考试评分系统，其特征在于，所述的录像模块，包括相互连接的身份证识别器和摄像头，身份证识别器用于识别考生的身份证并获取身份证上的信息，根据身份证上的信息，从考生信息管理模块中查询该考生的报考科目；根据身份证识别和查询报考科目成功后，调用摄像头拍摄考生考试过程的表演视频，并以考生的身份证号码作为文件名将录取的视频保存到第一存储模块中。

3.一种基于视频识别的艺术考试评分方法，其特征在于，具体包括如下步骤：

1）将考生的报名信息导入或录入考生信息管理模块中；

2）通过录像模块，识别考生并录制考生考试过程的表演视频，并将视频存储于第一存储模块中；

3）视频预处理模块对第一存储模块中的视频进行处理，是找出每个考生考试视频中考生持准考证的画面最后出现的帧数，并将帧数保持于第一存储模块中；

4）通过数据上传模块，将第一存储模块中的数据上传至云服务平台子系统的第二存储模块；

5）将评委的信息录入评委信息管理模块中，为每位评委设置登录评分模块的用户名和密码；

6）招生管理人员通过评分任务分配模块，将云服务平台第二存储模块中的考生信息按考生省份、报考科目等类别将考试视频分组分配至评委；

7）评委根据评委信息管理模块为每位评委设置登录评分模块的用户名和密码通过互联网浏览器访问评分模块，成功登录后，评分模块将列表显示出系统分配给该评委的考生信息，包括考生号、报考科目、表演项目、姓名等，评委用鼠标点击某个考试的考生号后，从第二存储模块中调出该考生的考试过程视频和视频中出现该考生考试时持准考证的最后帧数，系统自动从该帧开始播放考生的考试过程视频，而不允许评委从视频中看到考生的姓名、身份证号码等信息，评委观看视频的过程中或观看后，通过评分模块的评分窗口对考生的视频进行评分并保存至统分模块中；

8）招生管理人员根据评分模块上传至统分模块的所有评委的评分，选择某种评分规则，计算出每个考生的最终评分，并将最终评分结果保存至第二存储模块中。

4.根据权利要求3所述的一种基于视频识别的艺术考试评分方法，其特征在于，步骤3）中，所述的视频处理，具体包括如下步骤：

步骤3-1，计算考生持准考证图像的相似度阈值；

步骤3-2，查找考生考试视频中最后出现的持准考证画面的帧数：

从每个视频的第一帧图像开始，计算每帧图像与准考证特征图像的相似度阈值，记录下视频中最后一帧图像与准考证特征图像的相似度不小于Similarity_min且不大于Similarity_max的帧数，该帧数即为该考生考试视频中最后出现持准考证画面的帧数；若通过以上方法计算得到的帧数等于考生考试视频的最后一帧，则将帧数设为0；

步骤3-3，将步骤3-2得到的每个考生考试视频最后出现的持准考证画面的帧数均增加1，然后保存于第一存储模块中。

5.根据权利要求4所述的一种基于视频识别的艺术考试评分方法，其特征在于，步骤3-1中，具体包括如下步骤：

a）随机选取一名考生的考试过程视频，从视频中提取一张清晰的考生持准考证的图像，并从该图像中切割出包含准考证的最小矩形图像块，作为准考证特征图像；

b）选取10~15名考生的考试过程视频，从每个视频中提取一张考生持准考证的图像；

c）计算准考证特征图像与b步骤得到的每张图像Pi（10≤15）的相似度，计算方法为利用图像处理库OpenCV的cvMatchTemplate函数和cvMinMaxLoc函数；首先利用cvMatchTemplate函数计算准考证特征图像与图像Pi的相似度，然后用cvMinMaxLoc函数得到相似度的最大值Similarity_{max_i}和最小值Similarity_{min_i}；

d）从步骤c中计算得到的每张图像的最大、最小相似度中，找到相似度的最大值，计为Similarity_{max_p}；同理找到相似度的最小值，计为Similarity_{min_p}；

e）令最大相似度阈值Similarity_max=Similarity_{max_p} Х β，最小相似度阈值Similarity_min=Similarity_{min_p} Х λ，其中β和λ均为控制参数，β的取值为1.1，λ的取值为0.9。