[发明专利]一种教育考试监控视频的人体行为分析方法及系统

权利要求书

1.一种教育考试监控视频的人体行为分析方法，其特征在于，包括：

步骤S1：对预设教育考试监控视频逐帧进行检测，检测出考场内的所有目标对象，其中，所述目标对象包括考生和监考老师；

步骤S2：获取目标对象的特征表示，并根据所述特征表示对所述目标对象进行分类，如果分类结果为考生，则执行步骤S3，否则继续执行步骤S2，直到所有目标对象分类完成；

步骤S3：将预先训练好的VGG网络的卷积层作为特征提取器，提取分类结果为考生的卷积特征，并根据所述卷积特征判断该考生的当前动作是否存在异常，如果是，则将该考生的相关信息加入至预设序列中；

步骤S4：对所述预设序列进行整合，采用预设时序平滑法平滑考生的异常动作，合并同一考生在相关帧的检测结果，获得分析结果。

2.如权利要求1所述的方法，其特征在于，步骤S1具体包括：

步骤S1.1：融合VGG网络的卷积层，其中，所述VGG网络包括六个特征层；

步骤S1.2：在所述六个特征层上对各个视频帧分别进行识别和定位，采用非极大值抑制算法对不同特征层的结果进行筛选，将筛选出的结果作为考场内的目标对象。

3.如权利要求1所述的方法，其特征在于，所述特征表示包括：卷积特征、位置信息和尺寸信息，其中，卷积特征由预先训练好的VGG网络的卷积层提取的特征，位置信息，为当前图像中标识当前目标对象的矩形框的中心坐标，尺寸信息，为当前目标对象在当前图像中的大小。

4.如权利要求3所述的方法，其特征在于，所述预先训练好的VGG网络的输入由目标对象在原图像中所标识的区域对应的RGB图像通过插值后获得。

5.如权利要求1所述的方法，其特征在于，步骤S2中，根据所述特征表示对所述目标对象进行分类，具体包括：

将所述特征表示作为预设卷积神经网络的输入，对目标对象进行分类，获得分类结果。

6.如权利要求1所述的方法，其特征在于，步骤S3中，根据所述卷积特征判断该考生的当前动作是否存在异常，具体包括：

判断从考生区域提取的卷积特征是否符合高斯混合模型，如果符合，则判定考生当前动作正常，如果不符合，则判定考生当前动作存在异常。

7.如权利要求1所述的方法，其特征在于，在步骤S4之后，所述方法还包括：删除未检测出考生存在异常行为的视频帧。

8.如权利要求1所述的方法，其特征在于，所述考生的相关信息包括：检测出存在异常行为对应的视频帧以及所述考生的定位信息。

9.一种教育考试监控视频的人体行为分析系统，其特征在于，包括：

目标检测器，用于对预设教育考试监控视频逐帧进行检测，检测出考场内的所有目标对象，其中，所述目标对象包括考生和监考老师；

分类器，用于获取目标对象的特征表示，并根据所述特征表示对所述目标对象进行分类；

异常检测器，用于将预先训练好的VGG网络的卷积层作为特征提取器，提取分类结果为考生的卷积特征，并根据所述卷积特征判断该考生的当前动作是否存在异常，如果是，则将该考生的相关信息加入至预设序列中；

整合器，用于对所述预设序列进行整合，采用预设时序平滑法平滑考生的异常动作，合并同一考生在相关帧的检测结果，获得分析结果。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被执行时实现如权利要求1至8中任一项权利要求所述的方法。