[发明专利]一种基于姿态的重复异常行为检测方法

说明书

本发明公开了一种基于姿态的重复异常行为检测方法，通过对考场监控视频的考生进行姿态估计，分析考生头部包含的关节的运动情况进行头部运动编码，采用模糊匹配的方法检测编码中的重复子串来完成重复动作的检测。该方法包括如下步骤：考生姿态估计，检测考生关节以及肢体的位置；考生运动估计，分析考生的运动情况；运动编码，将考生的运动方式编码成字符串的形式；重复子串检测，检测考生运动编码中的重复性子串。采用本发明方法，可以准确快速的捕获考场中考生存在的重复动作。

技术领域

本发明涉及计算机视觉及视频理解技术领域，具体为一种基于姿态的重复异常行为检测方法。

背景技术

目前，在高考，研究生考试、自考和学业水平测试等各类考试后，需要进行考试回放，需要大量的人力观看考试视频，以分析考试中的考风问题，如，考生作弊行为等。因此需要一个考试视频大数据分析系统或方法，能自动分析考生的行为，进而分析考试中存在的问题，而考生频繁的进行重复动作就极有可能进行作弊行为。

考生作弊行为检测系统或方法已成为数字图像处理、模式识别、计算机视觉分析领域的新兴应用方向，对考生作弊行为检测的研究，是未来智能信息化普及，各类教育文化考试场地建设的一项关键技术。具有一定的前沿性和导向作用，有着巨大的市场应用价值和社会意义。

现阶段国内外使用姿态分析视频中人的行为的研究比较少，而将考生姿态应用到考生作弊行为检测领域的案例几乎没有。专利“一种基于大数据分析在线考试监考系统”(CN201711022450.0，2017年)，以客户端、Web服务器、云储存等网络资源作为载体，通过对IP地址、网关信息、摄像头是否开启等做检测，判断考生是否存在在线作弊行为。专利“一种考场防作弊管理系统”(CN201810152948.7，2018年)，基于物联网技术实现硬件条件的升级，通过在教室内安装的多个影像录入模块，实现对考生行为的实时提醒。专利“对考试作弊事件进行智能视频识别的方法”(CN201010226332.3，2010年)，采用高斯混合模型对视频中的前景图像和背景图像进行分离，将运动像素特征值作为输入数据对决策树进行训练，该方法以单一的颜色信息作为分类特征，属于浅层特征信息表达，没有充分考虑到纹理、边缘、空间等深度特征信息，且该方法以考生的整体状态作为分类信息，损失掉了考生局部部位的特征，不能够对作弊考生与非作弊考生的特征差异给与充分的表达。而深度特征包含有大量的特征信息，可有效用于考生关节细小动作的分析与识别。此外，还有一些针对不同对象作弊的检测方法研究，如专利“一种作弊站点的检测方法和装置”(CN201711310287.8，2017年)，通过采集站点的振动占比信息对网站是否存在作弊操作进行检测，专利“游艺场的作弊检测系统”(CN201680045982.3，2016年)，对按照输赢结果进行筹码的回收及偿还的游戏中的作弊行为进行检测的作弊检测系统等，然而诸如此类的作弊检测系统及方法无法准确分析考生的运动规律。

发明内容

本发明的技术任务是针对以上现有技术的不足，而提供一种基于姿态的重复异常行为检测方法。本发明利用人体姿态分析考生的运动规律，通过分析考生头部包含的关节的运动情况进行头部运动编码，采用模糊匹配的方法检测编码中的重复子串来完成重复动作的检测。

本发明解决其技术问题所采用的技术方案是：一种基于姿态的重复异常行为检测方法，包括如下步骤：

第一阶段：考生姿态估计

检测考场监控视频中的考生关节以及肢体的位置，获取考生关节点信息；

第二阶段：考生运动估计

筛选考生头部有效关节点，并计算考生头部运动速度大小及运动方向；

第三阶段：考生运动编码

划分考生头部运动方向，并根据每个运动方向以及连续的次数用字母编码；

第四阶段：重复子串检测