[发明专利]一种基于手写时序数据的考试系统和方法在审

专利信息
申请号: 202010724271.7 申请日: 2020-07-24
公开(公告)号: CN111899137A 公开(公告)日: 2020-11-06
发明(设计)人: 徐晶;顾昕;向敏;刘威;许炜;程文青 申请(专利权)人: 华中科技大学
主分类号: G06Q50/20 分类号: G06Q50/20;G06K9/00;G06N3/08;G06N3/04
代理公司: 华中科技大学专利中心 42201 代理人: 李智
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 手写 时序 数据 考试 系统 方法
【权利要求书】:

1.一种基于手写时序数据的考试系统,其特征在于,包括:

智能书写设备,用于实时采集考生的手写时序数据;

考试管理主机,与所述智能书写设备通信连接,包括:异常检测模块和与所述异常检测模块连接的异常处理模块,其中,

所述异常检测模块,包括:

笔迹对比子模块,用于接收所述手写时序数据并从中提取所述考生的考试笔迹信息,将所述考试笔迹信息和平时笔迹信息进行校对,以获取笔迹校验结果;

书写量测算子模块,用于接收所述手写时序数据并从中提取书写量信息,对所述书写量信息进行分析获取书写量检测结果;

标识校验子模块,用于从所述手写时序数据获取考生考号、设备标识号和试卷卷号,并对所述考生考号、所述设备标识号和所述试卷卷号进行匹配校验,以获取标识校验结果;

所述异常处理模块,用于当所述标识校验结果、所述笔迹校验结果和所述书写量检测结果中的一种或多种标识所述考生的考试行为异常时,生成控制信号和提示信号,所述控制信号用于控制所述智能书写设备关闭,所述提示信号用于指示监考者对所述考生的异常考试行为进行管控。

2.如权利要求1所述的基于手写时序数据的考试系统,所述其特征在于,所述笔迹对比子模块包括:

笔迹获取单元,用于接收所述手写时序数据从中提取所述考生的考试笔迹信息;

笔迹对比单元,用于将所述考试笔迹信息和预存的所述平时笔迹信息输入至训练好的深度学习神经网络,以使所述深度学习神经网络输出所述笔迹校验结果。

3.如权利要求2所述的基于手写时序数据的考试系统,其特征在于,笔迹获取单元用于从所述手写时序数据中选取连续书写数据,从所述连续书写数据中提取具有时序的笔迹特征向量,作为所述考试笔迹信息。

4.如权利要求2所述的基于手写时序数据的考试系统,其特征在于,所述笔迹对比单元用于

基于多层感知机模型对所述考试笔迹信息和所述平时笔迹信息进行特征提取获取各自对应的坐标数据;

将两组坐标数据进行还原得到所述考试笔迹信息对应的考试笔迹图像和所述平时笔迹信息对应的平时笔迹图像;

利用图像算子提取所述考试笔迹图像和所述平时笔迹图像中的笔迹特征;再基于手写体识别模型进行文本识别;

将两组文本识别结果输入所述深度学习神经网络进行笔迹对比,以获取所述笔迹校验结果。

5.如权利要求1所述的基于手写时序数据的考试系统,其特征在于,所述考试笔迹信息包括:考试前期笔迹信息、考试中期笔迹信息和考试后期笔迹信息;

所述笔迹对比子模块,用于将所述考试前期笔迹信息、所述考试中期笔迹信息和所述考试后期笔迹信息依次利用深度学习神经网络与所述平时笔迹信息进行对比,以获取所述笔迹校验结果。

6.如权利要求1-5任一项所述的基于手写时序数据的考试系统,其特征在于,所述书写量测算子模块用于每预设时间段内从所述手写时序数据提取书写量变化率,利用各个所述预设时间内的书写量变化率和对应的权重获取总书写量变化率,利用所述总书写量变化率与变化率阈值进行比较获取所述写量检测结果。

7.如权利要求1-5任一项所述的基于手写时序数据的考试系统,其特征在于,所述书写量测算子模块还用于从所述手写时序数据提取书写量时序特征,所述书写量时序特征用于评估考试进度和考试难度。

8.如权利要求1-5任一项所述的基于手写时序数据的考试系统,其特征在于,所述标识校验子模块用于根据所述考生考号、所述设备标识号或所述试卷卷号从所述考试管理主机内查找预存的映射关系表,所述映射关系表用于表征各个考生考号及其对应的设备标识号和试卷卷号之间的映射关系;并用于利用所述映射关系表对所述考生考号、所述设备标识号和所述试卷卷号进行匹配校验,以获取所述标识校验结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010724271.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top