[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
【说明书】:

发明公开了一种基于手写时序数据的考试系统和方法,属于智能教学技术领域。考试系统包括智能书写设备和考试管理主机,智能书写设备用于实时采集考生的手写时序数据;考试管理主机包括异常检测模块和异常处理模块。异常检测模块包括笔迹对比子模块、书写量测算子模块和标识校验子模块,分别用于将平时笔迹信息和从手写时序数据中提取的考试笔迹信息进行校对;从手写时序数据中提取的书写量信息进行分析;对考生考号、设备标识号和试卷卷号进行匹配校验。异常处理模块用于当异常检测模块的检测结果标识考试行为异常时,控制智能书写设备关机并提示监考者对异常考试行为进行管控。本申请能够低成本、高效率地对考生异常行为进行监测和管控。

技术领域

本发明属于智能教学领域,更具体地,涉及一种基于手写时序数据的考试系统和方法。

背景技术

在当前的各类教学场景中,能够实时收集考生书写内容并数字化的智能书写设备得到了相当多的关注。目前的智能书写设备,主要应用于个人助理等场景,而在教学中使用较少,但由于其轻量化和使用灵活的特性,在教学场景中的应用也会越来越普及。

然而,当前的智能书写设备考试应用场景中,并未涉及异常行为检测。考生异常行为的监测依然需要监考人员的人力投入。不论是考试前考试人员的核对,考试中异常行为的检查,监考人员都需要亲力亲为,人力成本较高。另外,对于已有的智能化考试系统,要么在实现无纸化的同时,无法避免考生借由键盘等输入设备答题带来的书写负担的加重,或是妥协于考试题目形式的标准化而拒绝了手写输入;要么在允许手写输入的同时,囿于高昂的器材成本无法进行大规模的推广,使用场景较为狭窄,并不具有普遍的适用性。

发明内容

针对现有技术的以上缺陷或改进需求,本发明提供了一种基于手写时序数据的考试系统和方法,其目的在于不增加考生书写负担的同时,低成本、高效率地对考生异常行为进行监测和管控,由此解决考试行为监测及分析中人力、物力成本高的技术问题。

为实现上述目的,按照本发明的一个方面,提供了一种基于手写时序数据的考试系统和方法。

一种基于手写时序数据的考试系统,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。

在其中一个实施例中,所述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。

在其中一个实施例中,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。

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/202010724271.7/2.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