[发明专利]一种基于考试视频分析的违规行为识别方法与系统

权利要求书

1.一种基于考试视频分析的违规行为识别方法，其特征在于，所述基于考试视频分析的违规行为识别方法包括以下步骤：

S1：接收外部输入的视频流数据，并将输入的视频文件进行解码和抽帧处理，同时通过RGB数据通道提取图片，生成并发送任务消息和任务图片；

S2：通过调用算法对任务图片进行特征处理，得到特征图片；

S3：调用违规行为识别算法判断特征图片中是否存在违规行为；

S4：统计任务图片识别结果和消息，展示违规行为识别结果。

2.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，S1中所述视频解码流程包括以下子步骤：

S11:根据外部传入的视频类型读取相应的视频文件或视频流；

S12:从视频流信息中获取视频的编码格式；

S13:调用相应的视频解码器进行解码获得视频帧。

3.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，S1中所述抽帧过程通过帧计数器完成。

4.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，S1中所述RGB数据通道提取用公式表示如下，其中视频帧以YUV格式表示：

R＝Y+1.4075*(V-128) (1)

G＝Y-0.3455*(U-128)-0.7169*(V-128) (2)

B＝Y+1.779*(U-128) (3)

5.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，S3中所述违规行为识别流程包括如下子步骤：

S31：初始化违规行为识别算法；

S32：将特征图片传送到算法模型实例中；

S33：调用识别算法；

S34：接收识别结果及判断是否有违规行为；

S35：如无违规行为则当前图片处理流程结束；如有违规行为则继续执行S36和S37；

S36：保存当前特征图片到超融合存储模块；

S37：发送当前违规行为、当前特征图片超融合地址和原始图片等相关信息到业务终端。

6.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，S2中所述违规行为识别算法采用人工神经网络计算模型。

7.如权利要求1所述的一种基于考试视频分析的违规行为识别方法，其特征在于，各数据流间的传递通过Kafka消息中间件完成。

8.一种基于考试视频分析的违规行为识别系统，其特征在于，所述基于考试视频分析的违规行为识别系统包括：视频解码服务模块、至少一个算法服务模块以及业务处理模块：

所述视频解码服务模块包括：视频流接收子模块、视频解码子模块、图片抽帧子模块和数据发送子模块，用于接收并处理外部输入的视频流，并向算法服务模块发送任务消息和任务图片；

所述算法服务模块包括：数据接收子模块、特征处理子模块、算法处理子模块、数据发送子模块，用于接收并读取视频解码服务模块发送的任务消息和图片，并向业务平台发送识别结果消息和任务结果图片；

所述业务处理模块用于接收算法服务平台发送的识别结果消息和任务结果图片，并连接用户终端，展示违规行为识别结果。