[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

说明书

本发明公开了一种基于考试视频分析的违规行为识别方法与系统，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：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；通过调用算法对任务图片进行特征处理，得到特征图片；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；统计任务图片识别结果和消息，展示违规行为识别结果。本申请利用人工神经网络技术对解码和抽帧后的图片进行算法识别并获取识别结果，整个过程不需要人工参与，一方面节约了人力资源投入，另一方面降低了由于工作人员疲劳工作和粗心大意导致的出错率，提高了工作效率。

技术领域

本发明涉及算法识别领域，尤其涉及一种基于考试视频分析的违规行为识别方法与系统。

背景技术

目前越来越多厂家开始关注算法识别领域，随着各个厂家和研究者对这一领域的投入和深入研究，算法识别领域的发展趋向成熟，基于人工神经网络技术的违规行为识别算法这一领域的应用也更加广泛。

传统的考试现场使用的是人工监考模式，对于保存的考试视频做复查这一过程也是需要工作人员逐帧排查，这种人工排查的方式效率地不说，出错率也比较高，且浪费人力和时间，耽误工作进度。因此目前大多数有条件的情况都是利用算法识别进行考试视频分析排查。

发明内容

基于此，本发明的目的是为了解决目前考试视频人工排查模式效率低下，出错率高，人力资源浪费严重，耗时长的问题。

为实现上述目的，本发明提出一种基于考试视频分析的违规行为识别方法与系统，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。

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。

S1中所述抽帧过程通过帧计数器完成。

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)

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。