[发明专利]一种基于随机森林的线上考试监考方法

说明书

本发明涉及机器学习视觉技术领域，尤其涉及一种基于随机森林的线上考试监考方法，包括以下步骤：S1：在获得视频帧的图片后，利用改进的MTCNN方法进行人脸检测，特征提取和人脸对齐；S2：基于面部特征点计算头部姿态；S3：基于随机森林，融合头部姿态和面部特征进行视线估计；S4：对作弊行为进行判断。本发明使用基于迁移学习的人脸检测方法可以在人脸存在较大角度偏转以及暗光条件下很好的检测到人脸，在佩戴眼镜的情况下也可以准确获取到特征点信息。本发明只需借助网络摄像头，从而降低对设备的需求，有助于推进线上考试的发展；能够实时检测考生作弊情况，减少作弊行为发生的概率。

技术领域

本发明涉及机器学习视觉技术领域，尤其涉及一种基于随机森林的线上考试监考方法。

背景技术

随着在线学习不断普及，在线考试也受到越来越多人的欢迎。然而，在线考试的一个主要挑战是如何以有效且可靠的方式在线监考。根据调查显示，约有74％的学生表示在线考试很容易作弊，近29％的学生在线考试时曾作弊。这些作弊行为会损害在线考试的公信力，这使得在线监考对于进一步扩大线上考试的应用至关重要。

研究人员提出了许多不同的在线监考方法，通常可以分为三类：手动监考、全自动监考和半自动监考。手动监考，即监考人要查看所有考生的考试视频，这项工作耗时且劳动密度高。与之相反，全自动监考是电脑基于机器学习技术分析考生考试期间的行为，自行检测可疑行为并直接将其分类为作弊或非作弊。然而，现有的全自动监考方法往往难以达到非常高的准确度，常有误判情况发生。半自动监考方法结合了机器学习方法和监考人员的进一步手动确认，在降低劳动密度的同时提高了线上监考效率。

目前使用的监考软件有较高模型成本，操作复杂，使其对用户不太友好，并且常常需要外部设备，例如眼动追踪仪。但是在远程监考中，不可能为所有应试者配备此类设备，实际考试中很难大规模投入使用。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于随机森林的线上考试监考方法，该方法只需借助网络摄像头，从而降低对设备的需求，有助于推进线上考试的发展。

为了实现上述目的，本发明采用了如下技术方案：

一种基于随机森林的线上考试监考方法，具体步骤如下：

S1：在获得视频帧的图片后，利用改进的MTCNN方法进行人脸检测，特征提取和人脸对齐；

S2：基于面部特征点计算头部姿态；

S3：基于随机森林，融合头部姿态和面部特征进行视线估计；

S4：对作弊行为进行判断。

优选地，在步骤S1中，具体步骤如下：

S101：使用LaPa数据集对MTCNN网络模型进行训练，得到人脸边界框信息以及106个特征点标注；

S102：对识别出的人脸进行对齐处理；

S103：将对齐后的人脸图像进行归一化处理。

优选地，在步骤S2中，利用已得到的面部特征点计算头部姿态，具体步骤如下：

S201：选用AFLW数据集，将训练集中的图片水平翻转φ度，增广数据；

S202：调整旋转之后，重新定位新边框的顶点如下：

设原始边框的坐标为(X_min，X_max，Y_min，Y_max)，图像中心的坐标为(X_c，Y_c)；

将原始图像的顶点绕(X_c，Y_c)旋转φ度，得到新的边框顶点坐标：