[发明专利]一种基于人工智能的考场监测系统

权利要求书

1.一种基于人工智能的考场监测系统，包括数据处理中心（1）、监测模块（2）、云端数据库模块（3）、人机交互界面（4）、数据分析模块（5）、反馈模块（6）和更新模块（7）；

所述监测模块（2）用于对考场中人员的面部表情进行识别和动作行为的捕捉，并将识别和捕捉后的数据通过数据处理中心（1）传递至数据分析模块（5）；

所述云端数据库模块（3）用于储存考场中分析后的数据信息，并通过互联网下载现有的数据信息，形成数据分析时的数据库；

所述人机交互界面（4）便于使用者进行操作，实现人机交互作用；

所述数据分析模块（5）用于对考场中应考人员的动作行为进行分析，并构建应试行为模型，分析考场环境中应试人员的行为趋势；

所述反馈模块（6）用于接收后台监考人员、考场监考人员和考场应考人员反馈的数据，并将数据传递至数据处理中心（1）中；

所述更新模块（7）用于接收数据分析模块（5）分析的考场应试人员、监考人员的数据，并将数据通过数据处理中心（1）传输至云端数据库模块（3）中，并依此向云端数据库模块（3）输入更新的指令。

2.根据权利要求1所述的一种基于人工智能的考场监测系统，其特征在于：所述监测模块（2）包括面部表情识别单元（21）和面部表情监控单元（22）；

所述面部表情识别单元（21）用于考场中监考人员和应试人员的面部表情进行监控，并采用至少2个定制人脸抓拍摄像头，分布在考场的对角线区域中，进行无感化人脸识别；

所述面部表情监控单元（22）用于对考场中应考人员的面部表情进行监控，并将面部表情数据传递至数据处理中心（1）中。

3.根据权利要求2所述的一种基于人工智能的考场监测系统，其特征在于：所述监测模块（2）中对面部表情进行监控的方式分为两种，具体如下：

第一种，人脸检测，对于人脸角度超过一定阈值的不检出；

第二种，人脸识别聚类，通过多帧的人脸识别做聚类，聚类的依据主要是通过人脸识别的置信度以及上下帧之间的人脸位置变化来确定。

4.根据权利要求1所述的一种基于人工智能的考场监测系统，其特征在于：所述数据分析模块（5）包括动作捕捉单元（51）、分类单元（52）和模型单元（53），检测人体的关键点，通过关键点描述人体骨骼信息；

所述动作捕捉单元（51）用于捕捉人体骨骼关键点，通过人体骨骼关键点描述人体姿态；

所述分类单元（52）对挖掘出来的动态特性进行分类，分成不同的行为类别输出；

所述模型单元（53）将分类后的行为数据用于构建行为模型。

5.根据权利要求4所述的一种基于人工智能的考场监测系统，其特征在于：所述行为模型通过卷积神经网络建立，形成基于卷积神经网络的行为模型，具体步骤如下：

步骤1：构建初始模型，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；

步骤2：获取多个训练图像，在步骤1所述的各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；

对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；

步骤3：确定特征向量，根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；

步骤4：确定类别概率向量，根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；

步骤5：调整模型参数，根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差，并基于所述类别误差，对所述待训练行为模型的模型参数进行调整；

步骤6：优化行为模型，对步骤6生成的模型参数和多个训练图像，继续进行模型参数调整的过程，不断迭代，直至达到新模型的模型参数。