[发明专利]一种基于深度学习的考生考场异常行为分析方法

摘要

本发明公开提供了一种基于深度学习的考生考场异常行为分析方法。通过对考生骨架模型的检测后进行行为特征提取和分析，在考场监控视频中的考生异常行为分析存在明显的效果，能够解决了考场监控视频中人工查找异常，工作效率低及视频存储冗余大，无法过滤无关紧要的视频等问题。

主权项

1.一种基于深度学习的考生考场异常行为分析方法，其特征在于，包括以下步骤：步骤(1)：通过视频监控装置采集考场视频图像；步骤(2)：将采集考场视频图像以时间顺序组成图像序列并进行预处理后得到图像序列S；步骤(3)：对图像序列S进行考生目标检测及考生骨架模型检测，得到每个考生的骨骼模型；步骤(4)：分别对每个考生的图像序列S和对应的骨骼模型进行关联，建立每个考生的骨骼模型流；步骤(5)：根据考场行为特点，删除骨骼模型流中记录考生下半身动作的骨骼关节点，得到每个考生在图像序列S中的考生目标骨架模型；步骤(6)：对目标骨架模型建立统一的坐标系，在统一坐标系中计算连续多帧图像中目标考生的上半身关节坐标点的特征向量v；步骤(7)：将特征向量v输入到用于识别异常行为特征向量的支持向量机分类器，通过支持向量机分类器分类判断得到考生的异常行为分析结果。