CN113920563B 在线考试作弊识别方法、装置、计算机设备和存储介质 （上海浦东发展银行股份有限公司）

号2获取待识别考生的面部视频，按照预设的抽样周对所述单帧图像按照时间序列分别进行单帧人脸检测处理，获取各单基于各单帧图像和各单帧图像对应的单帧人脸坐标，对各单帧图基于各单帧图像对应的单帧人脸坐标，对待识别考生进行基于各单帧图像对应的单帧人脸坐标，计算待识别考生基于各单帧图像和各单帧图像对应的单帧人脸坐标，对待识别基于各单帧图像和各单帧图像对应的单帧人脸坐标，对待识根据各单帧图像的眨眼判定结果、单帧头部姿态判定结果帧头部姿态判定结果和单帧双眼注视角度判定结果输入至预设的单帧作弊判定网络模型定为作弊的次数与总判定次数的比值获取；基于各时间窗口的作弊率与预设的作弊率阈基于预设的通用三维人脸模型对所述单帧人脸坐标进行处理，获取拍摄待识别考生的面部视频的摄像头的相机参数；所述相机将所述单帧人脸坐标、所述单帧人脸坐标对应的二维人脸坐3基于所述眼部关键点和各单帧图像对应的单帧人脸坐标对待识别考生进行单帧双眼坐标获取模块，用于对所述单帧图像按照时间序列分别进行单帧单帧判定模块，用于基于各单帧图像和各单帧图像对应的综合判定模块，用于基于各单帧图像对应的作弊判定结果，判定数输入预设的旋转量和偏移量计算公式，获取旋转量和偏移量作为单帧头部姿态判定结7.一种计算机设备，包括存储器和处理器，所述存4处理器执行时实现权利要求1至3中任一项所述的方5[0006]获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处定结果对各单帧图像中的待识别考生进行作弊判定，生成各单帧图像对应的作弊判定结6[0021]基于所述眼部关键点和各单帧图像对应的单帧人脸坐标对待识别考生进行单帧计算所述时间窗口内被判定为作弊的次数与总[0027]基于各时间窗口的作弊率与预设的作弊率阈值，判定所述待识别考生是否在作[0030]坐标获取模块，用于对所述单帧图像按照时间序列分别[0034]获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处7[0039]获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处单帧图像按照时间序列分别进行单帧人脸检测处理，获取各单帧图像对应的单帧人脸坐[0052]本申请提供的在线考试作弊识别方法，可以应用于如图1所示的应用环境中。其8到68个人脸关键点的二维位置坐标作为各单帧图像对应的单[0061]步骤208，基于各单帧图像对应的作弊判定结果，判定所述待识别考生是否在作9定结果对各单帧图像中的待识别考生进行作弊判定，生成各单帧图像对应的作弊判定结转量和偏移量作为单帧头部姿态判定结果。在OpenCV中，提供了函数solvePnP来计算[0087]基于所述眼部关键点和各单帧图像对应的单帧人脸坐标对待识别考生进行单帧(6,p)的计算公式可参考如下计算公式：将单帧头部姿态判定结果和单帧双眼注视角度判定结果转化为预设的单帧作弊判定网络模型所需的特征类型，包括待识别人员双眼的注视角度的平均值(0,p);单帧头部姿态计算所述时间窗口内被判定为作弊的次数与总[0103]基于各时间窗口的作弊率与预设的作弊率阈值，判定所述待识别考生是否在作[0106]其中，cheatratio是作弊率；∑cheatframes是时间窗口内被判定为作弊的次数；[0112]坐标获取模块602，用于对所述单帧图像按照时间序列分别进行单帧人脸检测处[0122]关于在线考试作弊识别装置的具体限定可以参见上文中对于在线考试作弊识别[0126]获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处头部姿态判定结果和单帧双眼注视角度判定结果对各单帧图像中的待识别考生进行作弊维人脸模型对所述单帧人脸坐标进行处理，获取所述单帧人脸坐标对应的二维人脸坐标；[0138]获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处帧头部姿态判定结果和单帧双眼注视角度判定结果对各单帧图像中的待识别考生进行作三维人脸模型对所述单帧人脸坐标进行处理，获取所述单帧人脸坐标对应的二维人脸坐数输入预设的旋转量和偏移量计算公式，获取旋转量和偏移量作为单帧头部姿态判定结包括非易失性和易失性存储器中的至少一种。非易失性存储