考场监控数据处理方法及其实现的自动监考系统的利记博彩app
【专利摘要】本发明提供了一种考场监控数据处理方法及其实现的自动监考系统，该方法实现的系统包括监控端模块，服务器模块，视频数据预处理模块，用于对监控端模块获取的所述视频监控画面进行采样，并对采样后的图像进行预处理，并划分座位区域；识别及报警模块，用于识别座位区域中的违规动作，当识别出超过预设阈值的动作时，标定违规动作的级别，并将所述级别以及违规动作关联的所述数据包发送给服务器，同时将违规动作涉及的座位区域信息发送给监控平台；监控平台显示监控画面，以及依据识别及报警模块发送的信息，突出显示违规的座位区域。该方法对违规动作的识别速度快，识别率高，自动监考系统方便监控平台人员观察，以及与现场人员的快速沟通。
【专利说明】
考场监控数据处理方法及其实现的自动监考系统
技术领域
[0001] 本发明涉及一种固定场景中的人物动作、行为监控方法及系统，尤其涉及一种应 用在考场中的考场监控数据处理方法及其实现的自动监考系统。
【背景技术】
[0002] 随着视频识别领域技术的不断发展，现在，将视频监控应用在监考环境中，以减少 监考的人力消耗、提高监考的全面、准确性，成为了视频识别领域的一个重要应用方向。
[0003] 但是，在现有技术中，还没有一种结构简单、资源耗费少，同时又能够准确对监考 对象进行行为判断的监考系统。现有技术往往还在采用无纸化考试中常用的一对一式视频 监控方式，而这种方式既需要大量的终端设备，又不能很好地全面监控考生的动作，同时也 给考生带来了较大的心理负担，不利于考生的正常发挥。
[0004] 此外，在例如申请号为CN201110135345.4的专利申请中，通过将考场上分成监考 区域、考试区域的固定与活动区域，并依据发生异常状况的所在区域，决定是否将该些异常 状况进行报警或提醒处理，而这一技术方案仅仅是在区域划分方面的改进，而对于是否能 够对异常行为进行准确判断、减少误判断等方法，则没有提出任何的实质方案。在又如申请 号为CN201010537314.7的专利申请中，则是通过对监控画面中的全景监控，判断是否发生 异常状况，并提前给异常状况设置不同的等级及对应的处理方式，从而在监控到异常状况 时，能够在服务器端进行相应的处理，但是，该申请中并未给出如何判断不同的异常状况的 等级，以及如何依据视频图像自动进行状况判断，对这些核心环节未给出任何的技术改进 方案。
[0005] 上述现有技术均存在着没有很好的对考场细微动作进行判断的方法的缺陷，以及 资源消耗大等问题，未能提出一种较好地实现自动监考的方法。
【发明内容】
[0006] 有鉴于此，本发明实施例提供一种考场监控数据处理方法，该方法包括以下步骤：
[0007] S1:在考试时间到达时，开始实时获取监控系统的视频监控画面；
[0008] S2:对所述视频监控画面数据流进行采样；
[0009] S3:对采样后的视频数据进行预处理，按照预设的区域范围将考生座位进行区域 划分，得到各个座位区域；
[0010] S4:对划分区域后的图像进行动作识别，当识别出超过预设阈值的动作时，判定为 违规动作；
[0011] S5:当识别出违规动作时，开始记录一预设时长的视频画面，以及所述视频画面的 开始时间信息，并将所述视频画面及所述开始时间信息作为数据包发送给服务器；
[0012] S6:在监控平台着重显示违规动作所在的座位区域，并发出提醒。
[0013]优选地，求取监控图像连续帧间的特定区域的面积差，并预设面积差阈值，基于所 述面积差及面积差阈值，将所述违规动作预设为多个报警级别;在监控平台端为每个报警 级别设置相应的着重显示方式。
[0014] 优选地，所述步骤S4中的动作识别至少包括以下的一种:站起、蹲下动作;扭头、转 身动作;频繁低头动作;手臂大幅摆动动作等。本系统中对于该类动作的识别准确率高。
[0015] 优选地，所述步骤S1之前，进一步包括考位区块划分步骤，该步骤包括：
[0016] S01:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据；
[0017] S02:对所述监控视频数据进行采样，获取其中的N个采样图像；
[0018] S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像；
[0019] S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线 与竖线；
[0020] S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互 紧邻的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面 积小于等于每个考位实际在图像中所占的面积的1/4;
[0021] S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块 图像；
[0022] S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取 划分的考位区块相同数量最多的两幅考位区块图像；当所述两幅考位区块图像中同一考位 的考位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考 位区块图像，以该图像中的考位区块，作为座位区域。
[0023] 此外，优选地，该方法中，步骤S1之前的座位区域确定，还可以通过用户输入设备， 接收用户在某一考场监控画面中的区域划定，作为重点关注的座位区域，该划定方式可以 采用例如用户通过鼠标拖拽选定画面中区域的方式，也可以通过设定一固定大小的窗口， 通过用户将该窗口套取在画面中的不同区域中，来确定全部的座位区域等等。
[0024] 优选地，步骤S04中，首先获取灰度图像的灰度直方图，并获取直方图中的最大峰 值和最小峰值，滤除图像中灰度值大于等于最大峰值及小于等于最小峰值的像素点，获得 待边缘检测图像；
[0025] 其次，对所述待边缘检测图像进行边缘检测，获得边缘图像。
[0026] 优选地，首先对考试过程中的采样后的视频数据，进行人脸检测及人物轮廓检测；
[0027] 其次，对比采样后的视频数据中，连续两帧图像的人脸面积变化，以及人物轮廓面 积变化;上述面积变化为两帧图像面积差的绝对值；
[0028] 设置至少一第一阈值L1，及至少一第二阈值S1，当人脸面积变化L多L1且人物轮廓 面积变化S多S1时，设置为最高报警等级；iL<Ll且S多S1时，设置为第二报警等级；当L多 11且3<31时，设置为第三报警等级。
[0029] 优选地，当触发报警时，记录每个数据包对应的报警等级，作为当次报警的数据报 文，发送至服务器。
[0030] 优选地，所述数据报文还包括所述数据包中的视频片断索引；所述数据报文可应 用于低带宽的实时监控或移动手机的实时监控中；所述数据报文还用于实时驱动监视器的 场景显示切换动作。
[0031] 优选地，所述人脸检测及人物轮廓检测的具体方法为：
[0032] 首先，对采样后的视频数据的图像进行灰度化处理，获得灰度图像，并对灰度图像 进行增强，具体采用如下方式：
[0034] 其中，f (x，y)表示原图的灰度值，g(x，y)表示增强图像的灰度值，h 1表示满足
时的最大灰度值，h2表示满足
时的最小灰度值，hist[]表示当前图像的灰度值直方图，N表示当前图像的总像素数；
[0035] 其次，对增强后的图像进行区域检测，具体检测方式为：
[0038] 其中，f(Xi，yj)表示以（x，y)为中心的M1*M2邻域内的像素灰度值，M1、M2表示邻域 的长、宽，C表示偏移量，当进行人脸检测时，C取C1，当进行人物轮廓检测时，C取C2,所述C、 C1、C2均为正的常数。
[0039] 此外，本发明还提供了一种自动监考系统，可适用如上所述的方法，该系统包括：
[0040] 监控端模块，包括至少一个监控摄像头，用于实时获取考场的视频监控画面；
[0041]服务器模块，用于接收由违规动作关联的视频画面及视频画面开始时间构成的数 据包；
[0042] 视频数据预处理模块，用于对监控端模块获取的所述视频监控画面进行采样，并 对采样后的图像进行预处理，并划分座位区域；
[0043] 识别及报警模块，用于识别座位区域中的违规动作，当识别出超过预设阈值的动 作时，标定违规动作的级别，并将所述级别以及违规动作关联的所述数据包发送给服务器， 同时将违规动作涉及的座位区域信息发送给监控平台；
[0044] 监控平台，用于显示监控端模块发送的视频监控画面，以及依据识别及报警模块 发送的信息，在监控画面中突出显示违规动作涉及的座位区域。
[0045] 优选地，所述系统还包括座位区域标定模块，用于依据用户的输入，在监控图像中 预先标定关注的座位区域。
[0046] 优选地，所述系统还包括自动座位区域标定模块，用于考生入场前的一预设时长 的视频监控数据，进行采样，提取一预设数量的监控画面，依据对该些监控画面的座位区域 识别，得到监控画面中的座位区域。
[0047] 优选地，所述得到监控画面中的座位区域的具体方法包括：
[0048] S01:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据；
[0049] S02:对所述监控视频数据进行采样，获取其中的N个采样图像；
[0050] S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像；
[0051] S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线 与竖线；
[0052] S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互 紧邻的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面 积小于等于每个考位实际在图像中所占的面积的1/4;
[0053] S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块 图像；
[0054] S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取 划分的考位区块相同数量最多的两幅考位区块图像；当所述两幅考位区块图像中同一考位 的考位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考 位区块图像，以该图像中的考位区块，作为座位区域。
[0055] 优选地，所述视频数据预处理模块进一步包括轮廓检测模块，用于检测座位区域 中的人脸轮廓及人物轮廓；以及
[0056] 求取检测后的图像中的人脸区域面积，和人物轮廓面积，并将人脸检测面积和人 物轮廓面积发送给所述识别及报警模块。
[0057] 优选地，所述系统还包括无线收发模块，用于将识别及报警模块发送的数据，发送 给无线终端；以及接收来自无线终端的控制信息。
[0058] 优选地，所述系统还包含反馈模块，接收无线终端的控制信息，当所述控制信息表 示当前报警属于误报警或已处理时，消除监控平台上对对应的座位区域的突出显示。
[0059]与现有技术相比，本发明技术方案结构简单，且对监控画面的图像识别和处理算 法速度快，能够很好地满足实时监控的需要;并且通过图像采样的方式，降低了后期图像处 理过程中的数据量;本发明还兼顾了监控平台侧的提醒，以及对现场工作人员的信息实时 共享功能，以及信息反馈，提高了监控系统的运行效率。
【附图说明】
[0060] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其它的附图。
[0061] 图1为本发明实施例的考场监控系统；
[0062] 图2为本发明实施例的考场监控数据处理方法流程图。
【具体实施方式】
[0063] 下面结合附图对本发明实施例一种应用程序推荐方法及装置进行详细描述。应当 明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的 实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都 属于本发明保护的范围。
[0064]本领域技术人员应当知晓，下述具体实施例或【具体实施方式】，是本发明为进一步 解释具体的
【发明内容】
而列举的一系列优化的设置方式，而这些设置方式之间均是可以相互 结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方 式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或 实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。
[0065] 实施例1:
[0066]如图1所示，本发明的一个实施例中，提供了一种考场监控数据处理方法，该方法 包括以下步骤：
[0067] S1:在考试时间到达时，开始实时获取监控系统的视频监控画面；
[0068] S2:对所述视频监控画面数据流进行采样；
[0069] S3:对采样后的视频数据进行预处理，按照预设的区域范围将考生座位进行区域 划分，得到各个座位区域；
[0070] S4:对划分区域后的图像进行动作识别，当识别出超过预设阈值的动作时，判定为 违规动作；
[0071] S5:当识别出违规动作时，开始记录一预设时长的视频画面，以及所述视频画面的 开始时间信息，并将所述视频画面及所述开始时间信息作为数据包发送给服务器；
[0072] S6:在监控平台着重显示违规动作所在的座位区域，并发出提醒。
[0073]在一具体的实施方式中，可以采用连续采样图像之间的特定区域面积差，作为监 控动作的判断依据，具体而言，求取监控图像连续帧间的特定区域的面积差，并预设面积差 阈值，基于所述面积差及面积差阈值，将所述违规动作预设为多个报警级别;在监控平台端 为每个报警级别设置相应的着重显示方式。
[0074]在一具体的实施方式中，所述步骤S4中的动作识别至少包括以下的一种:站起、蹲 下动作;扭头、转身动作;频繁低头动作;手臂大幅摆动动作等。本系统中对于该类动作的识 别准确率高。
[0075]在一具体的实施方式中，在进行开考后监控之前，可以提前自动对监控区域内的 座位区域进行划定，即在所述步骤S1之前，进一步包括考位区块划分步骤，该步骤包括： [0076] S01:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据；
[0077] S02:对所述监控视频数据进行采样，获取其中的N个采样图像；
[0078] S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像；
[0079] S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线 与竖线；
[0080] S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互 紧邻的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面 积小于等于每个考位实际在图像中所占的面积的1/4;
[0081] S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块 图像；
[0082] S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取 划分的考位区块相同数量最多的两幅考位区块图像；当所述两幅考位区块图像中同一考位 的考位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考 位区块图像，以该图像中的考位区块，作为座位区域。
[0083]此外，在另一具体的实施方式中，步骤S1之前的座位区域确定，还可以通过用户输 入设备，接收用户在某一考场监控画面中的区域划定，作为重点关注的座位区域，该划定方 式可以采用例如用户通过鼠标拖拽选定画面中区域的方式，也可以通过设定一固定大小的 窗口，通过用户将该窗口套取在画面中的不同区域中，来确定全部的座位区域等等。
[0084] 在一具体的实施方式中，步骤S04中，首先获取灰度图像的灰度直方图，并获取直 方图中的最大峰值和最小峰值，滤除图像中灰度值大于等于最大峰值及小于等于最小峰值 的像素点，获得待边缘检测图像；
[0085] 其次，对所述待边缘检测图像进行边缘检测，获得边缘图像。
[0086] 在一具体的实施方式中，首先对考试过程中的采样后的视频数据，进行人脸检测 及人物轮廓检测；
[0087] 其次，对比采样后的视频数据中，连续两帧图像的人脸面积变化，以及人物轮廓面 积变化;上述面积变化为两帧图像面积差的绝对值；
[0088] 设置至少一第一阈值L1，及至少一第二阈值S1，当人脸面积变化L多L1且人物轮廓 面积变化S多S1时，设置为最高报警等级；iL<Ll且S多S1时，设置为第二报警等级；当L多 11且5<51时，设置为第三报警等级。该阈值的设置仅作为一个优选的方式，也可以设置更 多的阈值，从而将报警等级设置成更多的等级。
[0089] 在一具体的实施方式中，当触发报警时，记录每个数据包对应的报警等级，作为当 次报警的数据报文，发送至服务器。
[0090] 在一具体的实施方式中，所述数据报文还包括所述数据包中的视频片断索引；所 述数据报文可应用于低带宽的实时监控或移动手机的实时监控中；所述数据报文还用于实 时驱动监视器的场景显示切换动作。
[0091 ]在一具体的实施方式中，所述人脸检测及人物轮廓检测的具体方法为：
[0092]首先，对采样后的视频数据的图像进行灰度化处理，获得灰度图像，并对灰度图像 进行增强，具体采用如下方式：
[0094]其中，f (x，y)表示原图的灰度值，g(x，y)表示增强图像的灰度值，h 1表示满足
时的最大灰度值，h2表示满足
时的最小灰度值，hist[]表示当前图像的灰度值直方图，N表示当前图像的总像素数；
[0095]其次，对增强后的图像进行区域检测，具体检测方式为：
[0098]其中，f(Xl，n)表示以（x，y)为中心的M1*M2邻域内的像素灰度值，M1、M2表示邻域 的长、宽，C表示偏移量，当进行人脸检测时，C取C1，当进行人物轮廓检测时，C取C2,所述C、 C1、C2均为正的常数。例如，在对人脸区域进行检测时，可以将C1值设置的低一些，以将人脸 区域尽可能大地和背景及环境区域区分，类似地，可以将C2设置的高一些，以最大范围地囊 括人体轮廓。
[0099] 实施例2:
[0100] 在又一个实施例中，如图2所示，本发明还提供了一种自动监考系统，可适用如实 施例1中所述的方法，该系统包括：
[0101] 监控端模块，包括至少一个监控摄像头，用于实时获取考场的视频监控画面；
[0102] 服务器模块，用于接收由违规动作关联的视频画面及视频画面开始时间构成的数 据包；
[0103] 视频数据预处理模块，用于对监控端模块获取的所述视频监控画面进行采样，并 对采样后的图像进行预处理，并划分座位区域；
[0104] 识别及报警模块，用于识别座位区域中的违规动作，当识别出超过预设阈值的动 作时，标定违规动作的级别，并所述级别以及卫东动作关联的所述数据包发送给服务器，同 时将违规动作涉及的座位区域信息发送给监控平台；
[0105] 监控平台，用于显示监控端模块发送的视频监控画面，以及依据识别及报警模块 发送的信息，在监控画面中突出显示违规动作涉及的座位区域。
[0106] 在一具体的实施方式中，所述系统还包括座位区域标定模块，用于依据用户的输 入，在监控图像中预先标定关注的座位区域。此时，系统可以包括用户输入模块，以接收用 户的输入，该输入可以采用常规的机械输入设备，或者触摸输入设备等。
[0107] 在一具体的实施方式中，所述系统还包括自动座位区域标定模块，用于考生入场 前的一预设时长的视频监控数据，进行采样，提取一预设数量的监控画面，依据对这些监控 画面的座位区域识别，得到监控画面中的座位区域。
[0108] 在一具体的实施方式中，所述得到监控画面中的座位区域的具体方法包括：
[0109] S01:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据；
[011 0] S02:对所述监控视频数据进行采样，获取其中的N个采样图像；
[0111] S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像；
[0112] S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线 与竖线；
[0113] S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互 紧邻的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面 积小于等于每个考位实际在图像中所占的面积的1/4;
[0114] S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块 图像；
[0115] S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取 划分的考位区块相同数量最多的两幅考位区块图像；当所述两幅考位区块图像中同一考位 的考位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考 位区块图像，以该图像中的考位区块，作为座位区域。
[0116] 在一具体的实施方式中，所述视频数据预处理模块进一步包括轮廓检测模块，用 于检测座位区域中的人脸轮廓及人物轮廓；以及
[0117] 求取检测后的图像中的人脸区域面积，和人物轮廓面积，并将人脸检测面积和人 物轮廓面积发送给所述识别及报警模块。
[0118] 在一具体的实施方式中，所述系统还包括无线收发模块，用于将识别及报警模块 发送的数据，发送给无线终端；以及接收来自无线终端的控制信息。
[0119] 在一具体的实施方式中，所述系统还包含反馈模块，接收无线终端的控制信息，当 所述控制信息表示当前报警属于误报警或已处理时，消除监控平台上对对应的座位区域的 突出显示。
[0120] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以 通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质 中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁 碟、光盘、只读存储记忆体（Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
[0121]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应 涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
【主权项】
1. 一种考场监控数据处理方法，其特征在于，所述方法包括以下步骤： S1:在考试时间到达时，开始实时获取监控系统的视频监控画面； S2:对所述视频监控画面数据流进行采样； S3:对采样后的视频数据进行预处理，按照预设的区域范围将考生座位进行区域划分， 得到各个座位区域； S4:对划分区域后的图像进行动作识别，当识别出超过预设阈值的动作时，判定为违规 动作； S5:当识别出违规动作时，开始记录一预设时长的视频画面，以及所述视频画面的开始 时间信息，并将所述视频画面及所述开始时间信息作为数据包发送给服务器； S6:在监控平台着重显示违规动作所在的座位区域，并发出提醒。2. 如权利要求1所述的方法，其特征在于，所述步骤S4进一步包括： 求取监控图像连续帧间的特定区域的面积差，并预设面积差阈值，基于所述面积差及 面积差阈值，将所述违规动作预设为多个报警级别； 在监控平台端为每个报警级别设置相应的着重显示方式。3. 如权利要求1所述的方法，其特征在于，所述步骤S4中的动作识别至少包括以下的一 种:站起、蹲下动作;扭头、转身动作;频繁低头动作;手臂大幅摆动动作。4. 根据权利要求1所述的方法，其特征在于，所述步骤S1之前，进一步包括考位区块划 分步骤，该步骤包括： SO 1:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据； S02:对所述监控视频数据进行采样，获取其中的N个采样图像； S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像； S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线与竖 线； S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互紧邻 的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面积小 于等于每个考位实际在图像中所占的面积的1/4; S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块图 像； S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取划分 的考位区块相同数量最多的两幅考位区块图像;当所述两幅考位区块图像中同一考位的考 位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考位区 块图像，以该图像中的考位区块，作为座位区域。5. 根据权利要求4所述的方法，其特征在于:步骤S04中，首先获取灰度图像的灰度直方 图，并获取直方图中的最大峰值和最小峰值，滤除图像中灰度值大于等于最大峰值及小于 等于最小峰值的像素点，获得待边缘检测图像； 其次，对所述待边缘检测图像进行边缘检测，获得边缘图像。6. 根据权利要求2所述的方法，其特征在于:首先对考试过程中的采样后的视频数据， 进行人脸检测及人物轮廓检测； 其次，对比采样后的视频数据中，连续两帧图像的人脸面积变化，以及人物轮廓面积变 化;上述面积变化为两帧图像面积差的绝对值； 设置至少一第一阈值L1，及至少一第二阈值S1，当人脸面积变化L多L1且人物轮廓面积 变化S多S1时，设置为最高报警等级；iL<Ll且S多S1时，设置为第二报警等级；当L多L1且S <S1时，设置为第三报警等级。7. 根据权利要求6所述的方法，其特征在于，所述人脸检测及人物轮廓检测的具体方法 为： 首先，对采样后的视频数据的图像进行灰度化处理，获得灰度图像，并对灰度图像进行 增强，具体采用如下方式：其中，f(x，y)表示原图的灰度值，g(x，y)表示增强图像的灰度值，hi表示满足 + +…+ /_[0】純埘的最大灰度值，…表示满足+ ㈨ 时的最小灰度值，hist[]表示当前图像的灰度值直方图，N表示当前图像的总像素数； 其次，对增强后的图像进行区域检测，具体检测方式为：其中，表示以（x，y)为中心的M1*M2邻域内的像素灰度值，M1、M2表示邻域的长、 宽，C表示偏移量，当进行人脸检测时，C取C1，当进行人物轮廓检测时，C取C2,所述C、C1、C2 均为正的常数。8. -种自动监考系统，可适用如权利要求1至7任一所述的方法，其特征在于，所述系统 包括： 监控端模块，包括至少一个监控摄像头，用于实时获取考场的视频监控画面； 服务器模块，用于接收由违规动作关联的视频画面及视频画面开始时间构成的数据 包； 视频数据预处理模块，用于对监控端模块获取的所述视频监控画面进行采样，并对采 样后的图像进行预处理，并划分座位区域； 识别及报警模块，用于识别座位区域中的违规动作，当识别出超过预设阈值的动作时， 标定违规动作的级别，并所述级别以及卫东动作关联的所述数据包发送给服务器，同时将 违规动作涉及的座位区域信息发送给监控平台； 监控平台，用于显示监控端模块发送的视频监控画面，以及依据识别及报警模块发送 的信息，在监控画面中突出显示违规动作涉及的座位区域。9. 根据权利要求8所述的系统，其特征在于:所述系统还包括自动座位区域标定模块， 用于考生入场前的一预设时长的视频监控数据，进行采样，提取一预设数量的监控画面，依 据对该些监控画面的座位区域识别，得到监控画面中的座位区域。10.根据权利要求9所述的系统，其特征在于，所述得到监控画面中的座位区域的具体 方法包括： S01:设置一时间阈值K1，获取考生入场前，时长在K1以内的监控视频数据； S02:对所述监控视频数据进行采样，获取其中的N个采样图像； S03:对每个所述采样图像进行滤波，并获取滤波后的采样图像的灰度图像； S04:对每个上述的灰度图像进行边缘处理，获得边缘图像，并检测图像中的横线与竖 线； S05:将图像均分为W1个子区块，统计每块中的横线数量与竖线数量之和Z，当相互紧邻 的所述子区块的Z大于一阈值Z1时，将所述子区块设置同一区块标记;所述子区块的面积小 于等于每个考位实际在图像中所占的面积的1/4; S06:合并具有同一区块标记的所述子区块，获得每个所述采样图像中的考位区块图 像； S07:比对每个所述采样图像中的考位区块，当考位区块的划分存在差异时，获取划分 的考位区块相同数量最多的两幅考位区块图像;当所述两幅考位区块图像中同一考位的考 位区块划分存在差异时，比较两幅图像中存在差异的考位区块的Z，保留Z值较大的考位区 块图像，以该图像中的考位区块，作为座位区域。
【文档编号】H04N7/18GK105959624SQ201610286408
【公开日】2016年9月21日
【申请日】2016年5月3日
【发明人】方筠捷
【申请人】方筠捷