异常行为判断方法、装置及存储介质与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本技术涉及在线考试技术领域，尤其涉及一种异常行为判断方法、装置及存储介质。背景技术：2.在线考试系统已经被广泛应用于各类考试场景，例如企业招聘的在线笔试、研究生入学考试的在线复试、计算机等级考试等。3.为了有效监控考试中的各种作弊行为，大多数场景都配备有监控设备进行录像，由于不同考试场景下的考场和周边环境不固定，容易出现替考、他人协助考试等作弊异常行为。当前大多采用人工处理的方式检查录像，从而判断用户是否作弊，然而，这种方式不仅效率不高，且由于人工判断存在主观性，还容易出现漏检和误判的情况，从而导致判断结果不准确。4.因此，当前方法存在判断考试中用户是否存在异常行为的效率和准确率较低的技术问题，需要改进。技术实现要素：5.本技术提供一种异常行为判断方法、装置及存储介质，用于缓解当前方法存在的判断效率和准确率较低的技术问题。6.为了解决上述技术问题，本技术提供以下技术方案：7.本技术提供一种异常行为判断方法，应用于在线考试系统中的服务器，所述在线考试系统包括所述服务器、考试终端以及监控设备；该方法包括：8.根据所述考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息；9.获取所述监控设备发送的实时监控视频，所述监控设备的设备标识与所述考试终端的终端标识配对；10.对所述实时监控视频进行人脸识别，得到所述实时监控视频中用户的初始人脸图像；11.使用所述设备标识对应的人脸图像矫正模型，处理所述初始人脸图像，得到所述实时监控视频中用户的实际人脸图像；12.根据训练后的行为识别模型识别所述实时监控视频中的人体图像，得到所述实时监控视频中用户的人体姿态数据；13.根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据，得到所述目标用户的异常行为判断结果。14.相应的，本技术还提供一种异常行为判断装置，应用于在线考试系统中的服务器，所述在线考试系统包括所述服务器、考试终端以及监控设备；该装置包括：15.第一确定模块，用于根据所述考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息；16.第一获取模块，用于获取所述监控设备发送的实时监控视频，所述监控设备的设备标识与所述考试终端的终端标识配对；17.人脸识别模块，用于对所述实时监控视频进行人脸识别，得到所述实时监控视频中用户的初始人脸图像；18.图像矫正模块，用于使用所述设备标识对应的人脸图像矫正模型，处理所述初始人脸图像，得到所述实时监控视频中用户的实际人脸图像；19.行为识别模块，用于根据训练后的行为识别模型识别所述实时监控视频中的人体图像，得到所述实时监控视频中用户的人体姿态数据；20.判断模块，用于根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据，得到所述目标用户的异常行为判断结果。21.同时，本技术提供一种电子设备，其包括处理器和存储器，存储器用于存储计算机程序，处理器用于运行所述存储器里的计算机程序，以执行上述异常行为判断方法中的步骤。22.此外，本技术还提供一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行上述异常行为判断方法中的步骤。23.有益效果：本技术提供一种异常行为判断方法、装置及存储介质。该方法应用于在线考试系统中的服务器，该在线考试系统包括服务器、考试终端以及监控设备，具体地，服务器先根据考试终端的终端标识确定目标用户的考试场景信息和考场人脸信息，并获取监控设备发送的实时监控视频，其中，该监控设备的设备标识与考试终端的终端标识配对，然后对实时监控视频进行人脸识别，得到实时监控视频中用户的初始人脸图像，并使用该设备标识对应的人脸图像矫正模型处理该初始人脸图像，从而得到实时监控视频中用户的实际人脸图像，然后根据训练后的行为识别模型识别该实时监控视频中的人体图像，得到实时监控视频中用户的人体姿态数据，最后，根据实际人脸图像、考试场景信息、考场人脸信息、以及人体姿态数据，得到该目标用户的异常行为判断结果。该方法中监控设备的设备标识与考试终端的终端标识配对，使得服务器能快速获取与目标用户相关的实时监控视频，再利用与设备标识对应的人脸图像矫正模型，对实时监控视频中识别得到的初始人脸图像进行矫正处理，得到视频中用户的实时人脸图像，同时，利用训练后的行为识别模型识别实时监控视频中的人体图像，得到人体姿态数据，从而减少误判，最后结合与目标用户相关的考试场景信息和考场人脸信息得到行为判断结果，提高了判断的效率和准确率。附图说明24.下面结合附图，通过对本技术的具体实施方式详细描述，将使本技术的技术方案及其它有益效果显而易见。25.图1是本技术实施例提供的在线考试系统的系统架构图。26.图2是本技术实施例提供的异常行为判断方法的流程示意图。27.图3是本技术实施例提供的多人场景的场景示意图。28.图4是本技术实施例提供的异常行为判断装置的结构示意图。29.图5是本技术实施例提供的电子设备的结构示意图。具体实施方式30.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。31.本技术的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含；本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行。32.本技术提供一种异常行为判断方法、装置及存储介质，其中，该异常行为判断装置可以集成在电子设备中，该电子设备可以是服务器等。33.请参阅图1，图1是本技术实施例提供的在线考试系统的系统架构图，如图1所示，该系统可以包括终端以及设备，终端之间、设备之间、以及终端与设备之间通过各种网关组成的互联网等方式连接通信，其中，该在线考试系统中至少包括服务器101、考试终端102以及监控设备103：34.服务器101可以是独立的服务器，也可以是服务器组成的服务器网络或者服务器集群；例如，本技术中所描述的服务器，其包括但不限于计算机、网络主机、存储服务器以及应用服务器或者多个服务器构成的云服务器，其中云服务器由基于云计算(cloud computing)的大量计算机或者网络服务器构成。该服务器101主要执行异常行为判断方法的各个步骤，包括对实时监控视频的人脸识别、行为识别、判断目标用户的异常行为等。此外，服务器还设有数据库，用于存储存在异常行为的证据数据等。35.考试终端102指的是考生操作的终端，该终端可以是笔记本电脑、计算机等。36.监控设备103包括设置于考场的摄像头、考试终端自带的摄像头、以及第三方设备的摄像头。第三方设备可以通过扫描二维码等方式与考试终端匹配。37.需要说明的是，考试终端具备终端标识，监控设备也具备设备标识，终端标识和设备标识通过预设的关联表进行匹配，例如终端标识pc-1与设备标识ca-1匹配。38.服务器101、考试终端102以及监控设备103之间设有通信链路，以实现信息交互；通信链路的类型可以包括有线、无线通信链路或者光纤电缆等，本技术在此不做限制，其中：39.服务器先根据考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息，同时，监控设备将其采集的实时监控视频发送至服务器，其中，监控设备的设备标识与考试终端的终端标识配对，服务器获取到与考试终端匹配的监控设备采集的实时监控视频后，对该实时监控视频进行人脸识别，得到实时监控视频中用户的初始人脸图像，并使用设备标识对应的人脸图像矫正模型处理该初始人脸图像，从而得到实时监控视频中用户的实际人脸图像，然后根据训练后的行为识别模型识别该实时监控视频中的人体图像，得到实时监控视频中用户的人体姿态数据，最后，服务器根据实际人脸图像、考试场景信息、考场人脸信息、以及人体姿态数据，对目标用户的考试过程中发出的行为进行判断，从而得到该目标用户的异常行为判断结果。40.在上述异常行为的判断过程中，监控设备的设备标识与考试终端的终端标识配对，使得服务器能快速获取与目标用户相关的实时监控视频，再利用与设备标识对应的人脸图像矫正模型，对实时监控视频中识别得到的初始人脸图像进行矫正处理，得到视频中用户的实时人脸图像，同时，利用训练后的行为识别模型识别实时监控视频中的人体图像，得到人体姿态数据，从而减少误判，最后结合与目标用户相关的考试场景信息和考场人脸信息得到行为判断结果，提高了判断的效率和准确率。41.需要说明的是，图1所示的系统架构图仅仅是一个示例，本技术实施例描述的终端、设备以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。42.在本技术实施例中，请参阅图2所示，图2是本技术实施例提供的异常行为判断方法的流程示意图，该异常行为判断方法应用于在线考试系统中的服务器，该在线考试系统包括服务器、考试终端以及监控设备。该方法至少包括以下步骤：43.s201：根据考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息。44.在s201步骤之前，还可以包括：用户通过考试终端登录在线考试系统。具体的，用户登录在线考试系统的方式可以包括输入账号密码登录、二维码扫描登录等。45.需要说明的是，若用户是通过二维码扫描登录的在线考试系统，此时用于扫描二维码的第三方设备即与该在线考试系统进行了绑定，也即第三方设备上的摄像头也与该在线考试系统进行了绑定。46.在用户通过考试终端登录在线考试系统后，在线考试系统会给考试终端分配一个终端标识，用于根据终端标识唯一确定目标用户，从而进一步确定该目标用户对应的考试场景信息和考场人脸信息。例如用户a操作的考试终端的终端标识为pc-1，用户b操作的考试终端的标识为pc-2，当服务器已知终端标识为pc-1时，即可确定目标用户为用户a，从而进一步确定用户a对应的考试场景信息和考场人脸信息。47.其中，考试场景信息包括单人场景和多人场景，单人场景例如远程在线笔试，多人场景例如计算机考试等；考场人脸信息指的是考场中考试相关人员的人脸信息，对于单人场景，考场人脸信息可以仅包括考生的人脸信息，对于多人场景，考场人脸信息包括整个考场所有考生的人脸信息，还包括巡考人员的人脸信息。48.需要说明的是，考场人脸信息中的考生的人脸信息可以是开考前提前录入的，还可以是登录在线考试系统时采集的。49.s202：获取监控设备发送的实时监控视频，监控设备的设备标识与考试终端的终端标识配对。50.在本技术实施例中，监控设备可以包括考试终端自带的摄像头和第三方设备(例如手机)的摄像头，监控设备将各自采集的实时监控视频发送至服务器，服务器接收到各监控设备发送的实时监控视频后，对其进行三维融合，从而得到三维的实时监控视频。服务器通过终端设备的终端标识，可以快速定位与其匹配的监控设备的设备标识，从而快速获取到相应的监控设备采集的实时监控视频。此外，为了避免考试期间的替考情况发生，监控设备在整个考试过程中将一直处于开启状态，其采集的是整个考试过程中的实时监控视频。51.可选的，监控设备可以包括宽视频区间摄像头，采用这种摄像头可以有效克服视频畸变的问题。52.需要说明的是，监控设备的设备标识与考试终端的终端标识配对，一个考试终端可以与多个监控设备对应。例如，考试终端自带的摄像头的设备标识为ca-1，其对应的考试终端的终端标识为pc-1；考试终端自带的摄像头的设备标识为ca-1、第三方设备(例如手机)的摄像头的设备标识为te-1，ca-1和te-1匹配的终端标识均为pc-1。终端标识与设备标识的匹配关系可以通过链表等形式存储。53.s203：对实时监控视频进行人脸识别，得到实时监控视频中用户的初始人脸图像。54.为了避免考试过程中出现与考试无关的人员，需要提取出实时监控视频中出现的人脸，通过人脸识别从实时监控视频中提取的图像为初始人脸图像。55.s204：使用设备标识对应的人脸图像矫正模型，处理初始人脸图像，得到实时监控视频中用户的实际人脸图像。56.在一种实施例中，s204包括：获取人脸图像矫正模型集和标识模型映射关系，人脸图像矫正模型是基于教师图像矫正模型对学生图像矫正模型进行知识蒸馏得到的，教师图像矫正模型是基于监控设备的内参数据和畸变系数构建的图像样本集训练得到的，学生图像矫正模型是基于教师图像矫正模型构建的；根据设备标识和标识模型映射关系，从人脸图像校正模型集中确定设备标识对应的人脸图像矫正模型；根据设备标识对应的人脸图像矫正模型对初始人脸图像进行矫正处理，得到实时监控视频中用户的实际人脸图像。其中，人脸图像矫正模型集包括至少一个监控设备对应的人脸图像矫正模型；由于各监控设备的内参数据和畸变系数可能不同，因此，每个监配控设备都对应训练了与其匹的人脸图像矫正模型，为了快速确定各监控设备对应的人脸图像矫正模型，技术人员设计了标识模型映射关系，通过监控设备的设备标识即能从人脸图像矫正模型集中快速确定其对应的人脸图像矫正模型。57.可选的，人脸图像矫正模型的训练过程为：获取训练后的生成式对抗网络；其中，该生成式对抗网络包括图像判别模型和教师图像矫正模型；根据该教师图像矫正模型构建学生图像矫正模型；根据教师图像矫正模型对学生图像矫正模型进行知识蒸馏，得到人脸图像矫正模型。其中，生成式对抗网络预先通过图像样本训练得到，并用于对出现畸变的图像进行矫正；预先训练好的生成式对抗网络中的判别器为图像判别模型，生成器为教师图像校矫正模型，教师图像矫正模型可以用于对畸变图像进行图像矫正。然而，由于教师图像矫正模型的参数量较大，无法在手机、usb摄像头等终端中实现独立、实时的矫正运算，因此，在获取到预先训练好的生成式对抗网络后，将生成式对抗网络中的教师图像矫正模型作为教师模型来构建其对应的学生模型，得到学生图像矫正模型。58.具体的，生成式对抗网络的训练过程包括：根据监控设备的内参数据和畸变系数构建图像样本集；根据该图像样本集对生成式对抗网络进行训练，得到训练后的生成式对抗网络。其中，图像样本集为用于训练生成式对抗网络的图像数据集，图像样本集由畸变图像和未畸变图像组成，畸变图像为未畸变图像在发生畸变后的图像。其中，畸变图像可以基于监控设备的内参数据和畸变系数对未畸变图像进行处理得到。本技术中的监控设备优选鱼眼相机，但不仅仅限于鱼眼相机。59.此外，在根据教师图像矫正模型构建学生图像矫正模型的过程中，可以对教师图像矫正模型进行剪枝、参数共享等方式来构建学生图像矫正模型，并使教师图像矫正模型来辅助学生图像矫正模型进行训练，从而实现将教师图像矫正模型学到的知识迁移至学生图像矫正模型中，进而使得蒸馏后的学生图像矫正模型(也即本技术中的人脸图像矫正模型)具备与教师图像矫正模型一样的图像矫正的功能。60.s205：根据训练后的行为识别模型识别实时监控视频中的人体图像，得到实时监控视频中用户的人体姿态数据。61.在一种实施例中，在s205之前还包括：获取模拟的考试行为数据；根据模拟的考试行为数据训练初始行为识别模型，得到训练后的行为识别模型。其中，模拟的考试行为数据指的是模拟的考试中的作弊行为的相关数据，其包括视线偏移时间超过预设时长、头部偏离时间超过预设时长、低头时间超过预设时长、掏兜等。62.具体的，为了避免误判，提高判断的准确率和效率，本技术实施例提出了采用模型训练的方式训练行为识别模型，根据模拟的考试行为数据训练行为识别模型，通过模型训练的方式增强姿态识别的准确率，从而得到训练后的行为识别模型。通过训练后的行为识别模型对实时监控视频进行识别，从而得到与作弊行为相关的人体姿态数据，能有效避免作弊行为识别中的误判。为了尽可能的避免误判，进一步提高判断的准确率，在后续作弊异常行为的判断中，还会将此次识别出来的人体姿态数据与预设异常姿态数据库中的预设异常姿态进行匹配，具体的内容将在下文中进行描述。63.s206：根据实际人脸图像、考试场景信息、考场人脸信息、以及人体姿态数据，得到目标用户的异常行为判断结果。64.在一种实施例中，s206包括：在考试场景信息表征为单人场景时，解析实际人脸图像，得到实际人脸数量和实际人脸信息；判断实际人脸数量是否满足预设单人阈值，得到数量判断结果；若数量判断结果表征实际人脸数量不满足预设单人阈值，则记录数量异常次数，在数量异常次数超过预设数量异常次数时，确定单人场景下的目标用户存在异常行为；若数量判断结果表征实际人脸数量满足预设单人阈值，则根据实际人脸信息、考场人脸信息以及人体姿态数据，得到目标用户的异常行为判断结果。其中，单人场景指的是仅有考生一人进行考试的场景，例如远程线上考试；在本技术实施例中，预设单人阈值可以是1，预设数量异常次数可以是人为设置的(例如，3次)等。65.具体的，在单人场景下，服务器先对前述步骤获取的实际人脸图像进行解析，该解析过程包括人脸识别过程，从而得到实时监控视频中出现的实际人脸数量和实际人脸信息，在得到实际人脸数量后，先判断实际人脸数量是否满足预设单人阈值从而得到数量判断结果；在数量判断结果表征实际人脸数量不等于1(即不满足预设单人阈值)时，则说明该考试场景下存在出现考生以外的人(说明考生可能存在向非考试人员求助等的作弊行为)、或者该考试场景下监控设备采集范围内检测不到考生(说明考生有可能存在躲避监控设备从而进行查阅参考资料等的作弊行为)，此时需要记录单人场景下出现考生以外的人、或者监控设备采集范围内检测不到考生的次数，即数量异常次数n1，在数量异常次数n1超过预设数量异常次数(例如3次)时，则可以确定该单人场景下的目标用户存在异常行为，此时的异常行为可以包括有非考生用户进入考试场景；在数量判断结果表征人脸数量等于1(即满足预设单人阈值)时，则再根据实际人脸信息、考场人脸信息以及人体姿态数据对目标用户的考试行为进行进一步的判断，从而得到目标用户的异常行为判断结果，其具体的判断方式将在下文中进行描述。66.在一种实施例中，若数量判断结果表征实际人脸数量满足预设单人阈值，则根据实际人脸信息、考场人脸信息以及人体姿态数据，得到目标用户的异常行为判断结果的步骤包括：若数量判断结果表征实际人脸数量满足预设单人阈值，则根据实际人脸信息和考场人脸信息，确定目标用户的身份验证结果；若身份验证结果表征实际人脸信息和考场人脸信息不一致，则确定单人场景下的目标用户存在异常行为；若身份验证结果表征实际人脸信息和考场人脸信息一致，则根据人体姿态数据，得到目标用户的异常行为判断结果。其中，单人场景下的考场人脸信息指的是考生的人脸信息，其可以是考生登录在线考试系统时采集的人脸信息，还可以是考生在报名考试时提供的证件照的人脸信息等。67.根据前述步骤，在数量判断结果表征实际人脸数量等于1(即不满足预设单人阈值)时，则说明当前考试场景中仅出现一张人脸，为了避免替考等行为的发生，此时需要根据实时监控视频中解析出来的实际人脸信息和提前获取的考场人脸信息对实时监控视频中的“考生”进行身份验证，从而确定身份验证结果，若身份验证结果表征实时监控视频中的“考生”的实际人脸信息和提前获取的考场人脸信息不一致，则说明实时监控视频中的“考生”和报名参加的考生信息不一致，也即出现了替考行为，从而可以确定该单人场景下的目标用户存在异常行为；若身份验证结果表征实时监控视频中的“考生”的实际人脸信息和提前获取的考场人脸信息一致，则说明该单人场景下确实是考生本人在参加考试，此时需要根据考生的人体姿态数据对用户的考试行为进行进一步的判断，从而得到目标用户的异常行为判断结果，其具体的判断方式将在下文中进行描述。68.在一种实施例中，若身份验证结果表征实际人脸信息和考场人脸信息一致，则根据人体姿态数据，得到目标用户的异常行为判断结果的步骤包括：若身份验证结果表征实际人脸信息和考场人脸信息一致，则获取预设异常姿态数据库；根据人体姿态数据和预设异常姿态数据库，确定姿态匹配结果；若姿态匹配结果表征人体姿态数据与预设异常姿态数据库中的异常姿态数据匹配，则记录异常姿态匹配次数；在异常姿态匹配次数超过预设匹配阈值时，确定单人场景下的目标用户存在异常行为。其中，预设异常姿态数据库包括各类考试中可能出现的作弊行为的异常姿态(例如掏兜、翻看资料、查阅手机等)；预设匹配阈值指的是人为设定或者系统默认的能容忍异常姿态出现的最大次数，例如3次。69.具体的，若根据前述步骤得到的身份验证结果表征实时监控视频中的“考生”的实际人脸信息和提前获取的考场人脸信息一致，则根据前述步骤分析得到的考生的人体姿态数据和获取的预设异常姿态数据库进行匹配分析，得到姿态匹配结果，若姿态匹配结果表征该考生的人体姿态数据与预设异常姿态数据库中的异常姿态数据匹配，则说明该考生当前的姿态和考试中可能出现的某种作弊行为的异常姿态一致，此时需要记录异常姿态匹配次数n2，在异常姿态匹配次数n2超过预设匹配阈值(例如3次)时，例如目标用户查阅手机、翻看资料超过3次，确定该单人场景下的目标用户存在异常行为。70.在一种实施例中，s206还包括：在考试场景信息表征为多人场景时，解析实际人脸图像，得到实际人脸信息；根据实际人脸信息和考场人脸信息，确定目标用户的身份验证结果；若身份验证结果表征实际人脸信息和考场人脸信息不一致，则确定多人场景下的目标用户存在异常行为。其中，多人场景指的是有多名考生处于同一考场下的考试场景，且除考生外可能还存在巡考人员，例如计算机考试。71.如图3所示，图3是本技术实施例提供的多人场景的场景示意图。在多人场景下，由于无法根据实时监控视频中出现的实际人脸数量进行初步的异常行为的判断，只能先判断实时监控视频中出现的人脸(例如图3中出现的人员a、人员b和人员c)是否为考试相关人员(包括考生和巡考人员)，具体的，图3中的考试终端对应的目标用户为人员b，服务器先解析人脸数据得到实时监控视频中出现的人员a、人员b和人员c的实际人脸信息，然后根据实时监控视频中出现的人员a、人员b和人员c的实际人脸信息和提前获取的考场人脸信息，确定实时监控视频中出现的人员a、人员b和人员c的身份验证结果，若身份验证结果表征实时监控视频中出现的各个人员的实际人脸信息和考场人脸信息不一致(例如图3中出现的人员a的人脸与考场人脸信息不符，则说明人员a为非考场人员，人员a可能存在协助人员b进行作弊；又例如图3中的目标用户人员b的人脸与考场人脸信息不符，则说明目标用户可能存在替考行为)，此时可以确定该多人场景下的目标用户存在异常行为。72.进一步的，若身份验证结果表征实际人脸信息和考场人脸信息一致，则可以根据前述步骤提及的异常姿态匹配方法确定目标用户是否存在异常姿态超过预设匹配阈值的情况，从而进一步判断目标用户是否存在异常行为。73.在一种实施例中，在s206之后还包括：根据异常行为判断结果，生成异常预警内容；发送携带异常预警内容的预警指令至考试终端，以使得考试终端以弹窗的形式展示异常预警内容。74.为了警醒目标用户，服务器还可以根据异常行为判断结果生成异常预警内容，例如“xx考生，监控显示您在考试中存在异常行为，特此警告，请考生规范自己的考试行为，否则取消此次考试成绩”，并发送携带该异常预警内容的预警指令至考试终端，考试终端响应该预警指令，以弹窗的形式展示该异常预警内容给目标用户。75.除此之外，为了方便监管的复核、抽检、投诉处理等，本技术实施例还可以根据前述步骤获取的实时监控视频生成数据证据，并通过目标用户的用户信息对其进行标记后，再存储至服务器的数据库中，提高了后续证据查询的速度。76.通过上述各实施例可知，本技术的异常行为判断方法将监控设备的设备标识与考试终端的终端标识配对设置，使得服务器能快速获取与目标用户相关的实时监控视频，再利用与设备标识对应的人脸图像矫正模型，对实时监控视频中识别得到的初始人脸图像进行矫正处理，得到视频中用户的实时人脸图像，同时，利用训练后的行为识别模型识别实时监控视频中的人体图像，得到人体姿态数据，从而减少误判，最后结合与目标用户相关的考试场景信息和考场人脸信息得到行为判断结果，提高了判断的效率和准确率。77.基于上述实施例的内容，本技术实施例提供了一种异常行为判断装置，该装置应用于在线考试系统中的服务器，该在线考试系统包括所述服务器、考试终端以及监控设备。具体地，请参阅图4，该装置包括：78.第一确定模块401，用于根据所述考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息；79.第一获取模块402，用于获取所述监控设备发送的实时监控视频，所述监控设备的设备标识与所述考试终端的终端标识配对；80.人脸识别模块403，用于对所述实时监控视频进行人脸识别，得到所述实时监控视频中用户的初始人脸图像；81.图像矫正模块404，用于使用所述设备标识对应的人脸图像矫正模型，处理所述初始人脸图像，得到所述实时监控视频中用户的实际人脸图像；82.行为识别模块405，用于根据训练后的行为识别模型识别所述实时监控视频中的人体图像，得到所述实时监控视频中用户的人体姿态数据；83.判断模块406，用于根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据，得到所述目标用户的异常行为判断结果。84.在一种实施例中，图像矫正模块404包括：85.第二获取模块，用于获取人脸图像矫正模型集和标识模型映射关系，所述人脸图像矫正模型是基于教师图像矫正模型对学生图像矫正模型进行知识蒸馏得到的，所述教师图像矫正模型是基于监控设备的内参数据和畸变系数构建的图像样本集训练得到的，所述学生图像矫正模型是基于所述教师图像矫正模型构建的；86.模型确定模块，用于根据所述设备标识和所述标识模型映射关系，从所述人脸图像校正模型集中确定所述设备标识对应的人脸图像矫正模型；87.矫正处理模块，用于根据所述设备标识对应的人脸图像矫正模型对所述初始人脸图像进行矫正处理，得到所述实时监控视频中用户的实际人脸图像。88.在一种实施例中，异常行为判断装置还包括：89.行为数据获取模块，用于获取模拟的考试行为数据；90.模型训练模块，用于根据所述模拟的考试行为数据训练初始行为识别模型，得到训练后的行为识别模型。91.在一种实施例中，判断模块406包括：92.第一解析模块，用于在所述考试场景信息表征为单人场景时，解析所述实际人脸图像，得到实际人脸数量和实际人脸信息；93.数量判断模块，用于判断所述实际人脸数量是否满足预设单人阈值，得到数量判断结果；94.第一判断子模块，用于若所述数量判断结果表征所述实际人脸数量不满足所述预设单人阈值，则记录数量异常次数，在所述数量异常次数超过预设数量异常次数时，确定所述单人场景下的所述目标用户存在异常行为；95.第二判断子模块，用于若所述数量判断结果表征所述实际人脸数量满足预设单人阈值，则根据所述实际人脸信息、所述考场人脸信息以及所述人体姿态数据，得到所述目标用户异常行为判断结果。96.在一种实施例中，第二判断子模块包括：97.第一身份验证模块，用于若所述数量判断结果表征所述实际人脸数量满足预设单人阈值，则根据所述实际人脸信息和所述考场人脸信息，确定所述目标用户的身份验证结果；98.第三判断子模块，用于若所述身份验证结果表征所述实际人脸信息和所述考场人脸信息不一致，则确定所述单人场景下的所述目标用户存在异常行为；99.第四判断子模块，用于若所述身份验证结果表征所述实际人脸信息和所述考场人脸信息一致，则根据所述人体姿态数据，得到所述目标用户的异常行为判断结果。100.在一种实施例中，第四判断子模块包括：101.第二获取模块，用于若所述身份验证结果表征所述实际人脸信息和所述考场人脸信息一致，则获取预设异常姿态数据库；102.姿态匹配模块，用于根据所述人体姿态数据和所述预设异常姿态数据库，确定姿态匹配结果；103.次数记录模块，用于若所述姿态匹配结果表征所述人体姿态数据与所述预设异常姿态数据库中的异常姿态数据匹配，则记录异常姿态匹配次数；104.第五判断子模块，用于在所述异常姿态匹配次数超过预设匹配阈值时，确定所述单人场景下的所述目标用户存在异常行为。105.在一种实施例中，判断模块406还包括：106.第二解析模块，用于在所述考试场景信息表征为多人场景时，解析所述实际人脸图像，得到实际人脸信息；107.第二身份验证模块，用于根据所述实际人脸信息和所述考场人脸信息，确定所述目标用户的身份验证结果；108.第六判断子模块，用于若所述身份验证结果表征所述实际人脸信息和所述考场人脸信息不一致，则确定所述多人场景下的所述目标用户存在异常行为。109.在一种实施例中，异常行为判断装置还包括：110.内容生成模块，用于根据所述异常行为判断结果，生成异常预警内容；111.内容发送模块，用于发送携带所述异常预警内容的预警指令至所述考试终端，以使得所述考试终端以弹窗的形式展示所述异常预警内容。112.区别于当前的技术，本技术提供的异常行为判断装置设置了第一获取模块、图像矫正模块、行为识别模块和判断模块，通过第一获取模块获取与考试终端配对的监控设备采集的实时监控视频，使得服务器能快速获取与目标用户相关的实时监控视频，通过图像矫正模块对实时监控视频中识别得到的初始人脸图像进行矫正处理，得到视频中用户的实时人脸图像，通过行为识别模块利用训练后的行为识别模型识别实时监控视频中的人体图像，从而得到人体姿态数据，从而减少误判，通过判断模块结合与目标用户相关的考试场景信息和考场人脸信息得到行为判断结果，提高了判断的效率和准确率。113.相应的，本技术实施例还提供一种电子设备，如图5所示，该电子设备可以包括有一个或者一个以上处理核心的处理器501、无线(wifi，wireless fidelity)模块502、有一个或一个以上计算机可读存储介质的存储器503、音频电路504、显示单元505、输入单元506、传感器507、电源508、以及射频(rf，radio frequency)电路509等部件。本领域技术人员可以理解，图5中示出的电子设备的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：114.处理器501是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器503内的软件程序和/或模块，以及调用存储在存储器503内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。在一种实施例中，处理器501可包括一个或多个处理核心；优选的，处理器501可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器501中。115.wifi属于短距离无线传输技术，电子设备通过无线模块502可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了无线模块502，但是可以理解的是，其并不属于终端的必需构成，完全可以根据需要在不改变发明的本质的范围内而省略。116.存储器503可用于存储软件程序以及模块，处理器501通过运行存储在存储器503的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器503可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器503可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器503还可以包括存储器控制器，以提供处理器501和输入单元506对存储器503的访问。117.音频电路504包括扬声器，扬声器可提供用户与电子设备之间的音频接口。音频电路504可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出。118.显示单元505可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元505可包括显示面板，在一种实施例中，可以采用液晶显示器(lcd，liquid crystal display)、有机发光二极管(oled，organic light-emitting diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器501以确定触摸事件的类型，随后处理器501根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中，触敏表面与显示面板是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。119.输入单元506可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元506可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一种实施例中，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器501，并能接收处理器501发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元506还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。120.电子设备还可包括至少一种传感器507，比如光传感器，具体地，光传感器可包括环境光传感器及距离传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度；至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。121.电子设备还包括给各个部件供电的电源508(比如电池)，优选的，电源可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源508还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。122.射频电路509可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器501处理；另外，将涉及上行的数据发送给基站。通常，射频电路509包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(sim，subscriber identity module)卡、收发信机、耦合器、低噪声放大器(lna，low noise amplifier)、双工器等。此外，射频电路509还可以通过无线通信与网络和其他设备通信。无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(gsm，global system of mobile communication)、通用分组无线服务(gprs，general packet radio service)、码分多址(cdma，code division multiple access)、宽带码分多址(wcdma，wideband code division multiple access)、长期演进(lte，long term evolution)、电子邮件、短消息服务(sms，short messaging service)等。123.尽管未示出，电子设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备中的处理器501会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器503中，并由处理器501来运行存储在存储器503中的应用程序，从而实现以下功能：124.根据所述考试终端的终端标识，确定目标用户的考试场景信息和考场人脸信息；125.获取所述监控设备发送的实时监控视频，所述监控设备的设备标识与所述考试终端的终端标识配对；126.对所述实时监控视频进行人脸识别，得到所述实时监控视频中用户的初始人脸图像；127.使用所述设备标识对应的人脸图像矫正模型，处理所述初始人脸图像，得到所述实时监控视频中用户的实际人脸图像；128.根据训练后的行为识别模型识别所述实时监控视频中的人体图像，得到所述实时监控视频中用户的人体姿态数据；129.根据所述实际人脸图像、所述考试场景信息、所述考场人脸信息、以及所述人体姿态数据，得到所述目标用户的异常行为判断结果。130.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于计算机可读存储介质中，并由处理器进行加载和执行。131.为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以实现上述异常行为判断方法的功能。132.其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。133.以上对本技术实施例所提供的异常行为判断方法、装置、电子设备以及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!