基于TensorFlow智能监考系统的研究与开发
对于疫情期间线上考试人工监考费时费力,很难发现学生作弊行为而且难以当场取证的问题,文中设计了一种利用YOLO算法设计,基于TensorFlow的智能监考系统.此系统通过收取关于作弊的面部表情变化图像建立起训练集模型,对作弊过程中面部的表情(例如紧张,眼神飘忽不定等)进行分类,从而实现该系统功能.此系统不仅可以对考场内学生进行实时监测并提醒,且对学生作弊产生的面部表情以及正在进行的作弊行为进行取证.经过测试,此系统能够在规定场景中正常运行及识别作弊准确率达68.5%,不仅仅满足疫情期间学校对学生实时监考的要求,而且为今后无人监考系统大规模实施提供了有效参考数据.
TensorFlow;YOLOv3;人工智能;目标检测
17
TP391(计算技术、计算机技术)
河南科技大学大学生研究训练计划项目SRTP;2020098
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
75-76,84