范子健，徐 晶，刘 威

(华中科技大学电子信息与通信学院,湖北 武汉 430074)

1 引言

随着计算机技术和Internet的兴起与发展，利用联网的计算机进行在线考试日益成为一种趋势。目前，在线考试已成功应用于托福、雅思、在线学习、企业招聘等领域。与此同时，由于在线考试时间与空间上的不确定性，如何有效监测考试者的行为成为了一个愈发重要的课题[1]。

目前，在线考试监测主要集中在考试者的身份识别方面。例如通过对比指纹验证、虹膜识别、人脸识别、声音识别等方式判别是否存在替考现象[2]。然而，这种方式忽略了考试者在考试过程中的异常行为。考试者的行为通常表现在姿态上的变化：正常的考试者正视显示屏，双手放置在桌面上进行答题操作；而行为异常的考试者则会在考试过程中东张西望、交头接耳、低头查看资料等。

针对上述行为异常，传统的方案主要采用摄像头实时采集图像，并由监督者人工识别。近来一些图像分析技术被引入监测考试者的行为[3]。然而，这些基于2D图像的识别方法存在着一定的局限性[4]。首先，2D图像丢失了深度数据，无法精准判别人体姿态；其次，这些方法针对光照等环境条件鲁棒性较差。伴随着体感技术的进步，微软体感测量仪Kinect可以利用红外线测量深度信息并提供人体的骨骼位置和头部偏转角度信息，较之2D图像识别更加准确[5]。本研究组[6]前期利用Kinect采集的深度数据进行人体轮廓分析，从而实现了对学生举手、站立等行为的准确识别。……