尹力威，王瀚林，雷奕达，钱鹏宇

（1.西南交通大学 利兹学院，四川 成都 611756；2.西南交通大学 电气工程学院，四川 成都 611756）

0 引 言

近年来，随着教育改革的推进，对学生的考核日益严格，考试科目与次数都在增加，然而传统监考模式却已无法满足学校对于监考的需求。若采用人工监考，存在监考人员任务重，无法在大型考试中及时发现学生的作弊行为等问题；若采用无人监考，存在难以保证考试公平性等问题[1-3]。因此，研发一种具有智能化功能的监考系统实乃当下所需。

近年来，国内在计算机视觉技术及视频处理技术方面已取得长足进步[4]，为智能监考系统的设计提供了技术支持。目标检测（Object Detection）是计算机图像、视频处理工作的基础[5]。目标检测即检测图片中的目标物体，需输出图像中所有目标的坐标框与目标的具体类别[6]。YOLO（You Only Look Once, YOLO）算法和SSD（Single Shot Multibox Detector, SSD）算法[7-12]都是深度学习网络应用于目标检测的典型实例。在上述算法中，SSD算法检测性能相对更优[13]。

本文基于OpenCV-Python平台设计了一种SDD算法，可通过前期大量训练集的练习，并结合视频处理技术实现适用于学校的智能监考系统。本系统的使用有利于推进学校标准化、智能化考场建设，为监考人员减负的同时提升监考效果。

1 系统整体设计

基于计算机视觉的学校智能监考系统工作流程如图1所示。其工作流程分为以下四步：

（1）启动系统并获取视频资料（既可输入摄像头实时视频流，也可输入本地视频流）；

（2）对已获取的视频资料进行预处理（本系统利用视频捕获处理算法对视频流进行分帧操作，以10 FPS的速度均匀读入并保存为图像）；……