周晓宇 李连民 张义骞 胡沛逊 仝玉璘 张恩

摘要：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。

关键词：TensorFlow;YOLOv3;人工智能;目标检测

中图分类号：TP391   文献标识码：A

文章编号：1009-3044（2021）35-0075-02

近年来，随着教育的现代化，传统的考试监督方式不太适合形势发展，人工监考存在着漏洞，大型考试作弊的事情很难及时发现，给考试带来了不公平，因此，智能监考系统迎刃而出。

随着近年来计算机视觉技术以及网络的快速发展，基于python的目标检测作为计算机视觉一大应用，使用深度学习进行目标检测，并结合算法，可以实时的目标检测，OpenCV深度学习的实时目标检测需要有效介入摄像头，这里在介绍目标检测时用的主要的算法，SSD（Single Shot Detectors）算法和YOLO（You Only Look Once）算法。

本文通过python环境设计了YOLO 算法，通过数据集进行训练模型，并结合图像处理技术实现智能监考系统。……