基于卡尔曼滤波的考生异常行为检测与识别

第33卷第6期2017年11月

齐齐哈尔大学学报（自然科学版）

Journal of Qiqihar University(Natural Science Edition)

Vol.33,No.6

Nov.,2017

基于卡尔曼滤波的考生异常行为检测与识别

张银霞，马小川，杨季彪，徐雪南

(齐齐哈尔大学现代教育技术中心，黑龙江齐齐哈尔161006)

摘要：为了利用考场的监控视频提高监考效率，节约人力资源，提出了结合累积背景差分与帧差进行异常检测，利用卡尔曼滤波跟踪学生异常行为并提取异常特征，使用Softmax分类器进行分类识别的方法，实现了考生异常行 为的自动识别检测与分类。实验结果表明，能够对考生的异常行为进行有效的检测与分类，提高了考场监控能力。

关键词：累积背景差分与帧差；卡尔曼滤波；异常检测；Softmax

中图分类号：TP391 文献标志码：A 文章编号：1007-984X(2017)06-0016-04

随着科技的进步，各行各业的各种类型的考试考场里通常都安装了视频监控设施，但是监控视频通常 用于警示考生或是在考试结束后回放视频配合监考人员对考生违纪取证。如果能够自动地从监控视频中实 时地检测并捕获考生的违纪行为信息，生成违纪图片，及时告警提醒考试管理人员现场处理考生的违纪行 为，从而实现无人监考，既维护了考试的客观公正，又提高考试的质量和效率，降低考试成本。

目前国内外关于考试监控智能视频分析技术的研究与应用较少，美国的Proctortrack公司研发了单人版 在线测试监控分析系统，能够对考生的眼睛朝摄像头之外区域看、改变灯光、与别人说话等行为进行检测，国内关于考试监控视频的研究主要集中在替考、中途离场、多人作答等方面的研究。

本文分析了考生考试过程的异常行为，采用背景差分法与帧差法相结合的方法进行异常检测，采用卡 尔曼滤波进行异常行为跟踪，并提取运动特征，通过Softmax分类器根据异常运动特征实现异常行为的分类。

1视频监控中考生行为分析

考场中考生的座位固定，摄像头固定，光线相对稳定，因此，在考生行为分析中可以不考虑镜头的摆 动、光线的变化带来的噪声。但是考生在考试过程中的正常行为与违纪行为动作幅度小，动作种类多样，比较难于区分。考生的违纪行为一般幅度较小，动作隐蔽，时间短，要与考生正常的身体晃动，或是手部 脸部的动作相区分，检测难度大。

但是，考生的异常行为还是存在着一些规律的，基本可以分为：串坐、说话（与他人或是通过无线设 备），看纸条、手机或其它电子设备，东张西望等，各种类别的动作存在着微小的差别，因此在关于考试监 控视频中异常行为检测中，检测粒度应该细小。

2背景差分法与帧差法相结合

运动目标检测，多采用背景差分法、光流法和帧差法。其中背景差分法能够完整、快速地分割出运动 对象，但是容易受到光线变化的影响，不适合摄像头运动的情况。光流法能够检测独立运动的对象，适合 摄像头运动的情况，但计算复杂耗时，很难实时检测。帧差法受光线变化影响较小，简单快速，但不能分 割出完整的运动对象，需进一步运用目标分割算法。

背景差分法和帧差法各有优缺点，将二者结合，将会得到更准确的结果。

采用多帧图像的累积平均值作为背景，先利用帧间差别检测出动态变化，然后与背景进行比较，如果收稿日期：2017-06-23

基金项目：黑龙江省大学生创新创业训练计划项(201510221040);黑龙江省自然科学基金项目（F2015023);齐齐哈尔市科技 局工业攻关项目（GYGG-201317)

作者简介：张银霞（1971-)，女，黑龙江海林人，教授，硕士，主要从事计算机视觉及智能信息处理研究，zh_yinxia@https://www.wendangku.net/doc/1b10791852.html,。