一種在線考試中實(shí)時(shí)圖像監(jiān)考系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

黃志威，宋鴻陟，司國(guó)東

（華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，廣州 510642）

一種在線考試中實(shí)時(shí)圖像監(jiān)考系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

黃志威，宋鴻陟，司國(guó)東

（華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，廣州 510642）

0　引言

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，采用在線考試的情況越來(lái)越多［1］。在線考試提供了便捷的考試方式和低廉的考試成本，也帶來(lái)了一些新的問(wèn)題，特別是作弊監(jiān)控方面的不足。為了取得理想的成績(jī)，考生可能利用監(jiān)考教師的疏忽進(jìn)行作弊。

目前，在線考試中的監(jiān)考方式主要有兩種：一是人工監(jiān)考，監(jiān)考教師驗(yàn)證考生真實(shí)身份并在考試過(guò)程中監(jiān)控考生考試行為。二是視頻錄像監(jiān)控，在人工監(jiān)考的基礎(chǔ)上，使用視頻監(jiān)控裝置來(lái)監(jiān)控整個(gè)考場(chǎng)。人工監(jiān)考時(shí)考生作弊與否完全由監(jiān)考教師主觀判斷，時(shí)間長(zhǎng)、壓力大，容易出現(xiàn)疏漏。考試完畢，難以保留可供后續(xù)復(fù)審的監(jiān)考記錄。而視頻錄像監(jiān)控很難對(duì)不同位置的考生提供相同的監(jiān)控力度，較易出現(xiàn)監(jiān)控死角。

針對(duì)在線考試中一些常規(guī)的作弊行為以及考場(chǎng)視頻監(jiān)控存在的問(wèn)題，本文采用Web實(shí)時(shí)技術(shù)實(shí)現(xiàn)考場(chǎng)的實(shí)時(shí)圖像監(jiān)控，綜合運(yùn)用人臉檢測(cè)和人臉識(shí)別對(duì)考場(chǎng)圖像進(jìn)行處理和分析實(shí)現(xiàn)考生作答行為判別，設(shè)計(jì)并實(shí)現(xiàn)一個(gè)基于圖像的在線考試作弊監(jiān)控系統(tǒng)。該系統(tǒng)不僅可以有效地監(jiān)控每個(gè)考生的考試情況，而且可以對(duì)他人替考、多人作答、擅自離開(kāi)、中途換人等情況進(jìn)行分析和判斷。該系統(tǒng)能對(duì)在線考試的監(jiān)考工作提供輔助和補(bǔ)充，具有一定的應(yīng)用價(jià)值。

1　關(guān)鍵技術(shù)

WebRTC是一項(xiàng)在瀏覽器內(nèi)部進(jìn)行實(shí)時(shí)視頻和音頻數(shù)據(jù)通信的技術(shù)［2］。該技術(shù)使得瀏覽器能作為實(shí)時(shí)視頻和音頻通信平臺(tái)，通過(guò)瀏覽器提供JavaScript API接口調(diào)用本地媒體設(shè)備，從而屏蔽底層硬件實(shí)現(xiàn)或操作系統(tǒng)之間的差異。本文通過(guò)瀏覽器的WebRTC模塊調(diào)用本地?cái)z像設(shè)備。

WebSocket是一種新的瀏覽器與服務(wù)器之間的全雙工通訊方式［3］。不同于基于HTTP協(xié)議的請(qǐng)求/響應(yīng)的信息交互模式，WebSocket最重要特性是使得瀏覽器和服務(wù)器之間能夠建立類(lèi)似TCP Socket的持續(xù)、雙向、有狀態(tài)的連接。本文使用WebSocket技術(shù)實(shí)現(xiàn)瀏覽器和服務(wù)器之間的實(shí)時(shí)圖像數(shù)據(jù)傳輸。

人臉檢測(cè)是在給定任意圖像中確定是否存在人臉，若存在則返回人臉圖象的位置［4］?；贏daboost算法的人臉檢測(cè)方法［5］，極大地提高了人臉檢測(cè)的速度和精度，使人臉檢測(cè)技術(shù)真正走向?qū)嵱谩?/p>

基于AdaBoost算法的人臉檢測(cè)首先使用Haar特征表示人臉，并通過(guò)積分圖實(shí)現(xiàn)特征數(shù)值的快速計(jì)算。然后使用AdaBoost算法挑選代表人臉的矩形特征 （弱分類(lèi)器），按照加權(quán)投票的方式將弱分類(lèi)器構(gòu)造為一個(gè)強(qiáng)分類(lèi)器。最后將訓(xùn)練得到的若干強(qiáng)分類(lèi)器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)層疊分類(lèi)器。待檢測(cè)圖像依次通過(guò)分類(lèi)器，最終檢測(cè)出人臉圖像。

為了得到水平對(duì)齊和相同裁剪尺度的人臉圖像，本文根據(jù)人臉五官分布的先驗(yàn)知識(shí)［6］，首先定位雙眼的中心位置，然后通過(guò)雙眼中心的連線與水平方向的夾角來(lái)確定人臉的旋轉(zhuǎn)角度，最后通過(guò)水平和垂直方向的平移和仿射變換，得到最終的人臉圖像。

人臉識(shí)別是將待識(shí)別人臉圖像與若干已知身份的人臉圖像進(jìn)行對(duì)比，找出與之匹配的身份，從而達(dá)到身份識(shí)別與鑒定的目的［7］。人臉識(shí)別的過(guò)程主要包括兩個(gè)方面：特征提取和特征分類(lèi)。本文使用Fisherfaces方法［8］用作特征提取，使用基于余弦相似度的K最近鄰算法［9］用作特征分類(lèi)。

Fisherfaces方法首先采用PCA（Principal Component Analysis，主成分分析）將高維空間的樣本投影到低維空間以保證類(lèi)內(nèi)散布矩陣是非奇異的，然后采用FLDA（Fisher Linear Discriminating Analysis，F(xiàn)isher線性判別分析）得到人臉的最佳分類(lèi)特征集。

基于余弦相似度的K最近鄰算法通過(guò)已知訓(xùn)練集中樣本與所屬類(lèi)別的對(duì)應(yīng)關(guān)系，計(jì)算測(cè)試樣本與訓(xùn)練集樣本的余弦相似度，然后選擇并統(tǒng)計(jì)訓(xùn)練集中最相似的前k個(gè)樣本（最近鄰）的類(lèi)別，最終認(rèn)為測(cè)試樣本屬于最多數(shù)類(lèi)別。

2　監(jiān)考方案

本文提出的實(shí)時(shí)圖像監(jiān)考方案是對(duì)在線考試的監(jiān)考工作的一種輔助和補(bǔ)充手段。根據(jù)考試進(jìn)程的發(fā)展，該方案主要分為報(bào)名階段和考試階段。其中，考試階段細(xì)分成三個(gè)環(huán)節(jié)：登錄驗(yàn)證、持續(xù)監(jiān)考、備份資料。各個(gè)環(huán)節(jié)隨著考試時(shí)間的發(fā)展逐步推進(jìn)。監(jiān)考方案如圖1所示。

圖1　監(jiān)考方案

籌備考試時(shí)，系統(tǒng)進(jìn)入報(bào)名階段?？忌枰蟼鹘谡掌?。這些照片用于考試現(xiàn)場(chǎng)的身份驗(yàn)證。發(fā)放認(rèn)證書(shū)時(shí)，也以此照片為準(zhǔn)。因此，照片中只能出現(xiàn)考生本人，并能清晰顯示考生的正臉?？荚嚬ぷ魅藛T需要核對(duì)上傳照片，核實(shí)是否為考生本人。

考試開(kāi)始前，系統(tǒng)進(jìn)入登錄驗(yàn)證環(huán)節(jié)，啟動(dòng)攝像設(shè)備，對(duì)考生進(jìn)行自動(dòng)拍照和身份驗(yàn)證。只有通過(guò)驗(yàn)證的考生，才允許參加考試。對(duì)于未通過(guò)驗(yàn)證的考生，監(jiān)考老師可以現(xiàn)場(chǎng)核實(shí)，決定是否對(duì)該考生放行。

考試進(jìn)行時(shí)，系統(tǒng)進(jìn)入持續(xù)監(jiān)考環(huán)節(jié)，攝像設(shè)備持續(xù)開(kāi)啟，直至考試結(jié)束。系統(tǒng)定時(shí)對(duì)考生進(jìn)行自動(dòng)拍照，根據(jù)照片監(jiān)考老師可以實(shí)時(shí)查看每個(gè)考生的考試情況。另外，系統(tǒng)對(duì)抓拍照片進(jìn)行分析，如果發(fā)現(xiàn)作弊，則縮短抓拍照片的采集間隔，并提示監(jiān)考老師對(duì)該考生加強(qiáng)留意，核實(shí)是否存在作弊。

考試結(jié)束后，系統(tǒng)進(jìn)入資料備份環(huán)節(jié)，關(guān)閉攝像設(shè)備，并將抓拍照片壓縮打包上傳，為復(fù)查審核工作提供證據(jù)。

3　系統(tǒng)設(shè)計(jì)

結(jié)合Web實(shí)時(shí)技術(shù)和人臉圖像處理技術(shù)，本文設(shè)計(jì)一種基于B/S架構(gòu)的在線考試監(jiān)控系統(tǒng)。該系統(tǒng)由考試端、服務(wù)端、監(jiān)考端和中心服務(wù)器構(gòu)成，系統(tǒng)的體系結(jié)構(gòu)如圖2所示。

圖2　體系結(jié)構(gòu)

考試端需要自動(dòng)檢測(cè)硬件接口，控制本地?cái)z像設(shè)備的啟動(dòng)和關(guān)閉，對(duì)考生進(jìn)行定時(shí)抓拍，并將抓拍照片上傳到服務(wù)端。

服務(wù)端一方面將抓拍照片推送到監(jiān)考端，令一方面分析抓拍照片中是否出現(xiàn)作弊?？忌卿浛荚囅到y(tǒng)時(shí)，將登錄時(shí)抓拍照片與考試報(bào)名時(shí)上傳照片對(duì)比，驗(yàn)證考生身份并反饋結(jié)果，由監(jiān)考教師作相應(yīng)放行處理。隨后的考試過(guò)程中，對(duì)抓拍照片進(jìn)行人臉檢測(cè)和人臉識(shí)別，分析和判斷是否出現(xiàn)多人作答、擅自離開(kāi)、中途換人，并及時(shí)向監(jiān)考端反饋分析結(jié)果。

監(jiān)考端實(shí)時(shí)呈現(xiàn)每個(gè)考試端的抓拍照片以及對(duì)應(yīng)的作弊分析結(jié)果，可以在考試過(guò)程中調(diào)整每個(gè)考試端的圖像采集時(shí)間間隔。

中心服務(wù)器與多個(gè)考場(chǎng)中的服務(wù)端相互連接，實(shí)現(xiàn)多考場(chǎng)監(jiān)控。自動(dòng)備份每個(gè)考生考試過(guò)程中的抓拍照片，方便考后復(fù)查。

實(shí)時(shí)圖像監(jiān)控要求考試端定時(shí)采集并提交考場(chǎng)圖像到服務(wù)端，考試端與服務(wù)端、服務(wù)端與監(jiān)考端之間需要建立實(shí)時(shí)的數(shù)據(jù)通道，從而實(shí)現(xiàn)圖像數(shù)據(jù)實(shí)時(shí)傳輸?？紤]主流瀏覽器對(duì)WebRTC和WebSocket接口支持的規(guī)范性，本文使用Chrome［10］作為考試端和監(jiān)考端瀏覽器。考慮主流Web應(yīng)用服務(wù)器對(duì)實(shí)時(shí)響應(yīng)性和對(duì)WebSocket的支持，本文使用Tornado［11］作為服務(wù)端應(yīng)用服務(wù)器。

考試端通過(guò)WebRTC模塊的getUserMedia接口調(diào)用普通的PC攝像設(shè)備，對(duì)考生進(jìn)行拍照。抓拍照片的圖像格式為JEPG，尺寸為320×240像素，這樣既能保證提供清晰考場(chǎng)畫(huà)面，也能減少對(duì)網(wǎng)絡(luò)帶寬的占用。然后，根據(jù)JavaScript腳本的setInternal接口編寫(xiě)定時(shí)事件。定時(shí)事件主要實(shí)現(xiàn)定時(shí)拍照和上傳圖像數(shù)據(jù)。

定時(shí)拍照的時(shí)間間隔可以根據(jù)實(shí)際情況設(shè)定，對(duì)于監(jiān)考要求高的考試應(yīng)當(dāng)設(shè)置較短的定時(shí)時(shí)間。為了避免同一個(gè)時(shí)刻多個(gè)考試端上傳數(shù)據(jù)造成的傳輸壓力，每個(gè)考試端的圖像采集起始時(shí)間應(yīng)該均勻分布。假設(shè)一個(gè)考場(chǎng)中考試端的數(shù)量為｛m|m∈N｝，每個(gè)考試端的編號(hào)為｛n|n∈［0，m］，n∈N｝，圖像采集的間隔為x秒，則每個(gè)考試端的圖像采集起始時(shí)間為 ｛y|y∈n mod x｝秒。

考試端的抓拍照片通過(guò)WebSocket模塊的send接口實(shí)時(shí)上傳到服務(wù)端。服務(wù)端通過(guò)Tornado的Web-SocketHandler類(lèi)提供on_message接口監(jiān)聽(tīng)來(lái)自考試端圖像數(shù)據(jù)，圖像數(shù)據(jù)經(jīng)過(guò)備份后通過(guò)write_message接口實(shí)時(shí)向監(jiān)考端器推送。監(jiān)考端使用WebSocket模塊的onmessage事件監(jiān)聽(tīng)來(lái)自服務(wù)端的圖像數(shù)據(jù)，實(shí)時(shí)呈現(xiàn)每個(gè)考試端的考試情況。

另外，為了進(jìn)一步減低多個(gè)考試端同時(shí)與單個(gè)服務(wù)端交互的壓力，本文采用基于Nginx的服務(wù)器反向代理技術(shù)［12］，將網(wǎng)絡(luò)負(fù)載均衡分配到多個(gè)WebSocket應(yīng)用服務(wù)器實(shí)例中。

一般來(lái)說(shuō)，考試時(shí)考生的頭部運(yùn)動(dòng)相對(duì)靜止，臉部正對(duì)屏幕而且表情較少，因此抓拍照片中能呈現(xiàn)完整的人臉。對(duì)于擅自離開(kāi)或多人作答情況，抓拍照片中分別會(huì)有零或多個(gè)人臉。對(duì)于他人替考和中途換人的情況，抓拍照片中的人臉不同于注冊(cè)時(shí)現(xiàn)場(chǎng)拍照中的人臉。本文使用基于AdaBoost算法的人臉檢測(cè)提取抓拍照片的人臉，然后使用基于Fisherfaces方法的人臉識(shí)別得到人臉對(duì)應(yīng)的考生身份。

通常，作弊是一個(gè)持續(xù)的考試行為。因此，本文首先對(duì)一段時(shí)間內(nèi)的抓拍照片進(jìn)行人臉檢測(cè)，統(tǒng)計(jì)人臉的數(shù)量與抓拍照片總數(shù)量的比率。然后對(duì)這些人臉圖像進(jìn)行人臉識(shí)別，統(tǒng)計(jì)識(shí)別為本人的次數(shù)與和人臉識(shí)別總次數(shù)的比率。最后通過(guò)設(shè)定的閾值判斷考生是否有作弊嫌疑。作弊行為和判別條件如表1所示。

表1　作答行為判別

假設(shè)考生在1分鐘內(nèi)的作答過(guò)程，稱(chēng)為一次作答行為?？荚嚩嗽?分鐘內(nèi)對(duì)考生進(jìn)行自動(dòng)拍照，得到若干抓拍照片，服務(wù)端對(duì)這些抓拍照片進(jìn)行處理和分析，判別考生在最近1分內(nèi)的作答行為?？紤]到環(huán)境因素、主觀因素以及隨機(jī)誤差的影響，實(shí)踐證明，當(dāng)人臉數(shù)量比率少于50%時(shí)，可以認(rèn)為是離開(kāi)座位；當(dāng)人臉數(shù)量比率大于50%而且小于120%時(shí)，可以認(rèn)為是單人作答；當(dāng)人臉數(shù)量比率大于120%時(shí)，可以認(rèn)為是多人作答。在被判別為單人作答的前提下，當(dāng)本人身份比率大于80%，可以認(rèn)為是本人作答。

4　仿真測(cè)試

以實(shí)驗(yàn)室62臺(tái)計(jì)算機(jī)作為測(cè)試工具，其中一臺(tái)作為服務(wù)端兼中心服務(wù)器，一臺(tái)作為監(jiān)考端，其余60臺(tái)筆記本計(jì)算機(jī)作為考試端?？荚嚩撕捅O(jiān)考端的軟硬件配置：內(nèi)存為2GB；內(nèi)置130萬(wàn)像素?cái)z像頭；操所系統(tǒng)為Windows 7；瀏覽器為Chrome。服務(wù)端的軟硬件配置：處理器為主頻2.5GHz的Intel i5處理器；操作系統(tǒng)為CentOS 6.5；內(nèi)存為4GB?？荚嚩?、服務(wù)端、監(jiān)考端都位于同一個(gè)局域網(wǎng)內(nèi)，互相之間網(wǎng)絡(luò)通信正常。

實(shí)驗(yàn)室光照均勻，有60名來(lái)自計(jì)算機(jī)科學(xué)與技術(shù)、地理信息科學(xué)、信息管理與信息系統(tǒng)等專(zhuān)業(yè)的本科生參與了實(shí)驗(yàn)，全部熟悉在線考試的考試流程并擁有在線考試系統(tǒng)的使用經(jīng)驗(yàn)。考生在考試端通過(guò)瀏覽器登錄在線考試系統(tǒng)進(jìn)行考試，監(jiān)考教師在監(jiān)考端通過(guò)瀏覽器監(jiān)控考試情況。

考生填寫(xiě)相關(guān)身份信息，使用瀏覽器進(jìn)行20次自動(dòng)拍照，照片自動(dòng)上傳到中心服務(wù)器。系統(tǒng)檢測(cè)所有考生注冊(cè)照片中的人臉，構(gòu)建出有60個(gè)類(lèi)別，每個(gè)類(lèi)別有20個(gè)人臉圖像的訓(xùn)練樣本集。然后，系統(tǒng)提取并備份訓(xùn)練樣本集中的人臉特征。

考試開(kāi)始前，考生使用“賬號(hào)+密碼”登錄系統(tǒng)，系統(tǒng)啟動(dòng)攝像頭，并提示考生進(jìn)行身份驗(yàn)證?？忌c(diǎn)擊“身份驗(yàn)證”按鈕后，系統(tǒng)對(duì)考生拍照，并驗(yàn)證考生身份?？荚嚩说纳矸蒡?yàn)證界面如圖3所示。

圖3　考試端的身份驗(yàn)證界面

為了模擬他人替考的情況，隨機(jī)選取30名考生以本人注冊(cè)身份登錄，其余30人以他人注冊(cè)身份登錄，進(jìn)行10次重復(fù)實(shí)驗(yàn)，本人與他人的身份驗(yàn)證統(tǒng)計(jì)數(shù)據(jù)如表2所示。

表2　本人與他人身份錄驗(yàn)證統(tǒng)計(jì)數(shù)據(jù)

由表2可知，考生以本人身份登錄時(shí)驗(yàn)證通過(guò)率為95.7%，而以他人身份登錄時(shí)驗(yàn)證通過(guò)率只有5.1%。如果出現(xiàn)多次被拒絕通過(guò)的“真考生”，監(jiān)考老師可對(duì)其現(xiàn)場(chǎng)確認(rèn)和人工放行。由于系統(tǒng)將在后續(xù)的持續(xù)監(jiān)控中定時(shí)判斷是否出現(xiàn)中途換人的情況，因此身份驗(yàn)證通過(guò)的 “假考生”很可能在后續(xù)的考試過(guò)程中被發(fā)現(xiàn)。對(duì)于在線考試來(lái)說(shuō)，在“賬號(hào)+密碼”的身份驗(yàn)證方案基礎(chǔ)上，引入人臉識(shí)別技術(shù)，能有效阻止他人替考的情況發(fā)生。

考試過(guò)程中，攝像設(shè)備持續(xù)對(duì)考生進(jìn)行拍攝，攝像畫(huà)面處于屏幕的左上方?？荚嚩说目荚嚱缑嫒鐖D9所示。

圖4　考試端的考試界面

監(jiān)考端呈現(xiàn)考場(chǎng)內(nèi)所有考生的注冊(cè)信息、抓拍圖像、作弊分析結(jié)果，監(jiān)考教師可以控制相應(yīng)考生的放行情況，設(shè)置圖像采集間隔，結(jié)合現(xiàn)場(chǎng)信息和抓拍照片加以判斷是否發(fā)生作弊行。監(jiān)考端的監(jiān)控界面如圖5所示。

圖5　監(jiān)考端的監(jiān)控界面

為了模擬真實(shí)考試情況，安排有60名考生參加持續(xù)時(shí)間為30分鐘的考試，要求每名考生在考試過(guò)程中的特定時(shí)間內(nèi)的做出以下4種作答行為：（1）第0分鐘至第5分鐘，在本人座位上作答；（2）第6分鐘至第17分鐘，與兩人或多人共同作答；（3）第18分鐘至第23分鐘，離開(kāi)本人座位；（4）第24分鐘至第29分鐘，與他人交換座位。

根據(jù)默認(rèn)設(shè)置，系統(tǒng)每隔1分鐘就對(duì)抓拍照片進(jìn)行一次作答行為判別，系統(tǒng)正確判別的統(tǒng)計(jì)數(shù)據(jù)如表3所示。

表3　作答行為的正缺判別統(tǒng)計(jì)數(shù)據(jù)

由表3可知，考試過(guò)程中的本人作答有95.3%被系統(tǒng)正確判斷，多人作答有86.7%被系統(tǒng)正確判斷，擅自離開(kāi)98.3%被系統(tǒng)正確判斷，擅自離開(kāi)有97.8%被系統(tǒng)正確判斷，中途換人有94.2%被系統(tǒng)正確判斷?？荚囘^(guò)程中，多人作答、擅自離開(kāi)、中途換人這三種行為的動(dòng)作幅度大，容易引起注意，真實(shí)情況下發(fā)生的幾率不大。如果出現(xiàn)這三種作弊行為出現(xiàn)，系統(tǒng)能及時(shí)發(fā)現(xiàn)并保存證據(jù)，監(jiān)考教師可以通過(guò)監(jiān)考端查證。當(dāng)然，系統(tǒng)也有錯(cuò)誤判斷，監(jiān)考教師可以根據(jù)現(xiàn)場(chǎng)情況進(jìn)行排除。在線考試的監(jiān)測(cè)系統(tǒng)中使用人臉檢測(cè)和人臉識(shí)別技術(shù)，能有效發(fā)現(xiàn)多人作答、擅自離開(kāi)、中途換人等行為，為監(jiān)考工作提供輔助。

5　結(jié)語(yǔ)

本文通過(guò)WebRTC技術(shù)調(diào)用PC的攝像設(shè)備定時(shí)對(duì)考生拍照，由于攝像設(shè)備能與考生一一對(duì)應(yīng)，可以對(duì)考場(chǎng)中的不同位置能提供相同的監(jiān)控效果。同時(shí)使用WebSocket技術(shù)傳輸圖像數(shù)據(jù)，可以實(shí)時(shí)呈現(xiàn)每個(gè)考生的考試現(xiàn)場(chǎng)情況。在實(shí)時(shí)圖像監(jiān)控的基礎(chǔ)上，綜合利用基于AdaBoost算法的人臉檢測(cè)和基于Fisherfaces的人臉識(shí)別，對(duì)他人替考、多人作答、擅自離開(kāi)、中途換人等情況進(jìn)行分析和判斷。不過(guò)，在在作答行為判別方面仍然可改進(jìn)的空間。本文的研究對(duì)在線考試監(jiān)考方式具有借鑒價(jià)值。

［1］教育部考試中心.2014年9月第40次全國(guó)計(jì)算機(jī)等級(jí)考試平穩(wěn)舉行［DB/OL］.2014-09-25.http://sk.neea.edu.cn/jsjdj/infor.jsp infoid=54750&class_id=26_14_02.

［2］Nurminen J，Meyn A，Jalonen E，et al.P2P media streaming with HTML5 and WebRTC［C］.Computer Communications Workshops （INFOCOM WKSHPS），2013 IEEE Conference on.IEEE，2013:63-64.

［3］Pimetel V，Nickerson B.Communicating and displaying real-time data with Web-Socket［J］.IEEE Computer Society，2012，16（4）: 45-53.

［4］Zhang C，Zhang Z.A survey of recent advances in face detection［R］.Tech.rep.，Microsoft Research，2010.

［5］Viola P，Jones M.Robust real-time face detection［J］.International journal of computer vision，2004，57（2）:137-154.

［6］劉芳梅，楊云.網(wǎng)上報(bào)名照片的人臉自動(dòng)檢測(cè)和裁剪系統(tǒng)［J］.山東科學(xué)，24（6）:96-100.

［7］Pandya J，Rathod D，Jadav J.A survey of face recognition approach［J］.International Journal of Engineering Research and Applications（IJERA），2013，3（1）:632-635.

［8］Belhumeur P，Hespanha J，Kriegman D.Eigenfaces vs.Fisherfaces:recognition using class specific linear projection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1997，19（7）:711-720

［9］劉應(yīng)東，?；菝?基于k-最近鄰圖的小樣本KNN分類(lèi)算法［J］.計(jì)算機(jī)工程，2011，37（09）:198-200.

［10］Google.WebRTC:Official Site［DB/OL］.2014-04-18.http://www.webrtc.org/.

［11］Facebook.Tornado Web Server［DB/OL］.2014-06-14.http://www.tornadoweb.org/en/stable/.

［12］Nginx.High Performance Load Balancer，Web Server，&Reverse Proxy［DB/OL］.2014-03-04.http://www.nginx.com/.

Exam Monitoring；WebRTC；WebSocket；Face Detection；Face Recongnition

Design and Implementation of Real-time Image Monitoring System for Online Exam

HUANNG Zhi-wei，SONG Hong-zhi，SI Guo-dong
（College of Mathematics and Informatics，South China Agricultural University，Guangzhou 510642）

國(guó)家自然科學(xué)基金項(xiàng)目（No.60875045）

1007-1423（2015）19-0062-06

10.3969/j.issn.1007-1423.2015.19.016

黃志威（1989-），男，廣東東莞人，研究生，研究方向?yàn)槿藱C(jī)交互、計(jì)算機(jī)視覺(jué)

宋鴻陟（1972-），男，黑龍江大慶人，博士，教授，研究方向?yàn)槿藱C(jī)交互、信息可視化

司國(guó)東（1972-），男，吉林長(zhǎng)春人，碩士，講師，研究方向?yàn)榻逃夹g(shù)、人機(jī)交互

2015-05-05

2015-06-26

針對(duì)在線考試中一些常規(guī)的作弊行為以及當(dāng)前視頻監(jiān)控方法存在的問(wèn)題，提出一種基于圖像的在線考試監(jiān)考方案，設(shè)計(jì)并實(shí)現(xiàn)一個(gè)實(shí)時(shí)圖像監(jiān)考系統(tǒng)。該系統(tǒng)通過(guò)WebRTC技術(shù)調(diào)用PC的攝像設(shè)備定時(shí)對(duì)考生拍照，使用WebSocket技術(shù)實(shí)現(xiàn)圖像數(shù)據(jù)實(shí)時(shí)傳輸，綜合利用基于AdaBoost算法的人臉檢測(cè)和基于Fisherfaces方法的人臉識(shí)別技術(shù)自動(dòng)發(fā)現(xiàn)他人替考、多人作答、擅自離開(kāi)、中途換人，及時(shí)保存證據(jù)并通知監(jiān)考教師。通過(guò)仿真測(cè)試驗(yàn)證該系統(tǒng)的有效性，為在線考試的監(jiān)控工作提供可行的輔助手段。

考試監(jiān)控；WebRTC；WebSocket；人臉檢測(cè)；人臉識(shí)別

Aiming at some conventional cheatings in online exam and the problems of current video monitoring method，presents the image based invigilation scheme.Designs and implements a real-time image based monitoring system for online exam.To realize taking photos regularly for examinees and images data real-time transmission，uses Web real-time technology such WebRTC and WebSocket.To auto discover the cheatings such as replaced by other，multiple answers，leave the seat，substitute examinee in midway，the AdaBoost based face detection and the Fisherfaces based face recognition are utilized comprehensively.Validates the feasibility of the system by simulation test.