考试行为识别研究

摘要

人工监考可能存在违纪作弊行为的误判和漏判，考场视频监控一般只能作为事后取证的依据。本文基于Kinect和SIFT算法研究考生行为的实时判别，主要贡献如下:
　　(1)定义了正常阅读与写作姿势，头向前倾、左顾右盼、伸左右手等异常情况的技术参数。
　　(2)通过Kinect获取骨骼关节点坐标信息，采用空间向量法计算人体骨骼各个关节点的夹角与空间中两点间距离。在界定角度和距离的范围内，来确定是否存在定义的异常行为。
　　(3)采用SIFT算法的特征匹配来进行特征点匹配，计算正常姿势与正常范围内的姿势特征点匹配的比率，与正常姿势与异常姿势特征点匹配比率。
　　大量实验测试结果表明，基于Kinect骨骼追踪技术能够较好区分考生异常行为。SIFT特征匹配方法对异常行为也具有一定区分能力。

目录

声明

摘要

1 绪论

1．1 研究目的及意义

1．2 国内外研究现状

1．3 课题的研究内容

1．4 课题研究的组织结构

2 考试行为研究概述

2．1 行为主义心理学理论

2．2 不同角度下对考试作弊行为的探讨

2．2．1 教育学角度来探讨作弊行为

2．2．2 从社会心理学角度来探讨作弊行为

2．2．3 从教育心理学来探讨

2．3 行为识别与理解

2．4 本章小结

3 基于Kinect的考生异常行为识别研究

3．1 考生异常行为定义

3．2 行为识别研究

3．3 OpenCV、OpenNI框架和NITE组件

3．4 骨骼识别

3．5 基于关节点的人体姿势

3．5．1 骨骼关节点的坐标信息

3．5．2 空间向量夹角与空间中两点距离的计算

3．6 实验方案

3．7 实验数据

3．8 实验结论

3．9 本章小结

4 基于SIFT算法的考生异常行为识别研究

4．1 人体行为识别相关方法概述

4．2 基于SIFT特征匹配的精准图像配准算法

4．2．1 SIFT算法特点

4．2．2 SIFT算法可以解决的问题

4．2．3 SIFT算法实现步骤简述

4．3 行为特征点数据提取

4．4 特征点比率计算

4．5 实验数据对比分析

4．6 本章小结

结论

致谢

参考文献

攻读硕士学位期间发表的学术论文及研究成果