(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210687585.3 (22)申请日 2022.06.16 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 余丹　张腾怀　兰雨晴　王丹星　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/20(2022.01) G06Q 10/10(2012.01) G06Q 50/20(2012.01) G06T 7/80(2017.01)G06V 10/82(2022.01) G06K 17/00(2006.01) G06K 7/14(2006.01) (54)发明名称 基于边缘计算的考场智能监控方法 (57)摘要 本发明提供了基于边缘计算的考场智能监 控方法， 其通过同一边缘计算终端对考场的所有 摄像头进行共同控制， 并根据每个摄像头所处区 域的考生分布状态以及其拍摄得到的考场内部 影像的影像画质信息， 分别调整摄像头的拍摄参 数； 通过边缘计算终端对经过拍摄参数调整后的 摄像头采集得到的考场内部影像进行识别分析 处理， 得到影像包含的每个考生对应的行为信 息， 以此判断考生是否存在作弊行为； 再向考场 管理平台终端上传存在作弊行为的考生定位信 息和向监考人员所持的移动终端发送 通知消息， 其利用边缘计算终端对所有摄像头拍摄的影像 进行同步分析处理， 在考试过程中能够及时确定 发生的作弊行为， 提高考场监控 管理的及时性和 可靠性。 权利要求书3页 说明书8页 附图1页 CN 114937244 A 2022.08.23 CN 114937244 A 1.基于边 缘计算的考场智能监控方法， 其特 征在于， 其包括如下步骤： 步骤S1， 在考场不同位置处安装若干摄像头， 并将所有摄像头接入到同一边缘计算终 端， 通过边缘计算终端指示摄像头进行初始化操作； 根据每个摄像头所处区域的考生分布 状态， 调整每 个摄像头的拍摄参数； 步骤S2， 通过边缘计算终端收集每个摄像头采集得到的考场内部影像， 并对所述考场 内部影像进行预分析处理， 得到所述考场内部影像的影像画质信息； 根据所述影像画质信 息， 再次调整其对应的摄 像头的拍摄参数； 步骤S3， 通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部 影像进行识别分析 处理， 得到影像包含的每个考生对应的行为信息； 根据所述行为信息， 判 断考生是否存在作弊行为； 步骤S4， 通过边缘计算终端根据上述判断结果， 向考场管理平台终端上传相应的考生 定位信息； 再根据所述 考生定位信息， 向监 考人员所持的移动终端发送通知消息 。 2.如权利要求1所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S1 中， 将所有摄像头接入到同一边缘计算终端， ， 通过边缘计算终端指示摄像头进 行初始化操 作具体包括： 通过边缘计算终端向每个摄像头发送测试形式的控制指令， 并确定每个摄像头接收到 所述测试 形式的控制指令后进行相应拍摄动作的实际响应时间； 若所述实际响应时间大于或等于预设时间阈值， 则通过边缘计算终端向对应的摄像头 发送重启指令 。 3.如权利要求2所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S1 中， 根据每 个摄像头所处区域的考 生分布状态， 调整每 个摄像头的拍摄参数 具体包括： 获取每个摄像头对应的拍摄视场范围覆盖的考生分布数量， 根据所述考生分布数量， 调整每个摄像头进行扫描拍摄操作过程中的扫描拍摄周期或光圈曝光 量。 4.如权利要求3所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S2 中， 通过边缘计算终端收集每个摄像头采集得到的考场内部影像， 并对所述考场内部影像 进行预分析处 理， 得到所述 考场内部影 像的影像画质信息具体包括： 通过边缘计算终端收集每个摄像头采集得到的考场内部影像， 并对每个考场内部影像 进行区别标记； 对所述考场内部影像进行预分析处理， 得到影像画面像素轮廓细度值， 以此作为影像 画质信息 。 5.如权利要求4所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S2 中， 根据所述影 像画质信息， 再次调整其对应的摄 像头的拍摄参数 具体包括： 将所述影像画面像素轮廓细度值与 预设细度阈值进行比对， 若所述影像画面像素轮廓 细度值大于或等于预设细度阈值， 则减小摄像头的拍摄焦距； 若所述影像画面像素轮廓细 度值小于预设细度阈值， 则增大摄 像头的拍摄焦距。 6.如权利要求5所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S3 中， 通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进 行 识别分析处 理， 得到影 像包含的每个考生对应的行为信息具体包括： 通过边缘计算终端对经过拍摄参数再次调整后的摄像头采集得到的考场内部影像进权　利　要　求　书 1/3 页 2 CN 114937244 A 2行人体肢体动作识别分析处 理， 得到考 生的头部动作行为信息和手部动作行为信息 。 7.如权利要求6所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S3 中， 根据所述行为信息， 判断考 生是否存在作弊行为具体包括： 对所述头部动作行为信 息和所述手部动作 行为信息进行神经网络模型学习处理， 判断 考生是否存在作弊行为。 8.如权利要求7所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S4 中， 通过边缘计算 终端根据上述判断结果， 向考场管理平台终端 上传相应的考生定位信息； 再根据所述 考生定位信息， 向监 考人员所持的移动终端发送通知消息具体包括： 当判断考生存在作弊行为， 则通过边缘计算终端向考场管理平台终端上传相应考生在 考场内部的座 位位置信息； 再向监考人员所持的移动终端发送包 含所述座位位置信息的通知消息 。 9.如权利要求8所述的基于边缘计算的考场智能监控方法， 其特征在于： 在所述步骤S4 中， 通过边缘计算终端根据上述判断结果， 向考场管理平台终端上传相 应的考生定位信息 具体包括： 在考场的墙面上粘贴关于考场内考生相关信 息的二维码， 在考试前指示摄像头对当前 考场内的二维码进行拍摄识别， 得到考场内考生的信息数据， 当考试过程中未发生作弊行 为时， 在考试结束后再次利用边缘计算终端， 判断监控录像回放的过程中存在作弊行为后， 根据考生的定位信息和通过识别二维码， 得到考场内考生的信息数据对应的考试学号信 息， 将所述考试学号信息和对应的考试 的监控录像回放视频进行打包， 并发送到考场管理 平台终端， 其过程 为； 步骤S401， 利用下面公式(1)， 根据预先设定的每个考场内的考生座位号以及考试学号 信息， 生成考场内考生的信息数据， 并将所述信息数据转换成二维码和粘贴在相应的考场 的墙面上， 在上述公式(1)中， B(a)表示生成的考场内考生的信息数据中的第 a组子信息， 其中所 述考场内考生的信息数据按照生座位号分成多组子信息， 将子信息进 行汇总即为所述考场 内考生的信息数据； a表示本考场内的考生座位号， 并且每个考场的考生座位号总数均不超 过100； D(a)表示本考场内的考生座位号为a所对应的考试学号信息； []2表示将括号内的数 值转换为二进制形式； 表示循环左移； {}10表示将括 号内的数值 转换为十进制形式； 通过上述过程将所述考场的所有子信息汇总起来， 得到所述考场内考生的信息数据， 并将所述信息数据转换成二 维码和粘贴在相应的考场的墙面上， 在考试前指示摄像头对当 前考场内的二维码进行拍摄识别得到考场内考生的信息数据记作b， 并且b(a)表示拍摄识 别的二维码信息中的第a组子信息数据， 并储存在摄像头的内存中进 行后续调用， 并且所述 二维码为加密二维码； 步骤S402， 在考试结束后再次利用边缘计算终端， 判断监控录像回放的过程中存在作 弊行为后， 利用下面公式(2)， 根据考生的定位信息和通过识别二维码， 得到考场内考生的 信息数据对应的考试 学号信息权　利　要　求　书 2/3 页 3 CN 114937244 A 3