基于人脸识别和姿态估计的智能监考模型设计与应用

针对传统监考存在人工成本高、主观性强等问题，构建基于人脸识别、头部姿态估计和目标检测的智能监考模型。模型通过人脸识别算法进行考生身份验证，设计结合注意力机制的头部姿态估计(channel and spatial-aware wide head pose estimation network, CS-WHENet)方法对考生偷看的异常行为进行检测，并使用深度学习方法及传统方法对考生传递纸条的异常行为进行联合判定。实验结果表明，智能监考模型在模拟真实考场的环境中，对考生身份验证与异常行为检测均有较高的准确率，并能在GPU支持下实现实时检测。通过验证表明，该模型能有效降低监考人员工作成本，实现考场监考公平性。