基于YOLOv5的智慧監考模型設計與研究

王秋美茜，王鵬濤，張曉寬，劉經緯，紀佳琪,2*

（1. 河北民族師范學院數學與計算機科學學院，承德 067000；2. 河北省文化旅游大數據技術創新中心，承德 067000）

0 引言

近年來，國家逐漸重視實現國家教育考試治理能力的現代化，逐步完善標準化考點建設，不斷提升國家教育考試綜合治理能力［1］。國家教育考試現行的防作弊系統主要包括考生身份驗證、考場巡視和視頻監控。標準化考點的監考方式是以人工為主、監控為輔。但是目前這種監考方式存在監考人員工作量大，對考生作弊情況發現不及時等問題，所以，研發一種能夠實時檢測作弊行為的監考系統實屬當前所需。

目標檢測算法在近些年發展迅速，在諸多領域都已取得良好的檢測效果，并可以逐漸運用到生活當中。結合國家目前的教育改革趨勢，目標檢測算法可以很好地改進傳統的監考方式，可以有效地解決相關問題。雖然國家已經具備智能監考的相關硬件條件，但目前市場還未出現成熟的智能監考系統。如今，眾多學者已經對智能監考方法提出了相關解決方案［2-3］。尹力威等［4］基于OpenCV-Python 平臺設計了一種SDD算法，對考生的作弊行為進行檢測。同時，結合OpenCV4.2 與GPU 縮短了60%的檢測時間。但該系統檢測準確率不高,也無法實現實時檢測。李春梅等［5］提出了一種基于視頻行為分析的智能監考輔助系統，運用YOLOv3算法劃分考生和違禁品邊框，結合MTCNN 算法對面部進行檢測。但這種方法對硬件資源需求高，并且算法對視頻中遠端的考生檢測效果不佳［6］。

在以上學者研究的基礎上，本文采用YOLOv5模型進行考生作弊行為檢測。同時模型檢測速度快，擁有高達140 FPS的對象識別速度，且擁有更好的靈活性和速度，有利于考場視頻的實時監測。實驗結果表明：本文所應用的YOLOv5模型在檢測速度和準確性方面均優于上述學者所提模型，證明了方法的有效性和實用性。

1 YOLOv5目標檢測模型

本次實驗主要運用了目標檢測中的YOLO系列，YOLO 是基于區域提取的代表性算法，YOLO 系列又分為YOLOv1、YOLOv2、YOLOv3［7-9］等算法。項目選擇較新的YOLOv5算法，考慮到項目平臺的需求，發現YOLOv5s 網絡最小，速度最快，所以主要采用了YOLOv5中的YOLOv5s模型。YOLOv5s的網絡結構如圖1所示，此網絡結構分為以下部分：輸入端、Backbone（主干網絡）、Neck 網絡和Prediction（輸出端）。輸入端通過Mosaic數據增強［10］，同時自適應錨框計算，以及自適應圖片縮放。

圖1 YOLOv5s網絡結構

Backbone 包括Focus 結構、跨階段對等（CSP）結構，有切片下采樣的作用；Neck 采用FPN+PAN 的結構；輸出端是由分類損失函數和回歸函數組成的，可以評判檢測的效果。

2 基于目標檢測的智慧監考模型

本文基于目標檢測的YOLOv5算法，通過前期大量訓練集的練習，結合視頻處理技術實現適用于標準化考點的智能監考系統。本系統的使用有利于推進學校標準化、智能化考場建設，為監考人員減負的同時提升監考效果。

基于YOLOv5 的智慧監考流程如圖2 所示，首先由平臺管理人員向系統數據庫中導入各種違規、作弊行為的數據，訓練出目標檢測模型。功能分為以下三點：

圖2 智慧監考平臺工作流程

（1）模型的離線訓練。根據收集到的違規、作弊數據，對模型進行訓練。圖3展示了訓練集上沒有違規行為的圖例，圖4展示了不同違規行為的圖例。

圖3 訓練集正常

圖4 判定作弊違規圖例

（2）在線判斷。系統后臺會通過與平臺相連的攝像裝置獲取數據，數據傳入系統后臺，通過訓練好的模型對考生進行動作捕捉和姿態估計，并對相應的考生行為進行分析，得出作弊疑似率。

（3）當作弊疑似率大于某一閾值時，考生直接按照作弊處理和通知平臺管理人員，并將該考生的個人信息及作弊過程記錄在數據庫中，以便在考試結束后統一處理；疑似率處于一定閾值區間的考生，平臺向管理人員發出警報，通知相應監考教師對其進行核實和重點查看；疑似率較低時，判定為考試正常。

3 實驗

3.1 數據采集

模型數據集來自現場真實拍攝中篩選出的常規考試數據集和有作弊行為的數據集。為了更好地模擬考場考試的真實程度，選用了環境條件較好，相對集中的教室，聚集300名考生后按照每名同學左右為空座位的要求進行排列。同時，為了避免考場的選取造成誤差，數據采集過程中更換了不同考場。

通過讓300名學生在考場中模擬各種考試作弊的方法動作，負責數據采集的人員進行拍照采集，最后采集到考試作弊的數據集，共含有1000張圖片，圖片都是高分辨率（4608×2128）。

按照8∶2 的比例劃分數據集和驗證集，篩選出636 個為訓練集，364 個為驗證集。數據集分為兩個類別，作弊（cheat）和正常（normal）。部分數據集圖片如圖5、圖6所示。

圖5 作弊數據集

圖6 正常數據集

3.2 數據標注

采集完數據后對數據進行一次篩選，將不需要的或者不符合要求的圖片進行刪除，然后使用Labelimg標注工具，如圖7所示，將標注格式轉換為VOC 數據格式。通過對作弊行為進行一一標注，生成訓練集和驗證集文件列表，文件格式為.txt樣式，最后進行訓練。

圖7 使用Labelimg對作弊對象進行標注

3.3 模型訓練

模型由GPU 服務器進行訓練，表1 為該GPU服務器的相關配置。

表1 實驗環境

根據項目需求，選擇了YOLOv5 中的YOLOv5s，通過開展大量的實驗挑選出最優的相關參數，該項目的參數設置：Epoch=50，batch-size=32，優化方法為Adam。

3.4 實驗結果

從圖8 可知，其對作弊情況的檢測效果precision 為96.3%，recall 為99.5%,mAP@0.5 為98.4%，基本可以滿足項目要求。

如圖9所示，抽取驗證集中的部分圖片作為樣本數據，將其代入訓練完成的權重文件（best.pt）中，得到圖片中違規行為的置信度。結果證明模型滿足檢測作弊回頭要求。

運行過程中，將目標檢測算法與OpenCV 融合，規劃出相應區域，可以實時監測考生作弊行為。

圖9 待檢測和檢測后視頻截圖

3.5 結果分析

訓練集中Bounding box 損失、目標檢測損失和分類函數損失的訓練結果如圖10 所示，在Epoch 介于0～10 時，三種類型的損失函數均值接近垂直下降。在Epoch 介于10～50 時，下降幅度逐漸緩慢，證明訓練結果符合項目需求。

圖10 訓練集中Bounding box損失、目標檢測損失和分類函數損失

3.6 精確度、召回率的訓練結果分析

如圖11所示，在Epoch介于0～20時，兩個結果都幾乎接近垂直上升；在Epoch介于20～50時，結果浮動不明顯，證明訓練已趨于收斂。本模型在訓練集上的精確度可達96.3%。

圖11 精確度、召回率的訓練結果

3.7 平均精確度（mAP）的訓練結果分析

IoU 顯示樣本的臨界值，IoU 臨界值設置低，樣本的質量就會變差；設置高，樣本的質量就會變好，但是過高的IoU 臨界值同樣可能造成小尺度目標框的丟失。圖12 為不同臨界值下的mAP訓練結果，當IoU 臨界值為0.5時，在Epoch介于0～10 時，mAP 的值接近垂直上升趨勢；在Epoch 介于20～50 時，mAP 的值在0.98 左右浮動；當IoU 臨界值（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上時，mAP 的平均值在0～20 迭代次數范圍內，接近垂直上升趨勢；在20～50 迭代次數范圍內，上升幅度逐漸緩慢，mAP的平均值在0.73左右浮動。

圖12 平均精確度（mAP）的訓練結果分析

綜上所述，模型訓練結果良好，符合項目所需的基本要求。

3.8 不同光線下識別準確度的對比分析

在光線充足和光線較弱環境下的目標人物動作識別結果的比較分析結果如圖13 和圖14 所示。經過對比得知，光線充足時圖片的置信度要高于光線較弱環境時圖片的置信度，說明光線充足與光線稍弱相比，光線充足更能提高判斷的準確率。但在監考的時候，學校各方面設備全都由相關部門進行保障。教室內光線明亮（即光線充足），極少出現停電現象。基于此情況，我們認為該結果是適用于監考的。

圖13 置信度0.89

圖14 置信度0.76

3.9 不同像素下識別準確度的對比分析

高像素環境下與低像素環境下的目標人物動作識別結果的比較結果分別如圖15和圖16所示，圖15像素為960×443，圖16像素為500×231。經過對比得知，高像素環境下的置信度要高于低像素環境下的置信度，表明像素的高低會對目標人物動作檢測的結果造成一定影響。

圖15 像素為960×443

圖16 像素為500×231

4 結語

綜上所述，為實現檢測的準確性和實時性，并將人工從繁雜的檢測工作中解放出來，提出一種基于YOLOv5網絡模型的智慧監考平臺。該平臺經實驗測試，準確率高且能達到視頻圖像實時性要求，證明本文方法具有一定的優勢，但是受時間與精力的限制，模型還存在一定的局限性，目前只在實驗環節通過了驗證，后期將測試完成后的模型部署至云服務器端，并在需考試的地點安裝網絡攝像頭采集人員信息，通過互聯網上傳信息至云端進行處理，處理結果返回監考中心實時查看，驗證后進行批量推廣應用。