基于考場視頻的考試行為分析與思考

[中圖分類號]G424.74[文獻標識碼]A[文章編號] 1673—1654（2025）04—074—008

隨著教育行業(yè)數字化轉型進程的加快，AI賦能教育實現(xiàn)高質量發(fā)展的應用不斷落地，考試組織管理的智能化水平和治理能力得以逐步提升。省級考試機構依托國家教育考試綜合管理平臺，實現(xiàn)標準化考點和考場的完善升級，逐步實現(xiàn)考試業(yè)務全周期的一體化管理。其中，AI輔助監(jiān)考依托網上巡查系統(tǒng)，創(chuàng)新應用AI技術實現(xiàn)考生違規(guī)行為的自動識別和風險預警，以解決視頻監(jiān)考員工作強度高、識別效率低、無法有效發(fā)現(xiàn)部分隱蔽違規(guī)行為等問題。該手段對于提升考場秩序、增強管理效能、保障考試公平、威慢不法企圖起到積極作用，實現(xiàn)了從“看得見\"到“看得懂”的跨越，不僅提升了考試的公平性與效率，也為教育考試組考帶來新的視角。

一、背景

國家教育考試肩負“為黨育人、為國選才”的神圣使命，是人才選拔的重要途徑。考試安全事關考試公平公正、社會安全穩(wěn)定、考生根本利益，是黨之大計、國之大計、民之大計。為有效保障考試安全，在考試組考環(huán)節(jié)中，應堅持綜合施策，完善“物防、技防、人防”三防協(xié)同機制。但近年來出現(xiàn)的考試違紀作弊行為更加隱蔽、作弊手段更加技術化的態(tài)勢，使得考試的組織管理工作面臨新的挑戰(zhàn)，尤其對如何防范作弊、判斷違紀行為提出新的要求。2022年，教育部、公安部、工業(yè)和信息化部三部委聯(lián)合部署各地教育、公安、通信、無線電管理等部門，采取多項措施，開展“打擊手機作弊”專項治理，以實現(xiàn)手機“帶不進”\"用不了\"“傳不出”。2024年教育部嚴厲打擊考試舞弊，全力實現(xiàn)公平公正，強調要“積極推進考場實時智能巡查和保密室實時智能巡檢，進一步織細織密高科技作弊防護網\"，深化防范手機作弊“六位一體”防護網建設，全力確保高考招生考試安全平穩(wěn)。“六位一體”防護網建設即實現(xiàn)“六個全覆蓋”，包括智能安檢門、手機信號屏蔽、手機不進考點、考務人員培訓合格、無線電監(jiān)測及考場實時智能巡查和保密室實時智能巡檢全覆蓋。

各級招生考試機構積極探索通過高清視頻監(jiān)控、生物識別、大數據分析等技術手段優(yōu)化考試管理流程，實時監(jiān)測考場動態(tài)，有效預防和識別作弊行為，保障考試的嚴肅性和公信力，同時減輕監(jiān)考人員負擔，提高監(jiān)考工作效率。在沒有AI加持的傳統(tǒng)工作模式下，視頻監(jiān)考人員只能通過人工觀看監(jiān)控視頻發(fā)現(xiàn)疑似違紀作弊行為，不僅耗時、費力，還容易遺漏，往往發(fā)現(xiàn)難、回溯難、取證更難。弊端有三：一是所需工作人員較多；二是對人員要求較高，視頻監(jiān)考員需時刻保持高度的警惕性和注意力，強度大、易疲勞；三是工作效率相對較低，視頻監(jiān)考員同時觀察視頻的數量有限，效果難保證。這些難點、痛點和堵點問題若不妥善解決，考試的公平性就無法有效保障，甚至可能出現(xiàn)大規(guī)模舞弊行為無法及時發(fā)現(xiàn)，造成重大輿情，影響社會穩(wěn)定。通過AI加持，采用智能行為分析技術手段賦能監(jiān)考為有效解決這些問題提供了新途徑，通過全面部署，實現(xiàn)所有考點、考場及考試科目的全覆蓋，可有效提升疑似違紀作弊行為的發(fā)現(xiàn)能力和處置效率，降低視頻監(jiān)考人員的人力依賴，進而提升考試的公平性、安全性和高效性。

二、國內外研究與實踐進展

基于AI的考試異常行為分析，主要借助計算機視覺、深度學習等技術從視頻、圖像中提取人的外觀和動作等特征，實現(xiàn)異常行為的識別、比對和分析，快速發(fā)現(xiàn)疑似違紀作弊行為。考試異常行為識別的關鍵在于所使用的算法本身及其在特定場景中的合理應用，包括視頻流采集技術、目標檢測算法、異常行為識別技術等多個方面。其中，視頻流的采集技術難點在于和考點、考場的已有視頻系統(tǒng)或網絡攝像機的對接調試，依賴于視頻監(jiān)控系統(tǒng)/網上巡查系統(tǒng)所采用的技術協(xié)議（如SIP）和標準，無法采集視頻流或者采集效率低將直接導致流程中斷。目標檢測算法作為一種機器視覺自動檢測技術，用于在圖像或視頻中識別和定位特定物體或目標，是行為識別的前置步驟，如果不能保證識別的精度和速度，就會導致后續(xù)實時異常行為分析的失效。異常行為識別技術非常具有挑戰(zhàn)性，也是該技術能否用于考試實時異常行為分析這一場景的核心要素，識別準確性、識別效率、占用資源、誤報率等都是影響其能否落地應用的關鍵。

近年來，國內外學者們針對異常行為的識別和不同場景應用開展研究。在技術應用方面，周楠等[3]提出一種基于深度學習的學生行為識別與教學效果評價方法（LBREM），通過對獲取的視頻信息進行學生學習行為分析，實現(xiàn)學生人臉識別、表情識別和學習行為識別，最后實現(xiàn)對學生積極和消極學習行為的分析及細化，進而實現(xiàn)對教學效果的評價。張曉平等對基于視頻的人體異常行為識別與檢測方法進行分析總結，將基于深度學習的特征提取方法歸納為三類，包括基于三維卷積神經網絡的特征提取、基于雙流卷積神經網絡的特征提取、基于循環(huán)神經網絡的特征提取，并認為特征提取方法的選取及提取特征的好壞直接影響行為判別結果。趙榮泳等[5]給出公共場所行人異常行為的廣義定義和泛在特征，將常見異常行為劃分為危害行為、不合群行為和違規(guī)行為三類，并從數據和技術基礎視域將現(xiàn)有異常行為識別方法劃分為人工設計法、人體骨架法、紅綠藍（RGB）圖像法和可穿戴傳感器法四類。駱祖瑩等提出了基于人體骨架的 ResNet50+C3D+ attention層次式檢測方法，該方法融合二維卷積網絡速度快和三維卷積網絡精度高的優(yōu)點，實驗結果顯示，該算法對光照變化和低分辨率視頻具有較強的魯棒性。石祥濱等提出基于骨架的雙模注意力時空圖卷積網絡人體動作識別方法，該方法使用自注意力機制對所有關節(jié)點之間的關系進行建模，提取節(jié)點信息全局特征，優(yōu)化并形成圖拓撲結構，按不同權重融合節(jié)點的全局特征與局部特征，將通道注意力機制引入到網絡模型中，以提高動作的識別精度和效果。

在場景實踐方面，王瑞等提出利用MIPNet姿態(tài)估計技術及 PoseC3D^[10] 動作識別技術，定位學生圖像和教師圖像的人體關鍵點，并據此計算人體相關部位的角度指標，根據角度指標與模板動作庫相關指標的差異程度進行匹配評分，進而輔助考官對舞蹈類考試的考生能力進行綜合評價。楊小玲等基于AI圖像識別技術，基于CNN（卷積神經網絡） + GCN（圖卷積神經網絡）架構進行目標檢測，并引入時空網絡提取特征，最終實現(xiàn)人體姿態(tài)估計和異常行為識別，以此技術架構建立的實時視頻分析系統(tǒng)，已在四川省高考中試點實現(xiàn)落地應用。針對考場實時智能巡查技術這一場景，既要考慮考場的特殊性，又要充分評估已有技術的應用效果，只有在適應場景的識別技術上有所突破，才能有效檢測出考生和監(jiān)考人員的各類疑似違規(guī)行為。目前無論是基于圖像的靜態(tài)行為，還是基于圖像序列的考試異常行為，識別算法能有效識別考生在考試過程中的異常行為，檢測精度也在不斷提升。僅依賴靜態(tài)圖像會缺失時間信息，誤報率較高；僅基于視頻的方法復雜度高、實時監(jiān)測的實用性不強。考慮到考場攝像頭的擺放位置、較低的采集分辨率、密集的考生分布、存在截斷與遮擋及較小的考生動作幅度等因素，結合考生作弊舞弊等各類異常行為的特點，在技術選型上優(yōu)先考慮能夠結合二者優(yōu)點的智能行為分析算法。

三、智能行為分析應用實踐

北京的智能行為分析應用實踐在國家教育考試綜合管理平臺已完成部署和應用的前提上，通過研究和引入有效的考試異常行為識別技術，實現(xiàn)考場實時智能巡查，實時監(jiān)測和識別考生與監(jiān)考人員的行為，發(fā)現(xiàn)異常行為及時告警與處置。通過充分了解考試業(yè)務流程，明確技術應用場景，做好業(yè)務需求分析，選擇適宜的技術手段，科學制定技術方案，充分測試應用效果，合理完善處置流程，做好技管協(xié)調統(tǒng)籌。在此基礎上，同步整體推進制度建設、隊伍建設、崗位培訓及應急處置，好的技術配備適宜的管理方式，充分發(fā)揮技術優(yōu)勢提升管理效能。

（一）技術架構設計

技術架構方面，可根據各考區(qū)不同的考場物理環(huán)境特點，靈活調整相關參數配置。平臺（系統(tǒng)）部署靈活、可擴展，具備開放的協(xié)議標準和功能接口，易于聯(lián)合部署和規(guī)模擴充，能夠保持系統(tǒng)升級和其他系統(tǒng)的對接能力，便于后期更新、維護和調整。基于考場視頻的智能行為分析技術架構包括基礎設施層、數據層、服務層、應用層及展現(xiàn)層，如圖1所示。

關鍵技術應用方面，使用成熟、先進和穩(wěn)定的技術，以求達到高標準要求、高精度識別、高性能處理和高效率處置。首先，視頻流的采集、獲取和使用保證“接得通、采得快、用得好”，實現(xiàn)不同廠商、不同視頻采集終端和設備的視頻流全部接入，不同碼率和分辨率的視頻流采集及時快速，視頻流和圖像信息的使用隨用隨取。其次，目標檢測算法兼顧精度和速度，實現(xiàn)“含得全、檢得快、測得清”，能更準確地實現(xiàn)全部考生與監(jiān)考人員的快速檢測，即使在分辨率不清晰、考場后排目標較小的情況下也能實現(xiàn)既定任務。再次，采用異常行為識別技術實現(xiàn)快速識別和檢測考場中考生和監(jiān)考人員的異常行為，達到“分得細、費得少、抓得準”。

數據安全方面，加強對系統(tǒng)安全、網路安全以及數據安全的測評，確保整個平臺（系統(tǒng)）的設計與運行均符合數據保護和個人信息保護的法律法規(guī)，充分考慮考生隱私保護，在不侵犯隱私的前提下進行視頻采集與行為分析，做好數據的加密和脫敏處理。系統(tǒng)上線前充分進行安全測試，合理配置安全策略，在視頻處理之前進行去標識化處理，只保留行為分析所需的必要信息，采取加密技術保護傳輸數據的安全，做好系統(tǒng)、數據等關鍵備份，提升系統(tǒng)容錯和恢復能力。

（二）業(yè)務流程設計

按照統(tǒng)一標準、統(tǒng)一平臺和統(tǒng)一流程的思路開展總體業(yè)務流程設計。業(yè)務流程設計緊貼考務業(yè)務實際，在已有考試業(yè)務流程基礎上改變或增加某個環(huán)節(jié)都會對業(yè)務產生影響，需合理評估在人員配備、時間把控和數據處理層面的影響程度。根據實現(xiàn)考場異常行為識別的軟硬件等技術環(huán)境，結合已有考務流程，采取“三最小化\"原則，即對已有設施影響最小、對已有流程影響最小、對已有工作量影響最小的原則，選定提供實時智能行為分析能力的服務廠商。技管結合設計業(yè)務流程、制定工作程序，涉及考前、考中和考后三個階段。基于考場視頻的智能行為分析業(yè)務流程如圖2所示。

考試開始前，實現(xiàn)考試考場相關人員的信息采集，并能夠實時接入考場考生考試的視頻。截正考試前一天，服務廠商應按照部署模式和實施范圍，搭建完成平臺（系統(tǒng)）并做好軟硬件環(huán)境設置和功能測試，包括視頻能否及時準確采集、系統(tǒng)多級部署能力是否具備、整體功能是否完整和有效、攝像頭的位置和角度是否符合規(guī)范、考場內監(jiān)控采集的圖像質量是否滿足分析需求等。同時，做好與已有系統(tǒng)（功能）服務提供廠商的協(xié)調和配合，考前至少一個小時，完成系統(tǒng)開啟，保證功能正常。

考試過程中，實現(xiàn)疑似違規(guī)行為的分析與研判。針對考場中考生的異常行為主要涉及三類考務管理人員：一是系統(tǒng)管理人員，負責具體的系統(tǒng)運維及解答和處理與系統(tǒng)相關的軟硬件問題，做好技術支持和保障服務工作；二是監(jiān)考人員，視頻監(jiān)考員是系統(tǒng)的主要使用者和異常報警信息的初審者，他們根據平臺（系統(tǒng)）推送的考生疑似異常行為的截取視頻片段，進行人工審核和判斷，并將初篩結果提交給考點負責的副主考，副主考確認后，通知流動監(jiān)考員及對應考場的監(jiān)考人員進行干預或處置，同時由系統(tǒng)管理員在平臺（系統(tǒng)）中進行標注；三是考點考試負責人，副主考全面負責整個考點考生可疑異常行為的確認，并將出現(xiàn)的疑似考生群體異常行為、監(jiān)考員操作失誤等事項交由主考。在整個考務處置流程中，要明確流動監(jiān)考員向考場監(jiān)考員告知的具體內容，確保內容準確、傳遞及時，考場監(jiān)考員確認考生確有違規(guī)行為的，應按照國家教育考試的相關違規(guī)處理辦法和規(guī)定予以確認，做到有理有據、程序合理、妥善處置，盡量保持考場安靜，不影響考場的其他考生。

考試結束后，系統(tǒng)管理員會同視頻監(jiān)考員，及時通過平臺（系統(tǒng)）進行已結束場次考試相關信息的收集、匯總和統(tǒng)計，對于出現(xiàn)的傳輸、遺漏或者數據不同步等問題及時處置，不影響下一場次的考試。

為應對業(yè)務流程調整可能產生的風險，需在人員保障、處置銜接機制、培訓和應急演練方面做足準備。首先各區(qū)各考點指派專人負責高考考場的實時智能巡查工作，同時在視頻監(jiān)控室按需配備副主考、系統(tǒng)管理員和視頻監(jiān)考員，負責考場智能巡查系統(tǒng)的運行操作和應急處置，做好人員配備方面的保障。

其次建立健全處置銜接機制，實現(xiàn)從智能巡查分析平臺預警預報考場異常行為、視頻監(jiān)考員進行人工甄別、副主考確認，到考點考場前端告知、及時處置等各環(huán)節(jié)的有序銜接。最后做好系統(tǒng)使用、操作流程、應急處置等方面的培訓，軟硬件設備的調試及模擬演練。

四、實施效果及思考

以北京市為例，2024年高考全面應用智能行為分析技術的實時智能巡查系統(tǒng)，依托考務專網運行，采取“兩端部署、三級使用\"的部署架構，實現(xiàn)全市105個考點、2066個考場全覆蓋，在考試期間系統(tǒng)運行平穩(wěn)。智能巡查全覆蓋應用，既驗證了技術路線和異常行為閉環(huán)處置流程的可行性，也探索了智能技術賦能考務管理的新業(yè)務模式。考后的反饋和數據分析結果顯示：北京是真正實現(xiàn)所有考場、所有科目全覆蓋，完成市、區(qū)、考點三級使用和聯(lián)動的省市之一；高考期間場均（平均每場次每個考場）報警5次，系統(tǒng)對于疑似違規(guī)行為的檢測有效，實際檢測出的疑似違規(guī)行為涵蓋傳遞可疑物品、手放桌下并埋頭、左右偏頭、向后偏頭等11種；對疑似違規(guī)行為檢測的報警反饋時間平均28秒，能基本滿足考務人員的現(xiàn)場處理需求；能夠有效減輕視頻監(jiān)考人員的工作壓力，減少遺漏和誤判；對考場監(jiān)考人員的規(guī)范監(jiān)考起到很好的監(jiān)督作用，同時對于心存僥幸的考生具有較強的威懾作用。但與此同時，經過實施也發(fā)現(xiàn)，無論在需求理解、算法實現(xiàn)，還是系統(tǒng)部署、實施效能等方面，都有可改進之處。

（一）直面業(yè)務痛點，深挖技管需求

引人智能行為分析技術手段主要是為了解決視頻監(jiān)考員工作強度高、識別效率低、部分隱蔽違規(guī)行為難發(fā)現(xiàn)、群體性舞弊行為難以監(jiān)管等問題。通過在自考部分考點試點及高考全部考點覆蓋的大范圍應用，解決老問題的同時也帶來了新問題，衍生出新的技術和管理需求，包括考點如何部署新設備、不同廠家從已有視頻存儲設備中正常提取視頻文件、疑似違規(guī)行為的排查和確認流程等，無論是新問題還是老問題，都需深刻理解業(yè)務需求、應用場景和技術背景，從管理和技術兩個方面充分挖掘和分析。

首先，聚焦“考生在考場參加考試”的業(yè)務場景。技術賦能組考考務應用，針對考試、考生群體、考生違規(guī)作弊行為、考場等的特點進行分析和算法匹配，宜采取差異化的行為識別策略。具體分析的行為按照考中和考后兩類予以分析和處置：考中側重實時異常行為分析，對于技術的實時性要求極高；考后則側重于快速回溯和視頻壓縮能力，以及違規(guī)違紀行為的查證和核實。其次，合理設計流程。使得新增技術模塊和業(yè)務流程與原有流程完全兼容，充分利用標準化考點現(xiàn)有的基礎軟硬件設施和平臺資源，避免重復建設，提升軟硬件資源利用率，優(yōu)化軟硬件協(xié)同，實現(xiàn)數據的有效共享、功能的合理融合，提高整體系統(tǒng)的穩(wěn)定性和響應速度。再次，兼顧成本和實效。統(tǒng)籌考慮每個考點、考場的直接經濟成本、設備成本、人力成本等，AI算法性能越高則硬件投入越大，宜根據考場規(guī)模采取分級部署或采用云部署服務模式，實現(xiàn)降本增效。最后，兼顧技術賦能與簡化流程。既要考慮技術賦能提質增效，也要考慮簡化業(yè)務流程，在提高考務工作人員的操作便捷性、工作效率及減少已有環(huán)節(jié)上下功夫，不斷提升考務人員的接受程度和系統(tǒng)流程的自動化水平。

（二）優(yōu)化分析算法，提高報警采信

目前存在系統(tǒng)誤報率高（報警采信率低）異常行為種類覆蓋不全、檢測準確度易受環(huán)境干擾等問題。利用值得關注的異常行為數在系統(tǒng)報警數中的占比來定義采信率的話，整體上較低，而且對于考生摸頭、伸胳膊等習慣性行為，以及監(jiān)考員行走交錯等情形會有誤報。對于檢測發(fā)現(xiàn)的異常行為報警，僅覆蓋8類考生異常行為和3類監(jiān)考員異常行為，對考前提前答卷、考后拖答、提前延后收發(fā)卷等集體行為的檢測能力偏弱。在檢測的準確度上易受考場環(huán)境干擾，包括攝像機的角度、分辨率、考場布局、光照度等因素。

為降低系統(tǒng)誤報率，后續(xù)可針對更多考試、更多樣本，加強數據學習訓練，探索綜合（組合）動作判定算法。因為考生的異常行為分析，往往不是單憑某一個動作就能夠判定，需要綜合多個動作特征及連貫行為的模式予以分析和匹配，如攜帶紙條作弊的行為、偷窺他人試卷的作弊行為等。另外，需要在檢測敏感度、準確度、上報時效和考務人員工作量之間把握好平衡，兼顧響應處置的時效性，如對于舉手、站立、考后作答和相應的群體性動作等特定行為，應提高此類行為上報的實時性。同時，針對業(yè)務需求完善軟件功能，增強對網絡不穩(wěn)定或視頻無法獲取等異常情況的監(jiān)測響應能力，探索與考試綜合管理平臺的數據對接和流程聯(lián)動，加強軟件全流程、系統(tǒng)性測試。

（三）細化標準策略，提升分析效能

異常行為分類判定原則是實施智能行為分析的前提，也是智能行為分析算法的依據。按照考試場景中涉及的考生和監(jiān)考員異常行為的判定參考，對考生、考生群體以及監(jiān)考員等異常行為的人員動態(tài)姿勢和行為特征予以識別、判定和統(tǒng)計。

1.明確、細化判定標準并提升算法的靈活性

首先，對于異常行為的表現(xiàn)特征應和對應的考試時段（考前、考中和考后）予以對應，實現(xiàn)不同考試、不同時段的自適應配置策略，如提前答題的判斷分析僅限于考試開始之前，偏頭、站立等動作的判定僅在考試開始之后進行，否則會增加誤報率，干擾正常的分析流程。其次，對于異常行為的判定原則和流程，應分類界定并選擇適合的行為分析算法與之匹配，如對單獨依靠個別獨立行為無法有效判定考生或者監(jiān)考員的異常行為，應結合前后的動作序列，采用多個動作組合的方式予以判定。再次，對于群體性事件的判定條件應再細化和斟酌，如在考試期間將多于三名考生停止作答作為群體停止作答的判定條件，容易產生誤報。最后，針對不同部署模式的不同場景設計，能夠實現(xiàn)組件的松耦合、模塊化配置，形成異常行為智能分析能力的精準化供給，達到全局協(xié)同、各級可管、指令可達、風險可控的成效。

2.智能行為分析功能嵌入國家教育考試綜合管理平臺

遠程電子巡查指揮系統(tǒng)在北京各類考試、各考區(qū)、考點和考場已實現(xiàn)全覆蓋，包括考試巡查、保密室監(jiān)控、考試指揮、突發(fā)事件處理、考試預警、考務綜合管理及組織視頻會議等功能。如果能將智能行為分析功能嵌人到國家教育考試綜合管理平臺之中，至少實現(xiàn)與遠程電子巡查指揮系統(tǒng)的消息交互，實現(xiàn)業(yè)務流程閉環(huán)，既便于設備利舊，又利于事件處置。同時，應不斷提高平臺內嵌智能行為分析功能的網絡適應性，加強應對網絡斷開、網絡波動和視頻丟包等異常情況的處理能力，提升平臺的健壯性。

3.配合技術步驟完善業(yè)務流程

智能行為分析效能的提升，除分析模型不完善、隱蔽動作難發(fā)現(xiàn)、算力成本高等技術相關的有效性問題之外，最影響其成效的是管理制度的規(guī)范程度、管理措施的落實程度及管理流程的磨合程度。首先，需完善并出臺相關管理制度，充分結合考試實際，進一步細化省（市）級考試院、考區(qū)、考點三級機構和人員的具體職責，加入智能行為分析相關的職責和要求；其次，需要進一步明確和細化流程，重點梳理加入智能行為分析之后的原有巡查系統(tǒng)的使用流程，如對于視頻監(jiān)考員的人員數量要求、職責要求、處置流程、處理步驟等，尤其是在無線信號嚴格管控的條件下，提高視頻監(jiān)考人員與現(xiàn)場巡考或監(jiān)考人員的交互效率，形成異常行為發(fā)現(xiàn)、審核、處置和反饋的完整閉環(huán)；最后，細化技術需求、輔助業(yè)務增效，技術應以業(yè)務需求為導向，將技術實現(xiàn)融入業(yè)務流程，實現(xiàn)業(yè)務的數字化重構，要“充分考慮慣性思維與路徑依賴\"2]，包括軟件操作的留痕與查詢、疑似違規(guī)行為的提示、處置與取證等。

參考文獻：

[1]教育部.教育部發(fā)2022年高考預警信息提醒廣大考生提高警惕謹防受騙[EB/OL].（2022-06-03）[2025-01-08].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202206/t20220602_634246.html.

[2]教育部.教育部會同有關部門全力保障2024年高考安全[EB/OL].（2024-05-31）[2025-01-08].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202405/t20240531_1133390.html.

[3]周楠，周建設.基于深度學習的學生行為分析與教學效果評價[J].現(xiàn)代教育技術，2021，31（08）：102-111.

[4]張曉平，紀佳慧，王力，等.基于視頻的人體異常行為識別與檢測方法綜述[J].控制與決策，2022，37（1）：14-27.

[5]趙榮泳，韋炳宇，朱文杰，等.公共場所行人異常行為識別方法綜述[J].中國安全科學學報，2024，34（2）：83-93.

[6]駱祖瑩，萬楨洪，李玉順.面向考場視頻中作弊行為的層次式檢測方法[J].中國考試，2023，（05）：45-52.

[7]石祥濱，劉宏哲.基于骨架的雙模注意力時空圖卷積網絡人體動作識別方法[J].沈陽航空航天大學學報，2023，40（01）：58-66.

[8]王瑞，李婷婷.姿態(tài)估計技術和動作識別技術在舞蹈類考試及教學中的應用探索[J].中國考試，2022，（11）：45-51.

[9]DUANH，ZHAOY，CHENK，etal.RevisitingSkeletonBased ActionRecognition[C]//2O22 IEEE/CVF Conference on Computer VisionandPatternRecognition（CVPR）.NewOrleans，LA：IEEE，2022： 2959-2968.

[10]KHIRODKARR，CHARIV，AGRAWAL A，etal.Multiinstance Pose Networks Rethinking Top-Down Pose Estimation [C]// 2021 IEEE/CVF International Conference on Computer Vision（ICCV）. LosAlamitos，CA：IEEE Computer Society，2021：3102-3111.

[11]楊小玲，魏大慶，田偉，等.AI圖像識別技術在考試監(jiān)考中的應用[J].教育考試與評價，2024，（01）：29-33.

[12]孫利君.教育考試業(yè)務數字化重構及呈現(xiàn)的思考[J].招生考試研究，2023，（03）：77-85.

Practice and Reflection on Exam Behavior Analysis Based on Exam Room Videos

Sun Lijun Guo Mingduo BeijingEducationExaminationsAuthority，Beijing，l00083

Abstract：The application of AI empowering education to achieve high-quality development continues to be implemented.In 2O24，the college entranceexaminationin Beijing hasaddedan inteligent behavioranalysis system for examination rooms.Basedon examination room videos，AI technology isapplied to automatically identifyabnormal behaviors of candidatesand provide risk warnings，achieving full coverage of all examination points，examination rooms，and examination subjects.Thearticle explores the feasibilityof intelligent technology empowering exam management to achieve businessmodel innovation through theapplication of technical means， optimization of business processes，and improvement of program processes.Through practical verification，this approachcaneffectivelysolvetheproblems of high workload，lowrecognitionefficiency，anddifficultyindetecting some hidden violations of video invigilators.It plays a positive role in improving exam room order，enhancing managementefficiency，ensuring exam fairness，anddeterring illegalattempts.Inthe future，ffrtsneed tobe madeto reduce 1 alarm rates，improve analysis eficiency，andcontinuously improve the fairness and efficiency of exams.

KeyWords：Intelligent Patrol，Behavioral Analysis，Education Examination，Exam Behavior

（責任編輯：陳暢）