揭秘辽宁高考AI反作弊系统：170小时检测10万小时考场视频( 二 )

据辽宁省招考办介绍，今年发现的诸多疑似违规行为中，有部分被考务人员判定为确实违规。经过实际检验，系统能有效识别旁窥、前窥、回头、递纸条等常规性抄袭行为，在人工不易判断的高科技作弊行为检测方面也取得了较好的效果。

从特征提取到数据处理研发过程历经重重挑战

疑似违规行为是怎么被发现的？系统算法负责人、沈阳航空航天大学副教授、沈阳图为科技有限公司核心成员刘翠微解释说，团队通过研究大量的考试视频和心理学资料，发现有违规行为的学生多少会产生一些心理波动，进而表现出行为异常。 “通过分析画面中考生的动态和静态特征，人工智能系统可以捕捉到一些异常行为。 ”她说。
原理解释看上去非常简单，真正的研发过程却艰辛而漫长。辽宁省招考办早在2017年便有意使用人工智能，受技术水平限制没能实现——相关工作人员接触了不少公司，包括一些互联网大厂，得到的答复都是“做不了” 。直到2018年，沈阳航空航天大学团队才接受了这个“挑战” 。
让人工智能练就“火眼金睛” ，难在哪儿？刘翠微告诉南都采访人员，违规行为的特征表示和提取，是第一大难题。
用人脸识别作为对比，或许能更好地说明考场行为分析的困难所在：每个人的人脸特征是确定的，机器只要拍到清晰的人脸图片，就可以完成特征提取和后台比对。
但在考场上，不同考生之间的差异性很大，违规行为的特征是不确定的。即便同样是打小抄， 100个学生可能也会有100种不同的表现。这就要求研发人员明确违规行为的特征，让系统能够作出有效区分。
考生精细动作的可辨识性，则是另一重难题。由于现实条件限制，考场内不可能安装多个摄像头，只能靠教室前端的一个摄像头来俯拍全景，不同的考生之间可能出现遮挡。一个教室大约有30位考生，即便考场视频已达到高清级别，画面中的每位考生还是很小，被拍下来的身体姿态、动作也局限于特定的角度。

文章图片

高考监控摄像头拍摄画面。
“一个想作弊的考生会有很强的主观隐蔽性，不可能把他的行为公然展现出来。他的动作都是细微的动作，变化幅度非常小，反映到图像当中可能就是几十个像素甚至几个像素。 ”刘翠微说，此前的一些人工智能系统可以检测幅度较大的快速运动，比如打架斗殴、异常奔跑等。但室内环境下的多人精细行为分析，仍然面临较大挑战。
构建高质量训练模型，也是研发团队要解决的一个重要问题。技术人员组织专门队伍对大量考试视频进行标注，包括视频中人的位置、身体部位、考生的动作、是否违规，等等。
此外，相比于人脸识别中的图像比对，视频分析的难度更大，背后的数据处理工作完全是不同的量级：一般视频的播放帧速率是每秒24帧，也就是24张图像。一场两个小时的考试，就会生成超过17万张图像。
要在这些图像的连续运动中发现考生特征的变化，同时让系统分析的结果具有“可解释性” ，可谓是难上加难，国内外没有多少经验可以借鉴。刘翠微回忆，研发工作曾多次陷入瓶颈，因为视频的数据量太大，他们有时候让系统运行一个测试，都要花上一两天之久。
最终，研发团队在完成核心技术攻关的基础上，赋予了系统一系列易管理、易操作的特性：任务流程自动化，系统可对分析结果自动筛选，一键生成工单发送给研判人员；管理人员可以实时监测所有任务的执行情况；视频模块可以自动截取证据视频片段，减轻复核工作量；可根据用户的不同需求，按照市、区、考点和科目等多维度进行数据统计和输出。
也正是由于多项工作属于“勇闯无人区” ，研发团队目前已申请了11项发明专利，同时主持了一项辽宁省地方技术标准的制定。为了让相关应用得到更好地发展，团队还孵化了沈阳图为科技有限公司，专攻视频领域的行为识别。