(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 202210225410.0 (22)申请日 2022.03.07 (71)申请人 湖南中科助英智能科技研究院有限 公司 地址 410000 湖南省长 沙市岳麓区桐梓坡 路96号 (72)发明人 谢剑斌　贾冕　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 李杨 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06Q 50/20(2012.01) (54)发明名称 一种面向在 线考试的人物目标检测方法、 装 置和设备 (57)摘要 本申请涉及一种面向在线考试的人物目标 检测方法、 装置和计算机设备。 所述方法包括： 通 过在线考试中考生正面图像构成的训练数据集， 对预先设计的人物目标检测模型进行训练； 人物 目标检测模型包括前景目标检测算法模块和改 进的语义分割算法模块， 改进的语义分割算法模 块中包含卷积注意力模块； 将前景目标检测算法 模块得到前景目标图和改进的语义分割算法模 块得到的语义分割图按预设规则进行融合， 得到 修正后的语义分割结果作为人物目标检测模型 的输出； 得到训练好的人物目标检测模型后， 实 时获取在线考试中考试设备摄像头拍摄的视频 图像， 对数据进行预处理后将帧图像输入训练好 的人物目标检测模型， 得到在 线考试人物目标的 实时检测结果。 权利要求书2页 说明书8页 附图4页 CN 115082954 A 2022.09.20 CN 115082954 A 1.一种面向在线考试的人物目标检测方法， 其特 征在于， 所述方法包括： 获取在线考试中考试设备摄像头拍摄的考生正面图像， 将所述考生正面图像进行样本 标注后得到训练数据集； 将所述训练数据集输入预先设计的人物目标检测模型中； 所述人物目标检测模型包括 前景目标检测算法模块和改进的语义分割算法模块； 所述前景目标检测算法模块用于得到 前景目标图； 所述改进的语义分割算法模块用于得到语义分割图； 所述改进的语义分割算 法模块中包含卷积注意力模块； 将所述前景目标图和所述语义分割图按预设规则进行融 合， 得到修 正后的语义分割结果作为所述人物目标检测模型的输出； 通过所述训练数据集对所述人物目标检测模型进行训练， 得到训练好的人物目标检测 模型； 在应用阶段， 实时获取在线考试中考试设备摄像头拍摄的视频图像， 对数据进行预处 理后将帧图像输入所述训练好的人物目标检测模型， 得到在线考试人物目标的实时检测结 果。 2.根据权利要求1所述的方法， 其特征在于， 所述前景目标检测算法模块中的前景目标 检测算法为ViBe算法； 所述改进的语义分割 算法模块中的语义分割 算法为改进的ICNet语 义分割算法。 3.根据权利要求2所述的方法， 其特征在于， 通过所述训练数据集对所述人物目标检测 模型进行训练， 得到训练好的人物目标检测模型， 包括： 通过所述训练数据集对所述前景目标检测算法模块进行训练， 得到训练好的ViBe算法 模块； 通过所述训练数据集和改进的Combo  Loss损失函数对所述改进的语义分割算法模块 进行训练， 得到训练好的ICNet语义分割算法模块； 所述改进的Combo  Loss损失函数是由 BCE二元交叉熵函数和Dice&Focal Loss函数结合所构成的； 由所述训练好的ViB e算法模块和所述训练好的ICNet语义分割算法模块得到训练好的 人物目标检测模型。 4.根据权利要求3所述的方法， 其特征在于， 在应用阶段， 实时获取在线考试中考试设 备摄像头拍摄的视频图像， 对数据进 行预处理后将帧图像输入所述训练好的人物目标检测 模型， 得到在线考试 人物目标的实时检测结果， 包括： 在应用阶段， 实时获取在线考试中考试设备摄 像头拍摄的视频图像； 离散地抽取 所述视频图像中的帧得到帧图像； 对所述帧图像进行预处理后输入所述训练好的人物目标检测模型， 得到在线考试人物 目标的实时检测结果。 5.根据权利要求4所述的方法， 其特征在于， 所述卷积注意力模块中包括通道注意力模 块和空间注意力模块； 所述卷积注意力模块用于对级联 特征图进行自适应特 征优化。 6.根据权利要求5所述的方法， 其特 征在于， 对级联 特征图进行自适应特 征优化， 包括： 由所述通道注意力模块和所述空间注意力模块分别得到通道注意力和空间注意力后， 通过使用广播机制对输入的特 征图进行信息提炼， 得到提炼后的特 征图； 根据所述 提炼后的特 征图进行级联 特征融合和级联 标签指导。 7.根据权利要求1至6任意一项所述的方法， 其特征在于， 所述训练数据集中包括正样权　利　要　求　书 1/2 页 2 CN 115082954 A 2本和负样本。 8.一种面向在线考试的人物目标检测装置， 其特 征在于， 所述装置包括： 训练数据集获取模块， 用于获取在线考试中考试设备摄像头拍摄的考生正面图像， 将 所述考生正面图像进行样本标注后得到训练数据集； 数据输入模块， 用于将所述训练数据集输入预先设计的人物目标检测模型中； 所述人 物目标检测模型包括前景目标检测算法模块和改进的语义分割算法模块； 所述前景目标检 测算法模块用于得到前景目标图； 所述改进的语义分割算法模块用于得到语义分割图； 所 述改进的语义分割算法模块中包含卷积注意力模块； 将所述前景目标图和所述语义分割图 按预设规则进行融合， 得到修 正后的语义分割结果作为所述人物目标检测模型的输出； 模型训练模块， 用于通过所述训练数据集对所述人物目标检测模型进行训练， 得到训 练好的人物目标检测模型； 模型应用模块， 用于在应用阶段， 实时获取在线考试中考试设备摄像头拍摄的视频图 像， 对数据进行预处理后将帧图像输入所述训练好的人物目标检测模型， 得到在线考试人 物目标的实时检测结果。 9.根据权利要求8所述的装置， 其特征在于， 所述前景目标检测算法模块中的前景目标 检测算法为ViBe算法； 所述改进的语义分割 算法模块中的语义分割 算法为改进的ICNet语 义分割算法， 所述模型训练模块还用于： 通过所述训练数据集对所述前景目标检测算法模块进行训练， 得到训练好的ViBe算法 模块； 通过所述训练数据集和改进的Combo  Loss损失函数对所述改进的语义分割算法模块 进行训练， 得到训练好的ICNet语义分割算法模块； 所述改进的Combo  Loss损失函数是由 BCE二元交叉熵函数和Dice&Focal  Loss函数结合所构成的； 由所述训练好的ViB e算法模块和所述训练好的ICNet语义分割算法模块得到训练好的 人物目标检测模型。 10.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115082954 A 3