A Video-based Detector for Suspicious Activity in Examination with OpenPose

要約

試験は学習プロセスの重要な部分であり、学術機関は学生や指導者による不正行為を防止して誠実さを維持するために多大なリソースを投資しています。
しかし、試験の現場では不正行為が横行しており、試験の誠実さが損なわれています。
すべての生徒を監視するために監督官に頼る従来の方法は非現実的であり、効果的ではありません。
この問題に対処するには、試験セッションを継続的に記録し、学生の不審な活動を監視する必要があります。
ただし、これらの記録は多くの場合、試験官が効果的に分析するには長すぎるため、疲労により重要な詳細を見逃してしまう可能性があります。
対象範囲を広げるために、監視員は固定式オーバーヘッド カメラまたはウェアラブル カメラを使用できます。
このペーパーでは、自動化を使用してビデオを分析し、検査中の不審なアクティビティを効率的かつ効果的に検出するフレームワークを紹介します。
OpenPose フレームワークと畳み込みニューラル ネットワーク (CNN) を利用して、試験中にオブジェクトを交換する学生を特定しました。
この検出システムは、不正行為を防止し、教育機関の学術的誠実さ、公平性、質の高い教育を促進するために不可欠です。

要約(オリジナル)

Examinations are a crucial part of the learning process, and academic institutions invest significant resources into maintaining their integrity by preventing cheating from students or facilitators. However, cheating has become rampant in examination setups, compromising their integrity. The traditional method of relying on invigilators to monitor every student is impractical and ineffective. To address this issue, there is a need to continuously record exam sessions to monitor students for suspicious activities. However, these recordings are often too lengthy for invigilators to analyze effectively, and fatigue may cause them to miss significant details. To widen the coverage, invigilators could use fixed overhead or wearable cameras. This paper introduces a framework that uses automation to analyze videos and detect suspicious activities during examinations efficiently and effectively. We utilized the OpenPose framework and Convolutional Neural Network (CNN) to identify students exchanging objects during exams. This detection system is vital in preventing cheating and promoting academic integrity, fairness, and quality education for institutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google