基于计算机视觉和云端语义推理的考试防作弊监控系统。
本项目是为了参加 青少年科技创新大赛而设计。
Copyright © 2026 LoveEcho1145
本项目仅限 个人学习和研究使用。
禁止任何形式的商业用途，包括但不限于：
- 商业销售或分发
- 用于商业产品或服务
- 商业培训或咨询服务
- 任何盈利性活动
如需商业授权，请联系作者：brody@010912.top
Windows 10/11，Python 3.8+，需要摄像头。
python -m venv venv
venv\Scripts\activate # Windows
# source venv/bin/activate # Linux/Macpip install -r requirements.txt设置环境变量 DEEPSEEK_API_KEY 或在项目根目录创建 .env 文件：
DEEPSEEK_API_KEY=sk-your-api-key详见 API配置指南。不配置的话系统会用模拟推理，也能正常运行。
# GUI 界面（推荐）
python gui_app.py
# 命令行 + 显示画面
python main.py --display
# 命令行（无画面，纯后台运行）
python main.py
# 测试模拟器
python test_simulator.py选项:
--camera, -c 摄像头索引 (默认: 0)
--display, -d 显示监控画面
--low-power, -lp 启用低功耗模式（降低帧率）
--weak-network, -wn 启用弱网优化模式（压缩行为描述）
--debug 启用调试模式
# 显示监控画面
python main.py --display
# 低功耗模式
python main.py --low-power
# 弱网模式
python main.py --weak-network
# 切换摄像头
python main.py --camera 1 --display
# 调试模式（输出详细日志）
python main.py --debug退出方式：画面窗口按 Q 键，或终端 Ctrl+C。
摄像头 → 姿态检测(MediaPipe) → 本地分析(阈值判断) → 云端推理(DeepSeek API) → 预警系统
│ │ │ │
视频采集 人脸478点+手21点 三级检测条件 12类作弊识别 日志+模拟蜂鸣/LED
| 层级 | 模块 | 说明 |
|---|---|---|
| 本地快速筛选 | local_analyzer.py |
基于阈值规则实时判断，毫秒级响应 |
| 云端精准推理 | cloud_inference.py |
调用 DeepSeek API 语义分析，识别复杂作弊模式 |
- 头部偏转 > 45° 且持续 > 2秒
- 手部入桌面下 > 3次/10秒
- 手掌距面部 < 15cm 且停留 > 1秒
满足任一条件触发云端推理。
exam-proctor-system/
├── main.py # CLI 入口，编排所有模块
├── gui_app.py # Tkinter GUI 界面
├── config.py # 所有配置常量（阈值、API、性能参数）
├── video_capture.py # OpenCV 摄像头采集 + 光照自适应
├── pose_detector.py # MediaPipe 人脸网格(478点) + 手部(21点)检测
├── local_analyzer.py # 本地规则检测（三级条件判断）
├── behavior_buffer.py # 行为时序状态机 + 误判过滤
├── cloud_inference.py # DeepSeek API 云端语义推理
├── alert_system.py # 日志预警，模拟蜂鸣器 + LED 灯
├── display.py # OpenCV 增强显示（信息面板 + 仪表盘）
├── utils.py # 数学工具（角度计算、距离、亮度检测）
├── hand_preview.py # 独立手部检测预览工具
├── test_simulator.py # 模拟姿态数据生成 + 测试框架
├── requirements.txt # Python 依赖
└── API配置指南.md # API 密钥配置详细说明
| ID | 名称 | 描述 | 严重程度 |
|---|---|---|---|
| 1 | 旁窥 | 头部向左/右偏转超过阈值 | 高 |
| 2 | 传递物品 | 手部频繁移动至身体两侧或下方 | 高 |
| 3 | 使用电子设备 | 手掌靠近面部且停留 | 严重 |
| 4 | 交头接耳 | 头部频繁转向且嘴部有动作 | 高 |
| 5 | 夹带小抄 | 眼球频繁向下注视固定位置 | 中 |
| 6 | 抄袭他人 | 持续注视非自己试卷区域 | 高 |
| 7 | 接收信号 | 耳部附近有异常物体或手部动作 | 严重 |
| 8 | 代考替换 | 面部特征与入场记录不符 | 严重 |
| 9 | 资料偷看 | 视线频繁离开试卷区域 | 中 |
| 10 | 手势暗号 | 手部做出特定重复性动作 | 中 |
| 11 | 身体遮挡 | 用身体遮挡视线进行异常行为 | 中 |
| 12 | 异常离座 | 频繁或长时间离开座位 | 低 |
测试条件：Windows 11, Intel i5-12400F, 16GB RAM, 摄像头 640x480, 室内光照 ~500lux
| 指标 | 目标值 |
|---|---|
| 识别准确率 | ≥92% |
| 误报率 | ≤3% |
| 单帧处理 | ≤80ms |
| 响应延迟 | ≤300ms |
| 弱网(0.5Mbps)云端响应 | ≤400ms |
| 光照适配 | 100-1000lux |
- 两级检测架构：本地快速筛选 + 云端精准推理
- 12类作弊行为识别：覆盖常见作弊手法
- GUI 图形界面：Tkinter 深色主题，实时视频 + 头部姿态仪表盘 + 违规记录面板
- 误判过滤：区分翻书、低头写字、托腮思考等正常行为
- 弱网优化：行为描述压缩 ≤100字
- 低功耗模式：跳帧处理降低CPU占用
- 光照自适应：自动调节滤镜强度（100-1000lux）
- 手部预览工具：独立的 21 点手部骨架可视化调试工具（
hand_preview.py）
所有配置项在 config.py 中，详见该文件注释。主要配置包括：
LOCAL_THRESHOLDS— 本地检测阈值（角度、距离、时长、次数等）CLOUD_API— 云端 API 配置（服务商、地址、模型）CHEAT_BEHAVIORS— 12类作弊行为定义NORMAL_BEHAVIORS— 正常行为白名单（用于误判过滤）PERFORMANCE— 性能目标参数
调节阈值可参考 config.py 中的 LOCAL_THRESHOLDS 字典，调高数值可降低敏感度 / 减少误报。
============================================================
⚠️ 作弊预警 ⚠️
============================================================
时间: 2026-05-03 10:30:45
等级: HIGH
来源: 云端推理
类型: [1] 旁窥
置信度: 75%
描述: 头部大幅度偏转持续较长时间，疑似窥视他人试卷
============================================================
[蜂鸣器] 🚨 嘀嘀嘀
[LED灯] 🔴 状态: RED
- Python 3.8+
- OpenCV — 视频采集与图像处理
- MediaPipe — 手部/面部关键点检测
- DeepSeek API — 云端语义推理
关掉其他可能占用摄像头的软件（微信、QQ等），或尝试 --camera 1 切换摄像头。
Get-Content requirements.txt | Out-File -Encoding utf8 req_new.txt
Move-Item req_new.txt requirements.txt -Force
pip install -r requirements.txt确认已正确安装所有依赖，摄像头驱动正常。检查 cheat_detection.log 日志文件排查具体错误。
运行记录保存在 cheat_detection.log，遇到问题时可以查看该文件定位原因。
- 云端推理模块默认使用模拟响应，实际使用需配置 API 密钥
- 首次运行 MediaPipe 会自动下载模型文件（~10MB）
- 确保摄像头正常工作且未被其他程序占用