AutoOEP——面向线上考试的多模态框架
摘要
在线教育的快速发展使得需要可靠且可扩展的系统来确保远程考试期间的学术诚信。传统的人类监考在规模方面往往不可行，而现有的自动化解决方案要么侵入性强，要么无法检测广泛的作弊行为。本文引入 AutoOEP（Automated Online Exam Proctoring），一个综合性的多模态框架，利用计算机视觉和机器学习提供有效的自动化监考。该系统利用双摄像头设置捕获考生的正面视角和工作台的侧面视角，最小化盲区。我们的方法整合了多个平行分析：面部模块使用 ArcFace 进行持续身份验证，同时进行头部姿态估计、注视轨迹和口部动作分析，以检测可疑线索。同时，手部模块采用微调的 YOLOv11 模型检测禁用物品（如手机、笔记本），并跟踪手部与这些物品的接近程度。来自这些模块的特征被整合并输入到长短期记忆（LSTM）网络中，该网络分析时间模式以计算实时作弊概率得分。我们在模拟多样化考试条件的自定义数据集上评估了 AutoOEP。该系统在分类可疑活动方面达到了 90.7% 的准确率。目标检测组件在禁用物品检测上获得了 [email protected] 为 0.57 的平均精度，而整个框架在无 GPU 时约以 2.4 帧/秒的速度处理视频流。结果表明，AutoOEP 是一个有效且资源高效的自动化监考解决方案，显著减少了对人工干预的需求，并增强了在线评估的完整性。代码已公开，可访问 https://github.com/05kashyap/AutoOEP。
引用
@article{arxiv.2509.10887,
title = {AutoOEP -- A Multi-modal Framework for Online Exam Proctoring},
author = {Aryan Kashyap Naveen},
journal= {arXiv preprint arXiv:2509.10887},
year = {2026}
}
备注
arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission