一种校园疫情在线监测系统的制作方法

本发明涉及校园疫情监技术控领域，具体涉及一种校园疫情在线监测系统。

背景技术：

高度传染性疾病是人类公敌，关乎每个人的身心健康，在疫情期间，做好校园疫情调查是校园疫情防控的重要措施。在保持社交距离的情况下，通过在线校园疫情调查进行疫情监控是已成为众多院校的首选。大部分学生在进行在线疫情调查时会如实作答，然而部分学生可能会因为害怕被隔离等各种原因隐瞒实际情况，影响在线校园疫情调查的可信度，为疫情排查增加难度，甚至可能带来潜在隐患。

技术实现要素：

有鉴于此，本发明提出了一种校园疫情在线监测方法，对学生在线疫情调查时的可信度进行评估，筛选出潜在的隐瞒事件，用于解决学生在进行在线疫情调查时可能会隐瞒实际情况、影响在线校园疫情调查的可信度的问题。

本发明提出一种校园疫情在线监测系统，所述系统包括：

在线调查模块：用于采用在线问卷调查的方式对学生进行疫情调查，分别记录学生每道题的答题时间；

网络摄像头：用于在线采集学生在每道题的答题时间内的面部表情图像序列；

表情分析模块：用于对网络摄像头采集到学生答题时的面部表情图像序列进行特征提取，提取出面部表情图像序列中的关键帧，将关键帧特征向量按照时间序列组成表情特征序列；根据所述表情特征序列进行表情变化分析，识别出表情，判断是否疑似隐瞒；

二次推送模块：用于筛选出学生第一次作答时答题时间超过设定时间或表情分析模块判定为疑似隐瞒的题目，将对应的题目推送给学生进行第二次作答；

对比判断模块：用于将第二次作答结果与第一次作答结果比对，如果结果不一致，判定存在隐瞒情况；如果结果一致，对于第一次作答时表情分析模块判定为疑似隐瞒的题目，计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，若所述相似度高于设定阈值，判定存在隐瞒情况。

优选的，所述系统还包括身份验证模块，用于对参与在线问卷的用户进行学生学号验证、人脸验证和健康码验证。

优选的，所述在线调查模块中，身份验证通过后点击开始按钮答题，题目类型均为选择题，在页面一侧通过计时器记录学生每道题的答题时间。

优选的，所述表情分析模块中，采用卷积神经网络模型进行特征提取、表情识别和疑似隐瞒判断。

优选的，所述计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度具体为：

采用光流法跟踪表情特征序列的特征点；

计算第一次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第一运动矢量图；

计算同一道题第二次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第二运动矢量图；

计算第一运动矢量图和第二运动矢量图之间的相似度。

优选的，所述系统还包括逻辑判断模块，用于对在线调查模块的问卷调查题目及答案选项进行文本分析，建立不同题目及答案选项之间的逻辑关系图谱，当学生完成第一次作答后判断各题目及学生的答案是否与所述逻辑图谱相符，对于不相符的题目，将对应的题目推送给学生进行再次作答。(防止前后矛盾)

优选的，所述系统还包括错误排查模块：

用于获取与所述逻辑图谱不相符的题目的再次作答结果和答题时的面部表情图像序列，判断第一次作答与再次作答结果是否一致，如果结果不一致，通过表情分析模块判断出第一次作答与再次作答是否均为疑似隐瞒，若全为否，判定为答案勾选错误，排除隐瞒情况；如果结果一致，通过对比判断模块判断是否存在隐瞒情况。

优选的，所述系统还包括瞒报警示模块，用于在判定存在隐瞒情况时，向校园疫情在线监测系统的管理员发送瞒报提醒消息，所述瞒报提醒消息中包括学生姓名、学号、对应的瞒报题目以及该学生完整的在线问卷调查链接。

本发明的相对于现有技术具有以下有益效果：

1)本发明通过对学生在线答题时的面部表情进行分析判断是否疑似隐瞒，根据第一次答题时的时间和疑似隐瞒情况进行二次答题，通过计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度进行二次判断，通过基于时间序列的面部特征的运动矢量变化情况反应撒谎时面部变化，更深层次获取撒谎时的面部动态特征，提高判断的准确度。

2)通过逻辑判断模块筛查出前后矛盾的答案，再通过错误排查模块进一步分析是无心失误勾选了错误答案还是有意隐瞒，提高校园疫情在线检测系统的可信度。出现隐瞒情况及时上报处理，为疫情分析提供参考，较少校园疫情潜在隐患。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的校园疫情在线监测系统结构示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

请参阅图1，本发明提出一种校园疫情在线监测系统，所述系统包括：身份验证模块1、在线调查模块2、网络摄像头3、表情分析模块4、二次推送模块5、对比判断模块6、逻辑判断模块7、错误排查模块8、瞒报警示模块9、核查确认模块10。

身份验证模块1，用于对参与在线问卷的用户进行学生学号验证、人脸验证和健康码验证。学生进入校园疫情在线监测系统后首先验证学号，然后通过网络摄像头采集学生人脸信息和学生的个人健康码，学号验证成功、人脸验证成功、健康码正常时，进入在线调查模块进行答题。若健康码异常，直接向系统管理员报告。

在线调查模块2，用于采用在线问卷调查的方式对学生进行疫情调查，分别记录学生每道题的答题时间；系统页面进行身份验证通过后点击开始按钮答题，题目类型均为选择题，在系统页面一侧通过计时器记录学生每道题的答题时间。

所述问卷调查题目根据当前流行的传染病症状特征和疫情防控需求制定，比如，学生是否返校、当前所在省市、当日体温是否超过37.3、是否有确诊或疑似人员接触史、近两周是否有发热史、有无家族成员感染、是否有高风险地区旅行史等等。

网络摄像头3，用于在线采集学生在每道题的答题时间内的面部表情图像序列；

表情分析模块4，用于对网络摄像头采集到学生答题时的面部表情图像序列进行特征提取，提取出面部表情图像序列中的关键帧，将关键帧特征向量按照时间序列组成表情特征序列；根据所述表情特征序列进行表情变化分析，识别出表情，判断是否疑似隐瞒；

可采用卷积神经网络模型进行特征提取、表情识别和疑似隐瞒判断，具体为：

预先准备大量面部视频并标记是否撒谎，从所述面部视频中按照按照时间顺序截取图像序列，提取所述图像序列的特征向量并组成样本特征向量序列；

构建卷积神经网络模型，通过所述样本特征向量序列训练所述卷积神经网络模型；

将所述表情特征序列输入所述训练好的卷积神经网络模型，判断是否撒谎，若是，判定疑似隐瞒。

二次推送模块5，用于筛选出学生第一次作答时答题时间超过设定时间或表情分析模块判定为疑似隐瞒的题目，将对应的题目推送给学生进行第二次作答；

由于疫情调查在线问卷调查时，调查的是个人信息，题目都是简单的是否选择，每道题的正常做题时间不会太长，但是当做题人员犹豫不决迟迟不作答时，可能存在撒谎嫌疑，因此本发明将答题时长作为一个因素加入在线监测系统中。

对比判断模块6，用于将第二次作答结果与第一次作答结果比对，如果结果不一致，判定存在隐瞒情况；如果结果一致，对于第一次作答时表情分析模块判定为疑似隐瞒的题目，计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，若所述相似度高于设定阈值，判定存在隐瞒情况。

所述计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度具体为：

采用光流法跟踪表情特征序列的特征点；

计算第一次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第一运动矢量图；

计算同一道题第二次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第二运动矢量图；

计算第一运动矢量图和第二运动矢量图之间的相似度。

本发明考虑同一个人在撒谎时面部变化特征相似这一特点，通过计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度进行二次判断，通过基于时间序列的面部特征的运动矢量变化情况反应撒谎时面部变化，更深层次获取撒谎时的面部动态特征，提高判断的准确度。此外，从另一角度来看，由于在表情分析模块4中已进行是否撒谎判断，二次判断时计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度也是对第一次判断结果的验证。

逻辑判断模块7，用于对在线调查模块的问卷调查题目及答案选项进行文本分析，建立不同题目及答案选项之间的逻辑关系图谱，当学生完成第一次作答后判断各题目及学生的答案是否与所述逻辑图谱相符，对于不相符的题目，将对应的题目推送给学生进行再次作答。

错误排查模块8，用于获取与所述逻辑图谱不相符的题目的再次作答结果和答题时的面部表情图像序列，判断第一次作答与再次作答结果是否一致，如果结果不一致，通过表情分析模块判断出第一次作答与再次作答是否均为疑似隐瞒，若全为否，判定为答案勾选错误，排除隐瞒情况；如果结果一致，通过对比判断模块判断是否存在隐瞒情况。

在调查问卷过程中难免出现眼花、手滑导致答案勾选错误的情况，造成前后矛盾，通过逻辑判断模块筛查出前后矛盾的答案，再通过错误排查模块进一步分析是无心失误勾选了错误答案还是有意隐瞒，提高校园疫情在线检测系统的可信度。

疫情警示模块9，用于在判定存在隐瞒情况时，向校园疫情在线监测系统的管理员发送瞒报提醒消息；当问卷调查结果中出现异常时，比如学生体温异常、接触史异常等，向校园疫情在线监测系统的管理员发送异常提醒消息；所述瞒报提醒消息或异常提醒消息中包括学生姓名、学号、对应的瞒报/异常题目以及该学生完整的在线问卷调查链接等信息。

核查确认模块10，当管理员收到瞒报提醒消息或异常提醒消息后进行人工核查确认，必要时采取相应的应急处置措施，排除疫情隐患，或确认无疫情后将对应学生属性信息修改为正常。

本发明可在特殊时期疫情管控提供参考，提醒管理员核实潜在疫情情况，减少校园疫情风险，清扫疫情管控死角。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。