一种科目三考试车辆上安全员行为识别方法与流程

本发明涉及一种科目三考试车辆上安全员行为识别方法，属于车辆驾驶考试技术领域。

背景技术：

随着人们生活水平的不断提高，便捷的交通出行是人们的一大需求，而出行的安全更是重中之重。机动车驾驶技能越来越受到人们的关注，每年都会有数以万计的学员考取驾驶证，通过驾驶专业技能的培训并最终考核达标后方能驾驶车辆上路，从而尽量避免汽车在行驶的过程中发生交通事故，事故的发生不仅仅会对车辆本身造成一定影响，对人们的安全和经济都产生非常严重的威胁。

我国现阶段的机动车驾驶人驾驶技能考试采用的是计算机评判和考试员人工评判相结合的评判方式。目前仅实现了部分考试项目的数据采集和自动考核评分，还有部分考试项目仍需要监考人员随车监考。由于科目三考试监考人员人手不足，采用教练员或驾考中心的工作人员作为科目三考试的辅助安全员，这样在科目三考试的过程中会出现安全员做出语音提示、打手势、帮忙踩刹车等作弊行为，上述的作弊行为很难被发现，也很难杜绝，从而影响了整个驾考行业的公平、公正性。

有鉴于此，有必要提出一种科目三考试车辆上安全员行为识别方法，以实现真正意义上的驾驶考试公正、公平、公开，进一步提高学员的考试质量。

技术实现要素：

为了克服现有技术中存在的不足，本发明提供一种科目三考试车辆上安全员行为识别方法，以解决现有技术中无法对科目三考试车辆上安全员是否发生作弊行为进行监控的问题。

为实现上述目的，本发明采用的技术方案如下：

本发明的一种科目三考试车辆上安全员行为识别方法，包括步骤如下：

1)接收开始考试指令信号；

2)实时判断车辆内用于采集安全员图像数据的摄像头的初始位置是否发生变化；若发生变化则发出修正提醒并进入步骤3)；若未发生变化则进入步骤4)；

3)判断上述摄像头是否已恢复至设定的初始位置，若是则进入步骤4)；若否则发出停止考试指令，考试结束，并上传原因数据至考试监管平台；

4)实时采集车辆副驾驶位安全员的图像数据、车辆内的声音数据及副驾驶位刹车的状态数据；

5)对上述步骤4)中采集到的数据进行分析处理，根据处理结果判断安全员是否发出疑似作弊行为；若“是”则获取此时考试车辆的状态数据，进入步骤6)；若“否”则重复步骤5)，直至接收结束考试指令信号；

6)根据考试车辆的状态数据来判断安全员是否发出作弊行为，若“是”则进入步骤7)；若“否”则返回步骤5)；

7)锁定安全员发生作弊行为前后设定时间内的视频数据；

8)将判断发生作弊行为的结果及锁定的视频数据一并发送给考试监管平台，并返回步骤5)。

进一步地，所述步骤1)中接收车载端考试系统发送的开始考试指令，然后开启监控。

进一步地，所述步骤3)具体包括：对摄像头是否已恢复至设定的初始位置进行n次判断(即判断n次内是否恢复了设定的初始位置)，其中，n为小于6的自然数，且每次判断的间隔时间为t秒，其中，t的取值为30<t<60。

进一步地，所述步骤4)中通过车辆内设有的摄像头、麦克风阵列及副驾驶位刹车结构中的转轴上设有的编码器分别采集副驾驶位安全员的图像数据、车辆内的声音数据及副驾驶位刹车的状态数据。

进一步地，所述步骤5)中疑似作弊行为的判断过程具体包括：

根据采集到的图像数据，对安全员的肢体动作行为图像数据进行肢体姿态分析，来获得肢体的运动学数据，从而判断安全员是否发出疑似作弊行为；

根据采集到的音频数据，判断音频数据中声源的方向，若声源的方向是副驾驶位发出，则继续判断是否为人声，若“是”则判定为安全员发出疑似作弊行为，若“否”则继续判断是否为提示音，若是提示音则判定为安全员发出疑似作弊行为；

根据采集到的副驾驶位刹车状态来判断安全员是否有发出踩刹车动作，从而判断安全员是否发出疑似作弊行为。

进一步地，所述步骤6)具体包括：判断考试学员是否在安全员发出肢体动作或提示音后对车辆操作部件的操作发生相应改变，若“是”则判定为安全员发出作弊行为；若“否”则判定为安全员未发出作弊行为。

进一步地，所述步骤6)还包括：在安全员发出踩副驾驶位刹车动作后，即安全员发出疑似作弊行为，分析考试车辆前档外的图像数据，判断车辆前方一定距离内是否存在障碍物或车辆前方的交通信号灯状态；若车辆前方一定距离内存在障碍物且考试学员未发出刹车动作，则判定为安全员未发出作弊行为；若车辆前方的交通信号灯为红灯状态且考试学员未在安全距离内发出刹车动作，则判定为安全员未发出作弊行为；若不满足上述条件，则判定为安全员发出作弊行为。

进一步地，所述步骤5)中的考试车辆的状态数据具体包括：车辆上各操作部件的状态数据及车辆外部图像数据。

进一步地，所述步骤7)具体包括：当判定安全员发出作弊行为时，锁定发生作弊行为前后一段时间的视频数据，具体地，可设置锁定发生作弊行为前后30秒的视频数据，此处锁定视频的前后时间根据实际情况进行设置。

进一步地，所述步骤8)具体包括：将判定发生作弊行为的结果及锁定的视频数据通过互联网络一并发送给考试监管平台，并返回步骤5)。

本发明的有益效果：

本发明可实时对驾驶考试车辆上安全员的各项行为进行监控，基于大量的肢体形态数据及声音数据对安全员的行为进行判断，以得到最终安全员是否发生考试的作弊行为，具有极高的准确性，能够有效杜绝科目三考试过程中作弊行为的发生，最大程度实现考试的公平、公正原则。

本发明智能化程度高，硬件成本低，减少了建设成本及维护成本，且系统的可靠性高，适合任何考试车型。

本发明能够有效减轻驾驶考试中监考人员审查考试录像的工作量，监考人员只需根据考试作弊行为结果来复核音视频数据即可，另一方面也提升了考试评判效率。

附图说明

图1为安全员行为识别系统的结构框图。

图2为数据采集单元的结构框图。

图3为处理单元的结构框图。

图4为肢体动作行为判断模块对采集的肢体动作行为图像数据进行识别的原理图。

图5为副驾驶位刹车结构示意图。

图6为本发明方法的原理图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

本发明的方法基于安全员行为识别系统，参照图1至图3所示，该系统包括：数据采集单元1及处理单元2，二者数据连接；其中，

数据采集单元1，其包括：图像采集装置11、音频采集装置12及刹车状态采集装置13；所述图像采集装置11用于采集车辆副驾驶位安全员的图像数据，并将采集到的图像数据发送至处理单元2；所述音频采集装置12用于采集车辆内的声音数据，并将采集到的声音数据发送至处理单元2；所述刹车状态采集装置13用于采集车辆副驾驶位刹车的实时状态数据，并将采集到的状态数据发送至处理单元2。

处理单元2分别对图像采集装置11、音频采集装置12及刹车状态采集装置13发送的数据进行分析处理，并根据分析处理得到的结果来判断安全员是否发出疑似作弊行为；以及根据考试车辆的状态数据来判断安全员是否发出作弊行为；其中，所述考试车辆的状态数据具体包括：车载端考试系统传输的车辆上各操作部件的状态数据(如：方向盘、刹车、油门踏板、档位、转向灯等部件的状态)及车辆前档外部图像数据(包括车辆前档外的障碍物及前方交通信号灯状态)。需要说明的是，所述图像采集装置11为固定于车辆内的摄像头，实时获取副驾驶位安全员的肢体动作行为的图像数据；其中，

图像采集装置11选用的摄像头的数量为两个，其中一个安装于车辆副驾驶位前挡风玻璃的顶部，另一个安装于车辆驾驶位a柱的顶部，通过不同位置角度的安装可实现副驾驶位安全员发生肢体动作行为的图像数据的完整采集，避免漏判现象的发生。此外，摄像头的数量以及设置位置还可以根据实际应用场景的需要进行调节，在此不做任何限制。

以及，所述处理单元2还能够对上述摄像头的初始位置是否发生变化(即摄像头的图像采集部的初始位置是否发生变化)进行判断；示例中，判断方法为：将摄像头的位置固定，选取拍摄范围中车辆内部的某一固定点作为参考点，设置此时摄像头的图像采集部的位置坐标，此时摄像头的图像采集部的位置即为设定的初始位置；当上述的位置坐标发生变化时即摄像头的图像采集部的初始位置发生了变化。具体的位置坐标变化过程的判断为现有公知技术，示例中不加以赘述。

此外，图像采集装置还包括第三摄像头，用于采集车辆前档外部图像数据。

音频采集装置12具体为固定于车辆内的麦克风阵列，实时采集车辆内的人员声音数据及敲击声音数据；

麦克风阵列固定于车辆副驾驶位处的中控台上，所述麦克风阵列内部由一定数目的声学传感器组成；麦克风阵列能够从车辆中不同的方向采集声音，便于判断声音的方向性。此外，所述麦克风阵列还能够过滤掉车辆外部噪音，确保传输给处理单元2的声音数据为有效数据。

刹车状态采集装置13为编码器，其安装于副驾驶位刹车结构中的转轴上，能够实时采集副驾驶位刹车的状态。需要说明的是，所述刹车状态采集装置13也可通过数据线连接车载端考试系统，并将采集到的结果数据发送给车载端考试系统，由车载端考试系统将刹车状态的实时结果数据发送给处理单元2。

具体地，参照图5所示，所述副驾驶位刹车结构包括：底座、刹车组件、编码器34、连接线35及固定支架36；所述底座包括固定于副驾驶位的地面上的底板311和固定在底板上的一组相对设置的支撑架312；该刹车组件包含：刹车踏板32及转轴33，刹车踏板32的一端固定连接转轴33，刹车踏板32的运动带动转轴33转动；所述编码器34安装于转轴33的另一端，采集转轴33的转动信号；所述固定支架36固定于主驾驶位附近的车体上；所述连接线35一端通过固定支架36固定于主驾驶位刹车踏板37上，另一端固定于副驾驶位的刹车踏板32的底端，副驾驶位的刹车踏板32拉动连接线35一起运动，进而带动主驾驶位刹车踏板37运动。

更进一步地，所述底座上设有罩体38，其盖设于支撑架312上，上述刹车踏板32与转轴33的连接处设于该罩体38内；及上述编码器34通过一个z型连接件39固定于支撑架312的侧面。

处理单元2包括：肢体动作行为判断模块21、声音行为判断模块22、刹车状态判断模块23及存储器24；

所述存储器24内存储肢体模型及声音模型；其中，可通过体感交互设备如kinect体感器采集的人体肢体三维数据来建立肢体模型；声音模型可通过麦克风阵列采集的车辆内人声数据、敲击声音数据、车辆外部噪声数据来建立；其中，人声数据包括各地区方言数据、各国家语言数据及车载端考试系统发出的人声数据。

此外，存储单元24内还存储图像采集装置11采集的视频图像数据及音频采集装置12采集的音频数据，对每次的考试过程数据进行记录，便于后期公安部交通管理部门相关工作人员复核时使用。

所述肢体动作行为判断模块21用于根据存储器24中的肢体模型来对图像采集装置11采集到的安全员的肢体动作行为图像数据进行肢体姿态分析，获得肢体的运动学数据，从而判断安全员是否发出疑似作弊行为；

参照图4所示，示例中，肢体动作行为判断模块21对采集到的安全员的肢体动作行为图像数据进行识别分析具体表现为：通过连续帧间差分法找到图像中有运动产生的区域；将帧间灰度信息同图像的梯度信息相结合，保留动态区域的边缘点；组织边缘点，去除噪声，采用线性插值法填充人体轮廓中短小的断裂部位，得到完成的人体运动肢体的轮廓。如下：

一、连续帧间差分法

假设ik(x，y)为当前帧图像，ik-1(x，y)为前一帧图像，dk(x，y)为邻帧差分后的图像，差分计算公式为：

dk(x，y)＝ik(x，y)-ik-1(x，y)

取tk为分割阈值，则：

即可得到前景二值图像fk(x，y)：

二、canny边缘检测

1)采用高斯滤波器平滑原始图像，消除噪声；

2)利用导数算子找到图像灰度沿着2个方向的导数gx和gy，求出梯度幅值和梯度方向

3)对梯度幅值进行非极大值抑制，遍历图像；如果一个像素的梯度幅度大于在该点梯度方向上的2个相邻点的梯度幅度，称其为局部最大值点，它有可能成为边缘点；反之，则不可能成为边缘点，该像素将被舍弃；

4)采用双阈值算法检测和连接边缘。

三、动态区域边缘点保留法

通过动态区域边缘点保留法实现运动目标提取，即将帧间灰度信息同梯度信息相融合，得到运动目标的轮廓；

假设对于当前帧图像ik(x，y)，由上述帧间差分得到的运动区域二值图为fk(x，y)，边缘检测法得到的边缘二值为ck(x，y)，遍历ck(x，y)中各个像素点，当像素ck(xi，yi)＝1时，在图像fk(x，y)中搜索，如果fk(xi，yi)＝1，则(xi，yi)点被定为运动边缘点，即另动态区域边缘图像mk(x，y)中mk(xi，yi)＝1；如果fk(xi，yi)＝0，则搜索fk(xi，yi)的8邻域点，如果其中有4个或4个以上的领域点值为1，则确定(xi，yi)为运动边缘点，令mk(xi，yi)＝1；如果以上2个条件都不满足，则将(xi，yi)定为静止边缘点，令mk(xi，yi)＝0，最终得到的二值图mk(x，y)就是图像中运动区域的边缘图。

通过上述处理，祛除了背景中的边缘点，最大程度地保留要提取的运动肢体的边缘，利用帧差法提取的像素容易在肢体内部产生空洞的特点，还可以消除肢体内部的部分伪边缘。

四、边缘点整合

对边缘点进行整合，去除伪轮廓，填充边缘断裂带，以获取更加完整、准确的轮廓。

更进一步地，肢体动作行为判断模块21判断安全员是否发出疑似作弊行为具体表现为：其进行肢体姿态分析时，包括对安全员上肢不同方向的伸展、不同的手势等肢体动作进行识别，并与存储器中的肢体模型进行比对分析，得到安全员的肢体动作是否属于疑似作弊行为。如：驾驶考试学员在考试的过程中，安全员做出伸左臂动作，此时肢体动作行为判断模块21认定为安全员发出疑似作弊行为；在考试过程中安全员不需要发出任何肢体动作行为动作，故安全员做出伸左臂动作有可能表示提醒考试学员做出左转或开启转向灯等操作，故判定此时安全员发出了疑似作弊行为。此外，肢体动作行为动作还可能为伸右臂、手部上举等。

所述声音行为判断模块22用于根据存储器中的声音模型来对音频采集装置采集到的音频数据进行分析，从而判断安全员是否发出疑似作弊行为；

其中，所述声音行为判断模块22判断安全员是否发出疑似作弊行为具体表现为：其进行声音分析时，判断声源的方向，声源可能来自不同的方向，安全员位于副驾驶位置，因此需要首先考虑声源是否为副驾驶位发出的；若声源的方向是副驾驶位发出，则继续判断是否为人声，若“是”则判定为安全员发出疑似作弊行为；若“否”则继续判断是否为提示音，若是提示音则判定为安全员发出疑似作弊行为。

需要说明的是，在判断是否为人声数据时，需要对采集到的车载端考试系统发出的人声数据进行识别并过滤。

需要说明的是，所述提示音为安全员敲击物体所发出的声音，包含：安全员敲击副驾驶位周边车辆部件发出的声音及安全员敲击/打击其他物体所发出的声音。如：在驾驶考试过程中，安全员可能会用手敲击副驾驶位车门或中控台以做出相关提示，还可能通过打手响或拍手等以做出相关提示。

所述刹车状态判断模块23用于根据刹车状态采集装置实时采集到的副驾驶位刹车状态来判断安全员是否有发出踩刹车动作，从而判断安全员是否发出疑似作弊行为。具体表现为：安全员踩刹车时，副驾驶位刹车踏板32运动，与其联动的转轴33带动编码器34发生角位移，产生电信号，刹车状态判断模块23通过对所述电信号的判断即可得到发生疑似作弊行为的结果。

需要说明的是，上述的刹车状态判断模块23判定安全员发出疑似作弊行为的结果并非最终的结果；因在发生紧急情况时安全员需要在考试过程中踩刹车，以确保交通安全；为此，当处理单元2判定安全员发出疑似作弊行为时，进一步根据考试车辆的状态数据来判断安全员是否发出作弊行为，具体包括：车载端考试系统传输的车辆上各操作部件的状态数据(如：方向盘、刹车、油门踏板、档位、转向灯等部件的状态)及车辆前档外部图像数据(包括车辆前档外的障碍物及前方交通信号灯状态)。

在判定发生作弊行为时，处理单元2控制锁定发生作弊行为前后一段时间的视频数据，具体地，可设置锁定发生作弊行为前后时间30秒的视频数据，此处锁定视频的前后时间根据实际情况进行设置；并可将该部分视频数据发送至考试监管平台。交通管理部门相关工作人员根据该部分视频数据结合考试车辆上设置的雷达监测装置及采集车辆四周道路图像的摄像头采集到的数据来最终判断安全员是否发出作弊行为。此外，通过上述锁定的视频数据也可对其他情况发生的作弊行为进行复核，避免发生误判。

优选示例中，本发明的系统中还包括电源单元这类供电设备，该电源单元与数据采集单元1及处理单元2相耦合，用以给数据采集单元1及处理单元2供电。

具体地，电源单元可以为车载电源装置和/或自备独立电源装置，例如，当车辆为电动车辆或者混动车辆时，车载电源装置有足够的电量供给，本发明实施例的电源单元可以仅为车载电源装置；当车辆为燃油或者燃气车辆时，车载电源装置电量有限，为了保护车载电源，降低车载电源的负载，本发明实施例的电源单元可以为自备独立电源装置，或者既包括车载电源装置也包括自备独立电源装置。在这里，当电源单元为自备独立电源装置，或者包括自备独立电源装置时，可以将自备独立电源装置安装在后备箱内。进一步地，自备独立电源装置可以为可充电锂电池或者蓄电池任一种独立电源，在此不做任何限制。

参照图6所示，本发明示例中的科目三考试车辆上安全员行为识别方法，步骤如下：

步骤1：接收车载端考试系统发送的开始考试指令信号；

步骤2：实时判断车辆内用于采集安全员图像数据的摄像头的初始位置是否发生变化(即摄像头的图像采集部的初始位置是否发生变化)；若发生变化则发出修正的语音提醒并进入步骤3；若未发生变化则进入步骤4。具体为：将摄像头的位置固定，选取拍摄范围中车辆内部的某一固定点作为参考点，设置此时摄像头的图像采集部的位置坐标，此时摄像头的图像采集部的位置即为设定的初始位置；当上述的位置坐标发生变化时即摄像头的图像采集部的初始位置发生了变化。

步骤3：判断上述摄像头是否已恢复至设定的初始位置，若是则进入步骤4；若否则发出停止考试指令，考试结束，并上传原因数据至考试监管平台；具体为：对摄像头是否已恢复至初始位置进行n次判断(即判断n次内是否恢复了设定的初始位置)，其中，n为小于6的自然数，且每次判断的间隔时间为t秒，其中，t的取值为30<t<60。需要说明的是，摄像头初始位置的恢复需要安全员进行人工调整，一般来说位置调整过程在30-60秒之间。

其中，上述的原因数据为摄像头未处于初始位置故考试结束；摄像头的位置发生变化可能会导致监测到安全员的行为数据不准确。

步骤4：开启监控模式，即通过车辆内设有的摄像头、麦克风阵列及副驾驶位刹车上的编码器分别实时采集车辆副驾驶位安全员的图像数据、车辆内的声音数据及副驾驶位刹车的状态数据；其中，

摄像头的数量为两个，其中一个安装于副驾驶位前挡风玻璃的顶部，另一个安装于车辆驾驶位a柱的顶部，通过不同位置角度的安装可实现副驾驶位安全员发生肢体动作行为的完整采集，避免漏判现象的发生。摄像头的数量以及设置位置还可以根据实际应用场景的需要进行调节，在此不做任何限制。实时获取安全员的肢体动作行为的图像数据；

麦克风阵列固定于车辆略偏靠近副驾驶位的中控台上，所述麦克风阵列内部由一定数目的声学传感器组成；麦克风阵列能够从车辆中不同的方向采集声音，便于判断声音的方向性。此外，所述麦克风阵列还能够过滤掉车辆外部噪音，确保传输给处理单元的声音数据为有效数据。

编码器安装于副驾驶位刹车结构中的转轴上，能够实时采集刹车的状态。

步骤5：对上述步骤4中采集到的数据进行分析处理，根据处理结果来判断安全员是否发出疑似作弊行为；若“是”则获取此时考试车辆的状态数据，进入步骤6；若“否”则重复步骤5，直至接收结束考试指令信号；

其中，判断安全员是否发出疑似作弊行为表现为：其进行肢体姿态分析时，包括对安全员上肢不同方向的伸展、不同的手势等肢体动作进行识别，并与存储的肢体模型进行比对分析，得到安全员的肢体动作是否属于疑似作弊行为。如：驾驶考试学员在考试的过程中，安全员做出伸左臂动作，此时认定为安全员发出疑似作弊行为；在考试过程中安全员不需要发出任何肢体动作行为动作，故安全员做出伸左臂动作有可能表示提醒考试学员做出左转或开启转向灯等操作，故判定此时安全员发出了疑似作弊行为；此外，肢体动作行为动作还可能为伸右臂、手部上举等。

判断安全员是否发出疑似作弊行为还表现为：其进行声音分析时，判断声源的方向，声源可能来自不同的方向，安全员位于副驾驶位置，因此需要首先考虑声源是否为副驾驶位发出的；若声源的方向是副驾驶位发出，则继续判断是否为人声，若“是”则判定为安全员发出疑似作弊行为；若“否”则继续判断是否为提示音，若是提示音则判定为安全员发出疑似作弊行为；

需要说明的是，在判断是否为人声数据时，需要对采集到的车载端考试系统发出的人声数据进行识别并过滤。

需要说明的是，所述提示音为安全员敲击物体所发出的声音，包含：安全员敲击副驾驶位周边车辆部件发出的声音及安全员敲击/打击其他物体所发出的声音。如：在驾驶考试过程中，安全员可能会用手敲击副驾驶位车门或中控台以做出相关提示，还可能通过打手响或拍手等以做出相关提示。

判断安全员是否发出疑似作弊行为还表现为：判断副驾驶位刹车上设置的编码器是否发生角位移，产生电信号，通过对所述电信号的判断即可得到发生疑似作弊行为的结果。

所述考试车辆的状态数据具体包括：车辆上各操作部件的状态数据(如：方向盘、刹车、油门踏板、档位、转向灯等部件的状态)及车辆前档外部图像数据(包括车辆前档外的障碍物及前方交通信号灯状态)。

步骤6：根据考试车辆的状态数据来判断安全员是否发出作弊行为，若“是”则进入步骤7；若“否”则返回步骤5；

判断考试学员是否在安全员发出肢体动作或提示音后对车辆操作部件的操作发生相应改变，若“是”则判定为安全员发出作弊行为；若“否”则判定为安全员未发出作弊行为；具体为：通过采集车载端考试系统传输的车辆各操作部件的实时状态数据来判断考试学员的驾驶操作，若考试学员的驾驶操作在安全员发出疑似作弊行为时发生了变化，则此时判定为安全员发出作弊行为。如：安全员做出伸左臂动作，认定为安全员发出疑似作弊行为，此时若考试学员驾驶车辆有直行转为左转或其他变化，则判定为安全员发出作弊行为。

在安全员发出踩副驾驶位刹车动作后，即安全员发出疑似作弊行为，分析考试车辆前档外的图像数据，判断车辆前方一定距离内是否存在障碍物或车辆前方的交通信号灯状态；若车辆前方一定距离内存在障碍物且考试学员未发出刹车动作，则判定为安全员未发出作弊行为；若车辆前方的交通信号灯为红灯状态且考试学员未在安全距离内发出刹车动作，则判定为安全员未发出作弊行为。上述在发生紧急情况时安全员需要在考试过程中做出踩刹车动作，以确保交通安全，故判定为安全员未发出作弊行为；反之其他情况下安全员做出踩刹车动作，则判断为安全员发出作弊行为。

步骤7：锁定安全员发生作弊行为前后一段时间的视频数据；当判定安全员发出作弊行为时，锁定发生作弊行为前后一段时间的视频数据，具体地，可设置锁定发生作弊行为前后时间30秒的视频数据，此处锁定视频的前后时间根据实际情况进行设置。

步骤8：将发生作弊行为的结果数据及锁定的视频数据通过互联网络一并发送给考试监管平台，并返回步骤5。

当判定安全员发出作弊行为时，锁定发生作弊行为前后一段时间的视频数据，具体地，可设置锁定发生作弊行为前后时间30秒的视频数据，此处锁定视频的前后时间根据实际情况进行设置；并可将该部分视频数据发送至考试监管平台。交通管理部门相关工作人员根据该部分视频数据结合考试车辆上设置的雷达监测装置及采集车辆四周道路图像的摄像头采集到的数据来最终判断安全员是否发出作弊行为。此外，通过上述锁定的视频数据也可对其他情况发生的作弊行为进行复核，避免发生误判。

尽管以上本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下，在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。