在考试场中为学生监考十分枯燥，因此，建立一个可靠的作弊检测系统来识别学生是否存在作弊行为。

• 使用一个名为 Yolo3 的训练模型和一个名为 coco 的数据集，我们测试了考场中学生的书籍和手机，并将他们标记为作弊者。

  

 

• 使用haarcascade配置文件分类器，可以检测到学生转身，这样也被认定为作弊的学生。

• 此功能使用 OpenCV 和 YOLO 来监控/分析学生之间是否保持足够的距离。如何距离太近存在作弊嫌疑。

运行环境要求：

tensorflow>=2.5.0*
keras==2.4.3
imutils==0.5.4
numpy==1.19.5
opencv-python>=4.2.0.32
matplotlib==3.4.1
argparse==1.4.0
scipy==1.6.2
scikit-learn==0.24.1
pillow>=8.3.2
streamlit==0.79.0
onnx==1.10.1
tf2onnx==1.9.3
完整代码下载链接：

https://download.csdn.net/download/weixin_40651515/87272865