基于YOLO格式的考试作弊行为检测数据集

摘要：该数据集是一个基于YOLO格式的考试作弊行为检测数据集，包含训练集和验证集，用于自动识别考场中的三种作弊行为：倾斜抄袭（leaning to copy）、分享答案（sharing answers）和使用手机（using mobile）。

数据集概述

该数据集是一个基于YOLO格式的考试作弊行为检测数据集，包含训练集和验证集，用于自动识别考场中的三种作弊行为：倾斜抄袭（leaning to copy）、分享答案（sharing answers）和使用手机（using mobile）。考试监考是教育公平的重要保障，传统人工监考存在监控盲区、注意力分散和人力成本高等问题。该数据集通过标注考场监控视频中的作弊行为边界框，为开发基于计算机视觉的智能监考系统提供训练数据，支持实时作弊行为检测和预警

数据结构与关键特征

数据集采用YOLO标准格式组织，包含images和labels两个并行目录，分为train和val两个子集。三种作弊行为具有独特的视觉特征：倾斜抄袭表现为考生身体明显侧倾或头部转向邻座、分享答案表现为考生之间的交互动作（传递纸条、手势交流）、使用手机表现为手部持握小型电子设备的姿态。标注采用归一化边界框格式（类别ID、中心坐标x/y、宽度/高度），支持YOLOv5/v8等目标检测模型直接训练。数据集涵盖不同考场环境、摄像机角度和光照条件，反映真实监控场景的多样性。

应用价值与研究方向

该数据集为智能监考系统和教育公平保障提供技术支撑，可实现考场实时监控、异常行为自动标记和多考场集中管理，显著降低监考人力成本并提升违规检测覆盖率。技术层面支持YOLO系列模型训练（YOLOv5/v8/v11）、实时推理优化（边缘设备部署）和多目标跟踪（关联连续帧中的作弊行为）。研究方向包括：小目标检测优化（远距离摄像机下的手机识别）、遮挡场景鲁棒性提升、时序行为分析（区分正常动作和作弊行为）、跨场景泛化性研究、隐私保护的人脸模糊处理、以及误报率控制（避免正常行为被误判），为在线考试监控、图书馆秩序管理等场景提供方法学参考。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-288
文件大小：258M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。