摘要：该数据集用于课堂考试作弊行为的自动检测，包含5个类别：倾斜抄袭（leaning to copy）、四处张望（looking around）、正常考试（normal）、分享答案（sharing answers）和使用手机（using mobile）。
数据集概述
该数据集用于课堂考试作弊行为的自动检测，包含5个类别：倾斜抄袭（leaning to copy）、四处张望（looking around）、正常考试（normal）、分享答案（sharing answers）和使用手机（using mobile）。传统考场监考依赖人工观察，存在监控盲区、注意力疲劳和人力成本高等问题，该数据集为开发基于计算机视觉的智能监考系统提供训练数据。通过识别考生异常姿态和行为模式，系统可实现实时作弊行为检测和预警，保障考试公平性并降低监考人力需求。
数据结构与关键特征
数据集按行为类别组织，包含5个子文件夹分别存储不同作弊行为和正常行为的图像或视频帧。五类行为具有独特的视觉特征：倾斜抄袭表现为身体明显侧倾或头部转向邻座、四处张望表现为头部频繁转动或眼神游移、正常考试表现为低头专注答题姿态、分享答案表现为考生间的交互动作（传递物品、手势交流）、使用手机表现为手部持握小型电子设备或低头看桌下的姿态。数据可能来自考场监控摄像头的多角度视角，涵盖不同光照条件和考场布局，支持目标检测、行为识别和时序分析任务。
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，可应用于考场实时监控、异常行为自动标记、多考场集中管理和考后违规行为回溯分析。技术层面支持目标检测模型训练（YOLO、Faster R-CNN）、行为识别算法开发（基于骨架或光流的动作分析）和时序异常检测。研究方向包括：多目标跟踪关联连续帧中的作弊行为、注意力机制定位关键身体部位（头部、手部）、跨场景泛化性研究（不同考场环境、摄像机角度）、误报率控制（区分正常动作和作弊行为）、隐私保护技术（面部模糊化、骨架提取）、以及多模态融合（结合音频检测交谈行为），为在线考试监控、标准化考试管理和学术诚信维护提供AI辅助工具。
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-296
文件大小：70M
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。
评论(0)