摘要：考试作弊多视角视频数据集是一个专门用于离线考试作弊检测的渐进式多类别视频数据集,包含637个视频片段,涵盖约65名参与者在真实教室和剧院环境中的考试行为。
数据集概述
考试作弊多视角视频数据集是一个专门用于离线考试作弊检测的渐进式多类别视频数据集,包含637个视频片段,涵盖约65名参与者在真实教室和剧院环境中的考试行为。该数据集分五个录制阶段(V1-V5)逐步收集,每个版本在录制质量、摄像机视角、场景复杂性和环境多样性方面持续改进,展示了从简单到复杂的数据采集进化过程。与许多现有数据集仅关注单一作弊行为或基于静态图像分类不同,ExamCheat-MultiV提供了完整的视频序列,涵盖五种考试行为类别:正常行为、抄袭行为、手势共享、使用隐藏笔记和使用手机。数据以MP4和MOV格式存储,配套提供预处理的学生视频片段和CSV标注文件,支持可重复研究。数据集保留了真实监控环境中的各种不完美因素(遮挡、噪声、照明变化),为行为识别和监控分析提供了贴近实战的训练素材。
数据结构与关键特征
数据集采用五类别视频分类结构,包含正常行为(基线对照)和四种作弊行为(抄袭、手势交流、小抄使用、手机使用),支持多分类监督学习任务。核心特征包括:(1)渐进式版本设计——V1至V5五个版本逐步增加数据复杂度和环境多样性,支持研究数据质量对模型性能的影响;(2)多视角拍摄——正面、侧面、斜视、对角和远景等多个监控角度,增强模型对摄像机位置变化的鲁棒性;(3)多样化照明条件——明亮照明(光线充足教室)、适中照明(标准条件)和昏暗照明(真实考场环境),模拟不同时段和场地的光照差异;(4)参与者多样性——涵盖性别多样性(男女参与者)、体型多样性(不同身高和体态)、行为多样性(左右撇子、不同书写风格)和外观多样性(服装风格、配饰、发型),有效减少过拟合并提升泛化能力;(5)真实场景复杂性——包含遮挡和部分可见、背景干扰和噪声、实际考试座位布局等挑战性条件;(6)多分辨率视频——不同录制设备和设置产生的分辨率差异,模拟实际监控系统的技术异质性。
应用价值与研究方向
该数据集在教育技术、监控分析和计算机视觉领域具有广泛的应用价值和研究意义。在实际应用中,可用于开发离线考试智能监控系统、自动作弊检测工具、考场行为分析平台和教育诚信保障解决方案,特别适用于大规模标准化考试、高风险认证考试和学术诚信监督场景。在研究方向上,适合用于人类行为识别、视频理解、动作识别基准测试、基于姿态的推理(通过骨架提取分析身体动作)、视觉Transformer(ViT)模型验证、时空卷积网络(3D CNN)训练、多模态融合系统(结合视频和音频)、可解释AI研究(识别模型关注的关键帧和身体部位)以及跨视角迁移学习,为构建鲁棒的监控智能系统提供高质量训练数据,推动计算机视觉技术在教育公平和学术诚信领域的实际落地应用。
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-270
文件大小：23G
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)