一种基于多模态融合的线下考场异常行为监控检测系统

本发明一种基于多模态融合的线下考场异常行为监控检测系统，涉及一种考场异常行为检测系统，该系统的数据处理层在边缘计算设备上运行，对多模态数据进行预处理与特征提取。分析决策层采用图神经网络（GNN）对多模态特征进行动态加权融合，并结合LSTM模型对融合后的特征向量进行时序分析，识别异常行为（如使用电子设备、交头接耳）。系统集成层通过云端（阿里云OSS）实现数据存储与用户交互，供监考人员实时查看异常行为报告。本发明通过多模态数据融合与深度学习技术，解决了现有考场监控系统依赖单一模态数据、误判率高、实时性不足的问题，具有高效、准确、实时的特点，可广泛应用于各类考场监控场景，确保考试的公平性与安全性。