Hệ thống giám sát phòng thi bằng AI (Exam Proctoring System)

Tóm tắt dự án

[cite_start]Đây là một hệ thống giám sát thi trực tuyến toàn diện, hoạt động trong thời gian thực (realtime)[cite: 242]. Hệ thống tích hợp 4 module AI cốt lõi chạy đồng thời nhằm tự động phát hiện các hành vi gian lận trong phòng thi:

• [cite_start]Giám sát tư thế và hướng nhìn (MediaPipe Pose + Face Mesh)[cite: 243].
• [cite_start]Phát hiện người lạ thay thi (FaceNet/face_recognition)[cite: 243].
• [cite_start]Nhận diện điện thoại hoặc tài liệu trên bàn (YOLOv8)[cite: 243].
• [cite_start]Phân tích âm thanh/lời nói bất thường (VAD + Whisper AI)[cite: 243].

[cite_start]Thách thức cốt lõi và trọng tâm kỹ thuật của dự án nằm ở khả năng xử lý đồng thời (Concurrency) và tối ưu hiệu suất, đảm bảo tốc độ xử lý nhanh, không gây giật lag hay tụt FPS[cite: 244]. [cite_start]Hệ thống được thiết kế theo kiến trúc Micro-Monolith, sử dụng các công nghệ hiện đại nhất hiện nay bao gồm FastAPI cho Backend, Streamlit cho Frontend, cùng mạng WebRTC và WebSocket để giao tiếp dữ liệu[cite: 245].

---

Mục lục

• Tóm tắt dự án
• Cấu trúc thư mục & chức năng từng file

---

Cấu trúc thư mục & chức năng từng file

[cite_start]Dự án được tổ chức theo mô hình Micro-Monolith (tách biệt rõ Frontend và Backend nhưng vẫn nằm trong cùng một kho lưu trữ), giúp dễ dàng quản lý, gỡ lỗi và mở rộng[cite: 246].

exam_proctoring_system/
├── backend/
│   ├── main.py                  
│   ├── api/                     
│   │   ├── endpoints_webrtc.py  
│   │   └── endpoints_ws.py      
│   ├── ai_services/             
│   │   ├── pose_gaze/    
│   │   ├── object_detect/    
│   │   ├── face_verify/      
│   │   └── audio_whisper/    
│   └── core/                    
│       └── config.py            
├── frontend/
│   ├── app.py                   
│   └── components/              
│       ├── student_view.py      
│       └── proctor_dashboard.py 
├── weights/                     
│   ├── yolov8_finetuned.pt      
│   └── whisper_tiny.pt          
├── data/
│   └── student_faces/           
├── .env                         
├── requirements.txt
└── README.md

Chi tiết chức năng từng File / Thư mục

Cách chạy Pipeline mẫu

uv run -m backend.main

---

Cập nhật mới nhất: Tối ưu hóa & Sửa lỗi Module Đếm Giấy Thi (CountBasedPaperMonitor)

1. Tối ưu hóa Độ nhạy & Giảm độ trễ (Latency Reduction)

• Tăng tần suất suy luận (Inference frequency): Điều chỉnh object_detect_every_n_frames = 2 (trong backend/core/config.py), giúp hệ thống quét vật thể thường xuyên hơn và phản hồi nhanh hơn ~4.3 giây so với cấu hình cũ.
• Hạ ngưỡng tự tin phát hiện giấy (Confidence Thresholds):
  • Toàn bộ khung hình: Giảm xuống 0.20.
  • Vùng ROI thí sinh: Giảm xuống 0.15 nhằm phát hiện các tờ phao nhỏ/bị che khuất một phần.
• Tinh chỉnh gom cụm (cluster_papers): Thiết lập duplicate_center_distance_ratio = 0.70 tránh gộp nhầm 2 tờ giấy ở sát nhau thành 1.

2. Sửa lỗi Logic Đếm Giấy Theo Từng Thí Sinh (Per-Person Paper Monitoring)

• Khắc phục lỗi đếm toàn cục (Global Count Bug):
  • Lỗi cũ: Khi 1 thí sinh bị che mất giấy (0 tờ) và 1 thí sinh khác rút thêm phao mới (2 tờ), tổng số giấy đếm được vẫn là 2 (bằng baseline tổng) $\rightarrow$ Hệ thống bị đánh lừa và gán cả 2 tờ là giấy hợp lệ (cyan).
  • Giải pháp: Chuyển sang đếm và so sánh baseline theo từng thí sinh (owner_person_id). Bất kỳ thí sinh nào có số giấy vượt mức baseline riêng của mình sẽ lập tức bị cờ đỏ cảnh báo.
• Hiển thị cảnh báo tức thì (suspicious_new_paper): Đánh dấu đỏ cheat_sheet NEW cho tờ phao mới ngay khi xuất hiện mà không bị hoãn giao diện chờ debounce streak.
• Bảo vệ Baseline vị trí: Khắc phục lỗi tự động ghi đè vị trí giấy chuẩn (baseline_clusters) khi có sự cố học sinh rút thêm phao.